穀歌的機器學習軟體已經學會了自我複製

穀歌設計了一個人工智慧項目， 可以説明人類創造其他人工智慧系統。 現在自動化可以做到這一點， 它正在創造比人類工程師更強大、更高效的系統。

今年5月， 穀歌公佈了其自動化項目;人工智慧(AI)旨在幫助他們創造其他AIs。 現在， 穀歌已經宣佈， AutoML通過建立機器學習軟體， 在自己的遊戲中打敗了人類人工智慧工程師， 它比最好的人類設計的系統更高效、更強大。

一個自動系統最近打破了以其內容分類圖像的記錄， 得分為82%。 雖然這是一個相對簡單的任務， 但AutoML也在一個更複雜的任務中擊敗了人類構建的系統， 它是自主機器人和增強現實(增強現實):在圖像中標記多個物件的位置。 在這項任務中， AutoML的得分為43%， 而人造系統的得分為39%。

這些結果是有意義的， 因為即使在穀歌， 幾乎沒有人具備構建下一代人工智慧系統的必要專業知識。 這個領域需要一個rarified技能來實現自動化，

但一旦實現， 它就會改變這個行業。 《連線》雜誌的首席執行官桑達爾·皮查伊說:“今天， 這是由機器學習科學家手工製作的， 全世界只有幾千名科學家能做到這一點。 ”“我們希望能讓成千上萬的開發人員能夠做到這一點。 ”

大部分的金屬賺錢都是模仿人類神經網路， 試圖通過這些網路來提供更多的資料。 這不是——用舊的鋸——火箭科學。 更確切地說， 這是一個大量的插頭和chug的工作， 這些機器實際上很適合在訓練後做。 最難的部分是首先模仿大腦結構， 並在適當的尺度上處理更複雜的問題。

機器人工智慧的未來

調整現有系統以滿足新需求仍然比從地面設計一個神經網路要簡單得多。 然而， 這項研究似乎表明這是一種暫時的狀態。

隨著人工智慧設計新系統的複雜性越來越高， 對於人類來說， 扮演一個守門人的角色是很重要的。 人工智慧系統可以很容易地不小心進行有偏差的連接——比如將種族和性別認同與負面的刻板印象聯繫在一起。 然而， 如果人類工程師花更少的時間在創建系統的繁重工作上， 他們將有更多的時間用於監督和改進。

最終， 穀歌的目標是磨練自動化， 直到它能夠很好地發揮作用， 讓程式師可以在實際應用中使用它。 如果他們成功了， 自動化很可能會產生遠遠超出穀歌的影響。 《連線》雜誌的皮查伊說， 在上周的同一件事上， “我們想讓這一切民主化”——意思是， 公司希望在穀歌之外實現自動化。