如何評價谷歌剛推出的Cloud AutoML？

01-20

我覺得微軟家粉絲（還有少量亞麻家粉絲）搞錯了。

auto ML 受關注，重點不在於Google也提供ML方面的雲服務，而在 Auto 一詞。

Google blog 上說的是，Auto ML 提供一個自動調參功能，可以自動生成各種deep learning的網路結構和參數，然後篩選優化解。提供的例子裡面，自動生成的網路具備與他們自己的ML專家調參得來的網路相當的性能，並且具有合理的新結構。

受關注的重點就在 Auto 上。如果效果真的好，那麼把調參當做 ML 的人工智慧勞工恐怕真的要擔憂一下下了。

如果只看到 ML，那麼早就有好多開發包了哇，一些商業軟體也集成了一些簡單成熟的model，並不新鮮。

這是功能痛點上的不同。

先別忙著酸，抓緊機會競爭趕超才是道理。以微軟做產品的能力，Google 又開源，出個好產品也不是太難吧？

樓上都在心疼微軟pr部門，我來心疼一發百度pr

百度去年12月就發布了定製化訓練平台，地址：http://ai.baidu.com/customize/

使用上只有一個步驟：上傳圖片壓縮包

訓練完成你就有一個模型了，目前支持了圖像分類，後續還有物體檢測等其它的。

有了模型能幹嘛？

界面上直接會有demo，傳圖片可以看到分類結果，非常直觀
申請上線，就有擁有一個在線的介面了！跟市面上的ocr識別這種介面類似的，還不用你自己搭服務！

簡直不能更良心。。

1.這個automl目前還很弱，但會變得強大的。

2.演算法工程師多貴啊，這可以為公司節省成本。3.只會搬模型的，只會調參的，深度學習演算法工程師，要被淘汰了。

偶就說最容易被人工智慧取代的是人工智慧的么，哈哈。其實不搞創新的話，就那幾個模型，小學生學2禮拜都會用。

自動啪啪啪，還是在雲端，谷歌果然黑科技

國內怎麼用谷歌？

人工智慧時代，網路復現的成本本來就很低，重要的是對網路的理解和對業務場景和手上所有數據結合起來的解決方案。。。。順便，大數據時代，數據才是護城河，而不是演算法

其實這麼久一來，我一直覺得微軟才是低調的大佬，谷歌的廣告著實厲害

如果我瘋狂上傳故意標錯的數據呢…

當年微軟橫行時代我支持谷歌，現在我支持微軟。

剛才試用了一下，真的好用，而且還開放API

應該叫 Cloud AutoMN 而不是 Cloud AutoML。

成長於四川的李飛飛很明顯普通話不好，分不清邊音L和鼻音N，錯將自動碼農（AutoMN）當自動馬龍（AutoML）。

手動滑稽哈哈

雲自動做愛？？？

其實我想說：為什麼沒有中文的！

難道編程不是比英文簡單多了嗎。。。。。。。

這個東西大家都想做，有用進化演算法做的，有用強化學習做的。但問題是這些方法訓練時間都過長了，看谷歌說是只需要一天，很期待具體演算法。

alphago的例子已經充分說明，演算法大於數據，谷歌還用騙你的那點數據

還是應該保持樂觀。舉個前端開發的栗子，前端很早就有通過拖拖拽拽生成網頁的功能，然而並有出現前端工程師需求減少的情況，反而前端工程師的職位越來越多也更搶手。

我的一個觀察是「應用的普及會導致應用規模的擴大，從而拉長應用的開發鏈條，為開發者提供更多的從業機會」。比如從源頭開始，會有數據工程師相關的職位；神經網路會進一步拆分，部分網路結構會轉移到前端/客戶端，出現客戶端深度網路工程師相關職位；可視化會為神經網路提供非常具有幫助性的insight,因此會出現深度學習可視化相關的職位。

AI是一個新興行業，對任何人都有機會，哪怕是培訓班出身。