谷歌AutoML服务亮相，不懂ML也能创建模型

2018 年 1 月 18 日 论智 Bing

作者：Bing

来源：论智

昨天（17日），谷歌云的首席科学家李飞飞及研发负责人李佳共同发布新的机器学习服务AutoML，企业无需精通机器学习技术，就能打造个性化的AI应用。通过learning2learn，AutoML可以自动挑选合适的模型，自动调整参数；利用迁移学习，可以将已经训练完成的模型转移到新的模型中进行训练，从而节省资源。用户只需要输入原始资料就能建立起符合自身需求的预测模型。

早在2017年3月，谷歌发布了机器学习服务Cloud Machine Learning Engine，支持用TensorFlow框架创建模型，支持GPU训练。不过，此机器学习服务是通过大量的资料，训练出一般的预测模型，较难满足每位用户的需求。于是，谷歌云此次推出的AutoML则更进一步，让机器学习“可定制”，也是落实“AI大众化”目标的第一步。

简单地说，AutoML允许用户用最少的资源训练个性化的高质量的机器学习模型。这项服务有以下三个特点：

结合人工标签：对于有图像而没有标签的客户，谷歌内部有一个人工贴标签的团队，他们将根据客户的要求对图片进行分类。您最终得到的训练数据将与谷歌自己的产品数据质量相同，并且保证隐私。另外，您可以用人工标记的数据无缝训练自定义模型；
由谷歌AutoML和迁移学习作为支持：运用谷歌先进的迁移学习技术生成高质量模型；
完全集成：AutoML能与其他谷歌云服务完全集成，从而为用户提供一体化的云服务。

在AutoML中，首先发布的版本是AutoML Vision，未来还会陆续推出语音、翻译和自然语言处理等服务。Vision服务能让用户更快、更方便地创建用于图像识别的自定义机器学习模型。易于操作的拖放式界面能让用户轻松上传图像，然后训练和管理模型。训练完成后，这些模型可以直接部署到谷歌云上。研究人员将AutoML在公开数据集（如ImageNet和CIFAR）上进行测试，结果显示比一般的机器学习API准确度更高。

AutoML Vision的优点可以总结为以下三点：

高精确度：AutoML Vision是建立在谷歌先进的图像识别技术之上，包括迁移学习和神经网络架构。即使企业缺乏机器学习专家，也可以获得精确的机器学习模型。
周转时间较快：有了AutoML，你可以在几分钟内创建一个简单的模型，或者建造一个完整的production-ready模型也用不到一天的时间。
易于使用：简单的操作界面，只需拖拽上传就能将数据转化成高质量模型。

美国流行服饰零售商Urban Outfitters一直在寻找新的方式提高客户的购物体验，该公司的数据科学家Alan Rosenwinkel说道：“创建并维护详细的产品属性对于为用户推荐商品、提供准确的搜索至关重要。然而，手动创建数据库是一项艰巨的任务。为了解决这一问题，我们团队使用了谷歌的Cloud AutoML服务，通过识别不同的样式和风格为商品自动分类。在未来，Cloud AutoML将为我们的客户服务带来重大改变。”

迪士尼消费产品和媒体首席技术官兼高级副总裁Mike White认为：“Cloud AutoML的技术正帮助我们创建视觉模型，用迪士尼的任务、产品类别和颜色标记我们的产品。这些标记正应用于搜索引擎中，通过更多相关的搜索结果，加快对迪士尼商店的开发和产品推荐，从而改善用户体验。”

ZSL是一个致力于动物保护与栖息地保护的国际性慈善组织，他们主要的工作就是追踪野生动物种群的分布，以及了解人类对动物种群的影响。为了达到这一目的，ZSL在野外布置了许多相机，一旦有动物经过，相机就会根据热量或运动检测到这些动物。拍到的数百万张照片被收集起来后，将由人工进行动物分类注释，比如大象、狮子和长颈鹿等，这是非常庞大的工作量。有了谷歌云的AutoML，这一过程的成本将大大降低，相机部署的范围也会更广泛。

目前，开发者若想使用AutoML Vision，还需申请访问。谷歌暂未公布该服务的售价信息，但是未来有可能针对模型训练和API各收取相关费用。