人工智能和深度學(xué)習(xí)首席科學(xué)家李飛飛本周表示，人工智能和機(jī)器學(xué)習(xí)仍然是一個(gè)進(jìn)入門(mén)檻高的領(lǐng)域，需要專業(yè)知識(shí)和資源，很少有公司自己能雇傭起機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)家。

兵貴神速，在今天的凌晨，谷歌就發(fā)布了用機(jī)器學(xué)習(xí)來(lái)訓(xùn)練機(jī)器學(xué)習(xí)的神器：Cloud AutoML Vision。

AI訓(xùn)練AI，谷歌的Cloud AutoML到底是什么？

Cloud AutoML是一套機(jī)器學(xué)習(xí)產(chǎn)品，其背后的邏輯是用AI制作AI。它能夠使具有有限機(jī)器學(xué)習(xí)專業(yè)知識(shí)的開(kāi)發(fā)人員，甚至是人工智能技術(shù)小白利用谷歌最先進(jìn)的傳輸學(xué)習(xí)和神經(jīng)架構(gòu)搜索技術(shù)來(lái)培訓(xùn)高質(zhì)量的模型。

Cloud AutoML Vision可以找出用戶上傳的圖像內(nèi)容，根據(jù)這些圖像對(duì)模型進(jìn)行訓(xùn)練，提供模型分析，然后基于學(xué)習(xí)到的內(nèi)容開(kāi)始理解新圖像。新的服務(wù)加入了Google的云計(jì)算機(jī)學(xué)習(xí)引擎及其Cloud Vision應(yīng)用程序編程接口，但與這些產(chǎn)品不同，Cloud AutoML產(chǎn)品組合并不僅僅是考慮到開(kāi)發(fā)人員。

目前，該產(chǎn)品還只能構(gòu)建計(jì)算機(jī)視覺(jué)模型，包括自定義圖像識(shí)別模型。但是，谷歌表示，公司接下來(lái)還將優(yōu)化升級(jí)AutoML，使得其支持語(yǔ)音、翻譯、視頻和自然語(yǔ)言識(shí)別等模型。

Cloud AutoML操作起來(lái)也相當(dāng)簡(jiǎn)單。首先，使用者將所有需要的圖片添加入平臺(tái)內(nèi)并上傳，系統(tǒng)將自動(dòng)在右邊顯示出各圖像內(nèi)容所占的比例。例如，小狗的圖片40％，小貓的圖片20％。接著對(duì)圖片進(jìn)行修改和確認(rèn)，確認(rèn)后可以選擇定制模型，同時(shí)點(diǎn)擊“training”，對(duì)模型進(jìn)行訓(xùn)練。模型將被分為兩個(gè)步驟，同時(shí)進(jìn)行訓(xùn)練學(xué)習(xí)以及測(cè)試機(jī)組。使用者只需要等待評(píng)估和最終的模型預(yù)測(cè)結(jié)果即可。

整個(gè)過(guò)程，從導(dǎo)入數(shù)據(jù)到標(biāo)記和訓(xùn)練模型，都只需要用鼠標(biāo)拖放界面即可完成。

目前，Urban outfitters和迪士尼都利用Cloud AutoML對(duì)自家產(chǎn)品進(jìn)行自動(dòng)識(shí)別和搜索，以方便用戶可以按照某種特征進(jìn)行過(guò)濾。

AI人才那么貴，不如讓機(jī)器來(lái)替代？

回到文章開(kāi)頭所說(shuō)的，人工智能門(mén)檻極高，人才昂貴，很少有公司能夠雇傭起機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)家。

有數(shù)據(jù)顯示，人工智能相關(guān)職位平均年薪達(dá)到30－60萬(wàn)元，從業(yè)時(shí)間長(zhǎng)的甚至達(dá)到年薪百萬(wàn)。

LinkedIn發(fā)布的《全球AI領(lǐng)域人才報(bào)告》中，也明確指出當(dāng)前對(duì)AI基礎(chǔ)層人才的需求最為旺盛。

根據(jù)幾個(gè)主流招聘平臺(tái)上的數(shù)據(jù)顯示，在樣本量為205份的AI相關(guān)技術(shù)崗位中，其中30－60萬(wàn)年薪的占比40％。要求碩士研究生以以上學(xué)歷占到46％。而目前AI領(lǐng)域在招的初級(jí)崗位較多，行業(yè)資深人士缺乏。

在IDG資本的《2017年中國(guó)準(zhǔn)獨(dú)角獸公司薪酬調(diào)研報(bào)告》中，AI、大數(shù)據(jù)以及技術(shù)開(kāi)發(fā)崗位的薪水要高于市場(chǎng)整體水平。

雖然各行各業(yè)都想抓住AI風(fēng)口，盡力吸引AI人才，但是目前來(lái)看，大多數(shù)企業(yè)的AI產(chǎn)業(yè)發(fā)展還在初級(jí)起步階段，即使是一些做通訊、金融的大企業(yè)。對(duì)于一些小公司和創(chuàng)業(yè)公司來(lái)說(shuō)，高薪聘請(qǐng)AI專家也是一筆大的開(kāi)支。

同時(shí)，一名資深的AI專家需要數(shù)十年的培養(yǎng)和學(xué)習(xí)。某公司金融算法核心負(fù)責(zé)人表示，要學(xué)到能夠帶領(lǐng)團(tuán)隊(duì)進(jìn)行自行開(kāi)發(fā)算法的水平，至少要花上10年的時(shí)間。

由此看來(lái)，如果谷歌的Cloud AutoML平臺(tái)發(fā)展成熟，對(duì)于需要使用人工智能技術(shù)的中小企業(yè)來(lái)說(shuō)，能夠節(jié)省一大筆人才培養(yǎng)費(fèi)用。

谷歌也許并不是“吃螃蟹”的第一人

谷歌AutoML這種傻瓜式、無(wú)門(mén)檻的機(jī)器學(xué)習(xí)工具其實(shí)并不是AI業(yè)內(nèi)的第一例，在去年年中，微軟開(kāi)放了Custom Vision框架，無(wú)需編程代碼就能用AI模型進(jìn)行構(gòu)建圖片分類(lèi)器，具體實(shí)施過(guò)程中，只需要為它提供每個(gè)標(biāo)簽不少于三十張圖片。就能通過(guò)簡(jiǎn)單的鼠標(biāo)點(diǎn)擊構(gòu)建一個(gè)自定義的圖像分類(lèi)器。

除此之外，AI初創(chuàng)公司Clarifai也有類(lèi)似的開(kāi)發(fā)工具，即使不是深度學(xué)習(xí)算法專業(yè)的研究者也可以用他們的圖像／視頻識(shí)別的API，快速創(chuàng)建出數(shù)據(jù)模型，進(jìn)行圖像的分類(lèi)識(shí)別。其創(chuàng)始人Matt Zeiler曾表示，Clarifai只需要幾個(gè)圖像的數(shù)據(jù)就可以建立模型來(lái)確定圖像中的對(duì)象。開(kāi)發(fā)人員可以使用自己的標(biāo)記來(lái)編寫(xiě)算法，在這些圖像和視頻中構(gòu)建新類(lèi)別的對(duì)象。

兩個(gè)月前，亞馬遜也推出了Amazon SageMaker，用于構(gòu)建和發(fā)布自己的AI模型。

這些機(jī)器學(xué)習(xí)工具的推出，讓我們看到人工智能應(yīng)用正在變得更加“平民化”，這也意味著，隨著技術(shù)門(mén)檻的降低，未來(lái)我們的日常生活中，AI將真的無(wú)所不在。

最后，回到谷歌的AutoML Visions，目前，開(kāi)發(fā)人員必須進(jìn)行申請(qǐng)?jiān)L問(wèn)。谷歌還沒(méi)有分享任何價(jià)格信息，但可能會(huì)收取訓(xùn)練模型的費(fèi)用，然后再通過(guò)API訪問(wèn)模型。