Google 在一年一度的 Google Cloud NEXT 大會上正式推出新一代機器學習產品：Cloud AutoML，一次涵蓋了圖片辨識（Vision）、翻譯（Translate）、自然語言處理（Natural Language）三大範疇。這個能讓企業快速擁有客製化機器學習模型的產品，究竟解決了機器學習領域中的什麼問題、而近幾年人工智慧在紅什麼？就讓我們透過這篇文章一探究竟吧！
淺談「人工智慧」、「機器學習」與「深度學習」
如果要用一句話說明人工智慧、機器學習、深度學習的差異，我們可以說：「深度學習是一種驅動機器學習的技術，而機器學習則是一種實現人工智慧的方法」。
人工智慧：概念
人工智慧（Artificial Intelligence，縮寫為 AI）詞彙源於 1956 年一場達特茅斯學院的會議，目的在建構出等同於人類智能的機器，簡單來說「人工智慧是指機器能夠擁有與人類相同水平的智能，並能執行與人類一樣的工作」。
機器學習：方法
機器學習（Machine Learning）是一種實現人工智慧的方法。透過演算法解析過去的數據及經驗，找到其運行規則，並對真實世界中的事件做出決策和預測。簡而言之，「機器學習是透過海量的數據訓練機器，告訴機器什麼是正確的，讓機器能夠自行做出預測」。
深度學習：技術
深度學習（Deep Learning）是一種實現機器學習的技術。擊敗當今世界棋王的 AlphaGo 用的技術就是深度學習。深度學習模型需要透過大量的訓練數據，才能得到更好的預測結果。目前只能針對特定需求來設計，例如 AlphaGo 只會下圍棋，不能要求他下象棋。由此得知，「深度學習是指透過層層的函數堆疊，輸入數據讓機器從中找出最佳解」。
突破性的雲端服務：Cloud AutoML
說明完三者的關係，是否仍覺得機器學習是遙不可及的技術呢？Google Cloud 今年重磅推出一款平民版的機器學習服務 Cloud AutoML，大幅降低了使用者踏入機器學習領域的門檻。此篇文章將介紹的產品：Cloud AutoML Vision，為 Cloud AutoML 的其中一款用於圖像辨識的服務。
Cloud AutoML Vision 的出現，讓使用者只要準備數十張到數百張的樣本照片，並搭配平易近人的使用介面，就能訓練出專屬的模型，使用者不需寫到任何程式碼。「客製化模型、易於操作、高品質、不需具備相關知識」是 Cloud AutoML 的最大特色。
Google 在去年的 Next 大會表示，未來機器學習的目標是「AI大眾化」，能夠讓所有人都有使用 AI 的能力。目前全球開發者預估有 2,100 萬人，但資料科學家卻僅有 100 多萬人，研究深度學習的專家更是只有 1,000 多位。業界明顯缺乏機器學習領域的人才，但對於這類人才需求量又非常龐大。Cloud AutoML 的釋出，就是希望使用者能夠簡單地應用 AI 來解決問題。
Cloud AutoML 的問世預計能解決許多產業的問題，例如娛樂、媒體、醫療、保險產業等，保險產業甚至可以透過 Cloud AutoML Vision 分析車禍現場。以往企業想要套入 AI solution 的第一大難題就是人才難找，就算請到人才，後續的「建模」、「調教」以及「接入企業流程」也會消耗許多人力與時間成本。Cloud AutoML 大幅地自動化、抽象化這些步驟，讓各企業能夠非常輕鬆地導入 AI 到自家產品。
Cloud AutoML 體驗
若想客製化擁有自己的 Cloud AutoML 模型，iKala Cloud 提供以下教學文章與應用案例：
1. [手把手教學] 快速啟用 Cloud AutoML Vision：Google 最新機器學習產品！
2. 如何應用 Cloud AutoML Vision 辨識屈中恆、宋少卿、鈕承澤！
3. Google 三大機器學習產品比較
