AI人工智能创造更多的机会。
最有资格回答这个问题的人，昨天给出了答案。Google云AI研发主管李佳，说她不同意Cloud AutoML会对AI开发者造成威胁。
“Cloud AutoML不是为了替代机器学习开发者，而是为机器学习开发者而打造。”
这位Cloud AutoML的核心研发负责人说：不必恐慌。
△ 谷歌云AI研发主管、谷歌AI中国中心总裁李佳
ML缺口还很大
李佳把AI的用户分为三种。
熟悉各种工具，AI能力很强的开发者
不必自建模型，API就满足需求的使用者
有想法有数据，但不知怎么用的转型者
其实AutoML针对的是第三种用户。Google的目标是，以后这类企业不需要再去招募大量的机器学习人才，也不需要花大量的时间去标注训练数据，就直接可以得到自己定制的东西。
也就是说，AutoML能降低使用机器学习的门槛，让更多对机器学习了解有限的人，把Google级的AI技术运用到产品打磨中。
这就是推出AutoML的最核心原因，也是最终目的。
而一旦人人可用机器学习，AI便能创造更多的机会。
李佳说，可能会由于AutoML这样的产品存在，将来会出现各种各样的AI产品，更多懂行业、懂产品的人可以发挥自己已有的特长，就能让AI技术实现其行业和产品价值。
这并不空话。
就在Cloud AutoML发布后两周，注册用户就迅速破万，涉及背景之广泛，应用场景之多样，出乎李飞飞、李佳们意料之外。
李佳感叹：因吹斯汀。
比如伦敦动物学学会用AutoML来识别野生动物，之前他们也有该需求，但预算让这个非营利性组织望而生畏。
还有不太能预料的应用，比如被用在垃圾检测方面，通过AutoML Vision识别塑料瓶。
总之，花式使用。
李佳预计，未来大概会有2100万开发者可以使用这些API或AutoML这样的产品。AI技术有望进一步渗透到更多的产品和服务之中。
“目前，全球有100万人有能力去开发机器学习算法，”李佳给出的这个数字表明，AI人才缺口空缺巨大。AutoML等产品，未来将有助于缓解目前AI开发者供不应求的局面。
所以，还是好好学习机器学习吧。
耗时一年研发
AutoML是个开发利器，即便你不懂机器学习，也能训练出一个定制化的机器学习模型。
Google去年5月发布AutoML，当时谷歌CEO说，现在设计神经网络非常耗时，对专业能力要求又高，只有一小撮科学家和工程师能做。为此，Google创造了一种新方法：AutoML，让神经网络去设计神经网络。
这个方法就是让AI设计AI。现在Google又把这个技能放到云上了。
但Cloud AutoML的推出并非轻而易举。
李佳告诉量子位，在李飞飞和她加入Google云时，就开始着手准备推出类似的AI应用，以便通过产品的形式分享最前沿的AI研究和技术。
接近一年的研发时间里，Google云、Google大脑和Google研究团队紧密合作，并且出于用户需求，对产品进行了多轮打磨和考量。
这种技术-需求-产品的开发过程，面临的挑战很多。她举例称，在AutoML产品研发汇总，learning to learn在计算资源需求方面的问题，让她们颇费苦心。
最后，团队还是实现了两方面突破：
一，非常简单的迁移学习（transfer learning），开发者可以在一分钟或者几分钟之内就能跑出结果；
二，learning to learn与其他应用相结合，性能和效果也令人欣喜，即便目前产品级效果达成还需要再花费1天时间。
李佳解释说，如果一般企业做类似效果，必须要招募自己的专家，然后设计机器学习算法、收集数据，等到推出成熟产品，实际耗费时间可能超过了数月甚至数年。
而且从当前效果来看，AutoML自动生成的模型已经比专家设计的模型在图片分类上效果要更好，产品开发的周期大大缩小，企业的花销也大大减少。
所以李佳认为：AutoML是AI福祉，而非威胁挑战。
行业广阔 大有结合
李佳还认为，AI走向各行各业的路还很长。在大会上，她分享了AI智能系统在各个垂直行业中的应用，重点强调了教育、医疗等行业的变革。
在会后，她则对“AI+行业”的逻辑进行了说明。
李佳说，一方面与Google云承担的使命有关，希望通过云，把AI前沿研究和工程产品之间串联，以产品化方式赋能各行各业。
另一方面，其间涉及研究和产品的平衡。“研究可以更大胆，解决是紧迫又兼具挑战的问题，但产品需要结合用户的关注度和技术成熟情况。”
所以目前会在医疗、教育等这样集中关切却又缺乏很好解决方案的领域，Google云AI团队会重点探索，集中更多资源把事情做好。
至于更多的领域和场景问题，通过AutoML这样的产品，能让开发者、企业结合自身情况去拓展应用边界。
正所谓：AI没有国界，AI福祉亦无边界。
AI in All
昨天李佳说出上述言论时，正值Google中国年度大会。Google还在现场展示了三种AI应用。
一是素描机器人，运用AI习得风格技艺，通过一张人类照片，5分钟生成一幅风格素描；
二是内置Google Assistant的AI交互吧台，语音告诉“吧台”你想喝的，然后AI就会调出高水平又稳定的鸡尾酒，其间还能跟吧台聊天……
三是Google文化学院应用，同样拍摄一张你的照片，然后机器迅速帮你找到历史中、艺术史上与你相像的“形象”，偏娱乐，应该是为了让历史和艺术更有趣吧——一个手机应用就能玩很久。
但关于AI in All可不止于应用展览。
在过去，Google中国的这个会都是一年一度的广告营销效果展示大会：一年又提升了多少转换率？有哪些新成绩？然后又有哪些中国企业借助Google出海表现不俗？
一言以蔽之：Google大中华区合作伙伴业绩大会。
然而今年，虽然还是在围绕广告、营销转换率、出海品牌，但最抢眼的当属被高频提及的AI，下午还专门举行了分论坛，介绍AI赋能下的营销，正在带来哪些新变革。
此外，还有一些已经展露的变革结果。
Google中国几位负责人的头衔悄然发生了一些变化，有些是成绩性的，有些则是风向性的。
比如成绩性的：Scott在Google大中华区总裁的title之外，增加了Google韩国总裁；李佳现在也多了一个“Google AI中国中心总裁”的title。
而风向性的有：原Google北京研究院院长赵泽红，新职务名称是TensorFlow中国总监，未来AutoML发展不错，估计也会有个中国地区总监，目前TensorFlow算是个开始吧。
另外，还有一位“新人”首次亮相：去年新上任的Google大中华区CMO黄介中。他的人可能没有业务红——如果你有留意的话，去年嘻哈正火时，Google翻译请到了嘻哈侠欧阳靖(MCJin)代言，在中国力度空前地铺了一拨广告。
会上也专门打了小广告，强调Google翻译能用。
嗯，能用。
言外之意已经很清楚了，但就怕吃瓜群众爱解读更多。
涉及Google，调动话题和情绪的地方大家心知肚明，但那些以爱之名的期待，实际都太过模糊遥远。
不管是AI中国中心，还是近期AI硬件上的一些小举动，都与那个期待关联有限。
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------