“我很荣幸地宣告AutoML Vision面世。
这是一款能让每个人都有能力构建机器学习模型，却无需机器学习履历的产品。
这是‘人工智能民主化’的主要进展！
也是令人振奋的团队互助结果。
”李飞飞在自己的推特账号上写道。

李飞飞推特账号截图

这款面向"大众年夜众的产品，意味着谷歌正在努力让人工智能成为每个人都会利用且随意马虎上手的工具，也降落企业开拓人工智能的门槛。
除了在自己的推特上先容此款新产品外，李飞飞还与谷歌人工智能研发卖力人李佳共同撰写了博客，详细先容了新产品。
但谷歌并未透露该做事如何收费。

AutoML Vision是一款供应自定义图像识别系统自动开拓的做事。
用户只须要将自己的数据上传，就可以直接在谷歌云上演习和管理模型。
也便是说，纵然是没有机器学习专业知识的的人，只需理解模型基本观点，就能借这项做事轻松搭建定制化的图像识别模型。

谷歌的cloud_auto_ml如何利用？

目前，迪士尼已通过AutoML建立图片分类模型，依据角色、种类和颜色平分类标示产品，并导入征采的功能中，让消费者征采商品更加方便且准确。
其余，美国盛行服装零售商Urban Outfitters也通过AutoML来分类商品。
除了图像识别，谷歌未来还操持将AutoML做事拓展到翻译、***和自然措辞处理等领域。

在博客中，两位女科学家认为谷歌这款产品的上风在于以下三点：一是即利用户的机器学习专业知识有限，也可以得到更准确的模型。
二是能更快速的建立模型，用户可以在几分钟内或者在一天内构建完全的能用的模型。
三是易于利用，用户操作的界面简洁清晰。

谷歌博客截图

这些上风也在一定程度上办理了当古人工智能在工业界发展的一些瓶颈。
首先，从目前的情形看，天下上只有少数企业能够支付得起人工智能以及机器学习的人才招募和研发预算，这意味着企业可以创建的高等机器学习模型非常有限。
其次，即便是有能力的公司，也须要大量的精力来管理和构建自定义的机器学习模型和个中繁芜的研发过程。

AutoML Vison操作界面

那么谷歌是如何做到的？AutoML由掌握器（Controller）和子网络（Child）2个神经网络组成，掌握器天生子模型架构，子模型架构实行特定的任务演习并评估模型的利害反馈给掌握器，掌握器将会将此结果作为下一个循环修正的参考。
重复实行数千次“设计新架构、评估、回馈、学习”的循环后，掌握器能设计出最准确的模型架构。

2017年3月份，谷歌就推出了机器学习做事Google Cloud Machine Learning Engine，帮助具有机器学习专业知识的开拓职员轻松构建适用于任何规模、任何类型数据机器学习模型。
不过，那时候的机器学习做事须要利用大量的数据，才能演习出一样平常的预测模型，难以符合每家企业的需求。
这次推出的AutoML则更进一步，直接为企业供应机器学习技能来建立自家的模型，也推动了谷歌“人工智能民主化”的计策目标。

不过，虽然谷歌称AutoML是市情上唯一供应类似做事的产品，但此前Clarif.ai、微软的认知做事，以及IBM的Watson视觉识别也能让曾供应给用户定制预先演习好的视觉、语音识别和决策模型的做事。