Google發表Cloud AutoML工具，要讓天下沒有難導入的AI。
Cloud AutoML背後的技術是遷移學習（Transfer Learning），藉由將已經訓練好的模型套用至新的模型，以幫助新的模型訓練。此外，learning2learn 及超參數調整技術（hyperparameter tuning technologies）能提供大幅改善的結果給客戶。
特點：拖放式直覺採用，分類更準確
Cloud AutoML其中第一個Cloud AutoML版本將是Cloud AutoML Vision。這個工具可以讓企業用更快的速度建立使用於圖像辨識自定義ML(Machine Learning，機器學習)模型。
Google雲端人工智慧與機器學習研發負責人李佳強調，該工具提供數據標記、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)，使用者可以建立出協同工作的整合方案。
而且介面採用拖放式，因此使用者可以很直覺地上傳圖像，訓練和管理模型，甚至最後可以直接部署模型。
在常見的mageNet和CIFAR等數據集分類結果顯示，使用Cloud AutoML Vision比起先前推出的通用ML API，分類精度更高，分類錯誤也更少。AutoML未來還會推出語音、翻譯和自然語言處理等工具。
誰採用：迪士尼與服飾業者率先導入
舉例來說，迪士尼把這套系統帶到線上商店的產品搜尋中，當消費者搜尋米奇米妮相關產品時，搜尋引擎就會靠影像辨識來顯示含有這些卡通人物的產品，而不再像過去，透過標籤文字過濾搜尋結果。
流行服飾品牌Urbanoutfitters也能透過這樣的技術，來分類產品目錄中的各項衣物配件，讓造訪線上商店的消費者，不僅能夠靠品項搜尋，更可能透過「風格」來篩選商品。
Google聲稱，透過拖拉影像的方式，開發者就能夠訓練自己的機器學習運算模型，不是AI專家的開發者，也能開發相關應用。
「AI與機器學習仍然是具備高度進入障礙的領域，只有少數公司才能夠擁有自己的專業技術人才與相關資源。推出這項新工具，就是要消弭這道隔閡，讓AI成為每個企業都能獲取的資源。」Google在官方聲明中這樣說道。
Google在企業雲端服務市場的競爭者，也都已經推出類似服務。微軟有Cognitive Services，亞馬遜的AWS也有類似工具。
機器學習專家供不應求，避免學界與業界的危機
是什麼原因讓Google推出Cloud AutoML？
Google雲端人工智慧與機器學習首席科學家李飛飛指出，「全球開發者總數大約有2100萬人，但全球的數據科學家僅約100萬人，因此能善用人工智慧、甚至從中獲利的企業僅占少數。」
而在2017年的北京一場論壇上，李飛飛也直言，「不管是學術界還是工業界，全世界都是大大的供不應求」。而這個供不應求並不只是人才問題而已，李飛飛說，若不從教育端開始培養相關人才，屬於非常初期的階段的人工智慧領域可能就會出現危機。
因此，雖然AI技術正熱，但翻開AI 60年發展史，也曾遇到兩次寒冬，雖然這次的AI熱潮有眾多可商用化的技術突破撐腰，業界人士並不擔心再度愈冷，但站在Google的高度，如何打破技術壁壘，讓人工智慧技術快速普及是非常重要的任務。
給缺數據，也缺人才的中小企業更多機會
李飛飛強調，構建ML模型耗費大量的時間，過程又極為複雜，擁有機器學習或人工智慧人才的公司也要花很多時間。「雖然Google利用的API，提供一些特定任務機器學習模型，但這還不夠。Google想要將AI帶給每個人。」
李飛飛也指出，對於一些數據缺乏的領域，Cloud AutoML將可以帶來突破性的發展，舉例來說，在臨床上一些罕見疾病數據缺乏，過去較難訓練出好的模型，但用Cloud AutoML則可以透過資料品質的提升，解決這樣的問題。
其中對於資金較為缺乏，無法吸引足夠的人工智慧人才的中小企業來說，採用Cloud AutoML工具可能是比團隊組建相關團隊更務實的解決方案。
