快捷搜索:  88888    机器人  美女  名称  美食  交警  c4rp3nt3r

自动人工智能是梦想还是噩梦?

  Jeff Dean是的高级工程师,他最近在硅谷和中国的演讲中特别介绍了一个名为的项目。ML是机器学习的缩写,指的是可以通过分析数据自行完成特定任务的计算机算法。AutoML反过来也是一个机器学习算法,学习构建其他机器学习算法。
 
 聊天机器人,语音机器人,家用机器人,AI,人工智能,机器人新闻_【伯人网】
 
  有了AutoML,谷歌可能很快就能找到创建(AI)技术的方法,这种技术一定程度上可使人们不用忙于构建AI系统,而许多人认为它是技术行业的未来。
  
  要将最新的AI技术带给更多的公司和软件开发人员,该项目是重中之重。
  
  从识别人脸的智能手机应用程序到无人汽车,科技行业一切皆有可能。但是据估计,全世界只有一万人拥有建立复杂且神秘的数学算法所需的教育、经验和人才,这种算法将推动新型AI的产生。
  
  包括谷歌、脸谱和微软在内的全球最大科技企业有时每年会向AI专家支付数百万美元,这样就可以有效垄断难以发现的人才市场。人才短缺问题难以快速解决,因为仅仅掌握这些技能就需要多年的努力。
  
  但是,业界无意等待。企业正在开发各种工具使操作更加便捷,更容易建立自己的AI软件,包括图像、服务以及在线聊天等。
  
  微软公司副总裁Joseph Sirosh说:“我们正在走与计算机科学和所有新型技术走过的道路。我们正在消除很多繁重的工作。”他最近公布了一个帮助编码人员建立深层神经网络的工具,该工具作为计算机算法推动了AI领域的众多最新进展。
  
  这不是利他主义的行为。和Dean一样,研究人员相信如果有更多的人和公司从事AI研究,这将他们有助于他们自己的研究。与此同时,谷歌、亚马逊和微软等公司看到Sirosh所说的AI能赚大钱。他们都在销售服务,它可以帮助其他企业和开发人员建立AI。
  
  中国创业公司Malong的联合创始人兼首席技术官Matt Scott表示:“我们对此有真正的需求。而这些工具还不能满足所有的需求。”
  
  谷歌对AutoML也持同样的看法,因为该公司一如既往地赞扬该项目的所取得的成就。谷歌首席执行官Sundar PichAI上月宣布推出一款全新Android智能手机时,大肆吹嘘AutoML。
  
  Dean称,谷歌的项目最终将帮助各大公司建立AI系统,即使他们没有充足的专业知识。他估计,虽然现在只有几千家公司拥有合适的AI人才,但还有更多的公司拥有必要的数据。
  
  Dean表示:“我们希望始于成千上万个解决机器学习问题的组织,最终发展成数百万的组织。”
  
  谷歌正在大力投资云计算服务,它能帮助其他企业构建和运行软件,预计未来几年云计算将成为主要的经济引擎之一。在聘请了大量世界顶级AI研究人员后,谷歌有了快速启动引擎的方法。
  
  神经网络促进了AI的发展。工程师不用人工提供图像识别服务或设计语言翻译应用程序,只需一行代码,工程师就可以更快地构建一个自学习任务的算法。
  
  例如,通过分析大量旧技术支持的讲话者的声音,机器学习算法可以学习识别口语词汇。
  
  但是,建立神经网络不像建立网站或一些普通的智能手机应用程序。它需要重要的数学技能,极端的反复试验和直觉。独立机器学习实验室(Element AI)的首席执行官Jean-FrançoisGagné将这一过程称为“一种新型计算机编程”。
  
  在建立神经网络时,研究人员在一个巨大的机器网络上进行了几十甚至数百次实验,测试算法如何学习任务,比如识别图像或者语言翻译。然后他们一遍又一遍地调整某些算法,直到问题得到解决。有人称之为“黑暗艺术”,只是因为研究人员很难解释为什么他们会做出特别的调整。
  
  但是有了AutoML,谷歌正在试图实现过程自动化。它正在构建算法分析其他算法的发展,学习哪些方法是成功的,哪些是不成功的。最终,他们将建立更有效的机器学习。谷歌表示,AutoML现在可以构建算法,在某些情况下,可以比人类专家更准确地识别照片中的对象。
  
  Barret Zoph是这个项目的研究人员之一,他认为同样的方法也适用于语音识别、等其他任务。
  
  这并不总是一件容易的事情。但这是AI研究趋势的一部分。专家称之为“学习如何学习”或“元学习”。
  
  许多人认为,这种方法将大大加快AI在网络和物理领域的发展。在加利福尼亚大学伯克利分校,研究人员正在建立技术,使机器人能够根据他们过去所学到的知识来学习新的任务。
  
  伯克利教授Pieter Abbeel说:“电脑本来就是为我们发明算法的。“电脑发明的算法可以快速解决许多问题,至少我们希望如此。”
  
  这也是一种扩充AI构建人员和企业的方法。这些方法不会完全取代AI研究人员。像谷歌公司的专家,他们仍然需要做很多重要的设计工作。但是,我们的信念是一些专家的工作可以帮助许多人建立自己的软件。
  
  卡内基梅隆大学的研究人员Renato Negrinho正在探索类似AutoML的技术,他说虽然今天尚未实现这种技术,但未来几年应该可以成为现实。“这只是时间问题”。

您可能还会对下面的文章感兴趣: