上周，谷歌在I/O大會上宣布了人工智能方面的一項重大突破。他們揭曉了一種新的“機器學習”方式——用神經(jīng)網(wǎng)絡打造更好的神經(jīng)網(wǎng)絡，即教AI自學成才。這些人造神經(jīng)網(wǎng)絡能夠模仿人類大腦的學習方式。這項新技術(shù)被命名為AutoML，它能夠使神經(jīng)網(wǎng)絡發(fā)展得更強大、更高效、使用更便捷。

他們的思路如下：首先，選擇一些備選神經(jīng)網(wǎng)絡，視它們?yōu)樯窠?jīng)網(wǎng)絡嬰兒；其次，用一個神經(jīng)網(wǎng)絡去迭代它們，直至得到最佳神經(jīng)網(wǎng)絡。這個過程被稱為“強化學習”，即計算機可以將試錯與某種獎勵聯(lián)系起來，就好比教一只狗學習新把戲。這個過程需要大量計算能力，但谷歌硬件已經(jīng)能夠做到讓一個神經(jīng)網(wǎng)絡去分析另一個神經(jīng)網(wǎng)絡。

通常，神經(jīng)網(wǎng)絡需要一支科學家及工程師團隊耗費大量時間進行開發(fā)。但有了AutoML之后，幾乎任何人都可以打造AI系統(tǒng)，去處理任何所需任務。他們希望AutoML能夠擁有連博士生都難以具備的能力，在三五年內(nèi)讓成千上萬名開發(fā)者根據(jù)自身需求設計新的神經(jīng)網(wǎng)絡。

所謂“機器學習”，即計算機根據(jù)樣本數(shù)據(jù)自行做決定。這是開發(fā)人工智能的一種方式，其中涉及兩個主要步驟：訓練和推論。舉個例子，在訓練過程中，計算機可能要瀏覽數(shù)千張貓狗圖片，學習每種動物的像素合并類型；然后，系統(tǒng)運用所學內(nèi)容自行作出有根據(jù)的推測。將上述例子中的貓狗替換成神經(jīng)網(wǎng)絡，大致就是AutoML的運行方式——不是識別動物，而是識別哪種系統(tǒng)最聰明。

就目前結(jié)果看來，在識別解決問題的最佳方式上，AutoML可能甚至比人類專家更厲害。未來，這或許能夠大大降低AI系統(tǒng)開發(fā)過程的工作量，因為它們在一定程度上能夠?qū)崿F(xiàn)自我開發(fā)。

谷歌表示，AutoML仍舊處于初期階段，但人工智能、機器學習、深度學習都正設法進軍我們?nèi)粘Ｊ褂玫腁PP中。如今，計算機甚至比人類更擅長識別照片中的東西。谷歌即將推出一款APP，能夠通過攝像頭進行內(nèi)容識別，比如一朵花或街邊店鋪。這種超強的深度學習算法也正逐漸進入健康領(lǐng)域。如今，圖像處理系統(tǒng)能夠識別癌癥跡象，精確度甚至比專家更高。

AutoML出爐后，人工智能平臺應該能夠更快速地提升智能。谷歌的科研專家認為，它可以促成新的神經(jīng)網(wǎng)絡類型，讓非專家也能夠根據(jù)自身需求建立神經(jīng)網(wǎng)絡，機器學習將對每個人具有更深遠的影響。

更多資訊請關(guān)注機器視覺頻道