“若用一句话形容，Google 的 Cloud AutoML 是一种‘自动建模’工具。”玉山金控科技长暨台湾人工智能学校首席执行官陈昇玮说。
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界面，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能技术的抽象层级再提高一层，就好像 C 语言的发明，让程序员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 把人工智能的易用性扩大到所有不太懂人工智能的人。”
适合台湾“少量多样”的制造业生态
而这样个工具对台湾企业的帮助有多大呢？艾尔科技（MyET）首席执行官林宜敬分析，最近这一波人工智能热潮，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，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能目视检验程式，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能团队的企业，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 数位时代 授权转载；首图来源：Google）
