整個操作過程， 從導入資料到標記和訓練模型， 都只需要用滑鼠拖放介面即可完成。
人工智慧和深度學習首席科學家李飛飛本周表示， 人工智慧和機器學習仍然是一個進入門檻高的領域， 需要專業知識和資源， 很少有公司自己能雇傭起機器學習和資料科學家。
兵貴神速， 在今天的淩晨， 穀歌就發佈了用機器學習來訓練機器學習的神器：Cloud AutoML Vision。
Cloud AutoML是一套機器學習產品， 其背後的邏輯是用AI製作AI。 它能夠使具有有限機器學習專業知識的開發人員， 甚至是人工智慧技術小白利用谷歌最先進的傳輸學習和神經架構搜索技術來培訓高品質的模型。
Cloud AutoML Vision可以找出使用者上傳的圖像內容， 根據這些圖像對模型進行訓練， 提供模型分析， 然後基於學習到的內容開始理解新圖像。 新的服務加入了Google的雲電腦學習引擎及其Cloud Vision應用程式設計發展介面，
目前， 該產品還只能構建電腦視覺模型， 包括自訂圖像識別模型。 但是， 穀歌表示， 公司接下來還將優化升級AutoML， 使得其支援語音、翻譯、視頻和自然語言識別等模型。
Cloud AutoML操作起來也相當簡單。
整個過程， 從導入資料到標記和訓練模型， 都只需要用滑鼠拖放介面即可完成。
目前， Urban outfitters和迪士尼都利用Cloud AutoML對自家產品進行自動識別和搜索， 以方便使用者可以按照某種特徵進行過濾。
AI人才那麼貴， 不如讓機器來替代？回到文章開頭所說的， 人工智慧門檻極高， 人才昂貴， 很少有公司能夠雇傭起機器學習和資料科學家。
有資料顯示， 人工智慧相關職位平均年薪達到30-60萬元， 從業時間長的甚至達到年薪百萬。
LinkedIn發佈的《全球AI領域人才報告》中， 也明確指出當前對AI基礎層人才的需求最為旺盛。
根據幾個主流招聘平臺上的資料顯示， 在樣本量為205份的AI相關技術崗位中， 其中30-60萬年薪的占比40%。 要求碩士研究生以以上學歷占到46%。 而目前AI領域在招的初級崗位較多， 行業資深人士缺乏。
在IDG資本的《2017年中國准獨角獸公司薪酬調研報告》中， AI、大資料以及技術開發崗位的薪水要高於市場整體水準。
雖然各行各業都想抓住AI風口， 盡力吸引AI人才， 但是目前來看， 大多數企業的AI產業發展還在初級起步階段， 即使是一些做通訊、金融的大企業。 對於一些小公司和創業公司來說， 高薪聘請AI專家也是一筆大的開支。
同時， 一名資深的AI專家需要數十年的培養和學習。 某公司金融演算法核心負責人表示， 要學到能夠帶領團隊進行自行開發演算法的水準， 至少要花上10年的時間。
由此看來， 如果穀歌的Cloud AutoML平臺發展成熟，對於需要使用人工智慧技術的中小企業來說，能夠節省一大筆人才培養費用。
穀歌也許並不是“吃螃蟹”的第一人穀歌AutoML這種傻瓜式、無門檻的機器學習工具其實並不是AI業內的第一例，在去年年中，微軟開放了Custom Vision框架，無需程式設計代碼就能用AI模型進行構建圖片分類器，具體實施過程中，只需要為它提供每個標籤不少於三十張圖片。就能通過簡單的滑鼠點擊構建一個自訂的圖像分類器。
除此之外，AI初創公司Clarifai也有類似的開發工具，即使不是深度學習演算法專業的研究者也可以用他們的圖像/視頻識別的API，快速創建出資料模型，進行圖像的分類識別。其創始人Matt Zeiler曾表示，Clarifai只需要幾個圖像的資料就可以建立模型來確定圖像中的物件。開發人員可以使用自己的標記來編寫演算法，在這些圖像和視頻中構建新類別的物件。
兩個月前，亞馬遜也推出了Amazon SageMaker，用於構建和發佈自己的AI模型。
這些機器學習工具的推出，讓我們看到人工智慧應用正在變得更加“平民化”，這也意味著，隨著技術門檻的降低，未來我們的日常生活中，AI將真的無所不在。
最後，回到穀歌的AutoML Visions，目前，開發人員必須進行申請訪問。穀歌還沒有分享任何價格資訊，但可能會收取訓練模型的費用，然後再通過API訪問模型。
最後，記得關注微信公眾號：鎂客網（im2maker），更多乾貨在等你！
穀歌AutoML這種傻瓜式、無門檻的機器學習工具其實並不是AI業內的第一例，在去年年中，微軟開放了Custom Vision框架，無需程式設計代碼就能用AI模型進行構建圖片分類器，具體實施過程中，只需要為它提供每個標籤不少於三十張圖片。就能通過簡單的滑鼠點擊構建一個自訂的圖像分類器。
除此之外，AI初創公司Clarifai也有類似的開發工具，即使不是深度學習演算法專業的研究者也可以用他們的圖像/視頻識別的API，快速創建出資料模型，進行圖像的分類識別。其創始人Matt Zeiler曾表示，Clarifai只需要幾個圖像的資料就可以建立模型來確定圖像中的物件。開發人員可以使用自己的標記來編寫演算法，在這些圖像和視頻中構建新類別的物件。
兩個月前，亞馬遜也推出了Amazon SageMaker，用於構建和發佈自己的AI模型。
這些機器學習工具的推出，讓我們看到人工智慧應用正在變得更加“平民化”，這也意味著，隨著技術門檻的降低，未來我們的日常生活中，AI將真的無所不在。
最後，回到穀歌的AutoML Visions，目前，開發人員必須進行申請訪問。穀歌還沒有分享任何價格資訊，但可能會收取訓練模型的費用，然後再通過API訪問模型。
最後，記得關注微信公眾號：鎂客網（im2maker），更多乾貨在等你！