機器學習已被用于創(chuàng)建新的AI系統(tǒng) 而且無需任何人工干預

人工智能承擔的許多工作涉及稱為機器學習的訓練過程，在這種過程中，人工智能在識別貓或繪制路線越多的任務上越勝越好?，F(xiàn)在，該技術(shù)已被用于創(chuàng)建新的AI系統(tǒng)，而無需任何人工干預。

多年以來，Google的工程師一直在研究一種稱為AutoML系統(tǒng)(或自動機器學習系統(tǒng))的奇特的智能機器學習系統(tǒng)，該系統(tǒng)已經(jīng)能夠創(chuàng)建超越我們所做的一切的AI。

現(xiàn)在，研究人員已經(jīng)對其進行了調(diào)整，以納入達爾文進化論的概念，并表明它可以構(gòu)建比人類進行編碼時可以更快地自我完善的AI程序。

新系統(tǒng)稱為AutoML-Zero，雖然聽起來有些令人震驚，但它可能導致更智能系統(tǒng)的快速發(fā)展-例如，神經(jīng)網(wǎng)絡旨在通過多層和權(quán)重更準確地模擬人腦，編碼人員一直在努力。

研究人員在預印本中寫道：“如今，僅使用基本的數(shù)學運算就可以自動發(fā)現(xiàn)完整的機器學習算法。”“我們通過引入一種新穎的框架來證明這一點，該框架通過通用搜索空間顯著減少了人類的偏見。”

原始的AutoML系統(tǒng)旨在使應用程序更容易利用機器學習，并且本身已包含許多自動化功能，但是AutoML-Zero降低了所需的人工輸入量。

使用簡單的三步過程-設置，預測和學習-可以將其視為從頭開始進行的機器學習。

系統(tǒng)首先通過隨機組合簡單的數(shù)學運算來選擇100種算法。然后，經(jīng)過復雜的反復試驗過程，可以找出表現(xiàn)最佳的人，并進行一些調(diào)整以保留最佳人選，以進行另一輪試驗。換句話說，神經(jīng)網(wǎng)絡正在發(fā)生變化。

生成新代碼時，將在AI任務上進行測試-例如找出卡車圖片和狗圖片之間的差異-然后保留性能最佳的算法以供將來迭代。喜歡優(yōu)勝劣汰。

而且速度也很快：研究人員估計，每個處理器每秒可以搜索多達10,000種可能的算法(可用于該任務的計算機處理器越多，它可以運行得越快)。

最終，這應該會看到人工智能系統(tǒng)得到更廣泛的使用，并且對于沒有AI專業(yè)知識的程序員來說更容易訪問。它甚至可以幫助我們消除AI帶來的人類偏見，因為人類幾乎沒有參與。

改進AutoML-Zero的工作仍在繼續(xù)，希望它最終將能夠推出人類程序員從未想過的算法。目前，它只能生成簡單的AI系統(tǒng)，但研究人員認為，可以相當迅速地提高復雜性。