老牌日本食品廠 Kewpie 更親到「Made With AI」會場解釋 AI 技術令公司得益。其生產部下一代技術副總監荻野武表示，Kewpie 成立近 80 年，嬰兒食品是產品之一，故特別重視食物安全及品質管理。該公司自 2016 年夥拍 BrainPad，用機器學習技術加強食物安全及提升產量。
維護食品安全
荻野武解釋，Kewpie 在生產線上加入 TensorFlow 建立的圖像辨識功能，給予品質管理機器代表「優良品質」的切片薯仔數據，機器自動學懂甚麼是可「過關」的品質，挑出不合格（如已變色）的薯仔。結果機器只需兩個月便學懂分出優劣質薯仔，嬰兒食品生產線產量更增加了兩倍，作業員更毋須像以往因長期作業而導致視力衰退。荻野武指，目前雖未知 AI 帶來的具體效益能有多大，但絕對值得一試。
TensorFlow 終究是專業人員才會使用的開發工具，一般公司未必會用得著。之前 Jeff Dean 在 Made With AI 預告即將推出機器學習線上課程支援，但原來更勁爆的在後頭：Google 日前推出 Cloud AutoML 工具，強調毋須專門知識也可訓練定製機器學習模型，天下再沒有難用的 AI 工具。
開發機器學習方案最大困難是建構模型時需耗費大量時間及投入大量數據，也需要相關人才，這偏偏是中小企最缺乏的。事實上，Google 中國 AI 中心負責人兼雲端人工智能與機器學習首席科學家李飛飛表示，全球 AI 開發人數大約有 2,100 萬人，但全球數據科學家僅約 100 萬人，能從人工智能受益的公司只屬少數，故 Google 希望 AI 能「平民化」。
更新工具應戰
Cloud AutoML 共分 AutoML、Cloud ML Engine、ML API 三大部分。AutoML 屬可定製機器學習模型，提供圖像介面（GUI），用戶毋須專門開發人員支援也能建立機器學習模型，操作門檻低；Cloud ML Engine 的模型亦可定製，並在上面執行 TensorFlow 架構，但需由懂相關編程（如：Python）操作；ML API 簡單來說即是用 Google 已設定好的模型，直接使用得出結果毋須事前訓練，但應用範圍不多，目前能提供的功能有雲端語音、自然語言處理、繙譯、視覺、求職工具等範圍。
至於最先正式推出的 Cloud AutoML 方案為 AutoML 下的 Vision 電腦視覺工具。Cloud AutoML Vision 的影像分類方法，用戶只需提供數十張照片樣本，便可建構專屬視覺模型，如上文提及分辨好壞薯仔甚至男女性別等便可用上此技術。
Source：ezone.hk