坊間流傳著這么一個說法：谷歌想回中國，必須靠AI；而靠AI回中國，必須搞個大事情。于是，上周四的晚上李飛飛發布了一篇博客，然后連著發了三條推特，宣布一個叫AutoML的AI產品啟動了。

一夜之間，中國的科技媒體就爆炸了，空氣中似乎回蕩著那一句話：搞事情了搞事情了搞事情了……

AutoML到底是不是跟谷歌的中國戰略有關，我們不做討論。這里希望幫大家搞清楚的，是這個AutoML到底要搞什么事情。

按照谷歌云AI項目首席科學家李飛飛的說法，AutoML的目標是降低開發者、研究者和企業群體使用人工智能相關工具和框架的門檻。而通俗的理解大概就是，這個產品可以不用寫一行代碼，就訓練出一個企業級的機器學習模型。AutoML也就是“自動機器學習”的意思。

驚不驚喜？意不意外？

傳說中學會機器學習年入50萬起呢？說好的BAT瘋搶AI工程師呢？是不是感覺剛掏出去的培訓費被風吹走了？

更有網友驚奇地評論道：不是說一起用AI去革一大堆工作的命嗎？怎么我辛辛苦苦學AI結果先被革命了？

當然了，現實并沒有這么殘酷。但谷歌的動作并不是孤例，背后隱含著的，是一直被反復提及的“AI民主化”。并且也確實折射出“我們今天學的AI也許是沒用的”這種可能。

讓我們從這個“谷歌大動作”來一點點說起。

搞笑的吧？原來最先被AI革命的是AI工程師？

谷歌放出的這個讓代碼界風聲鶴唳的東西，叫做AutoML Vision.是整個AutoML體系的第一款產品，專注自動生產圖像識別領域的模型。

我們用簡單易懂的方式描述一下這個系統是如何工作的吧：

假如以前我想要做一個能夠進行圖像識別的AI系統，那么我需要在開發框架上自己搭建訓練過程，完成各種訓練部署，導入數據集，整個過程需要使用編程的方式來完成。

但在AutoML Vision上，我就一行代碼都不用寫，只需要按照說明，把我希望訓練用的圖片都拖進系統里，然后耐心等待，一個訓練好的機器學習模型就趁熱出爐了。

舉個例子，假如你想訓練一個模型，用來識別你家的貓主子是不是生氣了（這得有多無聊……），那么就只需要在AutoML Vision拖入你家貓的照片、它生氣時候的照片、高興時候的照片等等等等，然后你就會得到一個識別程序。用它連上手機拍照，就可以讓AI去理解貓大人的喜怒哀樂了。

是不是挺神的？

（AutoML Vision拖放圖片界面）（AutoML Vision拖放圖片界面）

這背后，是谷歌利用了深度學習領域中的遷移學習（Transfer Learning）技術。把此前谷歌訓練圖像識別模型時積累下來的訓練過程，遷移到AutoML當中，這樣就節省下來了后續類似模型的開發過程。

簡單來說，AutoML有點像谷歌云搭建的一個“解題公式”。之后的考生并不需要知道公式是怎么來的，只需要把問題套進去就可以得到答案。當然了，這只是簡單交代一下它的工作原理，實際上沒有那么容易。尤其在調試進程中，不同模型需求和系統的兼容度是個大問題。

總而言之，這個產品以及背后的思路，對于想做機器學習又缺乏專業技術和人才的企業來說確實是個福音。它取消的，是通過代碼搭建機器學習模型的過程，以及復雜的調試工作。僅保留了輸入特定數據這件事給用戶。很大程度上降低了機器學習訓練中的工作量，尤其是編程工作。

但也別太樂觀。雖然AutoML目前還沒有正式發布，真實效果有待考量，使用價格也是未知數。但就目前信息來看，AutoML生成定制化模型需要的數據量還是很大。不是毫無基礎的開發者能夠搞定的。

而且它只能完成相對簡單的任務，且只能套用谷歌給出的訓練方案。如果想要制作比較復雜的機器學習系統，使用獨特算法進行訓練，那么編程還是不可避免的。

所以呢，目前來看真正用心且努力進入AI開發領域的朋友大可放心。只懂個大概想要快速轉行AI騙高薪的朋友，那就期待老板比你更不懂吧…

除了圖像識別，谷歌未來還計劃將AutoML服務拓展到翻譯、視頻和自然語言處理等領域。這或許意味著初級的AI程序被自動生成、快速復制到各行業已經不遠了。

雖然谷歌表示AutoML是目前唯一一個此類產品，但其實各家也都在部署類似的業務。比如亞馬遜的Amazon SageMaker，以及微軟還未正式發布的定制圖像識別模型服務。包括國內的百度，也在旗下AI開放平中推出過定制化圖像開放平臺。

谷歌這次之所以被稱為“搞了個大事”，主要是因為目前來看AutoML的自動化程度更高，尤其是解決了自動搭建訓練模型和調參這兩大問題。

在谷歌這么賣力的背后，似乎寫著五個大字：AI民主化…

AI民主化，要取消了誰的集權？