今年5月，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)化并不只是簡單地改進(jìn)已經(jīng)存在的簡單模型，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。