加速转型、解决数据人才不足问题 Google发表Cloud AutoML Vision
针对Google I/O 2017 期间，Google 公司发表多项有关「AutoML」自动机器学习演算法的工具，稍早Google 进一步推出「Cloud AutoML Vision」，希望透过门槛更低的机器学习演算法，协助开发者、研究员、企业等可以快速地运用人工智慧，从中获利。
根据统计，全球开发者总数大约有 2100 万人，但全球的「大数据科学家」仅约100 万人，许多企业、开发者等缺乏机器学习的专家可以整理资料、分析数据、并发展机器学习模型以建立个人化的解决方案。
Google Cloud 人工智慧和机器学习首席科学家李飞飞透过视讯向媒体表示，2017 年，Google 针对 Google Cloud AI 应用发表 12 个产品，为协助企业、开发者能在人工智慧的发展中获益。Google 指出，截至目前为止，已有超过 1 万的付费客户在使用 Google 云端人工智慧的服务Google Cloud AutoML，而 Google 已借由机器学习 API 将机器学习模型导入文字、语言、影音、图像等五大领域。
然而对于一般中小企业来说，投资Google Cloud AutoML 并未能有效解决它们的问题，其原因在于「客制化」。
因此Google 希望拓展 AI 应用，像是在针对健康照护、商场、保险等三个方面，透过全新的「Cloud AutoML Vision」，业主可以在有限的数据人才等资源下，借由简单、弹性、且优于产业安全标准的机器学习服务，训练出个人化的视觉模型。
概略来说，「Cloud AutoML Vision」为第一个推出的 Google Cloud AutoML 产品，透过简洁且图像化的使用者介面，使用者可以自由上传图像等资讯，进而训练并管理模型，甚至还可以在云端上直接使用模型或是立即建构模型，借此为业主提供数据标记、处理、以及自动建构客制化机器学习模型；此外，Cloud AutoML Vision 也能直接在Google 云端上进行云端模式比对(Prediction API)和云端模式推理(Inference API)，让使用者可以建立出协同工作的整合方案。
在过去，Google Cloud AutoML 已经与迪士尼(Disney)、UrbanOutfitters、 Zoological Society of London等单位合作，迪士尼(Disney)将运用 Google Cloud AutoML 建构精准的图像模型以将迪士尼的产品依据角色、产品种类及主流颜色等进行注解。而迪士尼的搜寻引擎也结合注解的功能，以协助消费者可以更快速找到更相关、符合的产品，提升消费者的购物流程体验。
至于服饰品牌 UrbanOutfitters ，则是透过 Google Cloud AutoML 辨别更细微的产品特色，像是花纹、服装的颈部设计等，让品牌识别消费者适合商品的流程更加自动化。而公益机构 Zoological Society of London 方面，借由 Google Cloud AutoML 自动化的标签与分类大量动物照片，有效降低成本、扩大规模部署、并且更深入了解如何更有效率地保育全球生存于大自然的动物。
全新发表的「Cloud AutoML Vision」主要的用途在于客制化深度学习，以成衣厂来说，以往导入Google Cloud AutoML的厂商，可能可以辨识衣服的颜色、是长袖还是短袖，但是「Cloud AutoML Vision」却可以进一步从照片当中分析衣服领口、袖口设计等细节，借此做到更客制化的服务。
应用到建材行也是一样，有些消费者可能有看过某个磁砖很合适，但是不知道什么样的材质跟大小，未来透过人工智慧，只要放进去照片，就可以找出磁砖的材质、颜色跟大小，
又好比像是汽车保险，以往可能要透过照片多方比对，才能知道大概汽车受损的层度，然后可能适用哪种保险层级，但若是在透过「Cloud AutoML Vision」训练好的电脑当中，只要丢进去照片，系统就会辨别车子损伤范围，接着提供相对应的理赔建议。
李飞飞表示，透过 Cloud AutoML Vision，可以让那些还没有机器学习训练模组的机构，学习建立机器学习模组，然后提供更符合病人的医疗协助。Google 相信，AutoML 能够协助客户在最快的时间当中，掌握更最合适的对策，然后创造获利。
以台湾来说，有很多中小型的电商，随着时间累积，产品品项越来越多的前提下，可能需要花很多时间跟人力去解决问题，然而要导入机器学习需要很多成本跟经验的累积，现在透过这个工具，可以协助顾客找到更细微的分类，进而解决问题，而且会越做越好。