坊間流傳著這么一個(gè)說(shuō)法：谷歌想回中國(guó)，必須靠AI；而靠AI回中國(guó)，必須搞個(gè)大事情。于是，上周四的晚上李飛飛發(fā)布了一篇博客，然后連著發(fā)了三條推特，宣布一個(gè)叫AutoML的AI產(chǎn)品啟動(dòng)了。
一夜之間，中國(guó)的科技媒體就爆炸了，空氣中似乎回蕩著那一句話：搞事情了搞事情了搞事情了……
AutoML到底是不是跟谷歌的中國(guó)戰(zhàn)略有關(guān)，我們不做討論。這里希望幫大家搞清楚的，是這個(gè)AutoML到底要搞什么事情。
按照谷歌云AI項(xiàng)目首席科學(xué)家李飛飛的說(shuō)法，AutoML的目標(biāo)是降低開(kāi)發(fā)者、研究者和企業(yè)群體使用人工智能相關(guān)工具和框架的門(mén)檻。而通俗的理解大概就是，這個(gè)產(chǎn)品可以不用寫(xiě)一行代碼，就訓(xùn)練出一個(gè)企業(yè)級(jí)的機(jī)器學(xué)習(xí)模型。AutoML也就是“自動(dòng)機(jī)器學(xué)習(xí)”的意思。
驚不驚喜？意不意外？
傳說(shuō)中學(xué)會(huì)機(jī)器學(xué)習(xí)年入50萬(wàn)起呢？說(shuō)好的BAT瘋搶AI工程師呢？是不是感覺(jué)剛掏出去的培訓(xùn)費(fèi)被風(fēng)吹走了？
更有網(wǎng)友驚奇地評(píng)論道：不是說(shuō)一起用AI去革一大堆工作的命嗎？怎么我辛辛苦苦學(xué)AI結(jié)果先被革命了？
當(dāng)然了，現(xiàn)實(shí)并沒(méi)有這么殘酷。但谷歌的動(dòng)作并不是孤例，背后隱含著的，是一直被反復(fù)提及的“AI民主化”。并且也確實(shí)折射出“我們今天學(xué)的AI也許是沒(méi)用的”這種可能。
讓我們從這個(gè)“谷歌大動(dòng)作”來(lái)一點(diǎn)點(diǎn)說(shuō)起。
搞笑的吧？原來(lái)最先被AI革命的是AI工程師？
谷歌放出的這個(gè)讓代碼界風(fēng)聲鶴唳的東西，叫做AutoML Vision.是整個(gè)AutoML體系的第一款產(chǎn)品，專注自動(dòng)生產(chǎn)圖像識(shí)別領(lǐng)域的模型。
我們用簡(jiǎn)單易懂的方式描述一下這個(gè)系統(tǒng)是如何工作的吧：
假如以前我想要做一個(gè)能夠進(jìn)行圖像識(shí)別的AI系統(tǒng)，那么我需要在開(kāi)發(fā)框架上自己搭建訓(xùn)練過(guò)程，完成各種訓(xùn)練部署，導(dǎo)入數(shù)據(jù)集，整個(gè)過(guò)程需要使用編程的方式來(lái)完成。
但在AutoML Vision上，我就一行代碼都不用寫(xiě)，只需要按照說(shuō)明，把我希望訓(xùn)練用的圖片都拖進(jìn)系統(tǒng)里，然后耐心等待，一個(gè)訓(xùn)練好的機(jī)器學(xué)習(xí)模型就趁熱出爐了。
舉個(gè)例子，假如你想訓(xùn)練一個(gè)模型，用來(lái)識(shí)別你家的貓主子是不是生氣了（這得有多無(wú)聊……），那么就只需要在AutoML Vision拖入你家貓的照片、它生氣時(shí)候的照片、高興時(shí)候的照片等等等等，然后你就會(huì)得到一個(gè)識(shí)別程序。用它連上手機(jī)拍照，就可以讓AI去理解貓大人的喜怒哀樂(lè)了。
是不是挺神的？
（AutoML Vision拖放圖片界面）（AutoML Vision拖放圖片界面）
這背后，是谷歌利用了深度學(xué)習(xí)領(lǐng)域中的遷移學(xué)習(xí)（Transfer Learning）技術(shù)。把此前谷歌訓(xùn)練圖像識(shí)別模型時(shí)積累下來(lái)的訓(xùn)練過(guò)程，遷移到AutoML當(dāng)中，這樣就節(jié)省下來(lái)了后續(xù)類似模型的開(kāi)發(fā)過(guò)程。
簡(jiǎn)單來(lái)說(shuō)，AutoML有點(diǎn)像谷歌云搭建的一個(gè)“解題公式”。之后的考生并不需要知道公式是怎么來(lái)的，只需要把問(wèn)題套進(jìn)去就可以得到答案。當(dāng)然了，這只是簡(jiǎn)單交代一下它的工作原理，實(shí)際上沒(méi)有那么容易。尤其在調(diào)試進(jìn)程中，不同模型需求和系統(tǒng)的兼容度是個(gè)大問(wèn)題。
總而言之，這個(gè)產(chǎn)品以及背后的思路，對(duì)于想做機(jī)器學(xué)習(xí)又缺乏專業(yè)技術(shù)和人才的企業(yè)來(lái)說(shuō)確實(shí)是個(gè)福音。它取消的，是通過(guò)代碼搭建機(jī)器學(xué)習(xí)模型的過(guò)程，以及復(fù)雜的調(diào)試工作。僅保留了輸入特定數(shù)據(jù)這件事給用戶。很大程度上降低了機(jī)器學(xué)習(xí)訓(xùn)練中的工作量，尤其是編程工作。
但也別太樂(lè)觀。雖然AutoML目前還沒(méi)有正式發(fā)布，真實(shí)效果有待考量，使用價(jià)格也是未知數(shù)。但就目前信息來(lái)看，AutoML生成定制化模型需要的數(shù)據(jù)量還是很大。不是毫無(wú)基礎(chǔ)的開(kāi)發(fā)者能夠搞定的。
而且它只能完成相對(duì)簡(jiǎn)單的任務(wù)，且只能套用谷歌給出的訓(xùn)練方案。如果想要制作比較復(fù)雜的機(jī)器學(xué)習(xí)系統(tǒng)，使用獨(dú)特算法進(jìn)行訓(xùn)練，那么編程還是不可避免的。
所以呢，目前來(lái)看真正用心且努力進(jìn)入AI開(kāi)發(fā)領(lǐng)域的朋友大可放心。只懂個(gè)大概想要快速轉(zhuǎn)行AI騙高薪的朋友，那就期待老板比你更不懂吧…