早在5月份，Google透漏了其AutoML工程，一个旨在用人工智能(AI)自行设计人工智能的开发项目。
现在，Google宣布， AutoML在机器学习领域第一次击败了人类工程师。它制造出了比现今人类最好的机器学习程序更高效强大的软件系统。
一个基于AutoML的系统最近打破了图像分类学习的记录，成功率为82％。
虽然这只是一项相对简单的任务，但AutoML还在一项更复杂的任务中与人类AI工程师竞赛胜出。它成功开发出一项对自动化机器人和虚拟现实技术来说不可或缺的技能：标记图像中多个对象的位置。
AutoML开发的系统得分43%，人类工程师开发的系统得分39%。
这些结果意义深远，因为即使在Google，也只有位数不多的人拥有构建下一代AI系统所需的专业知识。它需要越来越多的功能来实现这一领域的自动化，目标一旦实现，将会改变整个人工智能行业的未来。
“今天，只有少数机器学习领域的专家能亲手打造这样的系统，就算放宽限制，全球有能力参与研发人工智能的科学家也不过一千多人。”谷歌CEO Sundar Pichai说，“我们希望使成千上万的开发人员都能拥有自己的人工智能设备。”《连线》(WIRED)记者报道。
大多数元学习系统模仿人类的神经网络结构，工程师将海量的数据喂给这些网络。这一过程没有什么莫测高深之处。
credit:123RF
相反的，这是一项机械和重复的工作，非常适合由机器来完成。困难的部分是模拟大脑结构，提升精度适应于更复杂的问题。
调整现有系统以满足新需求比从头开始设计神经网络还容易一些。然而，这项研究似乎表明这是一个暂时状态。
随着人工智能越来越容易地设计出复杂度更高的新系统，人类作为守门员的角色越来越重要。人工智能系统不会像人类一样因为大意而失误，也不会产生先入为主的偏见，例如将种族和性别身份与负面的刻板印象相结合。
如果人类工程师投入更少的时间到对他们而言已经不是不可或缺的制造人工智能的工作中，他们将有更多的时间专注于监督和改进系统。
Google正在进一步打磨AutoML，直到它能够更好地用于实际应用。如果他们成功，AutoML可能会带来的深刻影响，不会局限在Google公司的围墙内。
本文译自 sciencealert，由译者 majer 基于创作共用协议(BY-NC)发布。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
