Google AutoML 系統自主編寫機器學習代碼，其效率在某種程度上竟然超過了專業的研發工程師。AutoML的目標并不是要將人類從開發過程中剝離出去，也不是要開發全新的人工智能，而是讓人工智能繼續維持某種速度來改變世界。

　　人工神經網絡已經實現了學習模型的自編碼，還需要人來訓練。而AutoML更進一步，實現了訓練過程的自編碼，通過類似Axure的拖拽方式就能完成對話操作。

　　在AutoML中，一種控制器神經網絡能夠提議一個“子”模型架構，然后針對特定任務進行訓練與質量評估；而反饋給控制器的信息則會被用來改進下一輪的提議。我們重復這個過程數千次——從而生成新的架構，然后經過測試和反饋，讓控制器進行學習。最終，控制器將學會為好的架構分配高的概率，以便在延續的驗證數據集上實現更高的準確性，并且對于架構空間的差異很小。

　　AutoML 在機器學習系統的編程上，遠勝于創造它的研究人員。在某個圖像識別任務中，其實現了創紀錄的 82% 的準確率。即使在一些復雜的人工智能任務中，其自創建的代碼也比人類程序員優越。它可以在圖像中標記多個點，準確率達到 42%；作為對比，人類打造的軟件只有 39% 。

AutoML對AI意味著什么？

　　它像一款制作Demo的工具，可以幫PM理解端到端學習的應用邊界。大部分PM（尤其轉型中的）并不具備AI工程師的實操能力，這是個真實存在的痛點。以后若要驗證新的場景思路，可以先做個Demo試試。解放出更多精力，分攤到分析場景、獲取數據、設計方案、推進落地上。

　　谷歌五個月前才宣布了 AutoML，鑒于其能夠在這么短的時間內打造出一套比研究人員自身更棒的機器學習 AI 系統，未來一年的成果顯然更值得期待。

　　谷歌也表示，在降低AI門檻的道路上，我們只是剛剛開始，人工智能幫Cloud AI產品的10000多名客戶所實現的能力大大激勵了我們，我們希望Cloud AutoML的發布，能幫更多企業通過AI發現更多可能。

　　除此之外，谷歌在AI領域也做了很多的工作。Google 在去年推出了 AIY Projects，將 Raspberry Pi 與配件、軟件和必備的紙板搭配使用，巧妙的將 AI 與 DIY 玩法結合，讓使用者能夠制作出專屬的AI智能音響和AI智能相機。“Google 正在采取許多努力讓機器學習能夠更為"平易近人"，AIY Projects 主管 Billy Rutledge 表示。

　　AIY Voice Kit 套件可借助 Google Assistant SDK 和 Cloud Speech API，將樹莓派轉換為語音數字助理。用戶可在此基礎上創建虛擬語音助手、為自己的項目添加語音交互功能。比如用戶可以打造類似于于Apple HomePod、Amazon Alexa 等的智能語音助手。

　　Google 還非常貼心的提供了一些 Voice Kit 的使用場景，控制電燈開啟關閉、電器開關等等。通過 Google 提供的技術文檔和演示，相信很多用戶都能親手構建出屬于自己的AI語音助手。除了Voice Kit，Google 也同時改進了 Vision Kit 套件，更新后的 Vision Kit，除了包含 Vision Bonnet 電路板，鏡頭組、硬紙板機殼、背光按鍵、蜂鳴器以及扣具、連接線等零件、以及由厚紙板制作的內部框架與外殼外，還增加了樹莓派 Zero WH、樹莓派 Camera 2、Micro SD 卡。Vision Kit 套件的功能相當豐富，使用者也能自行開發各種功能，例如可以用來分辨多種動物與植物的品種，記錄寵物的行動，記錄車輛，訪客的進出，或是在有外人進入房間時發出警報等等。在家做完人工智能相機，出門就可以跟朋友炫耀了~~