到底是哪些类型的公司与行业在用 Google 发布的「易上手版」AI 建模工具 AutoML？！
这才是我们最好奇的问题。
（正在用 AutoML 的公司，请爽快地举起你的双手）
距离 AutoML 发布已经有小半月，这个号称能够帮 AI 专家和企业「自动生成 机器学习模型的工具」已经被各路技术大牛剖析地差不多了。
简单来说，就是「机器学习工程师拿到训练数据、对数据进行分析、然后设计算法、调参生成训练模型」这个专业性极高的流程，被一个 AutoML 替代了。
我们认为，发布这个 AutoML 的最大推动力，根本上是源于新一波 AI 应用趋势的显现：传统行业人士不甘于只被当作「圈外人士」和「被服务对象」。
正因为 AI 逐渐沉入了更多产业深处，Google 云 AI 主管李佳在接受机器之能采访时，把全世界所有想用 AI 技术的用户分为了 3 大类：
1、一种就是对 AI 技术非常熟悉，掌握非常训练的，以及有大量数据的人（公司）。他们可能只需要一些底层架构，譬如 Tensorflow，就能训练出完全属于自己的模型和技术。
2、第二种是通常没有自己的 data，对技术掌握不熟练的人，他们可以选择 API（接口）。通常来说，只要他们提供一张照片，就能马上拿到结果，不需要花时间开发自己的模型。
3、第三种就是有一些想法的用户。他们 AI 技术也不太熟练，但有数据，想定制属于自己的模型。那么就用 AutoML，「不必去标注训练数据，也不用去设计算法，调参，只要将数据集输入到 AutoML 就出来模型了。」
「科普」必须插足的时间：
这里对于「AutoML 训练数据」的问题，根据机器之心蒋码农的解析：AutoML 可使用在 ImageNet 上预训练的模型自动完成训练数据的标注，使用迁移学习（Transfer Learning）和元学习（Learning2Learn）等方法自动挑选合适的网络架构，并自动搜索超参数以获得最好的性能。
其中，根据李佳解释，迁移学习较为简单，可以几分钟便生成模型；而元学习更加复杂，没有给定架构，成本更高，通常需要 1 天才能生成模型，但这个时长已经远远低于传统模型训练流程。
可以想象，对于那些心里想着「AI 这么火我也要独家版本」，但却力不从心，没技术和人才可用的传统行业，性价比最高的好像就是介于 1 和 2 两者之间的 AutoML？
值得注意的是，1 月 18 日发布时 AutoML 还模棱两可的用户数据，在今天得到了李佳的确认：
可以确定，仅 AutoML 这一个 AI 工具的注册用户已经超过 1 万个，包括大量来自传统行业的企业与创业公司。
而据机器之能得到的独家信息显示，这里面的用户，除了被 Google 积极展示出的非盈利组织与机构，譬如动物保护协会使用 AutoML 识别各类珍稀动物，以及「环境组织与卫生部门利用 AutoML 生成模型识别各类垃圾」等案例，还有两类注册数量非常多的行业：
零售与医疗（许多 Google 云的医疗用户在使用）。
由于 Google 首先发布的第一个 Cloud AutoML 是 AutoML Vision（图像识别工具），也就是主要针对「图像分类」这个场景的模型构建工具。
因此，目前在「医疗影像识别」方面有技术需求的医疗行业用户，成为 AutoML 的重度用户之一（Google 自己也在医疗方面有很多探索）。
（目前 Google 仅发布了针对图像分类的 AutoML）
不过，李佳着重提到了零售行业。
在过去 1 个多月里，Google 接待了不少来自传统零售行业的「客户」，他们抱着或咨询或寻求合作的态度来「请教 AutoML 的产业应用问题」。
她在解析 AutoML 的优势时曾讲到，AutoML 对那些有着细微特征差别的图片（产品），有着较高的正确识别率。譬如，在气象领域，十多种不同的云就代表不同的天气，而 AutoML 能够根据每张图颜色及形态的微量变化，识别出不同的天气状况。
那么同理，以服装行业为例，很多衣服的颜色与图案或许一样，但是领口、袖口以及整体的设计风格可能完全不同。在这种情况下，AutoML 具备了让品牌方对产品属性进行自动化加工分类的能力。
「对产品进行分类后，用户喜好拿捏地也会更精准。从目前来看，一些零售公司对 AutoML 最感兴趣的就是『能否用自己设定的标准（譬如颜色、各种标志、特征）对产品进行识别』，然后再应用到产品推荐方面，最终回到用户体验上面。」
然而，网上的技术人士对 AutoML 褒贬不一。
譬如有人认为 Google 针对图像分类这个场景把机器学习技术在易用性上做到了极致；但知乎上也有不少圈内工程师为微软打抱不平，声称 1 年前微软就推出了相似的产品。
与此同时，国内的第四范式，国外的 DataRobot 等 AI 技术公司，也在或免费或收费替传统行业培训机器学习工程师或数据专家，让后者使用自己的平台为客户做机器学习项目。
但是，请注意，到目前为止，我们收到的都是「技术从业者对 AutoML 的评价」，而应用者，特别是行业内的 AutoML 应用者还没有发出一些具体的声音。
因此，在这里，我们也想借这篇文章向零售、医疗、金融等行业内开发者，发出话题邀请：
1、你会选择使用 AutoML 吗？为什么会/不会用？
2、如果使用了 AutoML，你认为它的优点在哪里？最大的问题与挑战在哪里？
3、现在有了 AutoML Vision，你下一个最期待的是什么 AutoML 功能呢？
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：houlimin
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
