|
長按識別二維碼，報名2018十大突破技術全球直播首發(fā) 昨天，谷歌發(fā)布了全新的產(chǎn)品 Cloud AutoML。它是一個面向非專業(yè)人士的機器學習開發(fā)工具，目前支持計算機視覺模型的開發(fā)，陸續(xù)會開放對包括語音、視頻、翻譯和 NLP 等多種模型的開發(fā)。換句話說，即便你不懂機器學習的專業(yè)知識，也可以借此來從事一些人工智能領域的工作！
據(jù)悉，谷歌 Cloud AutoML 系統(tǒng)是基于監(jiān)督學習創(chuàng)建，開發(fā)者只需要通過鼠標拖拽的方式上傳一組圖片、導入標簽，隨后谷歌系統(tǒng)就會自動生成一個定制化的機器學習模型，幾乎不需要任何人為的干預。
該產(chǎn)品發(fā)布之后，Google Cloud 人工智能和機器學習首席科學家李飛飛連發(fā)兩條推特，“在幾個月的時間里就將最前沿的技術轉化為大范圍普及的產(chǎn)品，這是一段難忘且振奮人心的過程，我們希望 AutoML Vision 可以為我們的客戶解決問題。” 圖丨李飛飛連發(fā)兩條推特 除此以外李飛飛和李佳還在博客上發(fā)布親筆文章，詳細介紹了她們開發(fā) Cloud AutoML 的初衷和遠景，以下為文章全文：
當我們兩年前加入 Google Cloud 的時候，我們就承接過來了讓 AI“民主化”的重擔。那其中最首要的目標就是降低人工智能領域的進入門檻，將 AI 技術提供給盡可能多的開發(fā)者、研究員和公司。
我們 Google Cloud AI 團隊在實現(xiàn)這一目標的道路上一直在穩(wěn)步推進。2017 年，我們推出了 Google Cloud Machine Learning Engine，幫助具備機器學習專業(yè)知識的開發(fā)人員輕而易舉地創(chuàng)建適用于所有規(guī)模、所有數(shù)據(jù)的 ML 模型。我們展示了如何在預先訓練模型之上創(chuàng)建當前所需要的機器學習服務，比如視覺、語音、NLP、翻譯和 Dialogflow 等 API，毫無疑問，這將極大地提升業(yè)務應用規(guī)模和速度。此外，我們的數(shù)據(jù)科學家和 ML 研究人員的社區(qū) Kaggle 已經(jīng)發(fā)展到超過一百萬個成員。如今，已有超過 10,000 家企業(yè)使用 Google Cloud AI 的服務，其中不乏像 Box、Rolls Royce Marine、Kewpie 和 Ocado 等公司。
但是，這還遠遠不夠，我們還有更多的事情可以做。我們注意到，目前世界上只有少數(shù)企業(yè)能夠拿出足夠的人力資源和經(jīng)費預算來拓展在 ML 和 AI 領域的研究，但現(xiàn)實是能夠創(chuàng)建高級機器學習模型的人數(shù)十分有限。而自定義 ML 模型的創(chuàng)建也是一個復雜的過程，那些擁有機器學習工程師的公司也仍然需要花費時間去管理。雖然谷歌通過 API 提供了能夠執(zhí)行特定任務的預訓練機器學習模型，但是如果我們想要將 AI 帶給每個人，則還有很長的路要走。
為了縮小這之間的差距，讓每個企業(yè)都能乘上人工智能的順風車，我們推出了 Cloud AutoML。Cloud AutoML 使用諸如 learning2learn 和谷歌遷移學習等先進技術，來幫助在機器學習領域涉獵不深的企業(yè)構建自己的高品質(zhì)自定義機器學習模型。我們相信，Cloud AutoML 將使人工智能專家更高效率地工作，在 AI 中拓展新的領域，并幫助技術嫻熟的工程師構建他們以前夢寐以求卻難以達成的強大 AI 系統(tǒng)。
當然，我們的第一個 Cloud AutoML 版本將是 Cloud AutoML Vision，這一服務可以實現(xiàn)更快、更輕松地創(chuàng)建用于圖像識別的自定義機器學習模型。其拖拽式的操作界面可以讓你輕松地上傳圖像、訓練并管理模型，然后直接在 Google Cloud 上部署這些已經(jīng)訓練成熟的模型。通過流行的公共數(shù)據(jù)集（比如 ImageNet 和 CIFAR）進行分類的早期結果顯示，使用 Cloud AutoML Vision 比更通用的 ML API 分類錯誤更少，結果也更準確。
以下是官方提供的有關 Cloud AutoML Vision 更多的信息：
更高的準確性：Cloud AutoML Vision 是基于谷歌領先的圖像識別方法，例如遷移學習和神經(jīng)架構搜索技術。這意味著即使你的公司在機器學習領域沒有深耕，也可以得到更準確的模型。
加快生產(chǎn)就緒（Production-ready）模式的周轉時間：使用 Cloud AutoML，您可以在幾分鐘內(nèi)創(chuàng)建一個簡單的模型，并以此來試用您的 AI 應用程序，或者在一天之內(nèi)構建完整的生產(chǎn)就緒模型。
易于使用：AutoML Vision 提供了一個簡單易用的用戶操作界面，你可以很方便地指定數(shù)據(jù)，然后將數(shù)據(jù)轉換為針對您的特定需求定制的高質(zhì)量模型。
URBN 的數(shù)據(jù)科學家 Alan Rosenwinkel 表示：“Urban Outfitters 一直在探索新的方法來提升我們客戶的購物體驗?！蹦敲?，創(chuàng)建并維護全面的產(chǎn)品屬性對于為客戶提供相關的產(chǎn)品推薦、精準的搜索結果和行之有效的的產(chǎn)品過濾器是至關重要的；然而，手動標注產(chǎn)品屬性是一項曠日費時的工作。為了解決這個問題，我們團隊一直在評估是否可以以 Cloud AutoML 作為突破口，通過細微的產(chǎn)品特征來將產(chǎn)品歸因過程自動化。有鑒于此，Cloud AutoML 非常有利于幫助我們的客戶提供更好的發(fā)現(xiàn)、推薦和搜索體驗?！?/span>
迪士尼消費品和互動媒體首席技術官兼高級副總裁 Mike White 說：“我們正在用 Cloud AutoML 技術來建立視覺模型，用迪斯尼卡通中的人物、類別和顏色等信息來標注我們的產(chǎn)品。這些注解正在被整合到我們的搜索引擎中，通過更多的相關搜索結果，用以加快發(fā)現(xiàn)和推薦 Disney 商店的產(chǎn)品，從而增強訪客的體驗?！?/span>
倫敦動物學會技術主任 Sophie Maxwell 告訴我們：“我們是一個致力于保護動物及其棲息地的國際組織，而如果要更好地履行這一使命，其中的關鍵要求是追蹤野生動物種群以更好的了解它們的分布信息及人類對這些物種的影響?！睘榱藢崿F(xiàn)這個目的，我們在野外部署了一系列相機。然后這些設備捕獲的數(shù)據(jù)將由人工進行分析，并標記出他們究竟是大象、獅子還是長頸鹿，很顯然，這是一個勞動密集型的操作過程。因此，我們的技術部門一直與 Google Cloud ML 團隊保持密切的合作，有了 Cloud AutoML 這一激動人心的技術，我們可以更便捷地實現(xiàn)圖像標記的自動化，借以更深入的了解并保護世界范圍內(nèi)的野生動物?！?/span>
AutoML Vision 是我們與 Google Brain 和其他 Google AI 團隊密切合作的結果，也是尚在開發(fā)中的 Cloud AutoML 產(chǎn)品其中的首個。雖然我們還沒有徹底將人工智能的進入門檻消滅，但我們已經(jīng)受到了 Cloud AI 產(chǎn)品 10,000 多個客戶的深刻啟發(fā)。我們衷心地希望 Cloud AutoML 的發(fā)布將有幫助更多的企業(yè)借助 AI 的力量打開更廣闊的未來。
如果您有興趣試用 AutoML Vision，可以提交此表單 https://services.google.com/fb/forms/cloudautomlalphaprogram/ -End- 參考： https://www./s/609996/googles-self-training-ai-turns-coders-into-machine-learning-masters/ 本書靈感源于“TR35”，即《麻省理工科技評論》享譽全球的“35 位 35 歲以下科技創(chuàng)新青年”（MIT Technology Review 35）青年人才榜，如果你想一睹全球科技創(chuàng)新領導者背后的精彩事跡，你也一定不能錯過這本書。 |
|
|
