谷歌搞事情：最先被AI淘汰的，居然是做AI的？
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(fā)布了一篇博客，庫卡機器人，然后連著發(fā)了三條推特，宣布一個叫AutoML的AI產(chǎn)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(zhàn)略有關(guān)，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(xué)家李飛飛的說法，AutoML的目標(biāo)是降低開發(fā)者、研究者和企業(yè)群體使用人工智能相關(guān)工具和框架的門檻。而通俗的理解大概就是，這個產(chǎn)品可以不用寫一行代碼，就訓(xùn)練出一個企業(yè)級的機器學(xué)習(xí)模型。AutoML也就是自動機器學(xué)習(xí)的意思。
驚不驚喜？意不意外？
傳說中學(xué)會機器學(xué)習(xí)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(xùn)費被風(fēng)吹走了？
更有網(wǎng)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(xué)AI結(jié)果先被革命了？
當(dāng)然了，現(xiàn)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(fù)提及的AI民主化。并且也確實折射出我們今天學(xué)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(fēng)聲鶴唳的東西，叫做AutoMLVision。是整個AutoML體系的第一款產(chǎn)品，專注自動生產(chǎn)圖像識別領(lǐng)域的模型。
我們用簡單易懂的方式描述一下這個系統(tǒng)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(tǒng)，那么我需要在開發(fā)框架上自己搭建訓(xùn)練過程，完成各種訓(xùn)練部署，導(dǎo)入數(shù)據(jù)集，整個過程需要使用編程的方式來完成。
但在AutoMLVision上，我就一行代碼都不用寫，只需要按照說明，把我希望訓(xùn)練用的圖片都拖進系統(tǒng)里，然后耐心等待，一個訓(xùn)練好的機器學(xué)習(xí)模型就趁熱出爐了。
舉個例子，假如你想訓(xùn)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AutoMLVision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？
（AutoMLVision拖放圖片界面）
這背后，是谷歌利用了深度學(xué)習(xí)領(lǐng)域中的遷移學(xué)習(xí)（TransferLearning）技術(shù)。把此前谷歌訓(xùn)練圖像識別模型時積累下來的訓(xùn)練過程，遷移到AutoML當(dāng)中，這樣就節(jié)省下來了后續(xù)類似模型的開發(fā)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(dāng)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(diào)試進程中，不同模型需求和系統(tǒng)的兼容度是個大問題。
總而言之，這個產(chǎn)品以及背后的思路，對于想做機器學(xué)習(xí)又缺乏專業(yè)技術(shù)和人才的企業(yè)來說確實是個福音。它取消的，是通過代碼搭建機器學(xué)習(xí)模型的過程，以及復(fù)雜的調(diào)試工作。僅保留了輸入特定數(shù)據(jù)這件事給用戶。很大程度上降低了機器學(xué)習(xí)訓(xùn)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(fā)布，真實效果有待考量，使用價格也是未知數(shù)。但就目前信息來看，AutoML生成定制化模型需要的數(shù)據(jù)量還是很大。不是毫無基礎(chǔ)的開發(fā)者能夠搞定的。
而且它只能完成相對簡單的任務(wù)，且只能套用谷歌給出的訓(xùn)練方案。如果想要制作比較復(fù)雜的機器學(xué)習(xí)系統(tǒng)，使用獨特算法進行訓(xùn)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(fā)領(lǐng)域的朋友大可放心。只懂個大概想要快速轉(zhuǎn)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(wù)拓展到翻譯、視頻和自然語言處理等領(lǐng)域。這或許意味著初級的AI程序被自動生成、快速復(fù)制到各行業(yè)已經(jīng)不遠了。
雖然谷歌表示AutoML是目前唯一一個此類產(chǎn)品，但其實各家也都在部署類似的業(yè)務(wù)。比如亞馬遜的AmazonSageMaker，以及微軟還未正式發(fā)布的定制圖像識別模型服務(wù)。包括國內(nèi)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(xùn)練模型和調(diào)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(quán)？
去年3月，剛剛加盟谷歌不久的李飛飛就表示，人工智能的下一步是完成AI民主化。在這次發(fā)布AutoML之后，她又一次表示由于資源稀缺，多數(shù)企業(yè)無法開發(fā)個性化模型，所以AutoML的出現(xiàn)是為了進一步推進AI民主化。
那么問題來了：AI民主，到底是針對誰的專政？要取消誰的集權(quán)？
有人說了，AI現(xiàn)在是掌握在幾家大公司手里的。AI民主當(dāng)然是要讓人人成為AI的主人，破解巨頭專政。
我只能說，你當(dāng)人家傻啊？
難道谷歌們會費了好大力氣，為了瓦解自己的霸權(quán)？當(dāng)然不會。就像AutoML的產(chǎn)品思路中展示的那樣，省略掉了開發(fā)者的技術(shù)門檻，谷歌從中吃虧了嗎？沒有。谷歌擁有了更多的用戶，自身的算法優(yōu)勢無形中得到了擴張。并且AutoML的用戶訓(xùn)練模型是要直接部署在谷歌云上的，顯然這也是個變相捆綁，希望從刁鉆角度刺AWS幾刀。
對于最迫切希望得到民主的小公司和個人開發(fā)者而言，巨頭兜售的開發(fā)者賦能和去技術(shù)門檻式民主，絕不是仁慈的饋贈，而是換取小開發(fā)者緊密依賴關(guān)系的生態(tài)交換。真正被所謂AI民主瓦解的，其實是夾在大公司和小開發(fā)者之間的中層公司，或者叫算法公司、技術(shù)公司。
目前在世界各地的AI市場上，這類中型公司都普遍存在。當(dāng)然其存在是有意義和價值的。對于巨頭來講，將技術(shù)能力打入各行各業(yè)，開發(fā)各種各樣的應(yīng)用是完全不可能的，那么就有賴于開發(fā)者去做這些事，自己做平臺服務(wù)和技術(shù)能力的輸出者就好了。
但小團隊和個人開發(fā)者能去做這些深入行業(yè)，或者極具創(chuàng)意的開發(fā)嗎？答案是也不行，因為從頭開始的技術(shù)太復(fù)雜，對人才的需求太高。一般開發(fā)者和小企業(yè)根本玩不起。
于是就出現(xiàn)了大量夾層公司，他們以技術(shù)壁壘為主要產(chǎn)業(yè)支撐點。利用重技術(shù)和人才去做一些其實看起來不那么重的小應(yīng)用。或者以開發(fā)定制化AI模型的方式向第三方收費。
而谷歌、英特爾等巨頭企業(yè)都在倡導(dǎo)的AI民主化，事實上是將需要大量AI勞動力完成的工作裝入自動化模型里。向上收回底層技術(shù)開發(fā)權(quán)，向下直接觸達細分開發(fā)場景。