7月24日，在Google Cloud Next大会上，Google带来Cloud AutoML的全新进展，又成功吸引一**注意。

Google AI**科学家李飞飞宣布，推出正式版的Cloud AutoML Vision，同时，新增用作自然语言处理的AutoML Natural Language和用作翻译的AutoML Translation。至此Google Cloud AutoML拥有视觉、自然语言处理、翻译等多种服务。

对于承载着AI民主化使命的AutoML，大多数媒体都是一片赞誉。而fast.ai***之一Rachel Thomas特意撰写三篇博文对AutoML的局限进行反思。为了深入理解AutoML，雷锋网也特意采访了一些国内致力于AutoML的公司，一起探讨AutoML真的是AI的未来，还是大家期望过高？创业公司要进入AutoML领域如何与大公司竞争？

AutoML 真的是给小白的吗？

要完成一个机器学习项目，不管是图像识别、语音识别还是自然语言处理，其实现的过程都需要包括：数据预处理、特征选择、模型算法选择、调参、上线后模型的再优化、效果评估。

人工设计机器学习模型的过程中，神经网络的设计是一大难点，需要设计师非常有经验。Google CEO Sundar Pichai曾经这样介绍AutoML，“目前，设计神经网络非常费时，并且需要专家只在科学和工程领域中的一小部分进行研究，为了解决这一问题我们创造了一种名为AutoML的工具，有了它，神经网络可以设计神经网络。”