大众号/新智元
刚刚， 谷歌 宣布推出AutoML Vision，这项新效劳可协助开发人员，尤其是那些没无机器学习专业知识的企业，构建自定义图像辨认模型。
李飞飞在Twitter连发两条信息，引见了AutoML后又难掩冲动心境说道：“在短短的几个月里，将尖端技术转化为数百万的产品，这是一个相当鼓舞人心的旅程！我们希望AutoML Vision是我们客户的第一选择。”
李佳也发布了微信冤家圈，表示这是她与李飞飞参加谷歌云后的第一个里程碑：
运用AutoML Vision，任何人都能上传图片，然后让谷歌的零碎自动为他们创立机器学习模型。整个进程，从导入数据到标志和训练模型，都是经过拖放界面完成的。
如今机器学习专家和数据迷信家人才紧缺，而且即便拥有相关人才的公司，在创立和维护模型方面也需求消耗少量资源。
因而，这次谷歌提供的零碎，不但能让没无机器学习专业知识的人创立ML模型，还将创立ML模型中一切艰辛费事的任务，包括训练和调试，都承接了过去。
谷歌云AI和ML首席迷信家李飞飞本周早些时分在一个旧事发布会上说：“人工智能和机器学习依然是一个进入门槛高的范畴，需求专业知识和资源，很少有公司本人能担负得起。如今，虽然AI为企业提供了有数的益处，但是开发一个定制模型通常需求很高的专业知识和少量的资源。”
（文/李飞飞、李佳）当我们两年前参加谷歌云的时分，我们就开端了让AI民主化的使命。我们的目的是降低进入门槛，将AI提供应尽能够多的开发者、研讨人员和企业。
我们谷歌云AI团队在完成这一目的方面不断稳步停顿。2017年，我们推出了Google Cloud Machine Learning Engine，协助具无机器学习专业知识的开发人员轻松创立适用于任何规模、任何数据类型的ML模型。我们展现了如何在预训练模型之上创立古代机器学习效劳，比方视觉、语音、NLP、翻译和对话流等API，为业务使用带来无与伦比的规模和速度。我们的数据迷信家和ML研讨人员社区Kaggle，曾经开展到超越100万的成员。明天，已有超越10,000家企业运用Google Cloud AI效劳，包括Box，Rolls Royce Marine，Kewpie和Ocado等公司。
但是，还有更多我们可以做的事。目前，世界上只要多数企业可以取得充沛理解ML和AI的开展所需的人才和预算。可以创立初级机器学习模型的人数量十分无限。构建自定义ML模型需求消耗少量的工夫，是一个十分复杂的进程，那些拥有ML / AI工程师的公司也依然需求花工夫去管理这一复杂流程。虽然谷歌经过API提供了可以执行特定义务的预训练机器学习模型，但是假如我们想要将AI带给每团体，还有很长的路要走。
为了减少这个差距，让每个企业都能运用AI，我们推出了Cloud AutoML。Cloud AutoML运用诸如learning2learn和谷歌迁移学习等先进技术，协助ML专业知识无限的企业开端构建本人的高质量自定义模型。我们置信，Cloud AutoML将使AI专家愈加高效，在AI中拓展新的范畴，同时协助技术娴熟的工程师构建他们以前朝思暮想的弱小AI零碎。
我们的第一个Cloud AutoML版本将是Cloud AutoML Vision，这个效劳可以更快、更轻松地创立用于图像辨认的自定义ML模型。其拖放式界面可让你轻松上传图像，训练和管理模型，然后直接在Google Cloud上部署这些训练好的模型。在常用的公共数据集（比方ImageNet和CIFAR）上停止分类的晚期后果显示，运用Cloud AutoML Vision比更通用的ML API分类精度更高，分类错误也更少。
以下是Cloud AutoML Vision的更多信息：
- 更高的精确性： Cloud AutoML Vision基于谷歌抢先的图像辨认办法，包括迁移学习和神经架构搜索技术。这意味着即便你的公司机器学习专业无限，也可以失掉更精确的模型。
- Production-ready模型的周转工夫更快 ：运用Cloud AutoML，你可以在几分钟内创立一个复杂的模型试行你的AI使用顺序，或许在一天内构建完好的production-ready模型。
- 易于运用： AutoML Vision有了一个复杂的图形用户界面，可让你指定数据，然后将数据转换为针对你的特定需求定制的高质量模型。
URBN的数据迷信家Alan Rosenwinkel表示：“Urban Outfitters不断在寻觅新的办法来提升我们客户的购物体验。”创立和维护片面的产品属性关于为我们的客户提供相关的产品引荐，精确的搜索后果和有用的产品过滤器是至关重要的。
但是，手动创立产品属性是艰难且耗时的。为理解决这个成绩，我们的团队不断在评价Cloud AutoML，经过辨认形式和领口作风等产品特征的纤细差异来将产品归因进程自动化。 Cloud AutoML十分有希望协助我们的客户提供更好的发现，引荐和搜索体验。“
迪士尼消费品和互动媒体首席技术官兼初级副总裁Mike White说：“Cloud AutoML的技术正在协助我们树立视觉模型，用迪斯尼人物、类别和颜色来标注我们的产品。这些正文正在整合到我们的搜索引擎中，经过更多的相关搜索后果，放慢发现和引荐Disney商店的产品，从而加强访客体验的正面影响。”
伦敦植物学会技术主任Sophie Maxwell通知我们：“ZSL是一个努力于维护植物及其栖息地的国际慈悲组织，实行这一使命的一个关键要求是追踪野生植物种群以学习更多关于它们的散布信息，更好天文解人类对这些物种的影响。”
为了到达这个目的，ZSL在野内部署了一系列相机圈套。然后这些设备捕捉的数据将由人工剖析，并与大象，狮子和长颈鹿等相关物种停止正文，这是一个休息密集的昂贵进程，ZSL的技术部门不断与Google Cloud ML团队携手塑造这个冲动人心的技术的开展，ZSL旨在运用这些激光技术来将这些图像切割自动化，完成更普遍的部署，并更深化地理解如何无效维护世界野生植物。“
AutoML Vision是我们与Google Brain以及谷歌其他AI团队亲密协作的后果，也是开发中的几个Cloud AutoML产品中的第一个。虽然还在让技术普及的初级阶段，我们曾经深入地遭到了运用Cloud AI产品的10,000多个客户的启示。我们希望Cloud AutoML的发布将有助于更多的企业经过AI发现有限能够。
英文原文：https://blog.google/topics/google-cloud/cloud-automl-making-ai-accessible-every-business/
新智元梳理了谷歌云最近静态：
1）1月17日，谷歌宣布将在2018年为其根底设备添加三条海底电缆以及五个新的云平台区域。荷兰和蒙特利尔地域将在2018年第一季度开放，洛杉矶，香港和芬兰将陆续开放。
据Google称，其云效劳提供高达25％的互联网流量。这些投资旨在协助改善全球的连通性，并有助于Google扩展掩盖范围和提供云效劳。五个新的云平台地域将被添加到13个现有地域。
2）谷歌云与Coursera协作推出一档在线课程，培训IT人员。这是Google员工为Coursera平台编写的一门课程，教授和测试客户支持的六个根本范畴：毛病扫除和客户效劳，网络，操作零碎，零碎管理，自动化和平安。参与这门课程不需求IT经历。
3）1月16日出了在Kubernetes引擎中运转公用游戏效劳器的教程。
4）1月11日发布关于Google spanner的文章。https://cloudplatform.googleblog.com/2018/01/why-you-should-pick-strong-consistency-whenever-possible.html
6）去年3月8日，谷歌 Cloud Next 17 大会举行。去年年底参加谷歌云的李飞飞教授初次亮相，以谷歌云担任人的身份，发布了谷歌云的一系列新API以及收买机器学习竞赛平台Kaggle的音讯。李飞飞引见了 Google Cloud 一些新 API ，比方 Video Intelligence API、Cloud Vision API、Cloud Natural Language API、Cloud Jobs API、Cloud ML Engine 等。其中最重要的是 Video Intelligence API。 新推出的 API 能对视频停止全片剖析，提炼全片的故事头绪，记载一共发作了多少个场景、每个详细场景的情节。这有助于对视频停止更准确的标签分类。
大会上还提到谷歌云正在在将AI民主化，这包括了四步：计算的民主化；数据民主化；算法民主化；人才和专业知识的民主化。
7）就像Google的其他非广告单元一样，谷歌云不会独自报告支出，这些数字包括在“Google other”类别中，其中还包括消费硬件和Google Play支出。虽然该公司没有更详细地议论来自谷歌云的营收，但一位发言人表示，谷歌云的客户超越10,000名，而Alphabet首席财务官Ruth Porat在去年十月份表示，Google Cloud占了“Google other “支出的很大一局部。