谷歌云機器學習平臺(Google Cloud AI)自從上線以來就以預訓練的、可以直接調用的高效機器學習模型吸引了許多企業(yè)級用戶在其上構建簡單的機器學習應用。然而企業(yè)總是會有自己專屬的需求的，越來越多的企業(yè)會不再滿足于預定義好的功能，而想要設計和應用更加自定義化的機器學習模型。

今天，在谷歌云首席科學家李飛飛和谷歌云研發(fā)負責人李佳合著的這篇谷歌云博客中，她們就正式宣告了谷歌云 AutoML 平臺的面世。在這里，構建、訓練和部署自定義的機器學習模型也變得簡單方便，甚至對機器學習不甚了解的企業(yè)也可以構建自己的人工智能系統(tǒng)。AI 科技評論把這篇博客全文翻譯如下。

在差不多一年多以前我們兩個人共同加入谷歌云的時候，我們都心懷一個使命，那就是讓 AI 平民化。我們的目標是降低 AI 的使用門檻，讓 AI 對盡可能多的開發(fā)者、研究者和商業(yè)用戶來說變得觸手可及。

我們谷歌云 AI 團隊一直在向著這個目標做出進步。在 2017 年，我們發(fā)布了谷歌云機器學習引擎(Google Cloud Machine Learning Engine)，幫助具有機器學習知識的開發(fā)者們輕松地構建能處理任何種類的、任意大小的數(shù)據(jù)的機器學習模型。我們表明了現(xiàn)代機器學習服務——換句話說就是包括了視覺、語音、NLP、翻譯和對話流的 API 們——可以構建在預訓練的基礎模型之上，為商業(yè)應用提供無可比擬的服務規(guī)模和運行速度。我們的數(shù)據(jù)科學家和機器學習研究者社區(qū) Kaggle 也已經發(fā)展到了擁有超過一百萬名用戶。而今天，已經有包括 Box、勞斯萊斯、Kewpie 和 Ocado 在內的超過一萬家企使用著谷歌云的 AI 服務。

不過除此之外我們還能做很多?，F(xiàn)在，全世界的企業(yè)中有足夠的知識技能和預算以便能夠充分享受機器學習和人工智能帶來的好處的企業(yè)并不多，能創(chuàng)建出高級機器學習模型的人才也非常有限。而且，即便是一個有機器學習/人工智能工程師的企業(yè)，構建自定義機器學習模型的過程仍然非常費時、非常復雜，很難管理。雖然谷歌云已經通過 API 提供了預訓練好的機器學習模型，足夠完成某些特定任務，但是距離我們想要的「把 AI 帶個每個人」還是有很長的路要走。

為了縮小這其中的距離，以及為了讓每個企業(yè)都能更輕松地接觸并使用 AI，我們今天向大家介紹谷歌云 AutoML。對于只有有限的機器學習知識的企業(yè)，谷歌云 AutoML 可以通過谷歌的高級技術手段，比如 learn2learn 和遷移學習，幫助他們動手構建自己的高質量自定義模型。我們相信谷歌云 AutoML 可以讓 AI 專家們發(fā)揮出更大的生產力、探索 AI 的新領域，以及幫助技能有限的工程師構建他們曾經只能夢想擁有的強大的人工智能系統(tǒng)。

我們發(fā)布的首個谷歌云 AutoML 版本將會是云 AutoML Vision，建立自定義圖像識別模型會因它而更快、更簡單。它的允許直接拖拽的界面可以讓你輕松地上傳圖像、訓練和管理模型，然后直接在谷歌云平臺上步數(shù)這些訓練好的模型。在谷歌云 AutoML Vision 的早期測試結果中，分類熱門公共數(shù)據(jù)集 ImageNet 和 CIFAR 已經展現(xiàn)出了優(yōu)秀的表現(xiàn)，相比通用的機器學習 API 可以更準確、有更低的分類誤差。