研發人員有一個夢想，讓人工智能機器創造其他的人工智能機器。但是，對高級程序員們來說，這是一個噩夢。

最近，在硅谷和中國的演講中，谷歌首席工程師之一JeffDean都提到了AutoML。ML，機器學習（machinelearning）的縮寫，是一種能夠通過分析數據自行完成特定任務的計算機算法。AutoML也是一種機器學習算法，但它學習的是如何創造其他機器學習算法。

有了AutoML，不久以后，谷歌或許就可以找到一種創造AI的技術，部分取代人類。這是科技產業的未來，許多人認為。

從能識別人臉的智能手機應用，到自動駕駛的汽車，科技產業前景光明。但據估計，具備創建復雜（甚至有些神秘）算法的教育背景、經驗和能力的人，全世界僅1萬人左右。

世界最大高科技企業，包括谷歌，臉書和微軟，每年在AI人才方面投入數百萬美元，讓這一稀缺人才市場更加陷入困境。百年樹人，人才短缺問題很難短時間內得到解決，掌握這些技能也要花費好幾年。

但是，產業發展不會等人。目前，公司企業正在研發各種工具，幫助簡化打造AI軟件的過程，比如，圖像和語音識別服務，在線聊天機器人等。

最近，微軟公布了一款可以幫助程序員創建深度神經網絡的工具。「每出現一種新技術，計算機科學就會以這樣的方式跟進。」微軟的副總裁JosephSirosh表示，「我們正在省去許多繁重的勞作。」

這不是利他主義。

像JeffDean這樣的研發人員們相信，更多的人和企業研究人工智能，會促進自己的研究。巨頭們也在這一趨勢中看到了光明「錢」途。他們紛紛對外出售云計算服務，幫助企業和開發者創建AI。

「存在這方面的剛需，當前的工具不能完全滿足這些需求。」碼隆科技的聯合創始人兼首席技術官MattScott表示。這家創業公司也致力于類似服務。

這也正是谷歌希望AutoML能夠做的事情。上個月公布新款安卓智能手機時，谷歌CEOSundarPichai還曾炫耀過AutoML。

這個項目最終會幫助其他公司創建具備人工智能的系統，即使這些公司沒有豐富的專業知識。JeffDean表示，如今也僅幾千家家公司具備打造AI的能力，更多的公司擁有必要的數據。

「希望首先可以解決幾千家組織的機器學習問題，然后幫助幾百萬家公司組織。」他說。

谷歌正在云計算業務上傾注巨資，期待未來幾年，該業務成為公司主要的經濟引擎。將大部分世界頂尖AI研發人員收入囊中后，谷歌也有啟動引擎的砝碼了。

神經網絡正在快速加速人工智能的發展。如今，工程師們可以更快地創建自主學習算法。過去，程序員都是手動創建一個圖像識別服務或是一個文字翻譯app，一次只能完成一行編碼。

例如，通過分析大量傳統技術支持通話中的聲音，機器學習算法能夠學會識別口頭單詞。

但是，構建神經網絡并不像創建網站或是普通的智能手機應用那么簡單。數學，極端的試錯、相當多的直覺，一個都不能少。獨立的機器學習實驗室ElementAI的首席執行官Jean-Fran?oisGagné將這個過程定義為「一種新的計算機編程。」

在創建神經網絡的過程中，研發人員通常會運用大量的機器網絡運行幾十或幾百項實驗，測試該算法能多大程度上學會識別圖像或是翻譯一種語言。他們會不斷地調整算法特定部分，直到找到起作用的那一部分。這一技術被稱為「黑暗的藝術」，因為研發人員發現很難解釋，為什么會做出這樣的調整。

谷歌正在嘗試使用AutoML將這個過程自動化。通過創建能分析其他算法研發過程的算法，就能搞清楚哪些方法湊效，哪些不能。最終，系統將學會創建出更有效的機器學習。

現在，谷歌認為AutoML可以創造識別圖片物體的算法，比完全由人類專家建造的算法更精確。該項目一位成員、谷歌研究人員BarretZoph相信，這種辦法最終也適用于其他的任務，例如語音識別和機器翻譯。

這是AI研究的重要趨勢之一，專家稱作「學會學習」或「元學習」。

許多人相信，這樣的方法會極大地促進人工智能的發展，無論是在網絡世界還是現實世界。伯克利的研發人員們正在打造讓機器人基于過去經驗解決新問題的技術。

「實際上，計算機會為我們創造這樣的算法。」伯克利的教授Pieterabbeel稱，「計算機創造的算法，能迅速地解決很多問題，至少我們有這樣的希望。」最近，他離開OpenAI，成立了一家機器人創業公司。（又一員大將離開馬斯克的OpenAI自立門戶，稱工業機器人市場大有可為）

這也是讓更多的人和企業有能力打造AI的方式。這些方法不會完全取代人類研究人員。專家們仍然需要做很多重要設計工作。但是，他們希望的是，少數專家的工作成果，可以幫助更多的人創建自己的軟件。

現在還不現實，未來幾年會實現，只是時間問題。RenatoNegrinho說。他是卡內基梅隆大學研究人員，也正在開發類似AutoML的技術。