今晚，谷歌又干了一件大事！谷歌两位AI明星女科学家李飞飞和李佳联合宣布谷歌正式推出Cloud AutoML。
通过在网页上选择您的需求（例如“我想要一个可以识别客厅的AI模型”），然后上传少量素材（例如“客厅的照片”），系统可以自动生成这个AI模型！这是自李飞飞和李佳加入谷歌以来具有里程碑意义的举动。
据两人介绍，CloudAI团队已推出10余款AI产品，被超过10000家企业使用。
这意味着过去需要很多人工智能工程师和人工智能科学家才能建立一个好的深度神经网络模型。
现在大家都可以在自己的电脑上通过鼠标点击、拖拽图片等方式自动生成，无需一行代码。
通过编写，最快几分钟就可以自己创建一个AI模型——是不是很有科技感？而如果一家公司想用它来建立一个完整的商业模式，只需要一天的时间。
虽然目前仅开放Cloud AutoML Vision功能，但可以针对特定图像识别定制AI模型的生成。
不过，李佳和李飞飞都表示，未来Cloud AutoML的覆盖范围会更广，包括图像、语音、NLP等方面。
谷歌之所以能实现如此黑科技，与两项关键技术密切相关，一是强化学习，二是迁移学习。
过去，谷歌已经成功利用深度学习训练了许多图像识别、机器翻译等模型。
接下来，通过迁移学习将训练好的模型转移到新的模型训练过程中，然后使用用户上传的较少量的数据通过强化学习来训练机器学习模型。
目前，Cloud AutoML 仍处于 Alpha 免费测试阶段。
想要尝试的同学现在就可以去网站申请。
1、三大优势：更好、更快、更简单。
在构建模型的过程中，所有算法都有多种可能的组合。
手动设计模型非常困难，AI专家和AI工程师投入了大量的时间和精力。
前往研发。
谷歌就是这种情况。
过去几年，谷歌成功构建了无数机器学习模型，每个模型都需要大量资源，并且需要不断的实验和参数重新调优。
在这个过程中，Google团队开始思考，有没有办法简化AI建模方法，甚至让AI设计自己的AI模型？经过几年的时间，谷歌开始寻找自动设计机器学习模型的方法。
最后，Google 通过进化（Evolutionary）和强化（Reinforcement）算法创建了 AutoML。
今年5月，谷歌正式宣布了AutoML项目。
今年10月，它能够创建一个比研究人员本身更好的机器学习AI模型。
今天，谷歌正式将其作为云服务开放，并介绍了以下三大优势： 提高准确性：Cloud AutoML Vision 基于谷歌领先的图像识别方法，包括迁移学习和神经架构搜索技术）。
这意味着即使您的企业的机器学习专业知识有限，您也可以获得更准确的模型。
生产就绪模型的周转时间更快：借助 Cloud AutoML，您可以在几分钟内创建一个简单的模型来试用 AI 应用程序，或在一天内构建完整的生产就绪模型。
易于使用：AutoML Vision 提供了一个简单的图形用户界面，允许您指定数据，然后将该数据转换为根据您的特定需求定制的高质量模型。
2、强化学习：连AlphaGo Zero都用的黑科技。
刚才我也提到了，谷歌之所以能做到这样的黑科技，与几项关键技术息息相关。
一个是强化学习，另一个是迁移学习——我们先来做吧。
我们来谈谈强化学习（Reinforcement Learning）。
如果你还记得AlphaGo Zero，它获胜的秘诀就是强化学习。
强化学习与我们常听到的“深度学习”不同。
在深度学习中，需要使用大量数据来训练神经网络。
例如，如果你向机器展示一张汽车的图片并告诉它这是一辆汽车，它下次就会说“汽车”。
如果你给他看别的东西，上面写着“汽车”，你就告诉它“你错了”。
久而久之，它就能识别汽车了。
原理其实很简单，但是需要的数据量非常大。
在强化学习中，相当于不告诉机器如何设置这个参数。
它随机调整一个参数后，如果结果好，就给予奖励。
如果结果不好，那就给予惩罚。
，但如果你不告诉它哪一步做错了，随着时间的推移，机器会自己找出最佳解决方案。
强化学习大大减少了对数据的依赖，尤其是在规则明确的游戏中，更适合强化学习发挥其强大威力。
AutoML是一款基于强化学习技术的机器学习软件。
系统运行数千次模拟来确定代码的哪些方面可以改进，并在进行更改后继续该过程，直到实现目标。
除了Google之外，OpenAI、Nvidia、Intel等都在进行强化学习的研究，这是AI研究界的热门项目。
此前，特斯拉还专门聘请了李飞飞前Open AI研究员、斯坦福大学博士。
OpenAI 的 Andrej Karpathy 担任人工智能和自动驾驶视觉总监。
视频中的机器人是OpenAI的训练项目之一。
它会以一种不熟练的姿势不断向球跑去，每当它接近时，球的位置就会随机改变。
偶尔它会跌倒，然后学会自己站起来。
此外，它还会不断受到白色立方体的攻击，促使其运动轨迹发生变化。
3.迁移学习：小数据集的福音说完了强化学习，我们再来谈谈迁移学习。
目前的各种AI算法在经过大量指定数据的训练后，变得非常“专注”，仅限于特定领域，如果不经过人类的实质性修改，无法泛化来处理其他任务。
换句话说，能够识别人脸的人工智能模型无法识别猫脸或车牌。
因此，每个模型几乎都必须从头开始构建，这是非常耗时的。
迁移学习的目标是利用在一种环境中学到的知识来帮助学习新环境中的任务。
重点是不同但相似的领域、任务和分布之间的知识转移。
虽然你只有很少的数据，但谷歌有很多类似的AI模型，所以通过迁移学习，谷歌可以将两者结合起来，生成满足你需求的AI模型。
正如“深度学习已死！”的声音一样。
随着人工智能的不断发展，强化学习和迁移学习作为两个最热门的人工智能学科，将在未来的研究中发挥更加重要的作用。
4、AutoML黑科技的其他应用如上所述，虽然现在只开放了Cloud AutoML Vision功能，但它可以定制生成特定图像识别的AI模型。
李飞飞还特别指出，由于AutoML服务的迁移学习能力可以让用户用很少的数据构建AI模型，因此对于医疗AI研究非常有帮助。
在医疗领域，当面对罕见疾病和特殊病例时，医生往往无法获得足够的训练数据来构建模型——AutoML很好地解决了这个问题。
未来Cloud AutoML的覆盖范围将会更加广泛，包括图像、语音、NLP等方面。
不过，尽管谷歌表示 AutoML 是市场上唯一的同类系统。
不过，市场上也逐渐出现类似的服务，比如Clarif.ai（一家被CB Insights评选为全球顶级AI公司之一的人工智能初创公司），微软内部也在定制相关系统。
结论：人工智能人才越来越贵。
AutoML 随时为您提供帮助。
李飞飞和谷歌一直在推动“AI民主化”、“让每个人都拥有AI”。
构建模型需要大量的时间和实验，也需要很多机器学习专家才能完成。
在各大公司竞相争夺奖项、AI工程师和AI科学家的薪资和身价不断上涨的当下，小公司已经无法承担AI模型开发的时间和人力成本。
因此，Cloud AutoML服务就为了解决这个问题而诞生。
它让拥有资源的大公司不再具有垄断地位。
小公司或个人即使没有特别优秀的人工智能技术人才，也可以自己掌握人工智能的力量。
。