本文摘要:你想要过一种需要建设人工智能的人工智能吗?这有可能是研究者的梦想,程序员的噩梦。纽约时报近日就刊出了一篇为题《Building A.I. That Can Build A.I.》的文章,向我们讲解了谷歌AutoML的一些情况,在不转变本意的情况下展开了编译器。 在最近于硅谷和中国的演说中,谷歌的大牛Jeff Dean侧重讲解了谷歌的AutoML项目。AutoML,顾名思义,就是自学建构其他机器学习算法的机器学习算法。

开元官方网站

你想要过一种需要建设人工智能的人工智能吗?这有可能是研究者的梦想,程序员的噩梦。纽约时报近日就刊出了一篇为题《Building A.I. That Can Build A.I.》的文章,向我们讲解了谷歌AutoML的一些情况,在不转变本意的情况下展开了编译器。

在最近于硅谷和中国的演说中,谷歌的大牛Jeff Dean侧重讲解了谷歌的AutoML项目。AutoML,顾名思义,就是自学建构其他机器学习算法的机器学习算法。Jeff Dean是一名出众的计算机科学家和软件工程师,目前,他是谷歌大脑团队中的高级成员(Fellow)。

谷歌许多业务的底层架构和系统都是由他参予建设的,如Big Table 和Map Reduce,在国外知乎Quara上,有答主曾如此滑稽地形容这位大牛:编译器从来不警告Jeff Dean,只有Jeff Dean警告编译器。Jeff Dean(图片来自New York Times)这次AutoML的宣告,意味著,谷歌很有可能迅速就可以寻找,在一定程度上代替人类智慧来创立人工智能的方法,这也是许多人坚信的技术趋势。不过,据估计,全世界只有一万人早已取得了充足的教育,有充足的经验和才能来创建简单的,有时甚至是谜样的数学算法,以推展这种新的人工智能。全球仅次于的科技企业,还包括谷歌、Facebook和微软公司,有时,每年要花上数百万美元来聘用人工智能专家,人才的价值也就水涨船高。

人才的紧缺也许还不会持续很长一段时间,因为要通晓这些科学知识必须的是几年的时间。这个行业并不不愿等,一些公司正在研发各种各样的工具,以期更加高效地创立各个业务自己的人工智能软件。例如,图像和语音辨识服务、在线聊天机器人等。微软公司副总裁大约Joseph Sirosh说道:“我们现在回头的路,也是计算机科学、每一种新技术都会经历的完全相同的道路。

”微软公司最近发布了一个协助程序员建构深层神经网络的工具,一种更加能驱动人工智能发展的算法。“我们将不会增加很多艰巨的工作。”这不是利他主义。像Dean先生这样的研究者指出,如果有更加多的人和公司专门从事人工智能的研究,那么对于他们自己的研究也是有推展起到的。

同时,在Sirosh所叙述的趋势中,谷歌、亚马逊和微软公司等公司看见了商机。这几家公司在销售需要协助其他企业和开发商创建A.I.的云计算服务。但根据一些创业公司的众说纷纭,目前,这些工具并无法符合大部分的必须。

随着项目的进展,谷歌对AutoML的观点大约也是这样的。谷歌CEO Sundar Pichai在上个月公布Pixcel 2时就宣传了AutoML。Dean回应,最后,即使没普遍的专业知识,谷歌的这个项目也能将协助公司创建他们的人工智能系统。他估算,目前只有将近几千家公司有适合的人才来建设人工智能,但很多的公司早已有了适当的数据。

Pichai当时回应:“我们期望能服务更好的公司,让他们享有用机器学习解决问题的能力。”谷歌正在大力投资云计算服务,它将沦为谷歌未来几年的主要收益来源。在并购了全球顶尖的大部分人工智能研究人员的之后,谷歌早已有了强劲的发展势能。神经网络正在很快加快人工智能的发展,人们不必须人工地建构图像识别服务或者创立翻译成app,工程师们只要用一行代码就需要结构出有需要自己自学的算法。

但创建一个神经网络不是创建一个网站或普通的智能手机应用程序。它必须许多数学技能,严苛的重复试验和一定程度上的(专业)直觉。独立国家机器学习实验室(Element AI)的主管, Jean-François Gagné将这一过程称作“一种新的计算机程序设计”。

在创建神经网络时,研究者不会在一个极大的机器网络上展开了几十次甚至数百次实验,测试了算法的自学能力,比如辨识图像或翻译成的准确度。(根据测试结果)他们一遍又一遍地调整算法的某些部分,直到这些算法需要确实地解决问题。

有些人将这个过程称作“黑暗艺术”,因为就连研究者们都很难说明为什么他们要作出这些调整。谷歌现在企图通过AutoML自动化这个过程。AutoML可以建构算法,用来分析其他算法的发展,自学哪些方法是顺利的,哪些是不顺利的。

最后,这些算法需要自学创建更加有效地的机器学习(方法)。谷歌回应,在某些情况下,AutoML现在早已可以建构比全然由人类专家建构的还要精确的图像识别算法。

(图片来源自 New York Times)这个项目的研究人员之一Barret Zoph指出,某种程度的方法对于语音辨识或机器翻译等其他任务也不会有很好的效果。这并不是一件更容易的事情,但这是人工智能的一个最重要趋势。

专家称作“学会自学(learning to learn)”或“元自学(meta-learning)”。很多人指出这样的方法需要大大减缓人工智能的进展,不论是在网络世界还是物理世界。在加利福尼亚大学伯克利分校,研究者们正在研究使机器人可以根据他们过去所学到的科学知识,来自学新的任务的技术。伯克利教授Pieter Abbeel说道:“计算机就是要为我们发明者算法的。

计算机发明者的算法可以迅速解决问题许多问题,最少有这样的期望。”这也是一种让更加多的人和企业需要建构人工智能的方法。这些方法会几乎代替人工智能研究者。像谷歌的这些专家,依然必须做到很多最重要的设计工作。

但是,人们坚信,专家们的研究成果需要协助更加多人建构自己的软件。卡内基梅隆大学的研究人员Renato Negrinho也正在研究类似于AutoML的技术,他说道,目前这样的技术还不是很成熟期,还必须多几年的火候。“这只是时间问题。

”他说道。(公众号:)编译器,via nytimes以上观点,不代表立场。原创文章,予以许可禁令刊登。下文闻刊登须知。


本文关键词:假如,有一天,能,自我,“,繁殖,”,【,开元,你,开元官方网站

本文来源:开元官方网站-www.taartenvanjansen.com