坊间流传着这么一个说法：谷歌想回中国，必须靠AI；而靠AI回中国，必须搞个大事情。于是，上周四的晚上李飞飞发布了一篇博客，然后连着发了三条推特，宣布一个叫AutoML的AI产品启动了。
一夜之间，中国的科技媒体就爆炸了，空气中似乎回荡着那一句话：搞事情了搞事情了搞事情了……
AutoML到底是不是跟谷歌的中国战略有关，我们不做讨论。这里希望帮大家搞清楚的，是这个AutoML到底要搞什么事情。
按照谷歌云AI项目首席科学家李飞飞的说法，AutoML的目标是降低开发者、研究者和企业群体使用人工智能相关工具和框架的门槛。而通俗的理解大概就是，这个产品可以不用写一行代码，就训练出一个企业级的机器学习模型。AutoML也就是“自动机器学习”的意思。
惊不惊喜？意不意外？
传说中学会机器学习年入50万起呢？说好的BAT疯抢AI工程师呢？是不是感觉刚掏出去的培训费被风吹走了？
更有网友惊奇地评论道：不是说一起用AI去革一大堆工作的命吗？怎么我辛辛苦苦学AI结果先被革命了？
当然了，现实并没有这么残酷。但谷歌的动作并不是孤例，背后隐含着的，是一直被反复提及的“AI民主化”。并且也确实折射出“我们今天学的AI也许是没用的”这种可能。
让我们从这个“谷歌大动作”来一点点说起。
搞笑的吧？原来最先被AI革命的是AI工程师？
谷歌放出的这个让代码界风声鹤唳的东西，叫做AutoML Vision.是整个AutoML体系的第一款产品，专注自动生产图像识别领域的模型。
我们用简单易懂的方式描述一下这个系统是如何工作的吧：
假如以前我想要做一个能够进行图像识别的AI系统，那么我需要在开发框架上自己搭建训练过程，完成各种训练部署，导入数据集，整个过程需要使用编程的方式来完成。
但在AutoML Vision上，我就一行代码都不用写，只需要按照说明，把我希望训练用的图片都拖进系统里，然后耐心等待，一个训练好的机器学习模型就趁热出炉了。
举个例子，假如你想训练一个模型，用来识别你家的猫主子是不是生气了（这得有多无聊……），那么就只需要在AutoML Vision拖入你家猫的照片、它生气时候的照片、高兴时候的照片等等等等，然后你就会得到一个识别程序。用它连上手机拍照，就可以让AI去理解猫大人的喜怒哀乐了。
是不是挺神的？
（AutoML Vision拖放图片界面）（AutoML Vision拖放图片界面）
这背后，是谷歌利用了深度学习领域中的迁移学习（Transfer Learning）技术。把此前谷歌训练图像识别模型时积累下来的训练过程，迁移到AutoML当中，这样就节省下来了后续类似模型的开发过程。
简单来说，AutoML有点像谷歌云搭建的一个“解题公式”。之后的考生并不需要知道公式是怎么来的，只需要把问题套进去就可以得到答案。当然了，这只是简单交代一下它的工作原理，实际上没有那么容易。尤其在调试进程中，不同模型需求和系统的兼容度是个大问题。
总而言之，这个产品以及背后的思路，对于想做机器学习又缺乏专业技术和人才的企业来说确实是个福音。它取消的，是通过代码搭建机器学习模型的过程，以及复杂的调试工作。仅保留了输入特定数据这件事给用户。很大程度上降低了机器学习训练中的工作量，尤其是编程工作。
但也别太乐观。虽然AutoML目前还没有正式发布，真实效果有待考量，使用价格也是未知数。但就目前信息来看，AutoML生成定制化模型需要的数据量还是很大。不是毫无基础的开发者能够搞定的。
而且它只能完成相对简单的任务，且只能套用谷歌给出的训练方案。如果想要制作比较复杂的机器学习系统，使用独特算法进行训练，那么编程还是不可避免的。
所以呢，目前来看真正用心且努力进入AI开发领域的朋友大可放心。只懂个大概想要快速转行AI骗高薪的朋友，那就期待老板比你更不懂吧…