昨天， Google的 Deepmind戰勝了目前等級分排名世界第一的中國棋手柯潔九段， 至此， AI在棋類專案上已經所向無敵了。
這表明 AI已經詩詞歌賦、琴棋書畫無所不能了。 也是在這個月， Google在其舉辦的 I/O大會上闡釋了AI發展的一個新的方向， 那將是所有科幻小說中最駭人聽聞的預言——自我複製。
這個能力被稱為 AutoML （auto machine learning， 機器自動學習）， 它允許一個 AI成為另一個 AI的架構師， 並指導其開發， 而不需要人力工程師的輸入。
這等於是將可能導致失控和演變的“造物權”交給了機器， 在第二個 AI的開發過程中， AutoML不僅僅是提煉已經存在的簡單模型， 而主動優化這些模型。
在關於該專案的說明中， Google 首席執行官 Sundar Pichai （桑達爾·皮查伊）表示：Google希望 AutoML能擁有現在一些博士所具備的能力， 在 3到 5年內使眾多的開發者也能通過 AutoML設計神經網路， 來滿足其特定的需求。
神經網路是一種以人類大腦為模型建立的電腦系統，
這個想法並不瘋狂。 因為如果我們想要讓機器深度學習人類的思維， 模仿人類的能力， 人類專家必須提供一個基本的計算類型的起始神經網路。
AutoML就解決了這個問題， 在不需要人為監督的情況下， 可以找到應對該問題的最佳數學方法和最佳實施方法。
下圖是 Google的 AutoML的主要示例的關鍵。 在已經給出了大量圖像分類資料庫的情況下， AutoML設計了一個神經網路， 它與 Google的人類工程師設計的相似。
左邊， 是人類嘗試在最好的、最有效率的神經網路架構下來處理特定的圖像資料庫。
儘管如此， AutoML的最大目標並不是讓人類脫離開發過程， 甚至完全自動化， 而是讓 AI在人類的目光下以同樣的速度來進行研發。
當下， 對神經網路進行編碼的難度越來越大， 而且設計神經網路是極其耗費時間的， 對專業知識的極高要求將適用人群縮小到了科研人員和工程師， 這成為一個行業問題。 AutoML旨在降低下一代機器學習的入門水準。
可能有一天， AutoML可以設計出更好的 AI。 雖然 AutoML不具備 Google頂級工程師的理論水準和數學能力， 但是對一個普通開發者而言， 使用 AutoML， 就等於是 Google的頂級開發在協助你了。
所以， 其實 Google希望的通過簡化神經網路的機器學習模型的設計，
AutoML目前只是扮演了人工智慧開發中的基礎工程師的角色， 生殺大權還是掌握在Google的頂級工程師手裡， 我們暫時不用擔心“天網”的誕生。
本文為一點號作者原創，未經授權不得轉載
本文為一點號作者原創，未經授權不得轉載