2月6日, 谷歌在北京举办Think With Google大会. 会上, 谷歌云AI研发主管李佳发表演讲, 重点介绍了两周前发布的Google Cloud AutoML. 然而, 最值得注意的是, 李佳在此次会议上的第一title已经悄然变成了谷歌AI中国中心总裁. 会后, 李佳博士接受了网易智能的采访, 谈及谷歌AI中国中心的工作以及Google Cloud AutoML的未来发展.
图: 谷歌AI中国中心总裁李佳
谷歌AI中国中心成立两个多月以后, 李佳以 '总裁' 的新身份亮相.
2016年11月, 李佳从Snapchat公司离开, 追随自己在斯坦福大学的老师李飞飞一同加入谷歌, 任谷歌云AI研发主管. 2017年12月, 李飞飞在谷歌开发者大会上宣布了成立谷歌AI中国中心的消息, 由两人共同领导. 现在, 李佳成了新部门的执行者和负责人.
作为谷歌AI中国中心的领导者, 李佳在演讲中晒出了招聘信息, 大力招揽机器学习研究员和工程师. 在采访中, 李佳也表示, 谷歌AI中国中心会聚焦在基础研究上, 而目前主要工作就是聚集优秀的AI人才.
除此之外, 由于李佳和李飞飞都是谷歌云的高管, 近期又发布了一个重要的开发工具Cloud AutoML, 因此, 我们有理由相信, 谷歌AI中国中心早期的任务除了招聘之外, 还会大力推广谷歌Cloud AI的理念和一系列工具. 李佳在演讲中说到, 谷歌Cloud AI的目标是推动AI研究和产品研发之间的良性互动. 而刚刚发布的Cloud AutoML成为谷歌一个重要的普及AI的工具, 它以低门槛的方式为AI产品赋能.
据悉, Cloud AutoML发布两周以来, 注册用户已经超过1万个, 而且用户的背景也相当广泛. 除了零售行业, 医疗行业的用户以外, 还有很多特别的案例. 比如, 伦敦动物学会用 '相机记录' 跟踪世界各地的动物, 使用Cloud AutoML Vision自动标注图片, 节省了很大的人力标注工作. 还有一些环保机构用这个工具来检测垃圾等等.
李佳在采访中透露, Cloud AutoML的研发已经有一段时间了, 谷歌云的团队在之前已经做了很多工作. 这其中最大的难点, 也是最关键的事情是将技术和产品结合在一起. '在研发中, 我们还需要考虑到算力和资源需要. 最后Cloud AutoML集成了Transfer Learning(迁移学习)和Learning to Learning, 这两种技术可以优势互补. ' 李佳说到.
从AI应用的角度看, Cloud AutoML的确是一个非常方便的工具. 如果一个企业定制AI方案, 就要去定义算法, 收集数据, 通常要数个月或者数年才能完成. 而Cloud AutoML可以自动生成模型, 产品周期被大大缩短, 企业的花费也会降低. 而且, 谷歌还宣称其在图片分类上比专家设计模型效果更好.
在Cloud AutoML Vision(图像)之后, 谷歌还将陆续推出语音, 对话, 自然语言处理领域的Cloud AutoML.
但是, 低门槛Cloud AutoML是否在抢AI开发者的饭碗?李佳并不这么认为, 她说, '全球只有100万的AI专业人士可以打造自己的算法, 但是全球有2100万的开发者可以使用AutoML这样的产品. ' 李佳表示, Cloud AutoML实际上是为开发者打造的一款产品, 它把门槛降低, 让更多的开发者可以使用. 如果有更多的人使用AI, 这些开发者的机会就变得更多, 届时将会有更多懂行业, 懂产品的人把他们的特长发挥到极致.
对于开发AI的用户, 李佳将其分为四种:
第一种是AI的研究者, 他们可以用TensorFlow等工具去设计和开发.
第二种是API的用户, 这些用户没有数据去做训练, 他们需要接口, 不会自己开发模型.
第三种用户想定制自己的模型, 他们不需要自己去招聘AI人才, 不需要数据标注, 甚至不需要调参, 就能够通过Cloud AutoML定制的自己的模型.
第四种用户多是传统行业, 他们根本不知道怎么样用AI, 也不知道怎么做, 这时候谷歌会与客户深度密切合作, 教他们怎么用机器学习.
AI应用的产业非常广, 不同的用户有不同的需求. 当被问到如何保持Cloud AI在科技巨头中的竞争力, 李佳表示, 谷歌是一个AI First的公司, 谷歌目前所有的产品都是由AI赋能的, AI与Cloud是一个很好的结合, 背后是谷歌十几年对于产品的迭代和对AI的理解. 我们希望将这些经验分享给用户, 让他们也能创造更多的产品.
'AI本身是没有国界的, 我们希望未来全世界都可以用到AI的技术. ' 李佳说到.