據(jù)外媒報(bào)道，Google正在打造的AutoML工程將用人工智能(AI)自行設(shè)計(jì)人工智能，而這一工程近日在機(jī)器學(xué)習(xí)領(lǐng)域首次擊敗了人類工程師，制造出了比人類設(shè)計(jì)的最好的機(jī)器學(xué)習(xí)程序更高效的軟件。

一個(gè)基于AutoML的系統(tǒng)最近打破了圖像分類學(xué)習(xí)的記錄，成功率為82%。

雖然這只是一項(xiàng)相對(duì)簡(jiǎn)單的任務(wù)，但AutoML還在一項(xiàng)更復(fù)雜的任務(wù)中與人類AI工程師競(jìng)賽勝出。它成功開發(fā)出一項(xiàng)對(duì)自動(dòng)化機(jī)器人和虛擬現(xiàn)實(shí)技術(shù)來(lái)說(shuō)不可或缺的技能：標(biāo)記圖像中多個(gè)對(duì)象的位置。

AutoML開發(fā)的系統(tǒng)得分43%，人類工程師開發(fā)的系統(tǒng)得分39%。

這些結(jié)果意義深遠(yuǎn)，因?yàn)榧词乖贕oogle，也只有位數(shù)不多的人擁有構(gòu)建下一代AI系統(tǒng)所需的專業(yè)知識(shí)。它需要越來(lái)越多的功能來(lái)實(shí)現(xiàn)這一領(lǐng)域的自動(dòng)化，目標(biāo)一旦實(shí)現(xiàn)，將會(huì)改變整個(gè)人工智能行業(yè)的未來(lái)。

“今天，只有少數(shù)機(jī)器學(xué)習(xí)領(lǐng)域的專家能親手打造這樣的系統(tǒng)，就算放寬限制，全球有能力參與研發(fā)人工智能的科學(xué)家也不過(guò)一千多人。”谷歌CEO Sundar Pichai說(shuō)，“我們希望使成千上萬(wàn)的開發(fā)人員都能擁有自己的人工智能設(shè)備。”《連線》(WIRED)記者報(bào)道。

大多數(shù)元學(xué)習(xí)系統(tǒng)模仿人類的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，工程師將海量的數(shù)據(jù)喂給這些網(wǎng)絡(luò)。這一過(guò)程沒(méi)有什么莫測(cè)高深之處。

相反的，這是一項(xiàng)機(jī)械和重復(fù)的工作，非常適合由機(jī)器來(lái)完成。困難的部分是模擬大腦結(jié)構(gòu)，提升精度適應(yīng)于更復(fù)雜的問(wèn)題。

調(diào)整現(xiàn)有系統(tǒng)以滿足新需求比從頭開始設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)還容易一些。然而，這項(xiàng)研究似乎表明這是一個(gè)暫時(shí)狀態(tài)。

隨著人工智能越來(lái)越容易地設(shè)計(jì)出復(fù)雜度更高的新系統(tǒng)，人類作為守門員的角色越來(lái)越重要。人工智能系統(tǒng)不會(huì)像人類一樣因?yàn)榇笠舛д`，也不會(huì)產(chǎn)生先入為主的偏見，例如將種族和性別身份與負(fù)面的刻板印象相結(jié)合。

如果人類工程師投入更少的時(shí)間到對(duì)他們而言已經(jīng)不是不可或缺的制造人工智能的工作中，他們將有更多的時(shí)間專注于監(jiān)督和改進(jìn)系統(tǒng)。

Google正在進(jìn)一步打磨AutoML，直到它能夠更好地用于實(shí)際應(yīng)用。如果他們成功，AutoML可能會(huì)帶來(lái)的深刻影響，不會(huì)局限在Google公司的圍墻內(nèi)。