【干货】Google Cloud AutoML:让每家企业都能用AI

2018 年 1 月 27 日 专知 专知内容组(编)

【导读】1月27日,Kirti Bakshi在博文中介绍了Cloud AutoML,之前李飞飞在其推特上连续发文,为其团队的产品Cloud AutoML疯狂打call,激动之情溢于言表。Cloud AutoML提供自动生成ML模型服务,致力于帮助AI从业者更快、更简单、更便捷地构建ML模型,大幅降低构建ML系统的门槛,推动AI民主化进程。在本文,Kirti Bakshi系统地梳理了Cloud AutoML的相关内容。专知内容组编辑整理。





Cloud AutoML: Making AI accessible to every business


谷歌推出了一项名为Cloud AutoML的新服务,旨在帮助那些机器学习能力有限的企业建立高质量的、自定义的人工智能模型,同时增强产品和服务质量。

“Cloud AutoML提供的机器学习(ML)服务非常简单、安全且灵活,可让企业和开发人员根据自己的情况来训练自定义视觉模型。 为了使每个企业都能用人工智能(AI),ML专业知识有限的公司或个人可以利用Cloud AutoML开始构建高质量的自定义模型,然后可以进一步利用其他先进的技术,如learn2learn和Google的迁移学习。 因此,Cloud AutoML将作为一个帮手,帮助人工智能专家提高工作效率,帮助推动人工智能在新领域的应用,同时帮助技术娴熟的工程师构建强大的人工智能系统。”Google在声明中如是说道。


具体地,Cloud AutoML有以下特点:

  • 更准确:Cloud AutoML基于谷歌的先进图像识别方法构建,包括迁移学习和神经架构搜索技术。这意味着即使你的公司机器学习能力不足,也可以得到准确率更高的模型。


  • Production-ready model的周转时间更快:通过Cloud AutoML,你只需几分钟就可以简单地创建一个模型,并构建你的AI应用程序,或者在一天内构建一个完整的Production-ready model。


  • 更易用:Cloud AutoML提供简单的用户图形界面,可让你指定数据,然后将数据转换为针对特定需求的高质量模型。


因此,我们可以说,Cloud AutoML只不过是一套与机器学习相关的产品,它使专业知识有限的开发人员能够利用Google的神经架构搜索技术以及最先进的迁移学习来训练高质量的模型。


通过分析和标记数百万种动物物种的图像,有很多用途,从服装公司自动化产品属性(如模式和领口风格)到帮助各组织保护世界野生动物。


谷歌公司的Cloud AutoML套件的第一个产品叫做Cloud AutoML Vision,这个产品可以很容易地创建一个ML模型,并可以用于图像识别。 该服务的拖放界面使用户可以轻松上传图像、训练和管理模型,然后直接在Google Cloud上部署这些训练好的模型。


AutoML Vision是Cloud AutoML第一个产品,非常简单、安全和灵活的ML服务,允许用户为自己的样本训练自定义的模型。 此外,针对人工智能其他领域,Cloud AutoML也会很快发布相应的服务。


Google表示,企业可以利用Cloud AutoML Vision提高准确性和易用性。 AutoML Vision有助于提供简单的图形用户界面,允许企业指定训练数据,然后利用数据训练针对特定需求定制的高质量模型。


Cloud AI和ML研发负责人李佳表示:“Google Cloud的目标是降低人工智能入门的门槛,并将AI提供给最大的开发者,研究人员和企业社区。”


“AutoML是我们与Google Brain以及其他Google AI团队合作的结果,也是第一个我们计划的Cloud AutoML产品,旨在使更多的企业易于使用ML。尽管AI仍然是不可捉摸的,但我们已经从使用Cloud AI产品的10,000多个客户所能实现的功能中受到启发。 因此,Cloud AutoML的引入将帮助更多的企业通过人工智能发现商机。”


谷歌表示,该技术已经使迪士尼消费品和互动媒体等企业能够建立视觉模型,用迪斯尼人物,产品类别和颜色来标注其产品。 “这些注释正在被整合到他们的搜索引擎中,通过更多的相关搜索结果,加速迪斯尼商店发现和推荐产品,从而加强游客的体验。”


谷歌表示,这个新的平台将帮助那些技术娴熟的工程师建立强大的AI系统。


原文链接:

https://www.techleer.com/articles/470-cloud-automl-making-ai-accessible-to-every-business/

参考链接:

https://www.blog.google/topics/google-cloud/cloud-automl-making-ai-accessible-every-business/

-END-

专 · 知

人工智能领域主题知识资料查看获取【专知荟萃】人工智能领域26个主题知识资料全集(入门/进阶/论文/综述/视频/专家等)

同时欢迎各位用户进行专知投稿,详情请点击

诚邀】专知诚挚邀请各位专业者加入AI创作者计划了解使用专知!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料

请扫一扫如下二维码关注我们的公众号,获取人工智能的专业知识!

请加专知小助手微信(Rancho_Fang),加入专知主题人工智能群交流!

点击“阅读原文”,使用专知

登录查看更多
4

相关内容

【Amazon】使用预先训练的Transformer模型进行数据增强
专知会员服务
56+阅读 · 2020年3月6日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
【Google AI】开源NoisyStudent:自监督图像分类
专知会员服务
54+阅读 · 2020年2月18日
【新书】Java企业微服务,Enterprise Java Microservices,272页pdf
AutoML:机器学习的下一波浪潮(附代码&链接)
THU数据派
4+阅读 · 2019年4月29日
AutoML:机器学习的下一波浪潮
AI前线
9+阅读 · 2019年4月27日
欧洲40%的AI初创公司完全不智能 | 巴克莱2019 AI报告
大数据文摘
6+阅读 · 2019年3月14日
AutoML 坏掉了
云头条
4+阅读 · 2019年2月20日
Auto-Keras与AutoML:入门指南
云栖社区
16+阅读 · 2019年2月9日
AutoML 和神经架构搜索初探
极市平台
9+阅读 · 2018年8月8日
干货 | AutoML 和神经架构搜索初探
AI科技评论
3+阅读 · 2018年8月1日
AutoML: A Survey of the State-of-the-Art
Arxiv
69+阅读 · 2019年8月14日
Arxiv
5+阅读 · 2018年9月11日
Phrase-Based & Neural Unsupervised Machine Translation
Arxiv
7+阅读 · 2018年6月8日
VIP会员
相关资讯
AutoML:机器学习的下一波浪潮(附代码&链接)
THU数据派
4+阅读 · 2019年4月29日
AutoML:机器学习的下一波浪潮
AI前线
9+阅读 · 2019年4月27日
欧洲40%的AI初创公司完全不智能 | 巴克莱2019 AI报告
大数据文摘
6+阅读 · 2019年3月14日
AutoML 坏掉了
云头条
4+阅读 · 2019年2月20日
Auto-Keras与AutoML:入门指南
云栖社区
16+阅读 · 2019年2月9日
AutoML 和神经架构搜索初探
极市平台
9+阅读 · 2018年8月8日
干货 | AutoML 和神经架构搜索初探
AI科技评论
3+阅读 · 2018年8月1日
Top
微信扫码咨询专知VIP会员