Google自动机械学习人工智能普及在望
人工智能成热话,但真正懂得运用的人不多。 Google 推出自动化机械学习云端服务( Cloud AutoML ),自己训练自己的机械学习模型,就算不懂程式码、机械学习,亦都能拥有人工智能技术,可谓改变业界游戏玩法的技术。
机械学习需要设计模型,输入大量数据训练,成熟后方可应用。过程需要专业知识建立模型、处理数据等。 Google 的 Cloud AutoML 简化步骤,让企业可在有限的人工智能技术和编程能力下,建立可自订的机械学习模型。
AutoML 由两个神经网络组成:控制器神经网络( Controller Neural Networks )和子网络( Child Neural Networks ),控制器产生子模型架构,子模型架构透过特定任务训练和评估模型的结果,还会将结果回馈给控制器,作下次循环的修改参考。 AutoML 不断重复执行设计新架构、评估、回馈、学习,经过上百次、上千次循环,所得的最终结果就是准确度大幅提升的机械学习模型。
Google 的 Cloud AutoML 涉及 learning2learn 功能自动选择适合的模型,配合超级参数调整技术(Hyperparameter tuning technologies),只要输入基本的数据,能够用于上千次的循环运算。
AutoML 将会推出一系列服务,先有自动标签图片的 AutoML Vision 。用户上传图片训练,能建立需要的识别图片模型。Google 建议每个标签最少上传 100 张图片作训练。而原有 Vision API 则识别一些常见物件,如标志、地标、人脸等。
该公司云端人工智能与机械学习研发负责人李佳透露,稍后陆续推出语音识别、翻译、自然语言处理等服务。
Google 云端人工智能与机械学习首席科学家李飞飞在去年的 Google Next 大会上提出,要令人工智能平民化。而是次推出的 Cloud AutoML 服务则是这目标的重要一步。她指出,全球开发人员约 2,100 万,但数据科学家仅 100 万人,而能善用人工智能,或从中获利的企业小之又小。
建立机械学习模型花费大量时间,过程又复杂,即使拥有人才和数据,也不容易训练出成熟模型。 Cloud AutoML 为技术的突破,例如医疗应用更见重要,如罕见疾病往往缺乏临床数据,无法训练模型,而 AutoML 能够用较少数据推敲出预测模型。中小企可借此技术按本身业务需要建立自订机械学习推测模型。

