谷歌揭示了人工智能發(fā)展的一種主要新方法,，它被稱為“自動(dòng)機(jī)器學(xué)習(xí)（AutoML）”,，它允許人工智能成為另一個(gè)人的架構(gòu)師，并在無需人工工程師輸入的情況下進(jìn)行自我創(chuàng)造,。

AutoML項(xiàng)目專注于深度學(xué)習(xí),，一種涉及到通過神經(jīng)網(wǎng)絡(luò)層傳遞數(shù)據(jù)的技術(shù),。創(chuàng)建這些層是很復(fù)雜的，因此谷歌的想法是創(chuàng)造能夠自我創(chuàng)造的人工智能,。

谷歌的這個(gè)想法,，就是讓現(xiàn)有的人工智能創(chuàng)建自己的代碼層，而事實(shí)證明,，它比它的人類技術(shù)人員更快,、更有效地完成了它的工作。

該公司在谷歌研究博客上解釋道：“在我們的方法中（我們稱其為“AutoML”）,，一個(gè)控制器神經(jīng)網(wǎng)絡(luò)可以提出一個(gè)“兒童”模型架構(gòu),，然后在一個(gè)特定的任務(wù)中對(duì)其進(jìn)行訓(xùn)練和評(píng)估。然后,，該反饋被用來通知控制器如何改進(jìn)下一輪的提案,。我們重復(fù)這個(gè)過程數(shù)千次——生成新的架構(gòu)，測(cè)試它們,，并將反饋給控制器來學(xué)習(xí),。”

從表面上看,，這種技術(shù)聽起來像是可能導(dǎo)致奇異性的失控演變的那種事情,。但實(shí)際上，谷歌正利用它將機(jī)器學(xué)習(xí)令人不可思議的力量交到普通人手中,。

從本質(zhì)上講,，使用神經(jīng)網(wǎng)絡(luò)來設(shè)計(jì)其他神經(jīng)網(wǎng)絡(luò)的 AutoML策略是很熟悉的；通過編寫程序來編輯其他程序的代碼是機(jī)器學(xué)習(xí)的定義,。

AutoML的新功能是,，在設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的過程中，它開始進(jìn)行干預(yù),；自動(dòng)化并不只是簡(jiǎn)單地改進(jìn)已經(jīng)存在的簡(jiǎn)單模型,，而是首先選擇那些模型，然后再對(duì)它們進(jìn)行再優(yōu)化,。

通過這種方式,， AutoML是一個(gè)功能更全面的版本,，它通常被認(rèn)為是正常的“ML”。

從理論上講,，AutoML方法應(yīng)該能夠設(shè)計(jì)出更有效的神經(jīng)網(wǎng)絡(luò),，它不僅可用于解決當(dāng)前的簡(jiǎn)單問題，也可用于幫助解決對(duì)人類來說不可思議的問題,。

AutoML的主要目標(biāo)并不是要將人類從開發(fā)過程中剝離出去,，甚至也不是要開發(fā)全新的人工智能，而是讓人工智能繼續(xù)以我們多年來一直享受的速度來改變世界,。

對(duì)于一個(gè)擁有豐富人才的行業(yè)來說，編碼神經(jīng)網(wǎng)絡(luò)的難度正成為一個(gè)問題; AutoML是為了降低未來機(jī)器學(xué)習(xí)的門檻,，至少對(duì)于最簡(jiǎn)單和最常見的應(yīng)用來說是這樣,。

短期內(nèi)，AutoML并不能設(shè)計(jì)出更好的人工智能,。盡管它確實(shí)可以,，但它可以幫助打開一個(gè)急需人才的行業(yè)。

AutoML并沒有谷歌頂級(jí)工程師的理論和數(shù)學(xué)才華,，但普通人無法讓谷歌的頂尖工程師解決他們自己的問題,。

有了AutoML，谷歌正在創(chuàng)造普通人可以掌握的AI工程師,。