URBN 數據資料學家 Alan Rosenwinkel 表示：「Urban Outfitters 不斷尋找能提升客戶購物體驗的新方式。如果要向客戶呈現最符合其需求的產品建議，並提供準確的搜尋結果和實用的產品篩選功能，那麼建立與維護完整的產品屬性就十分重要。然而，手動建立產品屬性可說是曠日廢時的作業。為了解決這項難題，我們的團隊進行審慎評估後，發現 Cloud AutoML 確實能辨識出細微的產品特徵 (例如圖案和領口樣式)，藉此將產品屬性歸類程序自動化。Cloud AutoML 擁有無窮潛力，能幫助我們的顧客找到更符合所需的產品，以及提供更貼近需求的建議和優質的搜尋體驗。」
Disney 消費性產品與互動媒體技術長暨資深副總裁 Mike White 談到：「Cloud AutoML 的技術幫助我們建構視覺模型，以 Disney 角色、產品類別和顏色來標註我們的產品。我們將這些註解整合至我們的搜尋引擎中，在 shop Disney 上提供更多的相關搜尋結果、快速查詢功能以及產品推薦，成功提升顧客使用體驗。」
Zoological Society of London 的保育技術負責人員Sophie Maxwell 也告訴我們：「ZSL 是一個國際保育慈善團體，致力於保護全世界的動物及其棲息地。為了達成這項使命，其中一個關鍵任務就是追蹤野生動物族群，以掌握其分佈情況並更加瞭解人類對這些物種的影響。為了實現這項任務，ZSL 在野外架設了許多自動相機，可經由溫感或動作觸發來拍攝路過的動物。數百萬張由這些設備所拍攝的圖片都需經過人工分析與加註，然後再與大象、獅子和長頸鹿等相關物種進行比較。這個過程不僅需耗費大量人力，而且所費不貲。ZSL 專門負責保育技術的部門一直與 Google 的 CloudML 團隊保持緊密合作，共同開發這項令人期待的新技術。ZSL 期望透過這項技術，未來能夠自動為圖片加上標籤以節省成本，並擴大相機的架設範圍，以深入瞭解如何有效保護全球野生動物。」
如果你有興趣嘗試使用 Cloud AutoML Vision，可以透過這份表單提出申請。
AutoML Vision 是我們與 Google Brain 團隊及其他Google AI 團隊密切合作的心血結晶，也是我們正在開發的第一批 Cloud AutoML 產品之一。儘管我們這趟人工智慧推廣之旅才剛開始，但目前採用 Cloud AI 產品的1 萬多家客戶讓我們對這類產品的潛力充滿信心。我們衷心期望隨著 Cloud AutoML 的問世，能協助更多企業運用人工智慧探索無限的可能性。
參考資料
- Learning Transferable Architectures for Scalable Image Recognition, Barret Zoph, Vijay Vasudevan, Jonathon Shlens, Quoc V. Le. Arxiv, 2017.
- Progressive Neural Architecture Search, Chenxi Liu, Barret Zoph, Jonathon Shlens, Wei Hua, Li-Jia Li, Li Fei-Fei, Alan Yuille, Jonathan Huang, Kevin Murphy, Arxiv, 2017.
- Large-Scale Evolution of Image Classifiers, Esteban Real, Sherry Moore, Andrew Selle, Saurabh Saxena, Yutaka Leon Suematsu, Quoc Le, Alex Kurakin. International Conference on Machine Learning, 2017.
- Neural Architecture Search with Reinforcement Learning, Barret Zoph, Quoc V. Le. International Conference on Learning Representations, 2017.
- Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning, Christian Szegedy, Sergey Ioffe, Vincent Vanhoucke, Alex Alemi. AAAI, 2017.
- Bayesian Optimization for a Better Dessert, Benjamin Solnik, Daniel Golovin, Greg Kochanski, John Elliot Karro, Subhodeep Moitra, D. Sculley. NIPS, Workshop on Bayesian Optimization, 2017.
本文作者：Google雲端人工智慧與機器學習研發負責人李佳 / Google雲端人工智慧與機器學習首席科學家李飛飛
|
