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“自動機器學習（AutoML）”，它允許人工智能成為另一個人的架構(gòu)師，并在無需人工工程師輸入的情況下進行自我創(chuàng)造。

    AutoML項目專注于深度學習，一種涉及到通過神經(jīng)網(wǎng)絡層傳遞數(shù)據(jù)的技術(shù)。創(chuàng)建這些層是很復雜的，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”），一個控制器神經(jīng)網(wǎng)絡可以提出一個“兒童”模型架構(gòu)，然后在一個特定的任務中對其進行訓練和評估。然后，該反饋被用來通知控制器如何改進下一輪的提案。我們重復這個過程數(shù)千次——生成新的架構(gòu)，測試它們，并將反饋給控制器來學習?！?/p>

    從表面上看，這種技術(shù)聽起來像是可能導致奇異性的失控演變的那種事情。但實際上，谷歌正利用它將機器學習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)絡來設計其他神經(jīng)網(wǎng)絡的 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器學習的定義。

    AutoML的新功能是，在設計神經(jīng)網(wǎng)絡的過程中，它開始進行干預；自動化并不只是簡單地改進已經(jīng)存在的簡單模型，而是首先選擇那些模型，然后再對它們進行再優(yōu)化。

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

    從理論上講，AutoML方法應該能夠設計出更有效的神經(jīng)網(wǎng)絡，它不僅可用于解決當前的簡單問題，也可用于幫助解決對人類來說不可思議的問題。

    AutoML的主要目標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。

    對于一個擁有豐富人才的行業(yè)來說，編碼神經(jīng)網(wǎng)絡的難度正成為一個問題; AutoML是為了降低未來機器學習的門檻，至少對于最簡單和最常見的應用來說是這樣。

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

    AutoML并沒有谷歌頂級工程師的理論和數(shù)學才華，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。