17日，谷歌云正式公布云AutoML这一套全新人工智能服务工具，能够帮助缺乏机器学习相关开发经验的公司或个人，快速简便地建立基于机器学习的应用。云AutoML的发布，也标志着领导谷歌云部门领导人工智能的首席科学家李飞飞一直强调的"AI普世化"又迈出了重要一步。在当天由李飞飞和谷歌云智能部门研究部主管李佳共同署名发布的一份谷歌官方博客文章中，李飞飞表示，去年和李佳加入谷歌云部门时，对外界承诺了要完成AI普世化这样的任务，而这一任务的具体目标就是对尽可能广大的开发者、研究者和企业群体，降低它们使用人工智能相关工具和框架的门槛。在2017年，李飞飞所领导的人工智能研究团队对外公布了谷歌云机器学习引擎，帮助具备一定的机器学习专长的开发者更容易地使用各种类型和规模的数据来建立相应的模型墨香开服一条龙服务。包括视觉、听觉、自然语言、翻译等识别，都可以建立在事先训练好的模型上墨香开服一条龙服务，目前，已经有超过1万家企业使用谷歌云提供的AI服务，这些公司包括Box、劳斯莱斯、Kewpie等。在谷歌云机器学习引擎获得初步成功的基础上，谷歌云17日则发布了面向更广大群体的人工智能工具AutoML。李飞飞在博客文章中表示，相信云AutoML能够帮助人工智能领域的专家开拓更多有创意的、先进的领域，并且帮助相关经验和技能欠缺的工程师建立性能更为强劲的人工智能系统。谷歌云发布的首个AutoML工具是AutoML Vision，这一服务将提供更为快速和简便地创建图像识别的机器学习模型。根据介绍，开发界面可能通过鼠标拖拽来实现图片的上传、训练以及对模型的管理，并且通过谷歌云直接对这些已经训练好的模型进行部署。根据谷歌云的官方介绍，AutoML Vision具备以下特点：一是准确度提高，AutoML Vision是建立在谷歌的图像识别的基础上，包括"转移学习"（transfer learning）和"神经架构搜索技术"（neural architecture search technologies）。基于谷歌自身的技术，将使得对机器学习相关经验的要求显著降低。二是更快速的模型周转时间，使用AutoML，既能够在几分钟的时间里建立人工智能应用相关的简单的模型，也能够仅花费一天时间就建立好完整的、生产就绪模型。第三是方便易用，AutoML Vision提供了简单的图形化交互界面用于标注数据，使得数据转换为为实现特定需求的高质量模型所需的数据。在一段简短的视频演示中，谷歌展示了使用AutoML Vision，已经让模型从数据输入，到训练，再到模型测试结果变得无比简易，仅通过点击数据就能够完成整个过程：例如一组关于"云"的图像的数据集，通过鼠标拖拽进入主界面后，可以进行图像数据进行标注，然后对训练的图像数据进行筛选，例如例子中的筛选标准包括以下三项：包括2至100个标签、20 100000个标签的图像、至少每个标签有10个对应的图像，然后只要方便地一键点击"训练"（train），模型就开始进行数据训练。这一步骤完成后，开发者还可以进入"预测"这一标签，对模型识别的准确度进行测试，通过选取相应的图片，点击"预测"（predict）就能够试验模型对图像识别的准确性。最后通过"输出"（"export"）标签页，能够方便地输出训练好的模型。可以说，AutoML的正式公布，是李飞飞"AI普世化"承诺具体实现的重要一步，当天，李飞飞也通过个人Twitter账号，兴奋地公布了这一消息，她还同时对谷歌云、谷歌研究和谷歌大脑的团队表达了感谢。李飞飞提到，AutoML是在短短的几个月时间内墨香开服一条龙服务，团队将最尖端的转移学习、learning2learn技术真正产品化的成果。德育报衡水二中的100个动人传奇魔咒重现江湖,剩者为王