被AI革命最先冲击的竟是AI工程师？

业界一直流传一种说法：谷歌若想重返中国市场，必须借助人工智能；而通过AI回归，则必须引发一场重大变革。于是，上周四晚间，李飞飞发布了一篇博客，紧接着又连发三条推文，正式推出名为AutoML的AI产品。

一夜之间，中国科技媒体纷纷热议。空气中仿佛回响着那句话：有大事发生了、有大事发生了、有大事发生了……至于AutoML与谷歌的中国战略是否存在关联，这里暂且不做讨论。我们真正想弄清楚的是，这款AutoML究竟要做什么大事。

按照谷歌云AI项目首席科学家李飞飞的说法，AutoML的目标是降低开发者、研究者和企业群体使用AI相关工具和框架的门槛。通俗理解就是：这款产品能让用户不写一行代码，就能训练出一个企业级的机器学习模型。AutoML的全称是“自动机器学习”。

惊喜吗？意外吗？传说中掌握机器学习就能年薪50万，BAT疯狂争抢AI工程师的盛况呢？是不是觉得刚掏出去的培训费打了水漂？更有网友惊呼：“不是说好一起用AI去替代大量工作岗位吗？怎么我辛辛苦苦学AI，结果自己先被替代了？”

当然，现实并没有如此残酷。但谷歌的动作并非孤例，背后隐藏着一直反复提及的“AI民主化”，同时也折射出另一个事实：我们今天学习的AI技术，可能真的派不上用场。

搞笑的吧？原来最先被AI革命的是AI工程师？

谷歌宣布的这个让程序员界风声鹤唳的产品，叫作AutoML Vision，它是整个AutoML体系的第一款产品，专注于自动生成图像识别领域的模型。

用一种简单易懂的方式描述这个系统的工作流程：

假如以前我想构建一个能够进行图像识别的AI系统，那么我需要借助开发框架自行搭建训练过程，完成各种训练部署，导入数据集——整个过程必须依靠编程来完成。但在AutoML Vision上，一行代码都不需要写，只需按照说明将希望用于训练的图片拖入系统，然后耐心等待，一个训练好的机器学习模型就新鲜出炉了。

举个例子：假如你想训练一个模型，用来识别你家猫主子是否在生气（这得有多无聊……），那么只需要在AutoML Vision中放入你家猫的照片、它生气时的照片、高兴时的照片等等，然后你就会得到一个识别程序。用它连接手机拍照，就可以让AI去理解猫大人的喜怒哀乐了。

是不是挺神奇的？

这背后是谷歌利用了深度学习中的迁移学习（Transfer Learning）技术。将此前训练图像识别模型时积累下来的训练流程，迁移到AutoML中，从而节省了后续类似模型的开发过程。

简单来说，AutoML有点像谷歌云搭建的一个“解题公式”。之后的用户并不需要知道公式的推导过程，只需要把问题套进去就能得到答案。当然，这只是简要交代工作原理，实际上并没有那么简单，尤其在调试过程中，不同模型需求和系统兼容度是个大问题。

总体而言，这款产品及其背后的思路，对于想做机器学习却缺乏专业技术和人才的企业来说，确实是一个福音。它免去了通过代码搭建模型的过程以及复杂的调试工作，仅为程序员保留了输入特定数据这一操作，很大程度上降低了训练中的工作量，尤其是编程工作。

但也别过于乐观。虽然AutoML尚未正式发布，真实效果还有待检验，使用价格也未知，但就目前信息来看，AutoML生成定制化模型所需的数据量仍然很大，并非毫无基础的开发者能够轻易驾驭。

而且它只能完成相对简单的任务，并且只能套用谷歌给出的训练方案。如果需要制作较复杂的机器学习系统，使用独特算法进行训练，那么编程依然不可避免。

因此，目前来看，真正用心且努力进入AI开发领域的朋友大可放心。除了图像识别，谷歌未来还计划将AutoML服务拓展到翻译、视频和自然语言处理等领域。这或许意味着，初级AI程序被自动生成并快速复制到各个行业的日子已经不远了。

虽然谷歌表示AutoML是目前唯一一款此类产品，但各家巨头也都在部署类似业务。比如亚马逊的Amazon SageMaker，以及微软还未正式发布的定制图像识别模型服务。包括国内的百度，也在旗下的AI开放平台中推出了定制化图像服务。

之所以说谷歌这次“搞了个大动作”，主要是因为AutoML的自动化程度更高，尤其是解决了自动搭建训练模型和调参这两大难题。

不过，在谷歌如此卖力的背后，似乎写着五个大字：AI民主化。

AI民主化，要取消谁的集权？

去年3月，刚加盟谷歌不久的李飞飞就表示，人工智能的下一步是完成“AI民主化”。这次发布AutoML之后，她又一次表示，由于资源稀缺，大多数企业无法开发个性化模型，因此AutoML的出现是为了进一步推进AI民主化。

那么问题来了：AI民主化，究竟针对谁的专政？要取消谁的集权？

有人说，大部分先进的AI技术现在掌握在几家大公司手里，AI民主化当然是要让人人都成为AI的主人，破解巨头垄断。

你当人家傻吗？难道谷歌们会费尽力气，只为瓦解自己的霸权？当然不会。就像AutoML的产品思路所展示的那样，省去开发者的技术门槛，谷歌吃亏了吗？并没有。谷歌拥有了更多用户，自身的算法优势无形中得到了扩张。而且AutoML用户训练模型需要直接部署在谷歌云上，这显然也是一种变相捆绑，希望从刁钻角度给AWS制造压力。

对于最迫切希望获得“民主”的小公司和个人开发者而言，巨头兜售的开发者赋能和去技术门槛式“民主”，绝不是仁慈的馈赠，换来的只是小开发者们紧密依赖关系的生态交换。真正被AI民主化瓦解的，其实是夹在大公司和小开发者之间的中层公司——也就是算法公司、技术公司。

目前在世界各地的AI市场上，这类中型公司普遍存在。它们的存在当然有其意义和价值。对巨头来说，将技术能力打入各行各业、开发各种各样的应用完全不可能，因此它们依赖开发者去做这些事，自己则扮演平台服务和技术能力输出者的角色。

但小团队和个人开发者能去做那些深入行业或极具创意的开发吗？其实也不行，因为从头开始的技术太复杂，对人才需求太高，一般开发者和小企业根本玩不转。

于是，就出现了大量夹层公司，它们以技术壁垒为主要产业支撑点，利用重技术和人才去做一些其实看起来不那么“重”的小应用，或者以开发定制化AI模型的方式向第三方收费。

而谷歌、英特尔等巨头企业倡导的AI民主化，实际上是将需要大量“AI劳动力”完成的工作装入自动化模型里。向上收回底层技术开发权，向下直接触达细分开发场景。

说白了，小公司、个人创业者、人才稀薄地区想引入AI，就必须能从成本上越过技术公司，自己玩得转AI。巨头的AI民主化，当然是想瓦解那些凭借“二手技术”和“雇佣能力”卡位的企业，把它们的份额分给更小的开发者，让开发者仅提供创意、运营和市场等能力来激活AI的广阔前景。

所以，所谓AI民主化，真正瓦解的是AI当中非创造性工作所制造的准入壁垒。

而在AutoML代表的自动化战略进一步实施后，最可能带来的影响是AI产业链的去中层化。一些看似很大的公司，却只创造了很小的价值，仅仅依靠AI技术壁垒来占据市场份额和资本关注，大概会成为这场“民主运动”中最危险的一方。

今天的AI，会不会是跑不过马的汽车？

最后，我们可能还要开另一个脑洞：AI民主化虽然听起来很美，但未必全是好消息。

毋庸讳言，AutoML这类产品所带来的AI民主化进度，可以说是肉眼可见的。如果回顾一两年前，很容易就会发现AI的产业链和开发规则已经发生了巨大变化。

但这对于在产业边缘徘徊不前的企业来说一定是好事吗？就像文章开头提到的，AutoML一发布，许多程序员朋友第一反应是调侃自己的AI白学了。但要知道，他们才学习了没有多长时间。那么对于想要进入这个领域的企业来说，类似的恐惧会不会更深？

在绝大多数共识里，今天以机器学习为主导的AI复兴，核心由三个因素构成：算法、算力和数据。有趣的是，这三个因素现在都在快速“被民主化”。

算法上，AI开发框架开始越来越智能，AutoML这样的产品甚至能自动编程，实现算法工具化和模块化。算力上，各种新硬件和处理方案不断涌现，算力成本几乎每天都在下降。数据上，越来越多的免费数据分享成为常态，而且前沿的AI技术争论中已经开始质疑大量数据对于深度学习的必要性。

总而言之，差不多每隔一段时间，AI的门槛就会下调一次。但从企业和开发者的角度来看，这就有点困扰：现在部署的AI能力，会不会一个月之后就被淘汰了？

我们知道，汽车最初是跑不过马车的。虽然最终证明了汽车绝对强于马车，购入汽车是正确的，但大家恐怕都不希望成为那辆超级老爷车的乘客。更何况AI这东西，连汽车那样的收藏价值都没有。

就像此时此刻，不知道有没有一位刚组建了豪华机器学习专家团队的企业家，突然发现原来自己想做的事，随便找个人操作一下谷歌的新产品，再等上一天就能搞定……

也许在今天，企业收获的不是AI开发门槛逐步降低带来的好处，而是面对AI体系快速迭代产生的恐慌。毕竟我们都不知道，今天做的事会不会在几个月之后就被证明毫无意义。

尤其对于中国企业来说，习惯于追逐风口，风来则上，风小则退。面对如此复杂且天天都在变化的AI，谁有心情跟它捉迷藏呢？

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：被AI革命最先冲击的竟是AI工程师？要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题