昨天的谷歌云全球NEXT大會(Google Cloud Next 18)上，李飛飛宣布，谷歌AutoML Vision進入公共測試版，并推出了兩款新的AutoML產品：AutoML Natural Language和AutoML Translation。

這款谷歌力推的產品在今年1月份面世之時，就擔負著讓AI民主化的重大使命，同時也與李飛飛作為“AI民主化推進者”的形象深度綁定。

作為谷歌云的首席科學家，李飛飛在這一產品發(fā)布時，連發(fā)三條推特表達激動之情：

 

 

“我很榮幸地宣布AutoML Vision面世。無需精通機器學習，每個人都能用這款AI產品定制機器學習模型。這是‘AI民主化’的重要進展!”

——李飛飛

這個名為Cloud AutoML的宏大項目浮出水面之時，被業(yè)內稱為“Google Cloud發(fā)展的戰(zhàn)略轉型”——一直以來面向機器學習人工智能開發(fā)者的Google Cloud，這次將服務對象轉向了普羅大眾。

當時這一產品的主要對象還是圖像識別，昨天的谷歌云大會上，產品線已經拓展到翻譯、視頻和自然語言處理領域。

谷歌的宏偉愿景由此可見一斑——你只需在改系統(tǒng)中上傳自己的標簽數(shù)據(jù)，大能得到一個訓練好的機器學習模型。整個過程，從導入數(shù)據(jù)到標記到模型訓練，都可以通過拖放界面完成。

其實在谷歌發(fā)布AutoML前后，機器學習自動化的產品風潮已經吹起：2017年底，微軟發(fā)布CustomVision.AI，涵蓋圖像、視頻、文本和語音等各個領域。今年 1 月，他們又推出了完全自動化的平臺 Microsoft Custom Vision Services(微軟定制視覺服務)。

鏈接：https://www.customvision.ai

此外，另一個比較火爆的AI自動化產品OneClick.AI 是 2017 年底出現(xiàn)在市場上的一個自動化機器學習(AML)平臺，其中既包括傳統(tǒng)的算法，也包括深度學習算法。

鏈接：https://www.oneclick.ai

同年，國內也出現(xiàn)了不少相關產品，稱能夠解放算法工程師，讓AI自動化。

那么，這些機器學習自動化工具真的可以替代算法工程師甚至AI團隊嗎?

昨天在谷歌更新兩款新的AutoML新產品后，業(yè)內掀起了對這一話題的探討。Keras之父，同時也是谷歌大腦人工智能和深度學習研究員的François Chollet 發(fā)布推特表達了對這一產品的質疑：

我們很快會發(fā)現(xiàn)AutoML與強化學習同樣的問題：人們將整個問題領域(非常廣泛和非常重要)與極其特殊的(有缺陷的)方法聯(lián)系起來。?

 

 

Fast.ai創(chuàng)始人、USF副教授Rachel Thomas則通過一個系列的3篇文章，詳細論述了“深度學習自動化”這一業(yè)內風潮，她講述了機器學習從業(yè)者工作上最大的難點、AutoML的發(fā)展過程，并詳細描述了谷歌這款產品的原理以及存在的問題，探討很有價值。

大數(shù)據(jù)文摘對這一個系列的文章進行了精華編譯，來一起看看，谷歌AutoML真的能讓AI民主化么?

機器學習從業(yè)者到底在做什么?

媒體頭條經常報道機器學習人才匱乏，同時，經常有公司宣稱“本公司的產品能夠幫助無專業(yè)背景的人能使用機器學習”。

谷歌人工智能主管Jeff Dean在TensorFlow開發(fā)者大會上表達了他的觀點：數(shù)以千萬計的公司坐擁大量數(shù)據(jù)，這些數(shù)據(jù)非常適合用來做機器學習，但是他們缺乏必要的專業(yè)知識和技能。

 

 

事實上，機器學習(特別是深度學習)中最耗時和最難的兩個方面其實是：處理數(shù)據(jù)格式化和培養(yǎng)深度學習模型。

問題來了：我們可以通過自動化解決這兩個麻煩的問題嗎?

CMU和DeepMind的研究人員最近發(fā)布了一篇有趣的新論文，稱為差異化架構搜索(DARTS)，它提供了一種神經架構搜索的替代方法，這是目前機器學習的一個非常熱門的領域。

神經架構搜索在去年是一個大熱門，谷歌首席執(zhí)行官 Sundar Pichai 和谷歌的AI負責人Jeff Dean 都提出：神經架構搜索及其所需要的大量計算能力，這兩點是普及機器學習的必要條件。

自去年一月份以來，谷歌一直往這個方向努力，并且得到了科技媒體的廣泛關注。

 

關于谷歌AutoML的大量外媒報道

標簽： Google 大數(shù)據(jù) 谷歌 開發(fā)者 媒體 搜索 轉型

版權申明：本站文章部分自網絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。