图:2017年3月9日在旧金山举行的Google Cloud Next大会

谷歌在今天宣布了一项新的云服务Cloud AutoML，该服务旨在让企业更方便地创建定制的机器学习算法来处理图像。这个系统让开发者可以将一堆图片上传至谷歌的云端，并得到一个定制的模型作为回报。

下面是谷歌云AI和ML首席科学家李飞飞和李佳对这项里程碑技术的描述：

“一年前，当我们加入谷歌云时，我们开始了一项让人工智能民主化的使命。我们的目标是降低进入门槛，让人工智能成为开发者、研究人员和企业的最大的可能的社区。我们的Google Cloud AI团队一直在朝着这个目标努力，并且取得了良好的进展。

在2017年，我们引入了谷歌云机器学习引擎，帮助具有机器学习技能的开发人员轻松地构建适用于任何类型的数据的机器学习模型。我们展示了现代机器学习服务，Vision, Speech, NLP, Translation和Dialogflow，都可以建立在预先训练的模型之上，从而为商业应用带来无与伦比的规模和速度。目前，有超过1万家企业在使用谷歌云计算服务，包括Box、Rolls Royce Marine、Kewpie和Ocado等公司。

但是我们还有很多事情要做。目前，世界上只有少数几家企业能够获得人才和预算，以充分了解机器学习和人工智能的发展。只有很少的人能够创造出先进的机器学习模型。如果你是能够接触到机器学习/人工智能的工程师，你仍然需要管理你自己定制的机器学习模型。尽管谷歌通过提供特定任务的api提供预先训练的机器学习模型，但如果我们想把人工智能带给所有人，还有很长的路要走。

为了缩小这一差距，让每一个企业都能访问人工智能，我们引入了Cloud AutoML。Cloud AutoML帮助那些拥有有限的机器学习专业知识的企业，利用像是谷歌的learning2learn和transfer learning这些先进的技术，开始构建自己的高质量定制模型。我们相信，Cloud AutoML将使人工智能专家变得更具有生产力，在人工智能领域推进新领域，帮助技术较低的工程师建立他们此前梦寐以求的强大人工智能系统。

我们的第一个云自动发布将是Cloud AutoML Vision，这是一项为图像识别创建定制机器学习模型的服务。它的拖拽界面让你可以轻松上传图片、训练和管理模型，然后直接将这些经过训练的模型部署到Google Cloud上。早期使用Cloud AutoML对像ImageNet和CIFAR这样的流行的公共数据集进行分类，能比一般的机器学习API得到了更精确的结果。”

• 提高准确性:Cloud AutoML Vision是建立在谷歌领先的图像识别方法之上的，包括传输学习和神经架构搜索技术。这意味着即使你的业务有有限的机器学习经验，你也能得到一个更准确的模型。


• 更快的周转时间到生产就绪的模型:使用Cloud AutoML Vision，你可以在几分钟内创建一个简单的模型来引导你的支持人工智能的应用程序，或者在一天之内构建一个完整的、可生产的模型。


• 易于使用:AutoML Vision提供了一个简单的图形用户界面，允许你指定数据，然后将数据转换为针对特定需求定制的高质量模型。

[video width="1280" height="720" mp4="http://imgcdn.atyun.com/2018/01/videoplayback-2.mp4"][/video]

简单地说，这是基于谷歌对训练机器学习模型的研究，以构建能够很好地执行特定任务的模型。理论上，公司应该能够为系统提供一组样本图像，并且在一天之内，返回一个经过自动训练的模型，该模型能够针对特定的数据进行优化。

Cloud AutoML将最终扩展到图像之外，它将帮助弥合需要定制机器学习工具的公司，和少数能够为实现这些工具所需的技术人才而支付高价的公司之间的差距。通过创建一个可以建立自己的模型的系统，谷歌希望让高级的机器学习系统更容易被日常的开发人员使用，而这些开发人员并不一定需要拥有所有的技能。

创建自定义模型的机器学习系统，尤其是在视觉空间中，并不是什么新鲜事。谷歌的与众不同之处是，它能够在没有人工干预的情况下创建一个定制的模型，而这正是该公司力争开拓的目标之一。

谷歌的系统是基于监督学习的，这意味着公司需要提供一堆标签来告诉Cloud AutoML它在看什么，并帮助它创建一个模型。此外，谷歌有一个众包系统，可以让人类来为无标签的数据生成标签，但公司也可以在第一次设置系统时提供自己的标签数据。

目前，在封闭的alpha测试中，Cloud AutoML Vision可以使用，而谷歌将与每个公司合作，以确定这项服务何时适合他们。这家科技巨头已经对迪士尼和Urban Outfitters等客户的服务进行了测试，取得了积极的成果。

这项新服务超越了谷歌现有的云机器学习服务组合，这些服务旨在帮助最广泛的应用，或者帮助现有的机器学习从业者简化他们的工艺流程。如果该公司取得成功，它可能会在云战中获得重大优势，因为潜在客户正在寻找一种方法，在没有谷歌级别的技术人才的情况下，将机器学习计划提上日程。