科技猎李飞飞、李佳加入谷歌云里程碑：发布Cloud AutoML
公众号/新智元
刚刚， 谷歌 宣布推出AutoML Vision，这项新服务可帮助开发人员，尤其是那些没有机器学习专业知识的企业，构建自定义图像识别模型。
李飞飞在Twitter连发两条信息，介绍了AutoML后又难掩激动心情说道：“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。”
李佳也发布了微信朋友圈，表示这是她与李飞飞加入谷歌云后的第一个里程碑：
使用AutoML Vision，任何人都能上传图片，然后让谷歌的系统自动为他们创建机器学习模型。整个过程，从导入数据到标记和训练模型，都是通过拖放界面完成的。
现在机器学习专家和数据科学家人才紧缺，而且即使拥有相关人才的公司，在创建和维护模型方面也需要耗费大量资源。
因此，这次谷歌提供的系统，不但能让没有机器学习专业知识的人创建ML模型，还将创建ML模型中所有艰苦麻烦的工作，包括训练和调试，都承接了过来。
谷歌云AI和ML首席科学家李飞飞本周早些时候在一个新闻发布会上说：“人工智能和机器学习仍然是一个进入门槛高的领域，需要专业知识和资源，很少有公司自己能负担得起。如今，虽然AI为企业提供了无数的好处，但是开发一个定制模型通常需要很高的专业知识和大量的资源。”
（文/李飞飞、李佳）当我们两年前加入谷歌云的时候，我们就开始了让AI民主化的使命。我们的目标是降低进入门槛，将AI提供给尽可能多的开发者、研究人员和企业。
我们谷歌云AI团队在实现这一目标方面一直稳步进展。2017年，我们推出了Google Cloud Machine Learning Engine，帮助具有机器学习专业知识的开发人员轻松创建适用于任何规模、任何数据类型的ML模型。我们展示了如何在预训练模型之上创建现代机器学习服务，比如视觉、语音、NLP、翻译和对话流等API，为业务应用带来无与伦比的规模和速度。我们的数据科学家和ML研究人员社区Kaggle，已经发展到超过100万的成员。今天，已有超过10,000家企业使用Google Cloud AI服务，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，世界上只有少数企业能够获得充分了解ML和AI的发展所需的人才和预算。能够创建高级机器学习模型的人数量非常有限。构建自定义ML模型需要耗费大量的时间，是一个非常复杂的过程，那些拥有ML / AI工程师的公司也仍然需要花时间去管理这一复杂流程。虽然谷歌通过API提供了能够执行特定任务的预训练机器学习模型，但是如果我们想要将AI带给每个人，还有很长的路要走。
为了缩小这个差距，让每个企业都能使用AI，我们推出了Cloud AutoML。Cloud AutoML使用诸如learning2learn和谷歌迁移学习等先进技术，帮助ML专业知识有限的企业开始构建自己的高品质自定义模型。我们相信，Cloud AutoML将使AI专家更加高效，在AI中拓展新的领域，同时帮助技术娴熟的工程师构建他们以前梦寐以求的强大AI系统。
我们的第一个Cloud AutoML版本将是Cloud AutoML Vision，这个服务可以更快、更轻松地创建用于图像识别的自定义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（比如ImageNet和CIFAR）上进行分类的早期结果显示，使用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：
- 更高的准确性： Cloud AutoML Vision基于谷歌领先的图像识别方法，包括迁移学习和神经架构搜索技术。这意味着即使你的公司机器学习专业有限，也可以得到更准确的模型。
- Production-ready模型的周转时间更快 ：使用Cloud AutoML，你可以在几分钟内创建一个简单的模型试行你的AI应用程序，或者在一天内构建完整的production-ready模型。
- 易于使用： AutoML Vision有了一个简单的图形用户界面，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的数据科学家Alan Rosenwinkel表示：“Urban Outfitters一直在寻找新的方法来提升我们客户的购物体验。”创建和维护全面的产品属性对于为我们的客户提供相关的产品推荐，准确的搜索结果和有用的产品过滤器是至关重要的。
然而，手动创建产品属性是艰巨且耗时的。为了解决这个问题，我们的团队一直在评估Cloud AutoML，通过识别模式和领口风格等产品特征的细微差别来将产品归因过程自动化。 Cloud AutoML非常有希望帮助我们的客户提供更好的发现，推荐和搜索体验。“
迪士尼消费品和互动媒体首席技术官兼高级副总裁Mike White说：“Cloud AutoML的技术正在帮助我们建立视觉模型，用迪斯尼人物、类别和颜色来标注我们的产品。这些注释正在整合到我们的搜索引擎中，通过更多的相关搜索结果，加快发现和推荐Disney商店的产品，从而增强访客体验的正面影响。”
伦敦动物学会技术主任Sophie Maxwell告诉我们：“ZSL是一个致力于保护动物及其栖息地的国际慈善组织，履行这一使命的一个关键要求是追踪野生动物种群以学习更多关于它们的分布信息，更好地理解人类对这些物种的影响。”
为了达到这个目的，ZSL在野外部署了一系列相机陷阱。然后这些设备捕获的数据将由人工分析，并与大象，狮子和长颈鹿等相关物种进行注释，这是一个劳动密集的昂贵过程，ZSL的技术部门一直与Google Cloud ML团队携手塑造这个激动人心的技术的发展，ZSL旨在使用这些激光技术来将这些图像切割自动化，实现更广泛的部署，并更深入地了解如何有效保护世界野生动物。“
AutoML Vision是我们与Google Brain以及谷歌其他AI团队密切合作的结果，也是开发中的几个Cloud AutoML产品中的第一个。尽管还在让技术普及的初级阶段，我们已经深刻地受到了使用Cloud AI产品的10,000多个客户的启发。我们希望Cloud AutoML的发布将有助于更多的企业通过AI发现无限可能。
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动态：
1）1月17日，谷歌宣布将在2018年为其基础设施增加三条海底电缆以及五个新的云平台区域。荷兰和蒙特利尔地区将在2018年第一季度开放，洛杉矶，香港和芬兰将陆续开放。
据Google称，其云服务提供高达25％的互联网流量。这些投资旨在帮助改善全球的连通性，并有助于Google扩大覆盖范围和提供云服务。五个新的云平台地区将被添加到13个现有地区。
2）谷歌云与Coursera合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基本领域：故障排除和客户服务，网络，操作系统，系统管理，自动化和安全。参与这门课程不需要IT经验。
3）1月16日出了在Kubernetes引擎中运行专用游戏服务器的教程。
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。去年年底加入谷歌云的李飞飞教授首次亮相，以谷歌云负责人的身份，发布了谷歌云的一系列新API以及收购机器学习竞赛平台Kaggle的消息。李飞飞介绍了 Google Cloud 一些新 API ，比如 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 能对视频进行全片分析，提炼全片的故事脉络，记录一共发生了多少个场景、每个具体场景的情节。这有助于对视频进行更精确的标签分类。
大会上还提到谷歌云正在在将AI民主化，这包含了四步：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，谷歌云不会单独报告收入，这些数字包含在“Google other”类别中，其中还包括消费硬件和Google Play收入。虽然该公司没有更详细地谈论来自谷歌云的营收，但一位发言人表示，谷歌云的客户超过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 “收入的很大一部分。
