坊间传播着这么一个说法：谷歌想回中国，必需靠AI；而靠AI回中国，必需搞个大事情。于是，上周四的早晨李飞飞发布了一篇博客，然后连着发了三条推特，宣布一个叫AutoML的AI产品启动了。
一夜之间，中国的科技媒体就爆炸了，空气中似乎回荡着那一句话：搞事情了搞事情了搞事情了……
AutoML究竟是不是跟谷歌的中国战略有关，我们不做讨论。这里希望帮大家搞清楚的，是这个AutoML究竟要搞什么事情。
依照谷歌云AI项目首席迷信家李飞飞的说法，AutoML的目的是降低开发者、研讨者和企业群体运用人工智能相关工具和框架的门槛。而浅显的了解大约就是，这个产品可以不必写一行代码，就训练出一个企业级的机器学习模型。AutoML也就是“自动机器学习”的意思。
惊不惊喜？意不不测？
传说中学会机器学习年入50万起呢？说好的BAT疯抢AI工程师呢？是不是觉得刚掏出去的培训费被风吹走了？
更有网友惊奇地评论道：不是说一同用AI去革一大堆任务的命吗？怎样我辛辛劳苦学AI后果先被反动了？
当然了，理想并没有这么严酷。但谷歌的举措并不是孤例，面前隐含着的，是不断被重复提及的“AI民主化”。并且也的确折射出“我们明天学的AI也许是没用的”这种能够。
让我们从这个“谷歌大举措”来一点点说起。
搞笑的吧？原来最先被AI反动的是AI工程师？
谷歌放出的这个让代码界风声鹤唳的东西，叫做AutoML Vision。是整个AutoML体系的第一款产品，专注自动消费图像辨认范畴的模型。
我们用复杂易懂的方式描绘一下这个零碎是如何任务的吧：
假设以前我想要做一个可以停止图像辨认的AI零碎，那么我需求在开发框架上本人搭建训练进程，完成各种训练部署，导入数据集，整个进程需求运用编程的方式来完成。
但在AutoML Vision上，我就一行代码都不必写，只需求依照阐明，把我希望训练用的图片都拖进零碎里，然后耐烦等候，一个训练好的机器学习模型就趁热出炉了。
举个例子，假设你想训练一个模型，用来辨认你家的猫奴才是不是生气了（这得有多无聊..），那么就只需求在AutoML Vision拖入你家猫的照片、它生气时分的照片、快乐时分的照片等等等等，然后你就会失掉一个辨认顺序。用它连上手机拍照，就可以让AI去了解猫大人的喜怒哀乐了。
是不是挺神的？
（AutoML Vision拖放图片界面）
这面前，是谷歌应用了深度学习范畴中的迁移学习（Transfer Learning）技术。把此前谷歌训练图像辨认模型时积聚上去的训练进程，迁移到AutoML当中，这样就节省上去了后续相似模型的开发进程。
复杂来说，AutoML有点像谷歌云搭建的一个“解题公式”。之后的考生并不需求晓得公式是怎样来的，只需求把成绩套出来就可以失掉答案。当然了，这只是复杂交代一下它的任务原理，实践上没有那么容易。尤其在调试进程中，不同模型需求和零碎的兼容度是个大成绩。
总而言之，这个产品以及面前的思绪，关于想做机器学习又缺乏专业技术和人才的企业来说的确是个福音。它取消的，是经过代码搭建机器学习模型的进程，以及复杂的调试任务。仅保存了输出特定数据这件事给用户。很大水平上降低了机器学习训练中的任务量，尤其是编程任务。
但也别太悲观。虽然AutoML目前还没有正式发布，真实效果有待考量，运用价钱也是未知数。但就目前信息来看，AutoML生成定制化模型需求的数据量还是很大。不是毫无根底的开发者可以搞定的。
而且它只能完成绝对复杂的义务，且只能套用谷歌给出的训练方案。假如想要制造比拟复杂的机器学习零碎，运用共同算法停止训练，那么编程还是不可防止的。
所以呢，目前来看真正用心且努力进入AI开发范畴的冤家大可担心。只懂个大约想要疾速转行AI骗高薪的冤家，那就等待老板比你更不懂吧…
除了图像辨认，谷歌将来还方案将AutoML效劳拓展到翻译、视频和自然言语处置等范畴。这或许意味着初级的AI顺序被自动生成、疾速复制到各行业曾经不远了。
虽然谷歌表示AutoML是目前独一一个此类产品，但其实各家也都在部署相似的业务。比方亚马逊的Amazon SageMaker，以及微软还未正式发布的定制图像辨认模型效劳。包括国际的百度，也在旗下AI开放平中推出过定制化图像开放平台。
谷歌这次之所以被称为“搞了个大事”，次要是由于目前来看AutoML的自动化水平更高，尤其是处理了自动搭建训练模型和调参这两大成绩。
在谷歌这么卖力的面前，似乎写着五个大字：AI民主化…
AI民主化，要取消了谁的集权？
去年3月，刚刚加盟谷歌不久的李飞飞就表示，人工智能的下一步是完成“AI民主化”。在这次发布AutoML之后，她又一次表示由于资源稀缺，少数企业无法开发特性化模型，所以AutoML的呈现是为了进一步推进AI民主化。
那么成绩来了：AI民主，究竟是针对谁的专政？要取消谁的集权？
有人说了，AI如今是掌握在几家大公司手里的。AI民主当然是要让人人成为AI的主人，破解巨头专政。
我只能说，你当人家傻啊？
难道谷歌们会费了好鼎力气，为了瓦解本人的霸权？当然不会。就像AutoML的产品思绪中展现的那样，省略掉了开发者的技术门槛，谷歌从中吃亏了吗？没有。谷歌拥有了更多的用户，本身的算法优势有形中失掉了扩张。并且AutoML的用户训练模型是要直接部署在谷歌云上的，显然这也是个变相捆绑，希望从刁钻角度刺AWS几刀。
关于最迫切希望失掉“民主”的小公司和团体开发者而言，巨头兜售的开发者赋能和去技术门槛式“民主”，绝不是残忍的馈赠，而是换取小开发者严密依赖关系的生态交流。真正被所谓AI民主瓦解的，其实是夹在大公司和小开发者之间的中层公司，或许叫算法公司、技术公司。
目前在世界各地的AI市场上，这类中型公司都普遍存在。当然其存在是有意义和价值的。关于巨头来讲，将技术才能打入各行各业，开发各种各样的使用是完全不能够的，那么就有赖于开发者去做这些事，本人做平台效劳和技术才能的输入者就好了。
但小团队和团体开发者能去做这些深化行业，或许极具创意的开发吗？答案是也不行，由于从头开端的技术太复杂，对人才的需求太高。普通开发者和小企业基本玩不起。
于是就呈现了少量夹层公司，他们以技术壁垒为次要产业支撑点。应用重技术和人才去做一些其实看起来不那么“重”的小使用。或许以开发定制化AI模型的方式向第三方免费。
而谷歌、英特尔等巨头企业都在倡议的AI民主化，现实上是将需求少量“AI休息力”完成的任务装入自动化模型里。向上发出底层技术开发权，向下直接触达细分开发场景。
说白了，小公司、团体创业者、人才稀薄地域想要引入AI，就必需能从本钱上越过技术公司，本人玩得起AI。巨头的AI民主，当然是希望消解那些凭仗“二手技术”和“雇佣才能”卡位的企业，把他们的份额分给更小的开发者。让开发者仅仅提供创意和运营、市场等才能来激活AI的普遍前景。
所以所谓AI民主，真正消解的是AI当中，非发明性任务制造的准入壁垒。
而在AutoML代表的自动化战略进一步施行后，最能够带来的影响，是AI产业链去中层化。一些看似很大的公司，却做出来很小的价值，仅仅依托AI技术壁垒来占据市场份额和资本关注，大约是这场“民主运动”中最风险的。
明天的AI，会不会是跑不过马的汽车？
最初，我们能够还要开另一个脑洞：AI民主化虽然听起来很美，但未必全是好音讯。
无须讳言，AutoML这样的产品在明天带来的AI民主化进度，可以说是肉眼可见的。假如回头看看一两年，很容易就会发现AI的产业链和开发规则曾经大变样了。
但这对产业边缘彷徨不前的企业来说一定是坏事吗？就像文章扫尾提到的，AutoML一发布，很多顺序员冤家第一反响是调侃本人的AI白学了。但要晓得，他们可才学了没有多长工夫。那么关于想要进入这个范畴的企业来说，相似的恐惧会不会更深？
我们晓得，在绝大少数共识里，明天以机器学习为主导的AI复兴，中心区域是由三个要素构成的：算法、算力和数据。
风趣的是，这三个要素在明天都在疾速“被民主”。
算法上，AI开发框架开端越来越智能，AutoML这样的产品甚至能自动编程，完成算法工具化和模块化。
算力上，各种新的硬件和处置到来，算力本钱近乎每一天都在跌落。
数据上，越来越多的收费数据分享成为常态。并且前沿的AI技术争论中，曾经开端质疑少量数据关于深度学习的必需性。
总而言之，差不多每隔一段工夫，AI的门槛就会下调一次。但在企业和开发者的角度看，这样的状况就有点苦恼：我们会不会如今部署的AI才能，一个月之后就被淘汰了？
我们晓得，汽车最开端是跑不过马车的。虽然最终证明了汽车相对强过马车，购入汽车是正确的，但大家恐怕都不希望成为那辆超级老爷车的乘客。何况AI这东西连汽车的珍藏价值都没有。
就像此时此刻，不晓得有没有一位刚刚组建了奢华机器学习专家团队的企业家，忽然发现原来本人想做的，随意弄团体操作下谷歌的新软件，再等上一天就搞定了…..
也许在明天，正在让企业感遭到的，不是AI开发门槛逐渐降低带来的愉悦，而是面对AI体系疾速迭代发生的恐慌。毕竟我们都不晓得，本人明天做的会不会几个月之后就被证明毫有意义。
尤其关于中国企业来说，习气是赶风口，风来则下风小则退。这么复杂，天天这样那样的AI，谁有心境跟他躲猫猫啊？
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或许下载钛媒体App
