這真是年夜事！

　　谷歌縮小招了！

　　昨天李飛飛和Jeff Dean就在推特上沖動人心預告，說谷歌將有主要的里程碑事宜宣布。如今答案揭曉了：谷歌明天宣布了Cloud AutoML。

　　這是個甚么器械？

　　淺顯點說，Cloud AutoML是個開辟利器，即使你不懂機械進修，也能練習出一個定制化的機械進修模子。因為還在Alpha測試版的階段，今朝這個辦事僅支撐盤算機視覺模子，但谷歌表現稍后會支撐一切尺度機械進修模子，包含語音、翻譯、視頻、天然說話處置等。

　　今朝曾經可用的辦事是Cloud AutoML Vision。

　　谷歌Cloud AutoML體系基于監視進修，所以須要供給一系列帶有標簽的數據。詳細來講，開辟者只須要上傳一組圖片，然后導入標簽或許經由過程App創立，隨后谷歌的體系就會主動生成一個定制化的機械進修模子。

　　聽說，模子會在一天以內練習完成。

　　全部進程，從導入數據到打標簽到練習模子，一切的操作都是經由過程拖拽完成。在這個模子生成和練習的進程中，不須要任何工資的干涉。

　　曩昔幾個月里，有幾家公司一向在測試Cloud AutoML。個中就包含迪士尼。這套體系讓迪士尼在線商城的搜刮功效加倍壯大。

　　所以，照這個勢頭成長下去，或許企業今后能夠就不消雇傭機械進修和數據專家了。

　　Cloud AutoML，望文生義就是云上的AutoML。谷歌客歲5月宣布AutoML，其時谷歌CEO劈柴哥說，如今設計神經收集異常耗時，對專業才能請求又高，只要一小撮迷信家和工程師能做。為此，谷歌發明了一種新辦法：AutoML，讓神經收集去設計神經收集。

　　客歲11月，谷歌對AutoML停止進級。之前的AutoML雖能設計出與人類設計的神經收集一致程度的小型神經收集，但一直被限制在CIFAR-10和Penn Treebank等小型數據集上。進級以后，AutoML也能應對ImageNet這類范圍的數據集了。

　　總之，這個辦法就是讓AI設計AI。如今谷歌又把這個技巧放到云上了。

　　如今獨一的成績是，谷歌沒有頒布Cloud AutoML的辦事價錢，并且也臨時沒有對外開放。想要試用這個辦事，須要向谷歌收回請求。

　　這個請求，年夜概要答復十幾項的發問。

　　為了Cloud AutoML的宣布，谷歌云人工智能和機械進修首席迷信家李飛飛，谷歌云人工智能研發擔任人李佳，結合宣布了一篇博客，具體引見了Cloud AutoML。

　　量子位將這篇博客翻譯以下：

　　我們一年多之前參加Google Cloud，開啟了AI平易近主化的任務。我們的目的，是下降進入門坎，將AI供給給最寬大的開辟者、研討人員和企業群體。

　　向著這個目的，我們的Google Cloud AI團隊停頓順遂。2017年，我們推出了Google Cloud Machine Learning Engine（機械進修引擎），贊助無機器進修專業常識的開辟者輕松構建實用于任何數據類型的機械進修模子。

　　我們展現了能如何在預練習模子之上構建古代機械進修辦事，也就是視覺、語音、天然說話處置（NLP）、翻譯、Dialogflow等API，為貿易運用帶來無與倫比的范圍和速度。我們的數據迷信家和ML研討人員社區Kaggle曾經成長到百萬人范圍。

　　如今，應用Google Cloud AI辦事的企業數目跨越10000，Box、勞斯萊斯船業、玩具公司丘比、和網上超市奧卡多都在用。

　　但我們能做的遠不止于此。今朝，世界上只要多數企業能獲得足夠的人才網job.vhao.net和預算來享用ML和AI成長帶來的好處，可以或許創立先輩機械進修模子的人才網job.vhao.net異常無限。就算你們公司有ML或許AI工程師，要本身構建定制化的ML模子依然要司理一個耗時、龐雜的進程。固然Google經由過程API供給了能完成特定義務的預練習機械進修模子，但要把AI帶給每一個人，還有很長的路要走。

　　為了減少差距，讓每家企業都能用上AI，我們推出了Cloud AutoML。

　　Cloud AutoML經由過程應用learning2learn、遷徙進修等先輩技巧，贊助ML專業技巧無限的企業構建本身的高品德定制化模子。我們信任，Cloud AutoML將幫AI專家晉升任務效力，開辟AI新范疇，并贊助才能缺乏的工程師構建他們之前求之不得的壯大AI體系。

　　我們宣布的第一個Cloud AutoML功效是Cloud AutoML Vision，這個辦事能讓定制化圖象辨認ML模子的創立更快、更輕松。它有一個拖放式的界面，讓你能輕松地上傳圖象、練習并治理模子，然后將練習好的模子直接安排在Google Cloud上。之前，Google展現過Cloud AutoML Vision模子在ImageNet、CIFAR等熱點數據集上的分類成就，毛病率比通用的ML API更低。

　　以下是關于Cloud AutoML Vision的更多信息：

　　更高的精確率：Cloud AutoML Vision基于Google的圖象辨認辦法，包含遷徙進修、神經架構搜刮技巧等，這意味著即便你的企業沒有足夠的機械進修專業技巧，也能取得更精確的模子。

　　更快：用Cloud AutoML創立一個簡略的機械進修模子來對AI運用做測驗考試，只須要幾分鐘，構建一個完全的商用模子，也只須要一天。

　　易用：AutoML Vision有一個簡略的圖形化用戶界面，你可以制訂數據，并將其轉換為專為你的需求定制的高質量模子。

　　服裝網www.vhao.net品牌Urban Outfitters的數據迷信家Alan Rosenwinkel說：”我們一向在尋覓優化客戶購物體驗的新辦法。要向客戶供給相干產物推舉、精確的搜刮成果和有效的產物挑選器，創立、保護一組周全的產物屬性異常主要。

　　然則，手動創立產物屬性異常費時辛苦。為懂得決這個成績，我們的團隊測驗考試了用Cloud AutoML經由過程辨認斑紋、領口款式等纖細產物特點，來將產物歸類流程主動化。在贊助我們的客戶更好地發明、推舉和搜刮產物這件事上，Cloud AutoML遠景異常光亮。“

　　迪士尼花費產物和互動媒體CTO及高等副總裁Mike White說：“Cloud AutoML的技巧能幫我們創立盤算機視覺模子，依據迪士尼的腳色、產物種別和色彩來標注我們的產物，這些標注可以整合到我們的搜刮引擎中，在shopDisney市肆中經由過程更相干的搜刮成果、更快的發明速度和產物推舉，來增強用戶體驗。”

　　倫敦植物學會（ZSL）掩護技巧主管Sophie Maxwell告知我們：“ZSL是一個國際慈悲組織，在全球規模內為掩護植物及其棲息地而盡力。要實行這一任務，一個癥結請求是要追蹤野活潑物種群來進一步懂得他們的散布，更好地輿解人類對這些物種的影響。

　　為了到達這一目的，ZSL在野外設置了一系列相機圈套，當有熱量或活動涌現時，為經由的植物攝影。然后，這些裝備拍下的數據須要人工剖析，依據相干的物種停止標注，好比這個是年夜象、誰人是獅子、誰人是長頸鹿，這是一個耗資偉大休息力密集型義務。

　　ZSL的掩護技巧部分在與Google的Cloud ML團隊親密協作，贊助推動這項沖動人心的技巧，ZSL想用這項技巧來主動分類圖象，如許可以增添本錢、擴展安排規模，幫我們深刻懂得該若何更有用地掩護世界上的野活潑物。”

　　假如有興致試用AutoML Vision，可以在這里填表請求：https://services.谷歌.com/fb/forms/cloudautomlalphaprogram/

　　AutoML Vision是我們和Google Brain和其他Google AI團隊親密協作的結果，也是Cloud AutoML系列產物中的第一個。在下降AI門坎的途徑上，我們只是方才開端，人工智能幫Cloud AI產物的10000多名客戶所完成的才能年夜年夜鼓勵了我們，我們愿望Cloud AutoML的宣布，能幫更多企業經由過程AI發明更多能夠。