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(xiàn)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(jīng)可用的辦事是Cloud AutoML Vision。
谷歌Cloud AutoML體系基于監(jiān)視進修，所以須要供給一系列帶有標簽的數(shù)據(jù)。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(jīng)由過程App創(chuàng)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(shù)據(jù)到打標簽到練習模子，一切的操作都是經(jīng)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(yè)今后能夠就不消雇傭機械進修和數(shù)據(jù)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(jīng)收集異常耗時，對專業(yè)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(fā)明了一種新辦法：AutoML，讓神經(jīng)收集去設計神經(jīng)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(jīng)收集一致程度的小型神經(jīng)收集，但一直被限制在CIFAR-10和Penn Treebank等小型數(shù)據(jù)集上。進級以后，AutoML也能應對ImageNet這類范圍的數(shù)據(jù)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(fā)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(fā)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(yè)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(yè)常識的開辟者輕松構建實用于任何數(shù)據(jù)類型的機械進修模子。
我們展現(xiàn)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(mào)易運用帶來無與倫比的范圍和速度。我們的數(shù)據(jù)迷信家和ML研討人員社區(qū)Kaggle曾經(jīng)成長到百萬人范圍。
如今，應用Google Cloud AI辦事的企業(yè)數(shù)目跨越10000，Box、勞斯萊斯船業(yè)、玩具公司丘比、和網(wǎng)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(shù)企業(yè)能獲得足夠的人才網(wǎng)job.vhao.net和預算來享用ML和AI成長帶來的好處，可以或許創(chuàng)立先輩機械進修模子的人才網(wǎng)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(jīng)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(yè)都能用上AI，我們推出了Cloud AutoML。
Cloud AutoML經(jīng)由過程應用learning2learn、遷徙進修等先輩技巧，贊助ML專業(yè)技巧無限的企業(yè)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(chuàng)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(xiàn)過Cloud AutoML Vision模子在ImageNet、CIFAR等熱點數(shù)據(jù)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(jīng)架構搜刮技巧等，這意味著即便你的企業(yè)沒有足夠的機械進修專業(yè)技巧，也能取得更精確的模子。
更快：用Cloud AutoML創(chuàng)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(shù)據(jù)，并將其轉換為專為你的需求定制的高質量模子。
服裝網(wǎng)www.vhao.net品牌Urban Outfitters的數(shù)據(jù)迷信家Alan Rosenwinkel說：”我們一向在尋覓優(yōu)化客戶購物體驗的新辦法。要向客戶供給相干產(chǎn)物推舉、精確的搜刮成果和有效的產(chǎn)物挑選器，創(chuàng)立、保護一組周全的產(chǎn)物屬性異常主要。
然則，手動創(chuàng)立產(chǎn)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(jīng)由過程辨認斑紋、領口款式等纖細產(chǎn)物特點，來將產(chǎn)物歸類流程主動化。在贊助我們的客戶更好地發(fā)明、推舉和搜刮產(chǎn)物這件事上，Cloud AutoML遠景異常光亮。“
迪士尼花費產(chǎn)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(chuàng)立盤算機視覺模子，依據(jù)迪士尼的腳色、產(chǎn)物種別和色彩來標注我們的產(chǎn)物，這些標注可以整合到我們的搜刮引擎中，在shopDisney市肆中經(jīng)由過程更相干的搜刮成果、更快的發(fā)明速度和產(chǎn)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(guī)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(xiàn)時，為經(jīng)由的植物攝影。然后，這些裝備拍下的數(shù)據(jù)須要人工剖析，依據(jù)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(xié)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(guī)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(xié)作的結果，也是Cloud AutoML系列產(chǎn)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(chǎn)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(yè)經(jīng)由過程AI發(fā)明更多能夠。
