全球人工智能領(lǐng)域著名華人專家李飛飛近日在推特表示：“短短的幾個月里，將尖端技術(shù)轉(zhuǎn)化為數(shù)百萬的產(chǎn)品，這是一個相當鼓舞人心的旅程！我們希望AutoML Vision是我們客戶的第一選擇“。

據(jù)了解，谷歌 Cloud AutoML系統(tǒng)基于監(jiān)督學(xué)習(xí)，所以需要提供一系列帶有標簽的數(shù)據(jù)。具體來說，開發(fā)者只需要上傳一組圖片，然后導(dǎo)入標簽或者通過App創(chuàng)建，隨后谷歌的系統(tǒng)就會自動生成一個定制化的機器學(xué)習(xí)模型。

值得一提的是， Cloud AutoML是個開發(fā)者的利器，即便你不懂機器學(xué)習(xí)，也能訓(xùn)練出一個定制化的機器學(xué)習(xí)模型。

據(jù)悉，目前谷歌還沒有公布 Cloud AutoML的服務(wù)價格，開發(fā)者還需要等待。

【附：李飛飛博客全文】

Cloud AutoML：使AI可以訪問每個企業(yè)

當我們兩年前加入Google Cloud的時候，我們就開始了AI的民主化使命。我們的目標是降低進入門檻，并將AI提供給最大的開發(fā)者，研究人員和企業(yè)社區(qū)。

我們的Google Cloud AI團隊在實現(xiàn)這一目標方面一直取得良好進展。在2017年，我們推出了Google Cloud Machine Learning Engine，幫助具有機器學(xué)習(xí)專業(yè)知識的開發(fā)人員輕松構(gòu)建適用于任何規(guī)模的任何類型數(shù)據(jù)的ML模型。我們展示了現(xiàn)代機器學(xué)習(xí)服務(wù)（如視覺，語音，NLP，翻譯和對話流程）等API如何能夠建立在預(yù)先訓(xùn)練好的模型上，為業(yè)務(wù)應(yīng)用帶來無與倫比的規(guī)模和速度。Kaggle，我們的數(shù)據(jù)科學(xué)家和ML研究人員社區(qū)已經(jīng)發(fā)展到超過一百萬的成員。而今天，已有超過10,000家企業(yè)使用Google Cloud AI服務(wù)，其中包括Box，Rolls Royce Marine，Kewpie和Ocado等公司。

但是我們還有更多的事情可以做。目前，世界上只有少數(shù)企業(yè)能夠獲得所需的人才和預(yù)算，以充分了解ML和AI的發(fā)展。可以創(chuàng)建高級機器學(xué)習(xí)模型的人數(shù)非常有限。如果您是可以使用ML / AI工程師的公司之一，則仍然需要管理構(gòu)建自己的自定義ML模型的時間密集且復(fù)雜的過程。雖然Google通過執(zhí)行特定任務(wù)的API提供了預(yù)訓(xùn)練的機器學(xué)習(xí)模型，但是如果我們想要將AI引入每個人，還有很長的路要走。

為了縮小這個差距，讓每個企業(yè)都能使用AI，我們推出了Cloud AutoML。Cloud AutoML通過使用諸如learn2learn和從Google轉(zhuǎn)移學(xué)習(xí)等先進技術(shù)，幫助具有有限ML專業(yè)知識的企業(yè)開始構(gòu)建自己的高品質(zhì)自定義模型。我們相信Cloud AutoML將使AI專家們更加高效，在AI中拓展新的領(lǐng)域，并幫助技術(shù)嫻熟的工程師構(gòu)建他們以前夢寐以求的強大AI系統(tǒng)。

我們的第一個Cloud AutoML版本將是Cloud AutoML Vision，這個服務(wù)可以更快，更輕松地創(chuàng)建用于圖像識別的自定義ML模型。其拖放式界面可讓您輕松上傳圖像，訓(xùn)練和管理模型，然后直接在Google Cloud上部署這些訓(xùn)練有素的模型。使用Cloud AutoML Vision對流行的公共數(shù)據(jù)集（如ImageNet和CIFAR）進行分類的早期結(jié)果顯示了比通用ML API更少的誤分類結(jié)果，并且結(jié)果更準確。

以下是Cloud AutoML Vision提供的更多信息：

提高準確性：Cloud AutoML Vision基于Google領(lǐng)先的圖像識別方法，包括傳輸學(xué)習(xí)和神經(jīng)架構(gòu)搜索技術(shù)。這意味著即使您的企業(yè)的機器學(xué)習(xí)專長有限，您也可以獲得更準確的模型。

生產(chǎn)就緒模型的周轉(zhuǎn)時間更快：使用Cloud AutoML，您可以在幾分鐘內(nèi)創(chuàng)建一個簡單的模型，以試用您的支持AI的應(yīng)用程序，或者在一天內(nèi)構(gòu)建完整的生產(chǎn)就緒模型。

易于使用：AutoML Vision提供了一個簡單的圖形用戶界面，可讓您指定數(shù)據(jù)，然后將數(shù)據(jù)轉(zhuǎn)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(xué)家Alan Rosenwinkel表示：“Urban Outfitters一直在尋找新的方法來提升我們客戶的購物體驗。”創(chuàng)建和維護全面的產(chǎn)品屬性對于為我們的客戶提供相關(guān)的產(chǎn)品推薦，準確的搜索結(jié)果和有用的產(chǎn)品過濾器; 然而，手動創(chuàng)建產(chǎn)品屬性是艱巨且耗時的。為了解決這個問題，我們的團隊一直在評估Cloud AutoML，通過識別模式和領(lǐng)口風格等細微差別的產(chǎn)品特征來自動化產(chǎn)品歸因過程。Cloud AutoML非常有希望幫助我們的客戶提供更好的發(fā)現(xiàn)，推薦和搜索體驗。“

迪士尼消費品和互動媒體首席技術(shù)官兼高級副總裁Mike White說：“Cloud AutoML的技術(shù)正在幫助我們建立視覺模型，用迪斯尼人物，產(chǎn)品類別和顏色來標注我們的產(chǎn)品。這些注釋正在整合到我們的搜索引擎中，通過更多的相關(guān)搜索結(jié)果，加快對shopDisney的發(fā)現(xiàn)和產(chǎn)品推薦，從而增強對客戶體驗的影響?！?/p>

倫敦動物學(xué)會保護技術(shù)主任Sophie Maxwell告訴我們：“ZSL是一個致力于保護動物及其棲息地的國際性保護慈善組織，履行這一使命的一個關(guān)鍵要求是跟蹤野生動物種群更多關(guān)于它們的分布和更好地理解人類對這些物種的影響，為了達到這個目的，ZSL在野外部署了一系列相機陷阱，在熱量或者運動的情況下拍攝過往的動物。然后用這些設(shè)備捕獲的數(shù)據(jù)進行人工分析，并用大象，獅子和長頸鹿等相關(guān)物種進行注釋，這是一個勞動密集和昂貴的過程。ZSL專門的保護技術(shù)部門一直與Google的Cloud ML團隊密切合作，幫助塑造這一激動人心的技術(shù)的發(fā)展，ZSL旨在使這些圖像的標記自動化 - 降低成本，實現(xiàn)更廣泛的部署并獲得更深入的了解如何有效地保護世界野生動物?！?/p>

如果您有興趣嘗試使用AutoML Vision，則可以通過此表單申請訪問權(quán)限，https://services.google.com/fb/forms/cloudautomlalphaprogram/

Google Brain和其他Google AI團隊密切合作的結(jié)果，也是開發(fā)中的幾個Cloud AutoML產(chǎn)品中的第一個。雖然我們還沒有開始讓人工智能更容易訪問，但我們已經(jīng)深刻地受到了使用Cloud AI產(chǎn)品的10,000多個客戶所能實現(xiàn)的啟發(fā)。我們希望Cloud AutoML的發(fā)布將有助于更多的企業(yè)通過AI發(fā)現(xiàn)什么是可能的。

返回第一電動網(wǎng)首頁 >