Google AutoML 系统自主编写机器学习代码，其效率在某种程度上竟然超过了专业的研发工程师。AutoML的目标并不是要将人类从开发过程中剥离出去，也不是要开发全新的人工智能，而是让人工智能继续维持某种速度来改变世界。
人工神经网络已经实现了学习模型的自编码，还需要人来训练。而AutoML更进一步，实现了训练过程的自编码，通过类似Axure的拖拽方式就能完成对话操作。
在AutoML中，一种控制器神经网络能够提议一个“子”模型架构，然后针对特定任务进行训练与质量评估；而反馈给控制器的信息则会被用来改进下一轮的提议。我们重复这个过程数千次——从而生成新的架构，然后经过测试和反馈，让控制器进行学习。最终，控制器将学会为好的架构分配高的概率，以便在延续的验证数据集上实现更高的准确性，并且对于架构空间的差异很小。
AutoML 在机器学习系统的编程上，远胜于创造它的研究人员。在某个图像识别任务中，其实现了创纪录的 82% 的准确率。即使在一些复杂的人工智能任务中，其自创建的代码也比人类程序员优越。它可以在图像中标记多个点，准确率达到 42%；作为对比，人类打造的软件只有 39% 。
AutoML对AI意味着什么？
它像一款制作Demo的工具，可以帮PM理解端到端学习的应用边界。大部分PM（尤其转型中的）并不具备AI工程师的实操能力，这是个真实存在的痛点。以后若要验证新的场景思路，可以先做个Demo试试。解放出更多精力，分摊到分析场景、获取数据、设计方案、推进落地上。
谷歌五个月前才宣布了 AutoML，鉴于其能够在这么短的时间内打造出一套比研究人员自身更棒的机器学习 AI 系统，未来一年的成果显然更值得期待。
谷歌也表示，在降低AI门槛的道路上，我们只是刚刚开始，人工智能帮Cloud AI产品的10000多名客户所实现的能力大大激励了我们，我们希望Cloud AutoML的发布，能帮更多企业通过AI发现更多可能。
除此之外，谷歌在AI领域也做了很多的工作。Google 在去年推出了 AIY Projects，将 Raspberry Pi 与配件、软件和必备的纸板搭配使用，巧妙的将 AI 与 DIY 玩法结合，让使用者能够制作出专属的AI智能音响和AI智能相机。“Google 正在采取许多努力让机器学习能够更为"平易近人"，AIY Projects 主管 Billy Rutledge 表示。
AIY Voice Kit 套件可借助 Google Assistant SDK 和 Cloud Speech API，将树莓派转换为语音数字助理。用户可在此基础上创建虚拟语音助手、为自己的项目添加语音交互功能。比如用户可以打造类似于于Apple HomePod、Amazon Alexa 等的智能语音助手。
Google 还非常贴心的提供了一些 Voice Kit 的使用场景，控制电灯开启关闭、电器开关等等。通过 Google 提供的技术文档和演示，相信很多用户都能亲手构建出属于自己的AI语音助手。除了Voice Kit，Google 也同时改进了 Vision Kit 套件，更新后的 Vision Kit，除了包含 Vision Bonnet 电路板，镜头组、硬纸板机壳、背光按键、蜂鸣器以及扣具、连接线等零件、以及由厚纸板制作的内部框架与外壳外，还增加了树莓派 Zero WH、树莓派 Camera 2、Micro SD 卡。Vision Kit 套件的功能相当丰富，使用者也能自行开发各种功能，例如可以用来分辨多种动物与植物的品种，记录宠物的行动，记录车辆，访客的进出，或是在有外人进入房间时发出警报等等。在家做完人工智能相机，出门就可以跟朋友炫耀了~~
