谷歌搞事情最先被AI淘汰的,居然是做AI的

谷歌搞事情最先被AI淘汰的,居然是做AI的

作者：永恒之塔… 来源：本站原创点击数：更新时间：2024-5-29 9:27:16

　　坊间流传着这么一个说法：谷歌想回中国，必须靠AI；而靠AI回中国，必须搞个大事情。于是，上周四的晚上李飞飞发布了一篇博客，然后连着发了三条推特，宣布一个叫AutoML的AI产品启动了。一夜之间，中国的科技媒体就爆炸了，空气中似乎回荡着那一句话：搞事情了搞事情了搞事情了…… AutoML到底是不是跟谷歌的中国战略有关，我们不做讨论。这里希望帮大家搞清楚的，是这个AutoML到底要搞什么事情。按照谷歌云AI项目首席科学家李飞飞的说法，AutoML的目标是降低开发者、研究者和企业群体使用人工智能相关工具和框架的门槛。而通俗的理解大概就是，这个产品可以不用写一行代码，就训练出一个企业级的机器学习模型。AutoML也就是"自动机器学习"的意思。传说中学会机器学习年入50万起呢？说好的BAT疯抢AI工程师呢？是不是感觉刚掏出去的培训费被风吹走了？更有网友惊奇地评论道：不是说一起用AI去革一大堆工作的命吗？怎么我辛辛苦苦学AI结果先被革命了？当然了，现实并没有这么残酷。但谷歌的动作并不是孤例，背后隐含着的，是一直被反复提及的"AI民主化"。并且也确实折射出"我们今天学的AI也许是没用的"这种可能。谷歌放出的这个让代码界风声鹤唳的东西，叫做AutoML Vision。是整个AutoML体系的第一款产品，专注自动生产图像识别领域的模型。假如以前我想要做一个能够进行图像识别的AI系统，那么我需要在开发框架上自己搭建训练过程，完成各种训练部署，导入数据集，整个过程需要使用编程的方式来完成。但在AutoML Vision上，我就一行代码都不用写，只需要按照说明，把我希望训练用的图片都拖进系统里，然后耐心等待，一个训练好的机器学习模型就趁热出炉了。举个例子，假如你想训练一个模型，用来识别你家的猫主子是不是生气了（这得有多无聊..），那么就只需要在AutoML Vision拖入你家猫的照片、它生气时候的照片、高兴时候的照片等等等等，然后你就会得到一个识别程序。用它连上手机拍照，就可以让AI去理解猫大人的喜怒哀乐了。这背后，是谷歌利用了深度学习领域中的迁移学习（Transfer Learning）技术。把此前谷歌训练图像识别模型时积累下来的训练过程，迁移到AutoML当中，这样就节省下来了后续类似模型的开发过程。简单来说，AutoML有点像谷歌云搭建的一个"解题公式"。之后的考生并不需要知道公式是怎么来的，只需要把问题套进去就可以得到答案。当然了，这只是简单交代一下它的工作原理，实际上没有那么容易。尤其在调试进程中，不同模型需求和系统的兼容度是个大问题。总而言之，这个产品以及背后的思路，对于想做机器学习又缺乏专业技术和人才的企业来说确实是个福音。它取消的，是通过代码搭建机器学习模型的过程，以及复杂的调试工作。仅保留了输入特定数据这件事给用户。很大程度上降低了机器学习训练中的工作量，尤其是编程工作。但也别太乐观。虽然AutoML目前还没有正式发布，真实效果有待考量，使用价格也是未知数。但就目前信息来看传奇开服一条龙服务，AutoML生成定制化模型需要的数据量还是很大。不是毫无基础的开发者能够搞定的。而且它只能完成相对简单的任务，且只能套用谷歌给出的训练方案。如果想要制作比较复杂的机器学习系统，使用独特算法进行训练，那么编程还是不可避免的。所以呢，目前来看真正用心且努力进入AI开发领域的朋友大可放心。只懂个大概想要快速转行AI骗高薪的朋友，那就期待老板比你更不懂吧… 除了图像识别，谷歌未来还计划将AutoML服务拓展到翻译、视频和自然语言处理等领域。这或许意味着初级的AI程序被自动生成、快速复制到各行业已经不远了。虽然谷歌表示AutoML是目前唯一一个此类产品，但其实各家也都在部署类似的业务。比如亚马逊的Amazon SageMaker，以及微软还未正式发布的定制图像识别模型服务。包括国内的百度，也在旗下AI开放平中推出过定制化图像开放平台。谷歌这次之所以被称为"搞了个大事"，主要是因为目前来看AutoML的自动化程度更高，尤其是解决了自动搭建训练模型和调参这两大问题。去年3月，刚刚加盟谷歌不久的李飞飞就表示，人工智能的下一步是完成"AI民主化"。在这次发布AutoML之后，她又一次表示由于资源稀缺，多数企业无法开发个性化模型，所以AutoML的出现是为了进一步推进AI民主化。有人说了，AI现在是掌握在几家大公司手里的。AI民主当然是要让人人成为AI的主人，破解巨头专政。难道谷歌们会费了好大力气，为了瓦解自己的霸权？当然不会。就像AutoML的产品思路中展示的那样，省略掉了开发者的技术门槛《倚天剑与屠龙刀》倚天屠龙丹药介绍，，谷歌从中吃亏了吗？没有。谷歌拥有了更多的用户，自身的算法优势无形中得到了扩张。并且AutoML的用户训练模型是要直接部署在谷歌云上的传奇开服一条龙服务永恒之塔开服一条龙服务，显然这也是个变相捆绑，希望从刁钻角度刺AWS几刀。对于最迫切希望得到"民主"的小公司和个人开发者而言，巨头兜售的开发者赋能和去技术门槛式"民主"，绝不是仁慈的馈赠，而是换取小开发者紧密依赖关系的生态交换。真正被所谓AI民主瓦解的，其实是夹在大公司和小开发者之间的中层公司，或者叫算法公司、技术公司。目前在世界各地的AI市场上，这类中型公司都普遍存在。当然其存在是有意义和价值的。对于巨头来讲，将技术能力打入各行各业，开发各种各样的应用是完全不可能的，那么就有赖于开发者去做这些事，自己做平台服务和技术能力的输出者就好了。但小团队和个人开发者能去做这些深入行业，或者极具创意的开发吗？答案是也不行，因为从头开始的技术太复杂，对人才的需求太高。一般开发者和小企业根本玩不起。于是就出现了大量夹层公司，他们以技术壁垒为主要产业支撑点。利用重技术和人才去做一些其实看起来不那么"重"的小应用。或者以开发定制化AI模型的方式向第三方收费。而谷歌、英特尔等巨头企业都在倡导的AI民主化，事实上是将需要大量"AI劳动力"完成的工作装入自动化模型里。向上收回底层技术开发权，向下直接触达细分开发场景。说白了，小公司、个人创业者、人才稀薄地区想要引入AI，就必须能从成本上越过技术公司，自己玩得起AI。巨头的AI民主，当然是希望消解那些凭借"二手技术"和"雇佣能力"卡位的企业，把他们的份额分给更小的开发者。让开发者仅仅提供创意和运营、市场等能力来激活AI的广泛前景。而在AutoML代表的自动化战略进一步实施后，最可能带来的影响，是AI产业链去中层化。一些看似很大的公司，却做出来很小的价值，仅仅依靠AI技术壁垒来占据市场份额和资本关注，大概是这场"民主运动"中最危险的。毋庸讳言，AutoML这样的产品在今天带来的AI民主化进度，可以说是肉眼可见的。如果回头看看一两年，很容易就会发现AI的产业链和开发规则已经大变样了。但这对产业边缘徘徊不前的企业来说一定是好事吗？就像文章开头提到的，AutoML一发布，很多程序员朋友第一反应是调侃自己的AI白学了。但要知道，他们可才学了没有多长时间。那么对于想要进入这个领域的企业来说，类似的恐惧会不会更深？我们知道，在绝大多数共识里，今天以机器学习为主导的AI复兴，核心区域是由三个因素构成的：算法、算力和数据。算法上，AI开发框架开始越来越智能，AutoML这样的产品甚至能自动编程，实现算法工具化和模块化。数据上，越来越多的免费数据分享成为常态。并且前沿的AI技术争论中，已经开始质疑大量数据对于深度学习的必须性。总而言之，差不多每隔一段时间，AI的门槛就会下调一次。但在企业和开发者的角度看，这样的情况就有点苦恼：我们会不会现在部署的AI能力，一个月之后就被淘汰了？我们知道，汽车最开始是跑不过马车的。虽然最终证明了汽车绝对强过马车，购入汽车是正确的，但大家恐怕都不希望成为那辆超级老爷车的乘客。何况AI这东西连汽车的收藏价值都没有。就像此时此刻，不知道有没有一位刚刚组建了豪华机器学习专家团队的企业家，突然发现原来自己想做的，随便弄个人操作下谷歌的新软件，再等上一天就搞定了….. 也许在今天，正在让企业感受到的，不是AI开发门槛逐步降低带来的愉悦，而是面对AI体系快速迭代产生的恐慌。毕竟我们都不知道，自己今天做的会不会几个月之后就被证明毫无意义。尤其对于中国企业来说，习惯是赶风口，风来则上风小则退。这么复杂，天天这样那样的AI，谁有心情跟他躲猫猫啊？返回搜狐，查看更多

上一条新闻：开一个成功的赚钱的传奇私服难

下一条新闻：没有了