什么是 AutoML？又有什么样的特点？

▼

“若用一句话形容，Google 的 Cloud AutoML 是一种‘自动建模’工具。”玉山金控科技长暨中国台湾人工智慧学校执行长陈昇玮说。

什么是 AutoML？

Cloud AutoML 可帮企业用较低的成本，更快的速度建置模型，容易上手，可以降低企业导入机器学习的进入门槛，即使企业具备的机器学习专业知识有限，也能建立精确的模型。

从 Google 部落格资料来看，这套工具的易用性，更是一大亮点。“AutoML 提供简单明了的图形化使用者介面，方便使用者选取数据，接着再利用这些数据打造符合使用者特定需求的模型。”

“AutoML 在资讯技术的发展堆叠上，最大的意义在于把人工智慧技术的抽象层级再提高一层，就好像 C 语言的发明，让程式设计师从此以后不用懂太多底层电脑的架构就可以写程式一样，现在使用 AI 技术不用懂太多机器学习。”LIVEhouse 共同创办人程世嘉在《Google 凭 AutoML，将把 AI 新创公司的一些活路堵死》文章指出。

程世嘉认为，“AutoML 最大的突破性和破坏性在‘用 AI 协助企业做决策’这个领域。”另外，他也认为“AutoML 把人工智慧的易用性扩大到所有不太懂人工智慧的人。”

适合中国台湾“少量多样”的制造业生态

而这样个工具对中国台湾企业的帮助有多大呢？艾尔科技（MyET）执行长林宜敬分析，最近这一波人工智慧热潮，最主要的突破是在影像分类，而 AutoML 这样的工具，可让一家企业很快建立自己的影像分类程式。

林宜敬举例，中国台湾有许多电子制造业公司雇用很多目视检测（Visual Inspection）人员，他们的工作，就是将看起来有问题的产品跟看起来没有问题的产品分开。有了 AutoML 之后，那些电子制造业公司就可以很快建立自己的人工智慧目视检验程式，取代人工的目视检测。

“当然，大型电子公司早就在使用一些自动光学检查（Automated Optical Inspection，AOI）工具，那些自动光学检查工具用的也许不是最新的机器学习技术，但已经非常成熟，融入很多 Domain Knowledge，并跟整个制造流程结合得很好。用 AutoML 这种工具做出来的目视检测程式，也许正确率会更高，但能不能跟现有的制造品管流程顺利结合？这恐怕还要花一番工夫。”林宜敬举例。

“我不是这方面的专家，但是我猜，用 AutoML 做出来的自动光学检查工具，应该灵活性更高，也许更适合中国台湾‘少量多样’的制造业生态。这应该是一个机会。”林宜敬说。

台大资工系教授洪士灏，也认同这类工具带来的正面效益认为，对于深耕专业领域的新创，Google AutoML 可能是助力。

不过对新创公司来说，如果公司仅专精在建模部分，那其服务被这些平台取代的机会相当大。

适用在概念验证或最小可行性产品

不过陈昇玮提醒，若企业都使用这种标准工具建模，会产生“大家采用一样的工具，模型效能等级雷同的状况”，因此对企业来说，这类工具，适合“还不需要做到极致，只是能跑的模型即可。”

趋势科技全球资深研发副总周存貹指出，对于企业来说，什么样的“ML 应用”可以帮助企业（不管是在利润或营运上）是一大挑战，找到适合企业的应用才是重点。AutoML 对于找应用可能帮不了太多，如果找到合适的应用，AutoML 也许可以快速的证明这个应用是否可行。

蓝星球副总经理宋浩则分析，自动化机器学习工具适合用资源不够充足，或是还不想花大钱组建人工智慧团队的企业，用在概念验证（Prove of concept）期或是打造最小可行性产品（MVP：Minimum Viable Product；最小可行产品）时采用。”

概念并非 Google 独有，Mircrosoft 与 IBM 也致力于此

本文虽然以 Google Clould AutoML 产品为例，不代表仅有 Google 投入资源打造这类工具，其实，除了 Google，Microsoft 的 Cognitive Services、亚马逊的 AWS 也有雷同服务。

也有业内人士指出，Google Clould AutoML 的确降低机器学习的建模门槛，但创新性并非跨时代性。也因此我们对 AutoML 等工具也不应太过“神话”化。

微软亚太研究院院长洪小文就针对此议题提供一个有趣的观点，“当初汽车出来也冠上 Automobile 之名，但汽车到现在也还没真正全自动化。”

（本文由 AI资源网 授权转载；首图来源：Google）

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。