谷歌使AI可自我学习创造 终结者、奥创们要来了?

从表面上看,这项技术可能会让人觉得人工智能的发展终于迎来了一个“奇异时刻”,它正在失去控制。 但事实上,谷歌正在利用它向普通人传递不可思议的机器学习能力。 本质上,AutoML的策略是使用神经网络来设计其他神经网络,这并不奇怪,因为提示程序为其他程序编写代码是机器学习的神奇之处。

AutoML让人们感到耳目一新,因为它让神经网络参与设计过程。 AutoML不细化现有的简单模型,而是先选择这些模型,然后再细化它们。 在这种情况下,AutoML演变成了我们所期望的“机器学习的全功能版本”。 谷歌首席执行官孙达桑德尔皮帅在一篇关于该项目的博客文章中说:“我们希望汽车公司今天能够拥有一些医生拥有的能力。对于成千上万的开发者来说,它将能够在3到5年内设计出新的魔术陷阱来满足他们的特殊需求。” "

谷歌使AI可自我学习创造 终结者、奥创们要来了?

GoogleNet架构。设计这个网络需要对卷积结构的初始版本进行多年的仔细实验和改进。

所谓的神经网络(neural network)是通过模仿人脑开发的计算机系统,包括许多不同的计算层。 一般来说,如果我们想使用机器学习技术来解决问题,人类专家必须提供一个启动神经网络,它可以根据固定的规则执行解决问题所需的基本计算。 另一方面,AutoML将尝试许多可能的合适算法,测试完全不同的神经网络结构,然后将它们与目标进行匹配。 没有人的监督,随着时间的推移,这个过程将给出问题的最佳数学解决方案和实施解决方案的最佳方式。 最终的神经网络不必使用这些算法中的一种,但是可以多次使用一个元素,只要它更有效。

理论上,自动学习方法应该能够设计一个更有效的神经网络 它不仅可以用来解决当前简单的问题,还可以帮助解决人类难以置信的问题。 让我们来看看谷歌是如何使用AutoML的关键功能的

AutoML可以设计一个类似于人类工程师但稍优于人类工程师的神经网络,如果它对一个巨大的图片数据库进行分类的话。 这种设计令人震惊的是,当人类工程师观察到由AutoMatl设计的神经网络时,他们不知道自己设计的神经网络与AutoMatl的设计之间的区别。 因为他们自己没有提出神经网络,他们起初完全不确定。

谷歌使AI可自我学习创造 终结者、奥创们要来了?

在左图中,人类试图使用最佳和最有效的神经网络来解决特定图像数据库的分类问题。 在右边,AutoML设计的神经网络有额外的节点。谷歌表示,其改进方案

AutoML,类似于人类研究人员最近提出的方案,目的不是将人类从开发过程中剥离出来,甚至开发新的人工智能,而是让人工智能继续以我们多年来习惯的速度改变世界。 编码神经网络的挑战正成为整个行业的障碍。AutoML试图降低未来机器学习技术学习者的入门门槛。

虽然它远远超出了当前技术的复杂性,但AutoML仍然是同一个“极端民主化”过程的开始,这在正常编码中我们已经见过很多次了。 超文本标记语言有梦想编织器。通过在自动模具中运行一组人工智能创建人工智能程序,机器学习可能很快达到类似的操作简易程度。

由于这个原因,AutoML可能无法在短期内设计出更好的人工智能,尽管它最终肯定会实现这个目标。 但是汽车可以为绝望的人打开一个行业。 AutoML不具备谷歌顶级工程师的理论和数学天赋,但普通人不能让谷歌顶级工程师自己动手解决问题。 谷歌正在用自动语言创造普通人可以掌握的人工智能工程师。