編者按：穀歌等公司正在尋求通過自動化的方法來處理人工智慧專家短缺的問題。 穀歌的設想是， 類似 AutoML 這樣的專案， 將能幫助企業構建他們自己的AI系統， 尤其是那些沒有深厚 AI 經驗和實力的企業。 據估計， 如今具備能自我開發 AI 系統的人才的公司， 全球不超過 1000 家， 但其他更多公司卻擁有開發 AI 系統所需的資料。
研究者的夢想， 但也許是高級程式師的噩夢：可以建造其他人工智慧的人工智慧。
谷歌領導工程師之一 Jeff Dean 重點介紹了名為 AutoML 的專案。 ML 是機器學習的縮寫， 可以通過分析資料自行學習執行特定任務的電腦演算法。 AutoML 是一個學習構建其他機器學習演算法的機器學習演算法。
通過 AutoML ， 穀歌可能很快就會找到一種方法， 可以部分地取代人類創建人工智慧技術， 構建人工智慧系統， 許多人認為這是技術行業的未來。
該項目是眾多將最新的 AI 技術帶給更廣泛的公司和軟體發展人員的努力之一。
科技行業正在創造一切的可能性， 從可識別人臉的智慧手機應用程式到自動駕駛汽車。 但據估計， 全世界只有 10000 人擁有建立複雜、神秘數學演算法所需的教育、經驗和才能， 以推動這種新的人工智慧。
包括穀歌， Facebook 和微軟在內的全球最大的科技企業每年向 AI 專家支付數百萬美元薪資。 人才短缺不會很快消失， 只因為掌握這些技能需要多年的努力。
業界不願意等待。 企業正在開發各種工具， 以便更容易開發 AI 軟體， 包括圖像和語音辨識服務以及線上聊天機器人等。
微軟公司副總裁 Joseph Sirosh 說：“我們遵循電腦科學和所有新型技術相同的道路。 ”Joseph Sirosh 最近公佈了一個幫助程式設計人員建立深度神經網路的工具，
這不是利他主義。 Dean 這樣的研究人員相信， 如果有更多的人和公司從事人工智慧的研究， 將會推動他們自己的研究。 與此同時， 谷歌、亞馬遜和微軟這樣的公司看到了 Sirosh 所描述的趨勢中賺錢的機會。 他們都在銷售雲計算服務， 説明其他企業和開發人員建立人工智慧。
中國創業公司 Malong 的聯合創始人兼 CTO Matt Scott 表示：“這是真實的需求， 而現有工具還不能滿足所有的需求。 ”
這就是穀歌開展 AutoML 項目的原因。 穀歌 CEO Sundar Pichai 在今年十月發佈了 AutoML。
Dean 說， 最終， 這個項目將説明公司建立人工智慧系統， 即使不具備廣泛的專業知識。 他估計， 今天只有幾千家公司擁有合適的 AI 人才，
他說：“我們希望將成千上萬的公司從解決機器學習問題中解脫出來。 ”
谷歌正在大力投資於雲計算服務， 説明其他企業構建和運行軟體的服務， 預計將成為谷歌未來幾年的主要增長動力之一。 在網羅了大量世界頂級 AI 研究人員之後， 它有了啟動這個引擎的方法。
神經網路正在加速人工智慧的發展。 工程師不用一次一個的手工構建圖像識別服務或語言翻譯應用程式， 而只需一行代碼， 工程師就可以更快地構建一個自學習任務的演算法。
例如， 通過分析大量傳統技術支援呼叫中的語音， 機器學習演算法可以學習識別口語詞彙。
但建立神經網路不像網站或普通的智慧手機應用程式。
在建立神經網路時， 研究人員在一個巨大的機器網路上進行了幾十次甚至數百次實驗， 測試一個演算法如何學習一個任務， 如識別圖像或者從一種語言翻譯到另一種語言。 然後他們一遍又一遍地調整演算法的特定部分， 直到他們解決了一些有效的東西。 有人稱之為“黑暗藝術”， 因為研究人員很難解釋為什麼他們會做出特定的調整。
但是通過 AutoML， 穀歌試圖將這個過程自動化。 它正在構建演算法， 分析其他演算法的發展， 學習哪些方法是成功的， 哪些是不成功的。 最終， 學習建立更有效的機器學習。 穀歌表示，AutoML 現在可以構建的演算法，在某些情況下，比單純由人類專家構建的服務更精確地識別照片中的對象。
這個項目背後的谷歌研究員 Barret Zoph 認為，同樣的方法對於語音辨識或機器翻譯等其他任務最終也能適用。
這不是一件容易的事情，但這是人工智慧研究的重要趨勢的一部分。專家稱之為“學習的學習”或“元學習”。
許多人認為，這種方法將大大加快人工智慧在網路和物理世界的進展。 在加利福尼亞大學伯克利分校的研究人員正在研究一種技術，使機器人能夠根據他們過去所學的知識來學習新的任務。
教授 Pieter Abbeel 說：“電腦本來就是為我們發明演算法的。 電腦發明的演算法可以很快解決許多很多問題，至少這是希望。”
這也是一種擴大人工智慧的人員和企業的方法。 這些方法不會完全取代 AI 研究人員，比如谷歌公司的這類專家，仍然需要做很多重要的設計工作。 但是，我們的信念是，只需要少數專家的工作就可以幫助大量的人建立自己的軟體。
卡內基梅隆大學研究員 Renato Negrinho 正在探索類似於 AutoML 的技術，今天還沒成為現實，應該在未來幾年實現。 “這只是時間問題。”
（本文由36氪編譯組授權發佈，未經許可不得轉載。編輯：郝鵬程）
穀歌表示，AutoML 現在可以構建的演算法，在某些情況下，比單純由人類專家構建的服務更精確地識別照片中的對象。這個項目背後的谷歌研究員 Barret Zoph 認為，同樣的方法對於語音辨識或機器翻譯等其他任務最終也能適用。
這不是一件容易的事情，但這是人工智慧研究的重要趨勢的一部分。專家稱之為“學習的學習”或“元學習”。
許多人認為，這種方法將大大加快人工智慧在網路和物理世界的進展。 在加利福尼亞大學伯克利分校的研究人員正在研究一種技術，使機器人能夠根據他們過去所學的知識來學習新的任務。
教授 Pieter Abbeel 說：“電腦本來就是為我們發明演算法的。 電腦發明的演算法可以很快解決許多很多問題，至少這是希望。”
這也是一種擴大人工智慧的人員和企業的方法。 這些方法不會完全取代 AI 研究人員，比如谷歌公司的這類專家，仍然需要做很多重要的設計工作。 但是，我們的信念是，只需要少數專家的工作就可以幫助大量的人建立自己的軟體。
卡內基梅隆大學研究員 Renato Negrinho 正在探索類似於 AutoML 的技術，今天還沒成為現實，應該在未來幾年實現。 “這只是時間問題。”
（本文由36氪編譯組授權發佈，未經許可不得轉載。編輯：郝鵬程）