?   今年5月,谷歌揭示了人工智能发展的一种主要新方法,它被称为“自动机器学习(AutoML)”,它允许人工智能成为另一个人的架构师,并在无需人工工程师输入的情况下进行自我创造。

  AutoML项目专注于深度学习,一种涉及到通过神经网络层传递数据的技术。创建这些层是很复杂的,因此谷歌的想法是创造能够自我创造的人工智能。

  谷歌的这个想法,就是让现有的人工智能创建自己的代码层,而事实证明,它比它的人类技术人员更快、更有效地完成了它的工作。

  该公司在谷歌研究博客上解释道:“在我们的方法中(我们称其为“AutoML”),一个控制器神经网络可以提出一个“儿童”模型架构,然后在一个特定的任务中对其进行训练和评估。然后,该反馈被用来通知控制器如何改进下一轮的提案。我们重复这个过程数千次——生成新的架构,测试它们,并将反馈给控制器来学习。”

  从表面上看,这种技术听起来像是可能导致奇异性的失控演变的那种事情。但实际上,谷歌正利用它将机器学习令人不可思议的力量交到普通人手中。

  从本质上讲,使用神经网络来设计其他神经网络的 AutoML策略是很熟悉的;通过编写程序来编辑其他程序的代码是机器学习的定义。

  AutoML的新功能是,在设计神经网络的过程中,它开始进行干预;自动化并不只是简单地改进已经存在的简单模型,而是首先选择那些模型,然后再对它们进行再优化。

  通过这种方式, AutoML是一个功能更全面的版本,它通常被认为是正常的“ML”。

  从理论上讲,AutoML方法应该能够设计出更有效的神经网络,它不仅可用于解决当前的简单问题,也可用于帮助解决对人类来说不可思议的问题。

  AutoML的主要目标并不是要将人类从开发过程中剥离出去,甚至也不是要开发全新的人工智能,而是让人工智能继续以我们多年来一直享受的速度来改变世界。

  对于一个拥有丰富人才的行业来说,编码神经网络的难度正成为一个问题; AutoML是为了降低未来机器学习的门槛,至少对于最简单和最常见的应用来说是这样。

  短期内,AutoML并不能设计出更好的人工智能。尽管它确实可以,但它可以帮助打开一个急需人才的行业。

  AutoML并没有谷歌顶级工程师的理论和数学才华,但普通人无法让谷歌的顶尖工程师解决他们自己的问题。

  有了AutoML,谷歌正在创造普通人可以掌握的AI工程师。(小狐狸)