加速轉型、解決數據人才不足問題 Google發表Cloud AutoML Vision
針對Google I/O 2017 期間，Google 公司發表多項有關「AutoML」自動機器學習演算法的工具，稍早Google 進一步推出「Cloud AutoML Vision」，希望透過門檻更低的機器學習演算法，協助開發者、研究員、企業等可以快速地運用人工智慧，從中獲利。
根據統計，全球開發者總數大約有 2100 萬人，但全球的「大數據科學家」僅約100 萬人，許多企業、開發者等缺乏機器學習的專家可以整理資料、分析數據、並發展機器學習模型以建立個人化的解決方案。
Google Cloud 人工智慧和機器學習首席科學家李飛飛透過視訊向媒體表示，2017 年，Google 針對 Google Cloud AI 應用發表 12 個產品，爲協助企業、開發者能在人工智慧的發展中獲益。Google 指出，截至目前爲止，已有超過 1 萬的付費客戶在使用 Google 雲端人工智慧的服務Google Cloud AutoML，而 Google 已藉由機器學習 API 將機器學習模型導入文字、語言、影音、圖像等五大領域。
然而對於一般中小企業來說，投資Google Cloud AutoML 並未能有效解決它們的問題，其原因在於「客製化」。
因此Google 希望拓展 AI 應用，像是在針對健康照護、商場、保險等三個方面，透過全新的「Cloud AutoML Vision」，業主可以在有限的數據人才等資源下，藉由簡單、彈性、且優於產業安全標準的機器學習服務，訓練出個人化的視覺模型。
概略來說，「Cloud AutoML Vision」爲第一個推出的 Google Cloud AutoML 產品，透過簡潔且圖像化的使用者介面，使用者可以自由上傳圖像等資訊，進而訓練並管理模型，甚至還可以在雲端上直接使用模型或是立即建構模型，藉此爲業主提供數據標記、處理、以及自動建構客製化機器學習模型；此外，Cloud AutoML Vision 也能直接在Google 雲端上進行雲端模式比對(Prediction API)和雲端模式推理(Inference API)，讓使用者可以建立出協同工作的整合方案。
在過去，Google Cloud AutoML 已經與迪士尼(Disney)、UrbanOutfitters、 Zoological Society of London等單位合作，迪士尼(Disney)將運用 Google Cloud AutoML 建構精準的圖像模型以將迪士尼的產品依據角色、產品種類及主流顏色等進行註解。而迪士尼的搜尋引擎也結合註解的功能，以協助消費者可以更快速找到更相關、符合的產品，提升消費者的購物流程體驗。
至於服飾品牌 UrbanOutfitters ，則是透過 Google Cloud AutoML 辨別更細微的產品特色，像是花紋、服裝的頸部設計等，讓品牌識別消費者適合商品的流程更加自動化。而公益機構 Zoological Society of London 方面，藉由 Google Cloud AutoML 自動化的標籤與分類大量動物照片，有效降低成本、擴大規模部署、並且更深入瞭解如何更有效率地保育全球生存於大自然的動物。
全新發表的「Cloud AutoML Vision」主要的用途在於客製化深度學習，以成衣廠來說，以往導入Google Cloud AutoML的廠商，可能可以辨識衣服的顏色、是長袖還是短袖，但是「Cloud AutoML Vision」卻可以進一步從照片當中分析衣服領口、袖口設計等細節，藉此做到更客製化的服務。
應用到建材行也是一樣，有些消費者可能有看過某個磁磚很合適，但是不知道什麼樣的材質跟大小，未來透過人工智慧，只要放進去照片，就可以找出磁磚的材質、顏色跟大小，
又好比像是汽車保險，以往可能要透過照片多方比對，才能知道大概汽車受損的層度，然後可能適用哪種保險層級，但若是在透過「Cloud AutoML Vision」訓練好的電腦當中，只要丟進去照片，系統就會辨別車子損傷範圍，接着提供相對應的理賠建議。
李飛飛表示，透過 Cloud AutoML Vision，可以讓那些還沒有機器學習訓練模組的機構，學習建立機器學習模組，然後提供更符合病人的醫療協助。Google 相信，AutoML 能夠協助客戶在最快的時間當中，掌握更最合適的對策，然後創造獲利。
以臺灣來說，有很多中小型的電商，隨着時間累積，產品品項越來越多的前提下，可能需要花很多時間跟人力去解決問題，然而要導入機器學習需要很多成本跟經驗的累積，現在透過這個工具，可以協助顧客找到更細微的分類，進而解決問題，而且會越做越好。