AutoKeras：Google AutoML的剋星

雷鋒網 AI 科技評論按：Google AI 近日終於發布了 AutoML 的測試版，有人說這項服務將徹底改變我們進行深度學習的方式。

Google 的 AutoML 是一套新的雲端機器學習軟體工具套件。它基於谷歌在圖像識別領域最新的研究成果，即神經結構搜索（NAS）。NAS 其實就是一種演算法，它會根據你所給定的數據集，自動搜索在上面執行某個任務時可以達到最佳表現的神經網路。AutoML 也是一套機器學習工具，它使人們可以輕鬆地訓練高性能深度神經網路，而無需用戶（自身）掌握深度學習或 AI 知識，你只用標記數據就行啦！Google 將使用 NAS 為你指定的數據集和任務量身定做最好的網路。Google 已經展示過這套演算法，並成功獲得了遠超人工設計網路的性能。

AutoML 完全改變了整個機器學習領域的玩法，因為對於許多應用而言，以後再也不需要掌握專業技能和知識。許多公司只需要運用深度網路就能完成比較簡單的任務，如圖像分類。那時，他們就不再需要僱用 5 名機器學習博士；他們只需要一個會移動和會組織數據的人即可。

那麼 AutoML 真的就像一柄尚方寶劍那樣，能讓任何公司或個人都能輕鬆做 AI 嗎？！

.…… 還沒那麼快……

使用 Google 的 AutoML 進行計算機視覺，它的價格是每小時 20 美元。簡直貴瘋了！在你付費並試用它之前，你甚至都不能確定它真的會比自己手工設計的網路更精確。值得一提的是，從以前開始，無論在 Google 還是 AI 社區，人們總是傾向於開源，以便能夠與所有人分享知識。

而這正是 Google 的 AutoML 將會吃虧的領域：開源。

看看AutoKeras吧，這是一個編寫在十分易於使用的深度學習庫 Keras 中的一個開源的 python 包。AutoKeras 使用了ENAS，這是一種高效且最新版本的神經結構搜索方法。你只要使用pip install autokeras就能快速輕鬆地安裝軟體包，接著就能用自己的數據集來執行自己的架構搜索啦！而且還是免費的喲！

由於所有代碼都是開源的，所以如果你想做一些定製化的事情呢，甚至可以去調整部分參數。因為仍然是用 Keras 編寫的，使得代碼易於理解和鑽研，這讓開發人員可以迅速創建準確的模型，也利於研究員更深刻的理解架構搜索的方法。

我一定會推薦你們使用 AutoKeras 或其他任何實現，因為它們比 AutoML便宜太多了。也許谷歌正在開源的部分之外為 AutoML 做更多的幕後工作，但考慮到 NAS 模型和手工設計的模型之間的性能差別非常小，我真的懷疑大家會為了只高出一點的性能來支付如此昂貴的費用。

深度學習和人工智慧是十分強大的技術，我們不應該用如此高額的費用來阻礙它的現世。雖說谷歌、亞馬遜、蘋果、Facebook 和微軟確實都需要用盈利來生存和競爭，但在當前研究論文公開的前提下，我們明明有深度學習庫可以用來快速複製方法，卻要嘗試阻止開源，這實在不是明智之舉。

這裡還有一個潛在的更大的問題:知識本身正在被隱藏。最近人工智慧發展趨勢的一大亮點是，許多研究社區決定在 Arxiv 等網站上公開發布他們的研究成果，與社區分享並獲得反饋。更重要的是，越來越多的人將研究代碼發布到 Github 上，可以複製和繼續改進，並在研究和真實世界問題中得到更進一步的引用。然而在這裡，我們仍然看到這樣的研究被放在付費牆後面。

共享科學知識有助於進步並增加每個人的普遍知識。有一點是可以肯定的：知識應該是開源的，這能惠及每個人。

viatechcrunc，雷鋒網 AI 科技評論編譯雷鋒網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！