图灵汇官网

在昨日举行的谷歌云全球NEXT大会（Google Cloud Next 18）上，李飞飞宣布，谷歌的AutoML Vision正式进入公开测试阶段，并推出两款全新的AutoML产品：AutoML自然语言处理（AutoML Natural Language）和AutoML翻译（AutoML Translation）。

这款备受关注的产品在年初发布时，便肩负着推动AI民主化的重任，这也与李飞飞作为“AI民主化倡导者”的形象紧密相连。作为谷歌云的首席科学家，她在产品发布时通过社交媒体连续发布了多条推文，表达了她的兴奋之情。

李飞飞在推文中表示：“我非常荣幸地宣布AutoML Vision的问世。借助这款AI产品，每个人都可以定制自己的机器学习模型，而无需具备深厚的机器学习知识。这是实现‘AI民主化’的重要一步。”

这个名为Cloud AutoML的项目被认为是Google Cloud的战略转型之一——从专注于服务机器学习开发者转向服务于更广泛的用户群体。起初，该产品主要应用于图像识别领域，但在本次大会上，其应用范围已扩展至翻译、视频处理和自然语言处理等领域。

谷歌的愿景十分宏大：用户只需上传自己的标签数据，就能获得一个训练好的机器学习模型。从数据导入到标记再到模型训练，整个过程都可以通过简单的拖放操作完成。这使得非专业人士也能轻松上手。

实际上，在谷歌发布AutoML前后，市场上已经出现了一系列机器学习自动化的解决方案。例如，微软于2017年底推出了CustomVision.AI平台，涵盖了图像、视频、文本和语音等多个领域。2018年1月，微软又进一步推出了Microsoft Custom Vision Services（微软定制视觉服务）。此外，OneClick.AI作为一个自动化机器学习平台，也在2017年底进入市场，提供了包括传统算法和深度学习算法在内的多种选择。

然而，这些自动化工具是否能够真正取代专业的算法工程师或AI团队呢？这个问题引发了业界的广泛讨论。Keras的创始人、谷歌大脑研究员François Chollet在推特上表达了他对AutoML产品的质疑，他认为这种自动化方法可能会导致人们忽视问题的本质，从而限制了创新的空间。

另一方面，Fast.ai的创始人、旧金山大学副教授Rachel Thomas通过一系列文章详细探讨了机器学习自动化这一趋势。她指出，尽管自动化工具可以简化某些流程，但机器学习实践中最复杂和耗时的部分仍然需要人类的专业知识和经验。因此，自动化工具并不能完全取代专业人才的作用。

综上所述，虽然AutoML等自动化工具确实为非专业人士提供了便利，但它们并不能完全替代专业算法工程师的工作。这些工具更多地是在辅助而非取代人类的专业技能。