Google发表Cloud AutoML工具，将影像识别的机器学习技术带到云端开发工具上，强调开发者不需要高度程序技术就能开发相关应用。
Google发表Cloud AutoML工具，要让天下没有难导入的AI。
Cloud AutoML背后的技术是迁移学习（Transfer Learning），藉由将已经训练好的模型套用至新的模型，以帮助新的模型训练。此外，learning2learn 及超参数调整技术（hyperparameter tuning technologies）能提供大幅改善的结果给客户。
特点：拖放式直觉采用，分类更准确
Cloud AutoML其中第一个Cloud AutoML版本将是Cloud AutoML Vision。这个工具可以让企业用更快的速度建立使用于图像识别自定义ML(Machine Learning，机器学习)模型。
Google云端赢咖4与机器学习研发负责人李佳强调，该工具提供数据标记、处理、以及自动建构客制化机器学习模型，此外也能直接在Google云端上进行云端模式比对(Prediction API)和云端模式推理(Inference API)，使用者可以建立出协同工作的整合方案。
而且介面采用拖放式，因此使用者可以很直觉地上传图像，训练和管理模型，甚至最后可以直接部署模型。
▲Google推出机器学习运算云端开发工具，让企业更简易、快速开发视觉识别AI应用。
在常见的mageNet和CIFAR等数据集分类结果显示，使用Cloud AutoML Vision比起先前推出的通用ML API，分类精度更高，分类错误也更少。AutoML未来还会推出语音、翻译和自然语言处理等工具。
谁采用：迪士尼与服饰业者率先导入
举例来说，迪士尼把这套系统带到线上商店的产品搜寻中，当消费者搜寻米奇米妮相关产品时，搜寻引擎就会靠影像识别来显示含有这些卡通人物的产品，而不再像过去，透过标签文字过滤搜寻结果。
流行服饰品牌Urbanoutfitters也能透过这样的技术，来分类产品目录中的各项衣物配件，让造访线上商店的消费者，不仅能够靠品项搜寻，更可能透过「风格」来筛选商品。
Google声称，透过拖拉影像的方式，开发者就能够训练自己的机器学习运算模型，不是AI专家的开发者，也能开发相关应用。
「AI与机器学习仍然是具备高度进入障碍的领域，只有少数公司才能够拥有自己的专业技术人才与相关资源。推出这项新工具，就是要消弭这道隔阂，让AI成为每个企业都能获取的资源。」Google在官方声明中这样说道。
Google在企业云端服务市场的竞争者，也都已经推出类似服务。微软有Cognitive Services，亚马逊的AWS也有类似工具。
机器学习专家供不应求，避免学界与业界的危机
是什么原因让Google推出Cloud AutoML？
Google云端赢咖4与机器学习首席科学家李飞飞指出，「全球开发者总数大约有2100万人，但全球的数据科学家仅约100万人，因此能善用赢咖4、甚至从中获利的企业仅占少数。」
而在2017年的北京一场论坛上，李飞飞也直言，「不管是学术界还是工业界，全世界都是大大的供不应求」。而这个供不应求并不只是人才问题而已，李飞飞说，若不从教育端开始培养相关人才，属于非常初期的阶段的赢咖4领域可能就会出现危机。
因此，虽然AI技术正热，但翻开AI 60年发展史，也曾遇到两次寒冬，虽然这次的AI热潮有众多可商用化的技术突破撑腰，业界人士并不担心再度愈冷，但站在Google的高度，如何打破技术壁垒，让赢咖4技术快速普及是非常重要的任务。
给缺数据，也缺人才的中小企业更多机会
李飞飞强调，构建ML模型耗费大量的时间，过程又极为复杂，拥有机器学习或赢咖4人才的公司也要花很多时间。「虽然Google利用的API，提供一些特定任务机器学习模型，但这还不够。Google想要将AI带给每个人。」
李飞飞也指出，对于一些数据缺乏的领域，Cloud AutoML将可以带来突破性的发展，举例来说，在临床上一些罕见疾病数据缺乏，过去较难训练出好的模型，但用Cloud AutoML则可以透过数据品质的提升，解决这样的问题。
其中对于资金较为缺乏，无法吸引足够的赢咖4人才的中小企业来说，采用Cloud AutoML工具可能是比团队组建相关团队更务实的解决方案。
