概要：谷歌云機(jī)器學(xué)習(xí)平臺（Google Cloud AI）自從上線以來就以預(yù)訓(xùn)練的、可以直接調(diào)用的高效機(jī)器學(xué)習(xí)模型吸引了許多企業(yè)級用戶在其上構(gòu)建簡單的機(jī)器學(xué)習(xí)應(yīng)用。

谷歌云機(jī)器學(xué)習(xí)平臺（Google Cloud AI）自從上線以來就以預(yù)訓(xùn)練的、可以直接調(diào)用的高效機(jī)器學(xué)習(xí)模型吸引了許多企業(yè)級用戶在其上構(gòu)建簡單的機(jī)器學(xué)習(xí)應(yīng)用。然而企業(yè)總是會有自己專屬的需求的，越來越多的企業(yè)會不再滿足于預(yù)定義好的功能，而想要設(shè)計和應(yīng)用更加自定義化的機(jī)器學(xué)習(xí)模型。

這篇博客全文翻譯如下

今天，在谷歌云首席科學(xué)家李飛飛和谷歌云研發(fā)負(fù)責(zé)人李佳合著的這篇谷歌云博客中，她們就正式宣告了谷歌云 AutoML 平臺的面世。在這里，構(gòu)建、訓(xùn)練和部署自定義的機(jī)器學(xué)習(xí)模型也變得簡單方便，甚至對機(jī)器學(xué)習(xí)不甚了解的企業(yè)也可以構(gòu)建自己的人工智能系統(tǒng)。

在差不多一年多以前我們兩個人共同加入谷歌云的時候，我們都心懷一個使命，那就是讓 AI 平民化。我們的目標(biāo)是降低 AI 的使用門檻，讓 AI 對盡可能多的開發(fā)者、研究者和商業(yè)用戶來說變得觸手可及。

我們谷歌云 AI 團(tuán)隊一直在向著這個目標(biāo)做出進(jìn)步。在 2017 年，我們發(fā)布了谷歌云機(jī)器學(xué)習(xí)引擎（Google Cloud Machine Learning Engine），幫助具有機(jī)器學(xué)習(xí)知識的開發(fā)者們輕松地構(gòu)建能處理任何種類的、任意大小的數(shù)據(jù)的機(jī)器學(xué)習(xí)模型。我們表明了現(xiàn)代機(jī)器學(xué)習(xí)服務(wù)——換句話說就是包括了視覺、語音、NLP、翻譯和對話流的 API 們——可以構(gòu)建在預(yù)訓(xùn)練的基礎(chǔ)模型之上，為商業(yè)應(yīng)用提供無可比擬的服務(wù)規(guī)模和運(yùn)行速度。我們的數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)研究者社區(qū) Kaggle 也已經(jīng)發(fā)展到了擁有超過一百萬名用戶。而今天，已經(jīng)有包括 Box、勞斯萊斯、Kewpie 和 Ocado 在內(nèi)的超過一萬家企使用著谷歌云的 AI 服務(wù)。

不過除此之外我們還能做很多。現(xiàn)在，全世界的企業(yè)中有足夠的知識技能和預(yù)算以便能夠充分享受機(jī)器學(xué)習(xí)和人工智能帶來的好處的企業(yè)并不多，能創(chuàng)建出高級機(jī)器學(xué)習(xí)模型的人才也非常有限。而且，即便是一個有機(jī)器學(xué)習(xí)/人工智能工程師的企業(yè)，構(gòu)建自定義機(jī)器學(xué)習(xí)模型的過程仍然非常費時、非常復(fù)雜，很難管理。雖然谷歌云已經(jīng)通過 API 提供了預(yù)訓(xùn)練好的機(jī)器學(xué)習(xí)模型，足夠完成某些特定任務(wù)，但是距離我們想要的「把 AI 帶個每個人」還是有很長的路要走。

為了縮小這其中的距離，以及為了讓每個企業(yè)都能更輕松地接觸并使用 AI，我們今天向大家介紹谷歌云 AutoML。對于只有有限的機(jī)器學(xué)習(xí)知識的企業(yè)，谷歌云 AutoML 可以通過谷歌的高級技術(shù)手段，比如 learn2learn 和遷移學(xué)習(xí)，幫助他們動手構(gòu)建自己的高質(zhì)量自定義模型。我們相信谷歌云 AutoML 可以讓 AI 專家們發(fā)揮出更大的生產(chǎn)力、探索 AI 的新領(lǐng)域，以及幫助技能有限的工程師構(gòu)建他們曾經(jīng)只能夢想擁有的強(qiáng)大的人工智能系統(tǒng)。

我們發(fā)布的首個谷歌云 AutoML 版本將會是云 AutoML Vision，建立自定義圖像識別模型會因它而更快、更簡單。它的允許直接拖拽的界面可以讓你輕松地上傳圖像、訓(xùn)練和管理模型，然后直接在谷歌云平臺上步數(shù)這些訓(xùn)練好的模型。在谷歌云 AutoML Vision 的早期測試結(jié)果中，分類熱門公共數(shù)據(jù)集 ImageNet 和 CIFAR 已經(jīng)展現(xiàn)出了優(yōu)秀的表現(xiàn)，相比通用的機(jī)器學(xué)習(xí) API 可以更準(zhǔn)確、有更低的分類誤差。

谷歌云 AutoML Vision 還有下面這些好處：

更高的準(zhǔn)確性：谷歌云 AutoML Vision 是基于谷歌的頂尖圖像分類方法構(gòu)建的，包括遷移學(xué)習(xí)和神經(jīng)架構(gòu)搜索技術(shù)。這意味著，即便使用它的企業(yè)只有有限的機(jī)器學(xué)習(xí)技術(shù)能力，最終也能得到比以往做法準(zhǔn)確得多的模型。

達(dá)到生產(chǎn)級別模型所需的開發(fā)周期更短：接觸谷歌云 AutoML，用戶可以用幾分鐘的時間就構(gòu)建出一個簡單的模型，然后把它連接到帶有 AI 功能的應(yīng)用程序上；或者是構(gòu)建一個完整的、生產(chǎn)級別的模型也最短只需要一天時間就可以完成。

使用簡單：谷歌云 AutoML Vision 提供了一個簡潔的圖形化用戶界面，它可以讓用戶選擇數(shù)據(jù)，然后把所選的數(shù)據(jù)轉(zhuǎn)換成根據(jù)用戶的具體需求量身訂制的高質(zhì)量模型。

谷歌云 AutoML Vision 介紹視頻

「我們 Urban Outfitters 一直在尋找提高用戶的購物體驗的新方法」，Urban Outfitters 的數(shù)據(jù)科學(xué)家 Alan Rosenwinkel 說道，「我們要給我們的用戶提供有意義的產(chǎn)品推薦、準(zhǔn)確的搜索結(jié)果和好用的產(chǎn)品篩選系統(tǒng)，歸類并維持一組豐富的產(chǎn)品特點對此而言就非常重要。然而，人工給產(chǎn)品特點歸類很困難也很花時間。為了改善這個問題，我們團(tuán)隊已經(jīng)在評估使用谷歌云 AutoML 了，我們打算讓它識別產(chǎn)品上圖案樣式、領(lǐng)口風(fēng)格之類的微妙產(chǎn)品特點，從而把產(chǎn)品特點的歸類過程自動化。谷歌云 AutoML 很有潛力幫我們給用戶帶來更好的探索、推薦和搜索體驗。」

迪士尼消費級產(chǎn)品和互動媒體 CTO、高級副總裁 Mike White 表示：「谷歌云 AutoML 的技術(shù)正在幫助我們構(gòu)建視覺模型，這些模型可以給我們的產(chǎn)品添加迪士尼卡通形象、產(chǎn)品類別和顏色的標(biāo)注。我們也正在把這些標(biāo)注結(jié)果整合到我們的搜索引擎中，通過相關(guān)性更高的搜索結(jié)果、更快的探索發(fā)現(xiàn)和產(chǎn)品推薦過程把我們的迪士尼商店的用戶體驗再提升一個臺階?！?/p>

倫敦動物學(xué)會的動物保護(hù)技術(shù)負(fù)責(zé)人 Sophie Maxwell 也說：「倫敦動物學(xué)會是一個世界性的動物保護(hù)慈善組織，我們專注于全世界的動物和動物棲息地保護(hù)。這種任務(wù)中的一個關(guān)鍵要求就是要追蹤野外的動物種群、學(xué)習(xí)它們的種群分布、更好地理解人類活動對這些物種產(chǎn)生的影響。為了達(dá)到這個目標(biāo)，倫敦動物學(xué)會在野外布置了一系列自動照相機(jī)，當(dāng)有動物經(jīng)過時，它們會被熱量或者運(yùn)動觸發(fā)，拍下經(jīng)過的動物的照片。這些設(shè)備會拍下數(shù)百萬張照片，然后我們需要用人力分析查看、標(biāo)注上相關(guān)的動物種類，比如是獅子、大象還是長頸鹿等等，這個過程需要非常多的人力，而且資金開銷很大。倫敦動物學(xué)會專門設(shè)立的動物保護(hù)技術(shù)部門就已經(jīng)在和谷歌的云機(jī)器學(xué)習(xí)團(tuán)隊緊密合作，他們在幫助我們開發(fā)一種新的自動化技術(shù)給圖像加上標(biāo)注。我們感到非常興奮，這可以節(jié)省開支、以更大的規(guī)模做應(yīng)用部署，以及幫助我們更深地理解如何高效地保護(hù)全世界的野生動物?！?/p>