人工智能和深度學習首席科學家李飛飛本周表示，人工智能和機器學習仍然是一個進入門檻高的領域，需要專業(yè)知識和資源，很少有公司自己能雇傭起機器學習和數據科學家。

兵貴神速，在今天的凌晨，谷歌就發(fā)布了用機器學習來訓練機器學習的神器：Cloud AutoML Vision。

AI訓練AI，谷歌的Cloud AutoML到底是什么？

Cloud AutoML是一套機器學習產品，其背后的邏輯是用AI制作AI。它能夠使具有有限機器學習專業(yè)知識的開發(fā)人員，甚至是人工智能技術小白利用谷歌最先進的傳輸學習和神經架構搜索技術來培訓高質量的模型。

Cloud AutoML Vision可以找出用戶上傳的圖像內容，根據這些圖像對模型進行訓練，提供模型分析，然后基于學習到的內容開始理解新圖像。新的服務加入了Google的云計算機學習引擎及其Cloud Vision應用程序編程接口，但與這些產品不同，Cloud AutoML產品組合并不僅僅是考慮到開發(fā)人員。

目前，該產品還只能構建計算機視覺模型，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操作起來也相當簡單。首先，使用者將所有需要的圖片添加入平臺內并上傳，系統(tǒng)將自動在右邊顯示出各圖像內容所占的比例。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，確認后可以選擇定制模型，同時點擊“training”，對模型進行訓練。模型將被分為兩個步驟，同時進行訓練學習以及測試機組。使用者只需要等待評估和最終的模型預測結果即可。

整個過程，從導入數據到標記和訓練模型，都只需要用鼠標拖放界面即可完成。

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習和數據科學家。

有數據顯示，人工智能相關職位平均年薪達到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領域人才報告》中，也明確指出當前對AI基礎層人才的需求最為旺盛。

根據幾個主流招聘平臺上的數據顯示，在樣本量為205份的AI相關技術崗位中，其中30－60萬年薪的占比40％。要求碩士研究生以以上學歷占到46％。而目前AI領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年中國準獨角獸公司薪酬調研報告》中，AI、大數據以及技術開發(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風口，盡力吸引AI人才，但是目前來看，大多數企業(yè)的AI產業(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專家需要數十年的培養(yǎng)和學習。某公司金融算法核心負責人表示，要學到能夠帶領團隊進行自行開發(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、無門檻的機器學習工具其實并不是AI業(yè)內的第一例，在去年年中，微軟開放了Custom Vision框架，無需編程代碼就能用AI模型進行構建圖片分類器，具體實施過程中，只需要為它提供每個標簽不少于三十張圖片。就能通過簡單的鼠標點擊構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，即使不是深度學習算法專業(yè)的研究者也可以用他們的圖像／視頻識別的API，快速創(chuàng)建出數據模型，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據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記來編寫算法，在這些圖像和視頻中構建新類別的對象。

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

這些機器學習工具的推出，讓我們看到人工智能應用正在變得更加“平民化”，這也意味著，隨著技術門檻的降低，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，但可能會收取訓練模型的費用，然后再通過API訪問模型。