纳金网

标题: 谷歌神器：最先被AI淘汰的，居然是做AI的？ [打印本页]

作者: 铁锹 时间: 2018-1-24 08:45
标题: 谷歌神器：最先被AI淘汰的，居然是做AI的？
原标题：谷歌搞事情：最先被AI淘汰的，居然是做AI的？

物化时代啊！

本文来自微信公众号脑极体（unity007），36氪经授权发布。
坊间流传着这么一个说法：谷歌想回中国，必须靠AI；而靠AI回中国，必须搞个大事情。于是，上周四的晚上李飞飞发布了一篇博客，然后连着发了三条推特，宣布一个叫AutoML的AI产品启动了。

一夜之间，中国的科技媒体就爆炸了，空气中似乎回荡着那一句话：搞事情了搞事情了搞事情了……
AutoML到底是不是跟谷歌的中国战略有关，我们不做讨论。这里希望帮大家搞清楚的，是这个AutoML到底要搞什么事情。
按照谷歌云AI项目首席科学家李飞飞的说法，AutoML的目标是降低开发者、研究者和企业群体使用人工智能相关工具和框架的门槛。而通俗的理解大概就是，这个产品可以不用写一行代码，就训练出一个企业级的机器学习模型。AutoML也就是“自动机器学习”的意思。
惊不惊喜？意不意外？
传说中学会机器学习年入50万起呢？说好的BAT疯抢AI工程师呢？是不是感觉刚掏出去的培训费被风吹走了？
更有网友惊奇地评论道：不是说一起用AI去革一大堆工作的命吗？怎么我辛辛苦苦学AI结果先被革命了？
当然了，现实并没有这么残酷。但谷歌的动作并不是孤例，背后隐含着的，是一直被反复提及的“AI民主化”。并且也确实折射出“我们今天学的AI也许是没用的”这种可能。
让我们从这个“谷歌大动作”来一点点说起。
搞笑的吧？原来最先被AI革命的是AI工程师？
谷歌放出的这个让代码界风声鹤唳的东西，叫做AutoML Vision。是整个AutoML体系的第一款产品，专注自动生产图像识别领域的模型。
我们用简单易懂的方式描述一下这个系统是如何工作的吧：
假如以前我想要做一个能够进行图像识别的AI系统，那么我需要在开发框架上自己搭建训练过程，完成各种训练部署，导入数据集，整个过程需要使用编程的方式来完成。
但在AutoML Vision上，我就一行代码都不用写，只需要按照说明，把我希望训练用的图片都拖进系统里，然后耐心等待，一个训练好的机器学习模型就趁热出炉了。
举个例子，假如你想训练一个模型，用来识别你家的猫主子是不是生气了（这得有多无聊..），那么就只需要在AutoML Vision拖入你家猫的照片、它生气时候的照片、高兴时候的照片等等等等，然后你就会得到一个识别程序。用它连上手机拍照，就可以让AI去理解猫大人的喜怒哀乐了。
是不是挺神的？

（AutoML Vision拖放图片界面）
这背后，是谷歌利用了深度学习领域中的迁移学习（Transfer Learning）技术。把此前谷歌训练图像识别模型时积累下来的训练过程，迁移到AutoML当中，这样就节省下来了后续类似模型的开发过程。
简单来说，AutoML有点像谷歌云搭建的一个“解题公式”。之后的考生并不需要知道公式是怎么来的，只需要把问题套进去就可以得到答案。当然了，这只是简单交代一下它的工作原理，实际上没有那么容易。尤其在调试进程中，不同模型需求和系统的兼容度是个大问题。
总而言之，这个产品以及背后的思路，对于想做机器学习又缺乏专业技术和人才的企业来说确实是个福音。它取消的，是通过代码搭建机器学习模型的过程，以及复杂的调试工作。仅保留了输入特定数据这件事给用户。很大程度上降低了机器学习训练中的工作量，尤其是编程工作。
但也别太乐观。虽然AutoML目前还没有正式发布，真实效果有待考量，使用价格也是未知数。但就目前信息来看，AutoML生成定制化模型需要的数据量还是很大。不是毫无基础的开发者能够搞定的。

而且它只能完成相对简单的任务，且只能套用谷歌给出的训练方案。如果想要制作比较复杂的机器学习系统，使用独特算法进行训练，那么编程还是不可避免的。
所以呢，目前来看真正用心且努力进入AI开发领域的朋友大可放心。只懂个大概想要快速转行AI骗高薪的朋友，那就期待老板比你更不懂吧…
除了图像识别，谷歌未来还计划将AutoML服务拓展到翻译、视频和自然语言处理等领域。这或许意味着初级的AI程序被自动生成、快速复制到各行业已经不远了。
虽然谷歌表示AutoML是目前唯一一个此类产品，但其实各家也都在部署类似的业务。比如亚马逊的Amazon SageMaker，以及微软还未正式发布的定制图像识别模型服务。包括国内的百度，也在旗下AI开放平中推出过定制化图像开放平台。
谷歌这次之所以被称为“搞了个大事”，主要是因为目前来看AutoML的自动化程度更高，尤其是解决了自动搭建训练模型和调参这两大问题。
在谷歌这么卖力的背后，似乎写着五个大字：AI民主化…
AI民主化，要取消了谁的集权？
去年3月，刚刚加盟谷歌不久的李飞飞就表示，人工智能的下一步是完成“AI民主化”。在这次发布AutoML之后，她又一次表示由于资源稀缺，多数企业无法开发个性化模型，所以AutoML的出现是为了进一步推进AI民主化。

那么问题来了：AI民主，到底是针对谁的专政？要取消谁的集权？
有人说了，AI现在是掌握在几家大公司手里的。AI民主当然是要让人人成为AI的主人，破解巨头专政。
我只能说，你当人家傻啊？
难道谷歌们会费了好大力气，为了瓦解自己的霸权？当然不会。就像AutoML的产品思路中展示的那样，省略掉了开发者的技术门槛，谷歌从中吃亏了吗？没有。谷歌拥有了更多的用户，自身的算法优势无形中得到了扩张。并且AutoML的用户训练模型是要直接部署在谷歌云上的，显然这也是个变相捆绑，希望从刁钻角度刺AWS几刀。
对于最迫切希望得到“民主”的小公司和个人开发者而言，巨头兜售的开发者赋能和去技术门槛式“民主”，绝不是仁慈的馈赠，而是换取小开发者紧密依赖关系的生态交换。真正被所谓AI民主瓦解的，其实是夹在大公司和小开发者之间的中层公司，或者叫算法公司、技术公司。
目前在世界各地的AI市场上，这类中型公司都普遍存在。当然其存在是有意义和价值的。对于巨头来讲，将技术能力打入各行各业，开发各种各样的应用是完全不可能的，那么就有赖于开发者去做这些事，自己做平台服务和技术能力的输出者就好了。
但小团队和个人开发者能去做这些深入行业，或者极具创意的开发吗？答案是也不行，因为从头开始的技术太复杂，对人才的需求太高。一般开发者和小企业根本玩不起。
于是就出现了大量夹层公司，他们以技术壁垒为主要产业支撑点。利用重技术和人才去做一些其实看起来不那么“重”的小应用。或者以开发定制化AI模型的方式向第三方收费。
而谷歌、英特尔等巨头企业都在倡导的AI民主化，事实上是将需要大量“AI劳动力”完成的工作装入自动化模型里。向上收回底层技术开发权，向下直接触达细分开发场景。
说白了，小公司、个人创业者、人才稀薄地区想要引入AI，就必须能从成本上越过技术公司，自己玩得起AI。巨头的AI民主，当然是希望消解那些凭借“二手技术”和“雇佣能力”卡位的企业，把他们的份额分给更小的开发者。让开发者仅仅提供创意和运营、市场等能力来激活AI的广泛前景。
所以所谓AI民主，真正消解的是AI当中，非创造性工作制造的准入壁垒。
而在AutoML代表的自动化战略进一步实施后，最可能带来的影响，是AI产业链去中层化。一些看似很大的公司，却做出来很小的价值，仅仅依靠AI技术壁垒来占据市场份额和资本关注，大概是这场“民主运动”中最危险的。
今天的AI，会不会是跑不过马的汽车？
最后，我们可能还要开另一个脑洞：AI民主化虽然听起来很美，但未必全是好消息。
毋庸讳言，AutoML这样的产品在今天带来的AI民主化进度，可以说是肉眼可见的。如果回头看看一两年，很容易就会发现AI的产业链和开发规则已经大变样了。
但这对产业边缘徘徊不前的企业来说一定是好事吗？就像文章开头提到的，AutoML一发布，很多程序员朋友第一反应是调侃自己的AI白学了。但要知道，他们可才学了没有多长时间。那么对于想要进入这个领域的企业来说，类似的恐惧会不会更深？
我们知道，在绝大多数共识里，今天以机器学习为主导的AI复兴，核心区域是由三个因素构成的：算法、算力和数据。
有趣的是，这三个因素在今天都在快速“被民主”。

算法上，AI开发框架开始越来越智能，AutoML这样的产品甚至能自动编程，实现算法工具化和模块化。
算力上，各种新的硬件和处理到来，算力成本近乎每一天都在跌落。
数据上，越来越多的免费数据分享成为常态。并且前沿的AI技术争论中，已经开始质疑大量数据对于深度学习的必须性。
总而言之，差不多每隔一段时间，AI的门槛就会下调一次。但在企业和开发者的角度看，这样的情况就有点苦恼：我们会不会现在部署的AI能力，一个月之后就被淘汰了？
我们知道，汽车最开始是跑不过马车的。虽然最终证明了汽车绝对强过马车，购入汽车是正确的，但大家恐怕都不希望成为那辆超级老爷车的乘客。何况AI这东西连汽车的收藏价值都没有。
就像此时此刻，不知道有没有一位刚刚组建了豪华机器学习专家团队的企业家，突然发现原来自己想做的，随便弄个人操作下谷歌的新软件，再等上一天就搞定了…..
也许在今天，正在让企业感受到的，不是AI开发门槛逐步降低带来的愉悦，而是面对AI体系快速迭代产生的恐慌。毕竟我们都不知道，自己今天做的会不会几个月之后就被证明毫无意义。
尤其对于中国企业来说，习惯是赶风口，风来则上风小则退。这么复杂，天天这样那样的AI，谁有心情跟他躲猫猫啊？

欢迎光临纳金网 (http://rs.narkii.com/club/)