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,李佳博士接受了采访,谈及谷歌 AI 中国中心的工作以及 Google Cloud AutoML 的未来发展。
 
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。
 
谷歌 AI 中国中心总裁李佳
 
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。