整个操作过程，从导入数据到标记和训练模型，都只需要用鼠标拖放界面即可完成。
人工智能和深度学习首席科学家李飞飞本周表示，人工智能和机器学习仍然是一个进入门槛高的领域，需要专业知识和资源，很少有公司自己能雇佣起机器学习和数据科学家。
兵贵神速，在今天的凌晨，谷歌就发布了用机器学习来训练机器学习的神器：Cloud AutoML Vision。
AI训练AI，谷歌的Cloud AutoML到底是什么？
Cloud AutoML是一套机器学习产品，其背后的逻辑是用AI制作AI。它能够使具有有限机器学习专业知识的开发人员，甚至是人工智能技术小白利用谷歌最先进的传输学习和神经架构搜索技术来培训高质量的模型。
Cloud AutoML Vision可以找出用户上传的图像内容，根据这些图像对模型进行训练，提供模型分析，然后基于学习到的内容开始理解新图像。新的服务加入了Google的云计算机学习引擎及其Cloud Vision应用程序编程接口，但与这些产品不同，Cloud AutoML产品组合并不仅仅是考虑到开发人员。
目前，该产品还只能构建计算机视觉模型，包括自定义图像识别模型。但是，谷歌表示，公司接下来还将优化升级AutoML，使得其支持语音、翻译、视频和自然语言识别等模型。
Cloud AutoML操作起来也相当简单。首先，使用者将所有需要的图片添加入平台内并上传，系统将自动在右边显示出各图像内容所占的比例。例如，小狗的图片40％，小猫的图片20％。接着对图片进行修改和确认，确认后可以选择定制模型，同时点击“training”，对模型进行训练。模型将被分为两个步骤，同时进行训练学习以及测试机组。使用者只需要等待评估和最终的模型预测结果即可。
整个过程，从导入数据到标记和训练模型，都只需要用鼠标拖放界面即可完成。
目前，Urban outfitters和迪士尼都利用Cloud AutoML对自家产品进行自动识别和搜索，以方便用户可以按照某种特征进行过滤。
AI人才那么贵，不如让机器来替代？
回到文章开头所说的，人工智能门槛极高，人才昂贵，很少有公司能够雇佣起机器学习和数据科学家。
有数据显示，人工智能相关职位平均年薪达到30－60万元，从业时间长的甚至达到年薪百万。
LinkedIn发布的《全球AI领域人才报告》中，也明确指出当前对AI基础层人才的需求最为旺盛。
根据几个主流招聘平台上的数据显示，在样本量为205份的AI相关技术岗位中，其中30－60万年薪的占比40％。要求硕士研究生以以上学历占到46％。而目前AI领域在招的初级岗位较多，行业资深人士缺乏。
在IDG资本的《2017年中国准独角兽公司薪酬调研报告》中，AI、大数据以及技术开发岗位的薪水要高于市场整体水平。
虽然各行各业都想抓住AI风口，尽力吸引AI人才，但是目前来看，大多数企业的AI产业发展还在初级起步阶段，即使是一些做通讯、金融的大企业。对于一些小公司和创业公司来说，高薪聘请AI专家也是一笔大的开支。
同时，一名资深的AI专家需要数十年的培养和学习。某公司金融算法核心负责人表示，要学到能够带领团队进行自行开发算法的水平，至少要花上10年的时间。
由此看来，如果谷歌的Cloud AutoML平台发展成熟，对于需要使用人工智能技术的中小企业来说，能够节省一大笔人才培养费用。
谷歌也许并不是“吃螃蟹”的第一人
谷歌AutoML这种傻瓜式、无门槛的机器学习工具其实并不是AI业内的第一例，在去年年中，微软开放了Custom Vision框架，无需编程代码就能用AI模型进行构建图片分类器，具体实施过程中，只需要为它提供每个标签不少于三十张图片。就能通过简单的鼠标点击构建一个自定义的图像分类器。
除此之外，AI初创公司Clarifai也有类似的开发工具，即使不是深度学习算法专业的研究者也可以用他们的图像／视频识别的API，快速创建出数据模型，进行图像的分类识别。其创始人Matt Zeiler曾表示，Clarifai只需要几个图像的数据就可以建立模型来确定图像中的对象。开发人员可以使用自己的标记来编写算法，在这些图像和视频中构建新类别的对象。
两个月前，亚马逊也推出了Amazon SageMaker，用于构建和发布自己的AI模型。
这些机器学习工具的推出，让我们看到人工智能应用正在变得更加“平民化”，这也意味着，随着技术门槛的降低，未来我们的日常生活中，AI将真的无所不在。
最后，回到谷歌的AutoML Visions，目前，开发人员必须进行申请访问。谷歌还没有分享任何价格信息，但可能会收取训练模型的费用，然后再通过API访问模型。
