【我們為什麼挑選這篇文章】Google 近幾年在線上人工智慧企業服務頗有建樹，基本上穩坐龍頭寶座，這次又推出的新工具主打數十張的照片就可以簡單建立自己的  vision model ，基本上算是較容易上手的工具，來瞭解一下三個同是人工智慧機器學習模型建立服務，有什麼不同的應用方式（責任編輯：林子鈞）

Google 在 1/17 重磅推出了極具破壞性的機器學習產品 Cloud AutoML，引起各大產業的驚呼(相關文章：Google 發表 Cloud AutoML，對產業帶來的五大突破性影響)。究竟 Cloud AutoML 是什麼? 它與先前 Google 推出的機器學習產品有什麼不同? GCP 專門家將透過這篇文章帶您了解 Cloud AutoML、Cloud ML engine、ML API 的差異。

什麼是 AutoML?

透過 Google 最先進的遷移學習 (transfer learning) 和神經架構搜索技術(Neural Architecture Search technology)，即使您沒有足夠的 ML 背景開發人員，您也可以透過 Cloud AutoML 來訓練客製化的機器學習模型。Google 率先推出的第一個 Cloud AutoML 產品就是 AutoML Vision，未來 Google 也將推出其他領域的 Cloud AutoML 服務。

AutoML Vision

透過 Cloud AutoML Vision，您只需要幾十張照片樣本，就可以擁有自己的 vision model。Google 將自己的強項：圖像辨識，妥善地應用在 Cloud AutoML Vision上，讓 Cloud AutoML Vision 在公開資料集(CIFAR and ImageNet) 中達到了最好的性能，並將這項研究公開。

Cloud AutoML 使用界面 (graphical user interface) 很平易近人，不管是訓練、評估、優化甚至部署模型都非常易於操作。只要幾分鐘，你就可以擁有自己的機器學習模型。

Cloud AutoML 產品特色

1.與 human labeling 整合

如果您有圖像卻還沒有標籤也不必擔心，Google 提供了一個 human labelers 團隊，協助您檢查並根據您的指示進行圖片的分類。您也可以利用 human labeling service 來標註或清除您的標籤，以確保您的模型接受正確的訓練。
不論是 quality 或是 throughput，您得到的 training 資料將和 Google 得到的相同。而且您不必擔心資料外洩。

2.整合性高

Cloud AutoML 與其他 GCP 產品完美整合，舉例來說：您可以將您的 training data 存在 Google Cloud Storage 中、在既有的 Vision API 加上參數就可以以取得您客製化模型的 prediction、又或是使用 Cloud ML Engine 的線上預測服務。

Cloud AutoML 應用範例 (依氣象預測為例)

更多應用範例請參考：https://cloud.google.com/automl/

什麼是 Cloud Machine Learning Engine

看完 Cloud AutoML 的介紹是不是有點好奇：Cloud Machine Learning Engine 是什麼樣的產品呢? 基本上，Cloud ML Engine 也是一個您客製化機器學習模型的一個工具，您可以在上面執行任何一種 TensorFlow 架構，像是 Google 相簿和和 Google Cloud Speech 都是 ML Engine 運用下的成功範例。

Cloud ML Engine 產品特色

1.HyperTune

ML Engine 結合了 HyperTune，您不用再手動找出所需數據，HyperTune 具備自動調整高等參數的功能，讓您能更有效的建立您的模型。

2.可攜式模型

您可以透過下載 Cloud Machine Learning 訓練過的模型，提供本機執行或行動整合。

3.可擴充的代管服務

Google 利用支援 CPU 和 GPU 的代管型分散式訓練基礎架構，讓您能同時支援以 TB 等級的資料和上千位的使用者，您也不需擔心基礎架構問題。

4.整合性高

跟過往的 Google 產品相同的是：Cloud ML Engine 能與其他 Google 產品整合，您可以使用來自像是 Cloud Storage 等其他來源的資料、搭配 Cloud Dataflow 的功能處理、Cloud Datalab 的模型建立。

什麼是 Machine Learning API

Machine Learning API 是 Google 已經訓練好的機器學習模型，您可以直接使用並透過輸入 API 得到預測結果，不需要額外去訓練任何模型。Google 根據不同領域推出不同的 Machine Learning API，每個 API 的功能、計價方式及實作步驟請參考：
Machine Learning(一)：Cloud Speech API 介紹與實作
Machine Learning(二)：Natural Language API 介紹與實作
Machine Learning(三)：Cloud Translation API 介紹與實作
Machine Learning(四)：Cloud Vision API 介紹與實作
Machine Learning(五)：Cloud Video Intelligence API 介紹與實作

AutoML、Cloud ML Engine、ML API 的差異

根據上述的介紹，相信您已經可以感受到三者的不同，將其差異用表格呈現，整理如下：

AutoML Cloud ML Engine ML API
機器學習
模型		 可客製化
機器學習模型		 可客製化機器學習模型 可直接使用 Google 定義好的模型
操作門檻 低 高 低，但應用有限
使用方式 有圖形化使用介面(GUI)可供操作 使用 Python 運用 TensorFlow library 寫程式以及透過 gcloud 指令操作 REST / gRPC API
與其他 GCP 產品整合 O O O
目前
涵蓋範疇		 Cloud AutoML Vision 不限領域 Cloud Speech API
Cloud Natural Language API
Cloud Translation API
Cloud Vision API
Cloud Video Intelligence API
Cloud Jobs API

參考資料

官方 Cloud AutoML 介紹：https://cloud.google.com/automl/
官方 Cloud ML Engine 介紹：https://cloud.google.com/ml-engine/

–

Google 還做了哪些事？

Google Brain 的 2017 年：用機器學習改變醫療、機器人等六大領域

AI 修不好，只能當鴕鳥：Google Photos 分不清猩猩跟黑人，只好讓猩猩這個詞彙消失

攻佔 App 排行榜第一名：Google 用 AI 幫你找出百年前的雙胞胎畫像

（本文經 GCP 專門家 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題〈一篇文章帶您了解 AutoML, Cloud ML Engine, ML API 〉，首圖來源：Google Cloud Youtube。）