圖：谷歌AI中國中心總裁李佳

谷歌AI中國中心成立兩個多月以后，李佳以“總裁”的新身份亮相。

2016年11月，李佳從Snapchat公司離開，追隨自己在斯坦福大學的老師李飛飛一同加入谷歌，任谷歌云AI研發(fā)主管。2017年12月，李飛飛在谷歌開發(fā)者大會上宣布了成立谷歌AI中國中心的消息，由兩人共同領導。現(xiàn)在，李佳成了新部門的執(zhí)行者和負責人。

作為谷歌AI中國中心的領導者，李佳在演講中曬出了招聘信息，大力招攬機器學習研究員和工程師。在采訪中，李佳也表示，谷歌AI中國中心會聚焦在基礎研究上，而目前主要工作就是聚集優(yōu)秀的AI人才。

除此之外，由于李佳和李飛飛都是谷歌云的高管，近期又發(fā)布了一個重要的開發(fā)工具Cloud AutoML，因此，我們有理由相信，谷歌AI中國中心早期的任務除了招聘之外，還會大力推廣谷歌Cloud AI的理念和一系列工具。李佳在演講中說到，谷歌Cloud AI的目標是推動AI研究和產(chǎn)品研發(fā)之間的良性互動。而剛剛發(fā)布的Cloud AutoML成為谷歌一個重要的普及AI的工具，它以低門檻的方式為AI產(chǎn)品賦能。

據(jù)悉，Cloud AutoML發(fā)布兩周以來，注冊用戶已經(jīng)超過1萬個，而且用戶的背景也相當廣泛。除了零售行業(yè)、醫(yī)療行業(yè)的用戶以外，還有很多特別的案例。比如，倫敦動物學會用“相機記錄”跟蹤世界各地的動物，使用Cloud AutoML Vision自動標注圖片，節(jié)省了很大的人力標注工作。還有一些環(huán)保機構用這個工具來檢測垃圾等等。

李佳在采訪中透露，Cloud AutoML的研發(fā)已經(jīng)有一段時間了，谷歌云的團隊在之前已經(jīng)做了很多工作。這其中最大的難點，也是最關鍵的事情是將技術和產(chǎn)品結合在一起。“在研發(fā)中，我們還需要考慮到算力和資源需要。最后Cloud AutoML集成了Transfer Learning(遷移學習)和Learning to Learning，這兩種技術可以優(yōu)勢互補。”李佳說到。

從AI應用的角度看，Cloud AutoML的確是一個非常方便的工具。如果一個企業(yè)定制AI方案，就要去定義算法，收集數(shù)據(jù)，通常要數(shù)個月或者數(shù)年才能完成。而Cloud AutoML可以自動生成模型，產(chǎn)品周期被大大縮短，企業(yè)的花費也會降低。而且，谷歌還宣稱其在圖片分類上比專家設計模型效果更好。

在Cloud AutoML Vision(圖像)之后，谷歌還將陸續(xù)推出語音、對話、自然語言處理領域的Cloud AutoML。

但是，低門檻Cloud AutoML是否在搶AI開發(fā)者的飯碗?李佳并不這么認為，她說，“全球只有100萬的AI專業(yè)人士可以打造自己的算法，但是全球有2100萬的開發(fā)者可以使用AutoML這樣的產(chǎn)品。”李佳表示，Cloud AutoML實際上是為開發(fā)者打造的一款產(chǎn)品，它把門檻降低，讓更多的開發(fā)者可以使用。如果有更多的人使用AI，這些開發(fā)者的機會就變得更多，屆時將會有更多懂行業(yè)、懂產(chǎn)品的人把他們的特長發(fā)揮到極致。

對于開發(fā)AI的用戶，李佳將其分為四種：

第一種是AI的研究者，他們可以用TensorFlow等工具去設計和開發(fā)。

第二種是API的用戶，這些用戶沒有數(shù)據(jù)去做訓練，他們需要接口，不會自己開發(fā)模型。

第三種用戶想定制自己的模型，他們不需要自己去招聘AI人才，不需要數(shù)據(jù)標注，甚至不需要調(diào)參，就能夠通過Cloud AutoML定制的自己的模型。

第四種用戶多是傳統(tǒng)行業(yè)，他們根本不知道怎么樣用AI，也不知道怎么做，這時候谷歌會與客戶深度密切合作，教他們怎么用機器學習。

AI應用的產(chǎn)業(yè)非常廣，不同的用戶有不同的需求。當被問到如何保持Cloud AI在科技巨頭中的競爭力，李佳表示，谷歌是一個AI First的公司，谷歌目前所有的產(chǎn)品都是由AI賦能的，AI與Cloud是一個很好的結合，背后是谷歌十幾年對于產(chǎn)品的迭代和對AI的理解。我們希望將這些經(jīng)驗分享給用戶，讓他們也能創(chuàng)造更多的產(chǎn)品。

“AI本身是沒有國界的，我們希望未來全世界都可以用到AI的技術。”李佳說到。