前
言
本期仍旧由村长为大家供稿，内容是Medium上面一篇文章的翻译，原文George Seif于2018年7月31日所作，大家如果对原文有兴趣可以参考以下链接：
Towards Data Science
PS: Medium 是一个网络文章平台，由Twitter 联合创办人Evan Williams和Biz Stone于2012年8月创办。 该平台有专业和非专业的文章贡献者，亦有受雇编辑，平台推出对科技、社会、政治等问题的前沿分析或预测。
正
文翻译
Google AI 终于放出了Beta版本的AutoML：一项据说能够彻底颠覆深度学习的服务。
谷歌的AutoML是一套基于云端的机器学习服务，它建立在谷歌对于神经架构搜索Neural Architecture Search (NAS)最前沿的研究上。NAS是这样一种算法：给定你的数据集和特定任务，它会寻找最优的神经网络结构。AutoML能够让对于深度学习没有任何了解的用户用户轻松训练出高效的深度网络：你要提供的只是打了标签的数据！谷歌已经展示他们的方法在许多任务中打败了手工设计的网络。
AutoML彻底改变了机器学习，因为它不再需要使用者对于数据有太多的了解或者拥有对应学科的专业知识。毕竟，许多公司只是用深度网络做一些例如图片分类这种很简单的事。就这点来说，这些公司实在没有必要去雇佣五个机器学习领域的博士生，他们只要一个懂数据转换的人就够了。
所以我们能说AutoML是所有AI工作的灵丹妙药吗？
“
...似乎还不行。
”
为了使用谷歌的AutoML,你必须每个小时交20美元！这是一件过于疯狂的事，你甚至不确定你用了这项服务以后就一定能获得比手动设计的神经网络更高的成绩。谷歌在这件事情上展现出来的对于金钱的渴望不同寻常：毕竟在以前，谷歌和整个AI社区都更加偏向于通过开源来分享知识。
因此谷歌的AutoML注定会失败：它没有开源。
来试试AutoKeras吧，一项基于Keras的开源Python 库。
AutoKeras建立在ENAS（一种最新的NAS算法）上。你只需要在pip中输入pip install autokeras，你就可以在自己的数据集上使用自动网络搜索了——并且她是免费的！
由于所有的代码都是开源的，因此你甚至可以根据需要修改里面的参数。AutoKeras本质上还是Keras，因此一切都还是熟悉的味道。
AutoKeras拥有一切开源项目该有的：快速安装，运行简单，例子众多，修改便利，并且你还可以看到最终搜索到的网络模型！如果你更加喜欢TensorFlow或者PyTorch，那么你也可以找到对应的版本。
我百分之百会推荐AutoKeras。也许谷歌在他们的收费版本中做了一些黑魔术，但是和开源版本相比，两者的差距微乎其微。我严重怀疑使用谷歌的方案会带来更多商业上的回报。
深度学习和AI都是非常伟大的技术，我们不应该用金钱建一堵墙把他们和大众隔离开来。
“
是的，谷歌，亚马逊，脸书还有微软都是商业公司，他们都需要赚钱，但是就AutoKeras而言，这项技术的论文早已公开，我们也有对应的深度学习库来复制这门技术，谷歌实在没有理由还把他弄得那么贵。
”
还有一个潜在的更大的问题：知识正在掩藏。最近AI界最大的趋势之一就是许多前沿论文都会很快在Arxiv这样的社区中公开。另一个更大的趋势就是这些研究的代码会在Github中开源，变成现实世界中能够用来生产的代码。遗憾的是，谷歌的做法与之背道而驰。
