程式設計師，谷歌帶來的這場變革，你瞭解嗎？

谷歌的AutoML是一款全新的機器學習工具套件。它基於谷歌在影像識別方面的最新研究，一項被稱為神經結構搜尋(Nas)的技術。NAS是一種通過您的特定資料集，搜尋最優的神經網路來執行該資料集上特定任務的演算法。AutoML作為一整套機器學習工具，它可以幫助人們輕鬆地訓練高效能的深層網路，而不需要使用者對深度學習或人工智慧有一定的瞭解。您所要做的只是對資料進行標記！Google會通過NAS為您的特定資料集和任務找到最優方案。實踐證明，谷歌的方案比手動設計網路的方案好的多。

AutoML完全改變了目前機器學習的局面。因為它簡單、容易上手，不需要專門的技能和知識。這樣使公司只需要有深層的網路就可以完成一些相對簡單的任務，比如影像分類。如果說原先他們需要僱傭5個在機器學習方面經驗豐富的人來完成這個任務；使用AutoML後，他們只需一個能夠整理、處理移動資料的人。

毫無疑問，“企業＋人工智慧”是一場偉大的變革。但這是一場怎樣的變革？變革中誰是受益者？以及，這場變革對從事機器學習的人又會帶來什麼樣的影響？在這篇文章中，作者將對谷歌的AutoML進行分析與討論以解決上面的問題。

要敢於探索，不要只停留在商業表面

在深度學習領域，許多企業，尤其是初創企業，大多還停留在做一些相對簡單的事情。他們的產值大部分來源於他們最終組裝的產品。例如，大多數計算機視覺初創公司使用的某種影像分類網路，只是AutoML套件中的一個工具。

事實上，谷歌的Nasnet已經在TensorFlow上公開發布了目前最先進的影像分類技術。這些技術將幫助企業跳過實驗-研究這個複雜的部分，而只需對任務進行轉移學習。（由於目前實驗研究較少，作者建議把更多的業務資源放在產品設計、開發和所有重要資料上。）

產品設計是否合理

眾所周知，隨著對產品設計和開發的深入研究，公司產品的迭代將變的更快。公司的產值將不再在立足於他們的研究是否前沿，而在於他們的產品或技術設計得是否足夠好。

易用嗎？他們資料管道的設定方式是否能夠快速、方便地改進模型？這些將是改進他們的產品、比他們競爭對手的產品更快迭代的新的關鍵問題。可以說，對尖端技術的研究也要服務於產品。

資料和資源變得至關重要

既然研究已經不再那麼重要了，企業該如何脫穎而出呢？又要怎樣才能在市場中遙遙領先？是的，銷售、市場營銷和我們剛才討論過的產品設計都是非常重要的因素。但是，這些因素都是建立在您的資料和資源上的。您擁有的資料越精準、越多樣化。任務針對性越強(包括質量和數量)，就越適合使用AutoML這樣的軟體工具來改進您的模型。這也意味著在獲取和處理資料中，您需要大量的資源。但好處也顯而易見，您將遠離編寫大量程式碼所帶來的困難。

軟體2.0：對大多數人來說，深度學習更是工具箱中的另一個工具

所有您現在要做的是使用谷歌的AutoML上傳您的標籤資料。對於那些不瞭解深度學習，只是單純想利用技術的人而言，這是一個很大的工程。通過深度學習，我們可以使應用變得更加人性化，編碼更少，插入更多地工具套件。然而，對於大多數人來說，深入學習依舊只是他們工具箱裡的一個工具罷了。

科學研究沒有止境

研究永不停！就好比，汽車被發明後，我們沒有停止腳步，而是試圖讓它變得更好。儘管現在它已經可以“堪稱”完美了。AI技術也是這個道理。AI自身不具有創造力，也不能推理，有時候甚至不能處理複雜的任務。它需要大量標籤資料，並且經過大量的訓練才能達到一定的準確率（精度）。對於一些簡單的任務，比如分類、深度學習模型的發揮還是可以的。但有時也很差(取決於任務的複雜性)。

以上這些都為科學和研究提供了機會，特別是為推進當前的人工智慧技術提供了機會。在商業方面，一些公司，特別是科技巨頭(如谷歌、微軟、Facebook、蘋果、亞馬遜)，需要通過科學和研究創新才能與其他幾個公司相競爭。他們依託大量的資料和資源，設計出令人驚歎的產品，並進行售賣。他們是通過尖端科技做到“與眾不同”的。

人工智慧技術轉變是好是壞？

總的來說，作者認為人工智慧技術方式的轉變是一件好事。雖然大多數企業還是墨守成規，利用舊有的機器學習工具。作者談到，讓人工智慧貼近人們的生活才能打破企業的僵局。

人工智慧是一個相當“開放”的領域，有像吳恩達這樣的大咖設立課程來教人們理解這一新技術。毫無疑問，這樣做對技術的推廣，對人們與科技的連線有著舉足輕重的作用。

技術的轉變已經有很多舊例了。比如說計算機程式設計是從編碼開始！很多人認為C語言太複雜，便有了C＋。甚至有人覺得C＋也很複雜，便有了我們所使用的Python或R等超高階語言！我們只使用最合適我們的工具。也可以簡單地使用更高層次或內建的東西(例如Python，傳輸學習，人工智慧工具)。

同時，在人工智慧技術的科學和研究方面繼續努力是至關重要的。我們可以通過設計基於人工智慧的新產品為世界帶來巨大的價值.但總有一天需要新的科學來繼續推進。人類的創造力永遠是有價值的。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31509949/viewspace-2154825/，如需轉載，請註明出處，否則將追究法律責任。