谷歌提出帮助人工智能开发人工智能的方法

澳洲科学媒体Sciencealert刊登了David Nield的一篇文章，称谷歌的研究者们正在利用人工智能开发更强大的人工智能。

谷歌已经宣布了人工智能的另一项重大进展，即一种新的机器学习方法，能够利用神经网络来构建更好的神经网络—本质上，就是教人工智能学会教导自己。这些人工神经网络设计为模仿大脑的学习方式。谷歌表示，他们的AutoML新技术可以开发出更强大、更高效、更易用的神经网络。

谷歌开发者大会是谷歌发起的针对应用程序开发者和硬件制造商的年度大会，旨在公布谷歌产品的未来走向。5月18日，谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）在谷歌2017开发者大会（Google I/O 2017）的舞台上展示了AutoML。“AutoML的工作方式是：我们选择一组候选神经网络，将其看作幼儿期的神经网络，然后用一个神经网络来循环访问它们，直到获得最好的神经网络。”皮查伊解释说。

这个过程被称为增强学习（reinforcement learning），计算机可以将尝试和错误与某种奖励联系起来，就像教一只狗学习新技能一样。该过程需要极大的计算能力，但谷歌的硬件现在正在进入一个新的阶段，届时神经网络将可以分析另一个神经网络。神经网络通常需要由科学家和工程师组成的专家团队花费大量时间来构建。但是有了AutoML的帮助，几乎任何人都可以构建人工智能系统来处理任何他们想处理的任务。

皮查伊在一篇博文中写道：“我们希望AutoML能够具有当前一些博士具备的能力，会让它在三到五年时间内为成千上万的开发人员设计出新的神经网络，以满足他们的具体需求。”

机器学习的目标是使计算机根据样本数据做出自己的决策。它是开发人工智能的一种方法，包含了两个主要步骤：训练和推理。训练具体就是上述那样，因此训练过程可能就是一台计算机浏览成千上万张猫和狗的照片，学习每种动物由哪种像素组合而成。推理部分是系统根据学到的东西自行做出有根据的猜测。将猫和狗换成神经网络，我们就将对AutoML的工作方式有了一定的了解。但它要识别的不是动物，而是要判断哪些系统是最智能的。

根据谷歌所得到的结果，在寻找解决问题的最佳方法方面，AutoML甚至可能比人类专家更聪明。这可能为构建未来的人工智能系统节省了大量的工作，因为它们能够部分自建了。谷歌表示，AutoML仍然处于起步阶段，但人工智能、机器学习和深度学习（模仿大脑神经元的高级机器学习技术）都在努力融入我们的日常应用中。

在开发者大会的演示中，谷歌展示了它的机器学习技术如何调亮灰暗的图片或消除图像中的障碍物，这些行为都是基于系统根据数百万个其他照片进行的训练。谷歌表示，在识别照片中的物体方面，它的电脑现在甚至比人类做的更好。即将推出的“谷歌镜头”应用程序将能够利用我们的手机镜头为我们或街头生意识别鲜花。

这些超级强大的深度学习算法也正在进入健康领域，让图像处理系统比专业人员更准确地识别癌症征兆。有了AutoML的帮助，我们的人工智能平台应该能够更快地变得更智能，虽然可能还需要等待一段时间才能看到安卓相机应用程序的优点。在此之前，应用程序开发人员和科研工作者将能够利用AutoML。谷歌的科研人员解释说：“我们认为这能启发产生新型的神经网络，让非专业人员可以根据自己的特定需求来创建神经网络，使机器学习为所有人带来更大的影响。”