谷歌發(fā)布AutoML項(xiàng)目 已經(jīng)擊敗人類AI工程師具備自我學(xué)習(xí)能力

• 2017年10月23日 ZhouXun來源：網(wǎng)易科技 1245 81
• 繁體

現(xiàn)在，谷歌宣布AutoML已經(jīng)可以勝任這項(xiàng)工作。在開發(fā)機(jī)器學(xué)習(xí)軟件方面，AutoML已經(jīng)擊敗人類AI工程師，并且創(chuàng)造出比人類設(shè)計(jì)更強(qiáng)大、更高效的AI系統(tǒng)。

據(jù)Futurism報(bào)道，今年5月份，谷歌發(fā)布了其AutoML項(xiàng)目，目的是幫助人類創(chuàng)建其他AI系統(tǒng)。現(xiàn)在，谷歌宣布AutoML已經(jīng)可以勝任這項(xiàng)工作。在開發(fā)機(jī)器學(xué)習(xí)軟件方面，AutoML已經(jīng)擊敗人類AI工程師，并且創(chuàng)造出比人類設(shè)計(jì)更強(qiáng)大、更高效的AI系統(tǒng)。

一個(gè)AutoML系統(tǒng)最近打破了一項(xiàng)紀(jì)錄，將圖像按其內(nèi)容分類，準(zhǔn)確率達(dá)到82%。雖然這是一項(xiàng)相對簡單的任務(wù)，但AutoML還可以幫助自動(dòng)機(jī)器人和增強(qiáng)現(xiàn)實(shí)在更復(fù)雜的任務(wù)中擊敗人類設(shè)計(jì)的系統(tǒng)，比如在圖像中標(biāo)記多個(gè)物體的位置。在這一任務(wù)中，AutoML的準(zhǔn)確率為43%，而人類設(shè)計(jì)的AI系統(tǒng)則為39%。

這些結(jié)果是非常有意義的，因?yàn)榧词故窃诠雀?，也很少有人具備?gòu)建下一代AI系統(tǒng)所需的專業(yè)技能。這就需要一種技術(shù)幫助自動(dòng)化這個(gè)過程，一旦取得突破，它就會(huì)改變整個(gè)行業(yè)。谷歌首席執(zhí)行官桑達(dá)爾·皮查伊(Sundar Pichai)表示：“今天，AI系統(tǒng)都是由機(jī)器學(xué)習(xí)科學(xué)家手工開發(fā)的，而世界上只有幾千名科學(xué)家可以做到這一點(diǎn)。但我們想讓成千上萬的開發(fā)者能夠?qū)崿F(xiàn)這樣的目標(biāo)?！?/p>

谷歌大部分的“元學(xué)習(xí)”都是模仿人類神經(jīng)網(wǎng)絡(luò)進(jìn)行的，并試圖通過越來越多的數(shù)據(jù)訓(xùn)練這些網(wǎng)絡(luò)。當(dāng)機(jī)器接受過培訓(xùn)，它們會(huì)非常適合做這些工作。最困難的部分是最初模仿大腦結(jié)構(gòu)，并在適當(dāng)?shù)某叨壬咸幚砀鼜?fù)雜的問題。

相對于從頭設(shè)計(jì)一個(gè)神經(jīng)網(wǎng)絡(luò)，調(diào)整現(xiàn)有系統(tǒng)來滿足新需求要容易得多。然而，谷歌的研究似乎表明，這只是一種暫時(shí)性狀態(tài)。隨著AI在設(shè)計(jì)越來越復(fù)雜新系統(tǒng)方面變得越來越容易，對于人類來說，扮演好“守門員”的角色更為重要。AI系統(tǒng)可能很容易產(chǎn)生偏見，例如將種族和性別身份與負(fù)面印象聯(lián)系起來。然而，如果人類工程師花在創(chuàng)建系統(tǒng)的繁重工作上的時(shí)間減少，他們將有更多的時(shí)間來進(jìn)行監(jiān)督和改進(jìn)。

最終，谷歌的目標(biāo)是更好地發(fā)揮AutoML的功能，使程序員能夠在實(shí)際應(yīng)用中使用它。如果他們成功做到這一點(diǎn)，AutoML很可能會(huì)在谷歌之外產(chǎn)生巨大影響。皮查伊表示：“我們希望能夠民主化這項(xiàng)技術(shù)?！边@意味著，該公司希望AutoML能在谷歌之外被更廣泛地使用。

延伸閱讀

推薦閱讀

猜您喜歡