Google AutoML 系統(tǒng)自主編寫機器學(xué)習(xí)代碼，其效率在某種程度上竟然超過了專業(yè)的研發(fā)工程師。AutoML的目標并不是要將人類從開發(fā)過程中剝離出去，也不是要開發(fā)全新的人工智能，而是讓人工智能繼續(xù)維持某種速度來改變世界。

　　人工神經(jīng)網(wǎng)絡(luò)已經(jīng)實現(xiàn)了學(xué)習(xí)模型的自編碼，還需要人來訓(xùn)練。而AutoML更進一步，實現(xiàn)了訓(xùn)練過程的自編碼，通過類似Axure的拖拽方式就能完成對話操作。

　　在AutoML中，一種控制器神經(jīng)網(wǎng)絡(luò)能夠提議一個“子”模型架構(gòu)，然后針對特定任務(wù)進行訓(xùn)練與質(zhì)量評估；而反饋給控制器的信息則會被用來改進下一輪的提議。我們重復(fù)這個過程數(shù)千次——從而生成新的架構(gòu)，然后經(jīng)過測試和反饋，讓控制器進行學(xué)習(xí)。最終，控制器將學(xué)會為好的架構(gòu)分配高的概率，以便在延續(xù)的驗證數(shù)據(jù)集上實現(xiàn)更高的準確性，并且對于架構(gòu)空間的差異很小。

　　AutoML 在機器學(xué)習(xí)系統(tǒng)的編程上，遠勝于創(chuàng)造它的研究人員。在某個圖像識別任務(wù)中，其實現(xiàn)了創(chuàng)紀錄的 82% 的準確率。即使在一些復(fù)雜的人工智能任務(wù)中，其自創(chuàng)建的代碼也比人類程序員優(yōu)越。它可以在圖像中標記多個點，準確率達到 42%；作為對比，人類打造的軟件只有 39% 。

AutoML對AI意味著什么？

　　它像一款制作Demo的工具，可以幫PM理解端到端學(xué)習(xí)的應(yīng)用邊界。大部分PM（尤其轉(zhuǎn)型中的）并不具備AI工程師的實操能力，這是個真實存在的痛點。以后若要驗證新的場景思路，可以先做個Demo試試。解放出更多精力，分攤到分析場景、獲取數(shù)據(jù)、設(shè)計方案、推進落地上。

　　谷歌五個月前才宣布了 AutoML，鑒于其能夠在這么短的時間內(nèi)打造出一套比研究人員自身更棒的機器學(xué)習(xí) AI 系統(tǒng)，未來一年的成果顯然更值得期待。

　　谷歌也表示，在降低AI門檻的道路上，我們只是剛剛開始，人工智能幫Cloud AI產(chǎn)品的10000多名客戶所實現(xiàn)的能力大大激勵了我們，我們希望Cloud AutoML的發(fā)布，能幫更多企業(yè)通過AI發(fā)現(xiàn)更多可能。

　　除此之外，谷歌在AI領(lǐng)域也做了很多的工作。Google 在去年推出了 AIY Projects，將 Raspberry Pi 與配件、軟件和必備的紙板搭配使用，巧妙的將 AI 與 DIY 玩法結(jié)合，讓使用者能夠制作出專屬的AI智能音響和AI智能相機?！癎oogle 正在采取許多努力讓機器學(xué)習(xí)能夠更為"平易近人"，AIY Projects 主管 Billy Rutledge 表示。

　　AIY Voice Kit 套件可借助 Google Assistant SDK 和 Cloud Speech API，將樹莓派轉(zhuǎn)換為語音數(shù)字助理。用戶可在此基礎(chǔ)上創(chuàng)建虛擬語音助手、為自己的項目添加語音交互功能。比如用戶可以打造類似于于Apple HomePod、Amazon Alexa 等的智能語音助手。

　　Google 還非常貼心的提供了一些 Voice Kit 的使用場景，控制電燈開啟關(guān)閉、電器開關(guān)等等。通過 Google 提供的技術(shù)文檔和演示，相信很多用戶都能親手構(gòu)建出屬于自己的AI語音助手。除了Voice Kit，Google 也同時改進了 Vision Kit 套件，更新后的 Vision Kit，除了包含 Vision Bonnet 電路板，鏡頭組、硬紙板機殼、背光按鍵、蜂鳴器以及扣具、連接線等零件、以及由厚紙板制作的內(nèi)部框架與外殼外，還增加了樹莓派 Zero WH、樹莓派 Camera 2、Micro SD 卡。Vision Kit 套件的功能相當(dāng)豐富，使用者也能自行開發(fā)各種功能，例如可以用來分辨多種動物與植物的品種，記錄寵物的行動，記錄車輛，訪客的進出，或是在有外人進入房間時發(fā)出警報等等。在家做完人工智能相機，出門就可以跟朋友炫耀了~~