2月6日, 穀歌在北京舉辦Think With Google大會. 會上, 穀歌雲AI研發主管李佳發表演講, 重點介紹了兩周前發布的Google Cloud AutoML. 然而, 最值得注意的是, 李佳在此次會議上的第一title已經悄然變成了穀歌AI中國中心總裁. 會後, 李佳博士接受了網易智能的採訪, 談及穀歌AI中國中心的工作以及Google Cloud AutoML的未來發展.
圖: 穀歌AI中國中心總裁李佳
穀歌AI中國中心成立兩個多月以後, 李佳以 '總裁' 的新身份亮相.
2016年11月, 李佳從Snapchat公司離開, 追隨自己在斯坦福大學的老師李飛飛一同加入穀歌, 任穀歌雲AI研發主管. 2017年12月, 李飛飛在穀歌開發者大會上宣布了成立穀歌AI中國中心的消息, 由兩人共同領導. 現在, 李佳成了新部門的執行者和負責人.
作為穀歌AI中國中心的領導者, 李佳在演講中曬出了招聘資訊, 大力招攬機器學習研究員和工程師. 在採訪中, 李佳也表示, 穀歌AI中國中心會聚焦在基礎研究上, 而目前主要工作就是聚集優秀的AI人才.
除此之外, 由於李佳和李飛飛都是穀歌雲的高管, 近期又發布了一個重要的開發工具Cloud AutoML, 因此, 我們有理由相信, 穀歌AI中國中心早期的任務除了招聘之外, 還會大力推廣穀歌Cloud AI的理念和一系列工具. 李佳在演講中說到, 穀歌Cloud AI的目標是推動AI研究和產品研發之間的良性互動. 而剛剛發布的Cloud AutoML成為穀歌一個重要的普及AI的工具, 它以低門檻的方式為AI產品賦能.
據悉, Cloud AutoML發布兩周以來, 註冊用戶已經超過1萬個, 而且用戶的背景也相當廣泛. 除了零售行業, 醫療行業的用戶以外, 還有很多特別的案例. 比如, 倫敦動物學會用 '相機記錄' 跟蹤世界各地的動物, 使用Cloud AutoML Vision自動標註圖片, 節省了很大的人力標註工作. 還有一些環保機構用這個工具來檢測垃圾等等.
李佳在採訪中透露, Cloud AutoML的研發已經有一段時間了, 穀歌雲的團隊在之前已經做了很多工作. 這其中最大的難點, 也是最關鍵的事情是將技術和產品結合在一起. '在研發中, 我們還需要考慮到算力和資源需要. 最後Cloud AutoML整合了Transfer Learning(遷移學習)和Learning to Learning, 這兩種技術可以優勢互補. ' 李佳說到.
從AI應用的角度看, Cloud AutoML的確是一個非常方便的工具. 如果一個企業定製AI方案, 就要去定義演算法, 收集數據, 通常要數個月或者數年才能完成. 而Cloud AutoML可以自動生成模型, 產品周期被大大縮短, 企業的花費也會降低. 而且, 穀歌還宣稱其在圖片分類上比專家設計模型效果更好.
在Cloud AutoML Vision(映像)之後, 穀歌還將陸續推出語音, 對話, 自然語言處理領域的Cloud AutoML.
但是, 低門檻Cloud AutoML是否在搶AI開發者的飯碗?李佳並不這麼認為, 她說, '全球只有100萬的AI專業人士可以打造自己的演算法, 但是全球有2100萬的開發者可以使用AutoML這樣的產品. ' 李佳表示, Cloud AutoML實際上是為開發者打造的一款產品, 它把門檻降低, 讓更多的開發者可以使用. 如果有更多的人使用AI, 這些開發者的機會就變得更多, 屆時將會有更多懂行業, 懂產品的人把他們的特長發揮到極致.
對於開發AI的用戶, 李佳將其分為四種:
第一種是AI的研究者, 他們可以用TensorFlow等工具去設計和開發.
第二種是API的用戶, 這些用戶沒有數據去做訓練, 他們需要介面, 不會自己開發模型.
第三種用戶想定製自己的模型, 他們不需要自己去招聘AI人才, 不需要數據標註, 甚至不需要調參, 就能夠通過Cloud AutoML定製的自己的模型.
第四種用戶多是傳統行業, 他們根本不知道怎麼樣用AI, 也不知道怎麼做, 這時候穀歌會與客戶深度密切合作, 教他們怎麼用機器學習.
AI應用的產業非常廣, 不同的用戶有不同的需求. 當被問到如何保持Cloud AI在科技巨頭中的競爭力, 李佳表示, 穀歌是一個AI First的公司, 穀歌目前所有的產品都是由AI賦能的, AI與Cloud是一個很好的結合, 背後是穀歌十幾年對於產品的迭代和對AI的理解. 我們希望將這些經驗分享給用戶, 讓他們也能創造更多的產品.
'AI本身是沒有國界的, 我們希望未來全世界都可以用到AI的技術. ' 李佳說到.