還在做著學(xué)AI拿高薪的美夢？谷歌新推出神器一巴掌打醒你

　　人工智能和深度學(xué)習(xí)首席科學(xué)家李飛飛本周表示，人工智能和機器學(xué)習(xí)仍然是一個進入門檻高的領(lǐng)域，需要專業(yè)知識和資源，很少有公司自己能雇傭起機器學(xué)習(xí)和數(shù)據(jù)科學(xué)家。

　　兵貴神速，在今天的凌晨，谷歌就發(fā)布了用機器學(xué)習(xí)來訓(xùn)練機器學(xué)習(xí)的神器：Cloud AutoML Vision。

　　AI訓(xùn)練AI，谷歌的Cloud AutoML到底是什么?

　　Cloud AutoML是一套機器學(xué)習(xí)產(chǎn)品，其背后的邏輯是用AI制作AI。它能夠使具有有限機器學(xué)習(xí)專業(yè)知識的開發(fā)人員，甚至是人工智能技術(shù)小白利用谷歌最先進的傳輸學(xué)習(xí)和神經(jīng)架構(gòu)搜索技術(shù)來培訓(xùn)高質(zhì)量的模型。

　　Cloud AutoML Vision可以找出用戶上傳的圖像內(nèi)容，根據(jù)這些圖像對模型進行訓(xùn)練，提供模型分析，然后基于學(xué)習(xí)到的內(nèi)容開始理解新圖像。新的服務(wù)加入了Google的云計算機學(xué)習(xí)引擎及其Cloud Vision應(yīng)用程序編程接口，但與這些產(chǎn)品不同，Cloud AutoML產(chǎn)品組合并不僅僅是考慮到開發(fā)人員。

　　目前，該產(chǎn)品還只能構(gòu)建計算機視覺模型，包括自定義圖像識別模型。但是，谷歌表示，公司接下來還將優(yōu)化升級AutoML，使得其支持語音、翻譯、視頻和自然語言識別等模型。

　　Cloud AutoML操作起來也相當(dāng)簡單。首先，使用者將所有需要的圖片添加入平臺內(nèi)并上傳，系統(tǒng)將自動在右邊顯示出各圖像內(nèi)容所占的比例。例如，小狗的圖片40%，小貓的圖片20%。接著對圖片進行修改和確認(rèn)，確認(rèn)后可以選擇定制模型，同時點擊“training”，對模型進行訓(xùn)練。模型將被分為兩個步驟，同時進行訓(xùn)練學(xué)習(xí)以及測試機組。使用者只需要等待評估和最終的模型預(yù)測結(jié)果即可。

　　整個過程，從導(dǎo)入數(shù)據(jù)到標(biāo)記和訓(xùn)練模型，都只需要用鼠標(biāo)拖放界面即可完成。

　　目前，Urban outfitters和迪士尼都利用Cloud AutoML對自家產(chǎn)品進行自動識別和搜索，以方便用戶可以按照某種特征進行過濾。

　　AI人才那么貴，不如讓機器來替代?

　　回到文章開頭所說的，人工智能門檻極高，人才昂貴，很少有公司能夠雇傭起機器學(xué)習(xí)和數(shù)據(jù)科學(xué)家。

　　有數(shù)據(jù)顯示，人工智能相關(guān)職位平均年薪達到30-60萬元，從業(yè)時間長的甚至達到年薪百萬。

　　LinkedIn發(fā)布的《全球AI領(lǐng)域人才報告》中，也明確指出當(dāng)前對AI基礎(chǔ)層人才的需求最為旺盛。

　　根據(jù)幾個主流招聘平臺上的數(shù)據(jù)顯示，在樣本量為205份的AI相關(guān)技術(shù)崗位中，其中30-60萬年薪的占比40%。要求碩士研究生以以上學(xué)歷占到46%。而目前AI領(lǐng)域在招的初級崗位較多，行業(yè)資深人士缺乏。

　　在IDG資本的《2017年中國準(zhǔn)獨角獸公司薪酬調(diào)研報告》中，AI、大數(shù)據(jù)以及技術(shù)開發(fā)崗位的薪水要高于市場整體水平。

　　雖然各行各業(yè)都想抓住AI風(fēng)口，盡力吸引AI人才，但是目前來看，大多數(shù)企業(yè)的AI產(chǎn)業(yè)發(fā)展還在初級起步階段，即使是一些做通訊、金融的大企業(yè)。對于一些小公司和創(chuàng)業(yè)公司來說，高薪聘請AI專家也是一筆大的開支。

　　同時，一名資深的AI專家需要數(shù)十年的培養(yǎng)和學(xué)習(xí)。某公司金融算法核心負(fù)責(zé)人表示，要學(xué)到能夠帶領(lǐng)團隊進行自行開發(fā)算法的水平，至少要花上10年的時間。

　　由此看來，如果谷歌的Cloud AutoML平臺發(fā)展成熟，對于需要使用人工智能技術(shù)的中小企業(yè)來說，能夠節(jié)省一大筆人才培養(yǎng)費用。

　　谷歌也許并不是“吃螃蟹”的第一人

　　谷歌AutoML這種傻瓜式、無門檻的機器學(xué)習(xí)工具其實并不是AI業(yè)內(nèi)的第一例，在去年年中，微軟開放了Custom Vision框架，無需編程代碼就能用AI模型進行構(gòu)建圖片分類器，具體實施過程中，只需要為它提供每個標(biāo)簽不少于三十張圖片。就能通過簡單的鼠標(biāo)點擊構(gòu)建一個自定義的圖像分類器。

　　除此之外，AI初創(chuàng)公司Clarifai也有類似的開發(fā)工具，即使不是深度學(xué)習(xí)算法專業(yè)的研究者也可以用他們的圖像/視頻識別的API，快速創(chuàng)建出數(shù)據(jù)模型，進行圖像的分類識別。其創(chuàng)始人Matt Zeiler曾表示，Clarifai只需要幾個圖像的數(shù)據(jù)就可以建立模型來確定圖像中的對象。開發(fā)人員可以使用自己的標(biāo)記來編寫算法，在這些圖像和視頻中構(gòu)建新類別的對象。

　　兩個月前，亞馬遜也推出了Amazon SageMaker，用于構(gòu)建和發(fā)布自己的AI模型。

　　這些機器學(xué)習(xí)工具的推出，讓我們看到人工智能應(yīng)用正在變得更加“平民化”，這也意味著，隨著技術(shù)門檻的降低，未來我們的日常生活中，AI將真的無所不在。

　　最后，回到谷歌的AutoML Visions，目前，開發(fā)人員必須進行申請訪問。谷歌還沒有分享任何價格信息，但可能會收取訓(xùn)練模型的費用，然后再通過API訪問模型。