從精準醫療、軍事人、零售業，到現在盛行的無人車技術和網絡廣告，人工智慧 ( AI ) 已經應用到很多專業的產業中。Google 於Google Cloud NEXT 大會中透露他即將將人工智慧技術帶到日常生活的層面。
上週是 Google 在一年一度的 Google Cloud NEXT 大會，正式推出了新一代機器學習產品：Cloud AutoML。一次涵蓋了圖片辨識(vision)、翻譯 ( Translate )、自然語言處理 ( Natural Language) 三大範疇。
這產品讓沒有人懂任何機器學習的知識的公司，也可以自行訓練一個機器學習模型。
人工智慧基本概念
在解釋 AutoML 的強大前，先為大家說明一下 「人工智慧」( Artificial Intelligence ) 、「機器學習」（ Machine Learning )與「深度學習」( Deep Learning )是甚麼意思吧，讓大家更容易理解 AutoML 的功能。
用一句說話說明這三者的關係︰「深度學習是一種驅動機器學習的技術，而機器學習則是一種實現人工智慧的方法」
人工智慧：概念
人工智慧（ Artificial Intelligence，縮寫為 AI）源於 1956 年一場達特茅斯學院的會議，目的在建立出等同於人類智能的機器，簡單來說「人工智慧是指機器能夠擁有與人類相同水平的智能，並能執行與人類一樣的工作」。
機器學習：方法
機器學習（ Machine Learning ）是一種實現人工智慧的方法。透過演算法解析過去的數據及經驗，找到其運行規則，並對真實世界中的事件做出決策和預測。簡而言之，「機器學習是透過大量的數據訓練機器，告訴機器什麼是正確的，讓機器能夠自行做出預測」。
深度學習：技術
深度學習（Deep Learning）是一種實現機器學習的技術。舉個例子來說，擊敗當今世界棋王的 AlphaGo 用的技術就是深度學習。
深度學習模型需要透過大量的訓練數據，才能得到更好的預測結果。目前只能針對特定需求來設計，例如 AlphaGo 只會下圍棋，不能要求它下象棋。
由此得知，「深度學習是指透過層層的函數堆疊，輸入數據讓機器從中找出最佳解決方法」。
Cloud AutoML的功能
Cloud AutoML 讓大家跳過機器學習和深度學習，以實現「AI大眾化」。這意味大家只要輸入一些資料如圖像和數據便可讓 AutoML「學習」一個專屬模型，從而可以預測和找出解決方法。
傳統上，建立機器學習模型時，得由資料科學家以程式碼撰寫機器學習的訓練模型（Model）、再佈署到 Google Tensorflow 框架上。
建立機器學習模型的技術門檻很高，而Cloud AutoML 大幅降低其門檻，把建立模型的事宜都交到 AutoML手上。
這讓Cloud AutoML的用家只要簡單輸入資料便可直接作出分析和預測，跳過建立模型的繁瑣步驟。
現在為大家介紹 Cloud AutoML 中解決圖片辨識 ( vision) 的Cloud AutoML Vision ，從例子說明一下Cloud AutoML 的功能。 圖片辨識(vision) 乃 Cloud AutoML 上面提到的三大功能之一。
Cloud AutoML Vision 的出現，讓使用者只要準備數十張到數百張的樣本照片，並搭配平易近人的使用介面，就能訓練出專屬的模型，使用者不需寫到任何程式碼。
「客製化模型、易於操作、高品質、不需具備相關知識」是 Cloud AutoML 的最大特色。
Cloud AutoML帶來的革命性改變
Cloud AutoML 的問世預計能解決許多產業的問題，例如娛樂、媒體、醫療、保險產業等，保險產業甚至可以透過 Cloud AutoML Vision 分析車禍現場。
以往企業想要套入 AI solution 的第一大難題就是人才太難找。就算請到人才，後續的「建立模型」、「模型的調教」以及「接入企業流程」也會消耗許多人力與時間成本。
Cloud AutoML 大幅地自動化、抽象化這些步驟，讓各企業能夠非常輕鬆地導入 AI 到自家產品。
Google 的未來方向
Google 在去年的 Next 大會表示，未來機器學習的目標是「AI 大眾化」，能夠讓所有人都有使用 AI 的能力。
目前全球開發者預估有 2,100 萬人，但資料科學家卻僅有 100 多萬人，研究深度學習的專家更是只有 1,000 多位。
業界明顯缺乏機器學習領域的人才，但對於這類人才需求量又非常龐大。Cloud AutoML 的釋出，就是希望使用者能夠簡單地應用 AI 來解決問題。
Source：IT World Canada
Text by Fortune Insight
