<mark id="oztn4"></mark>
0
你想過一種能夠建設人工智能的人工智能嗎？這可能是研究者的夢想，程序員的噩夢。
紐約時報近日就刊登了一篇題為《Building A.I. That Can Build A.I.》的文章，向我們介紹了谷歌AutoML的一些情況，雷鋒網在不改變原意的情況下進行了編譯。
在最近于硅谷和中國的演講中，谷歌的大牛Jeff Dean著重介紹了谷歌的AutoML項目。AutoML，顧名思義，就是學習構建其他機器學習算法的機器學習算法。
Jeff Dean是一名出色的計算機科學家和軟件工程師，目前，他是谷歌大腦團隊中的高級成員（Fellow）。谷歌許多業務的底層架構和系統都是由他參與建設的，如Big Table 和Map Reduce，在國外知乎Quara上，有答主曾如此夸張地形容這位大牛：編譯器從不警告Jeff Dean，只有Jeff Dean警告編譯器。
Jeff Dean（圖片來自New York Times）
這次AutoML的宣布，意味著，谷歌很可能很快就可以找到，在一定程度上取代人類智慧來創建人工智能的方法，這也是許多人相信的技術趨勢。
不過，據估計，全世界只有一萬人已經獲得了足夠的教育，有足夠的經驗和才能來建立復雜的，有時甚至是神秘的數學算法，以推動這種新的人工智能。
全球最大的科技企業，包括谷歌、Facebook和微軟，有時，每年要花上數百萬美元來聘請人工智能專家，人才的價值也就水漲船高。人才的短缺或許還會持續很長一段時間，因為要精通這些知識需要的是幾年的時間。
這個行業并不愿意等，一些公司正在開發各種各樣的工具，以期更高效地創建各個業務自己的人工智能軟件。例如，圖像和語音識別服務、在線聊天機器人等。
微軟公司副總裁約Joseph Sirosh說：“我們現在走的路，也是計算機科學、每一種新技術都會經歷的相同的道路。”微軟最近公布了一個幫助程序員構建深層神經網絡的工具，一種更能驅動人工智能發展的算法。“我們將會減少很多繁重的工作。”
這不是利他主義。像Dean先生這樣的研究者認為，如果有更多的人和公司從事人工智能的研究，那么對于他們自己的研究也是有推動作用的。同時，在Sirosh所描述的趨勢中，谷歌、亞馬遜和微軟等公司看到了商機。這幾家公司在銷售能夠幫助其他企業和開發商建立A.I.的云計算服務。
但根據一些創業公司的說法，目前，這些工具并不能滿足大部分的需要。隨著項目的進展，谷歌對AutoML的看法大概也是這樣的。谷歌CEO Sundar Pichai在上個月發布Pixcel 2時就宣傳了AutoML。
Dean表示，最后，即使沒有廣泛的專業知識，谷歌的這個項目也能將幫助公司建立他們的人工智能系統。他估計，目前只有不到幾千家公司有合適的人才來建設人工智能，但很多的公司已經有了必要的數據。
Pichai當時表示：“我們希望能服務更多的公司，讓他們擁有用機器學習解決問題的能力。”
谷歌正在大力投資云計算服務，它將成為谷歌未來幾年的主要收入來源。在收購了全球頂尖的大部分人工智能研究人員的之后，谷歌已經有了強大的發展勢能。
神經網絡正在迅速加速人工智能的發展，人們不需要人工地構建圖像識別服務或者創建翻譯app，工程師們只要用一行代碼就能夠構造出能夠自己學習的算法。
但建立一個神經網絡不是建立一個網站或普通的智能手機應用程序。它需要許多數學技能，嚴格的反復試驗和一定程度上的（專業）直覺。獨立機器學習實驗室（Element AI）的主管， Jean-Fran?ois Gagné將這一過程稱為“一種新的計算機程序設計”。
在建立神經網絡時，研究者會在一個巨大的機器網絡上進行了幾十次甚至數百次實驗，測試了算法的學習能力，比如識別圖像或翻譯的準確度。（根據測試結果）他們一遍又一遍地調整算法的某些部分，直到這些算法能夠真正地解決問題。有些人將這個過程稱之為“黑暗藝術”，因為就連研究者們都很難解釋為什么他們要做出這些調整。
谷歌現在試圖通過AutoML自動化這個過程。AutoML可以構建算法，用來分析其他算法的發展，學習哪些方法是成功的，哪些是不成功的。最終，這些算法能夠學習建立更有效的機器學習（方法）。谷歌表示，在某些情況下，AutoML現在已經可以構建比單純由人類專家構建的還要準確的圖像識別算法。
（圖片來源自 New York Times）
這個項目的研究人員之一Barret Zoph認為，同樣的方法對于語音識別或機器翻譯等其他任務也會有很好的效果。
這并不是一件容易的事情，但這是人工智能的一個重要趨勢。專家稱之為“學會學習（learning to learn）”或“元學習(meta-learning)”。
很多人認為這樣的方法能夠大大加快人工智能的進展，不論是在網絡世界還是物理世界。在加利福尼亞大學伯克利分校，研究者們正在研究使機器人可以根據他們過去所學到的知識，來學習新的任務的技術。
伯克利教授Pieter Abbeel說：“計算機就是要為我們發明算法的。計算機發明的算法可以很快解決許多問題，至少有這樣的希望。”
這也是一種讓更多的人和企業能夠構建人工智能的方法。這些方法不會完全取代人工智能研究者。像谷歌的這些專家，仍然需要做很多重要的設計工作。但是，人們相信，專家們的研究成果能夠幫助更多人構建自己的軟件。
卡內基梅隆大學的研究人員Renato Negrinho也正在研究類似于AutoML的技術，他說，目前這樣的技術還不是很成熟，還需要多幾年的火候。“這只是時間問題。”他說。
雷鋒網編譯，via nytimes
以上觀點，不代表雷鋒網立場。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
