如何不写代码，训练人工智能模型？

如今，机器学习框架在不断进化。训练一个人工智能模型出来，越来越简单了。

还记得我学的第一门机器学习课程，是吴恩达教授的 Cousera 慕课。当时用的工具，是 Octave （开源版本的 Matlab）。用起来那叫一个麻烦啊，就连最简单的线性回归，都需要写许多行代码。

不过很快，后来我学到的机器学习 / 深度学习慕课，包括我自己做的视频教程，就都切换到了 Python 这样的「开发者友好」环境中。

从经典机器学习框架 Scikit-learn ，到深度学习框架 Tensorflow, Pytorch 和 fast.ai ，调用 API 训练人工智能模型方式越来越简洁，步骤也越来越少。

例如我给你演示过，如何在 fast.ai 里面，10 几行代码就能让模型分辨两种不同卡通人物。

再往前走一步，就是连代码都不需要，直接让电脑把训练任务自动「包圆儿」了。

这种工具，其实早就存在了。

我曾经在《数据科学入门后，该做什么？》一文里给你介绍过在北德克萨斯大学（UNT）参观工学院开放日的感受：

我曾驻足在一个海报前，问学生怎么获得了这么高的图像识别率，都如何调整超参数的？对方答不上来。但是告诉我他们用了 Cloud AutoML 。超参数调整云端后台直接搞定，根本不用自己操心。

比起使用 Pytorch /Tensorflow 这样的传统深度学习框架编程进行训练，AutoML 确实会帮助你缩减很多流程。但是，对于普通人来说，其实依然存在着门槛。