谷歌的机器学习软件开发机器学习软件，关键在于加快部署人工神经网络-36大数据

随着软件显示出替代会计和律师部分工作的潜力，脑力劳动的自动化也已经成为人们争论的焦点。 而对于谷歌的人工智能研究人员来说，他们尝试的自动化有可能取代他们自己的工作，而非其他高收入工作。

今年5月， 谷歌发布可使人工智能自我创造的“AutoML”技术，揭示了人工智能发展的一种新方法，它允许人工智能无需在人工工程师输入的情况下进行自我创造。 在某些情况下，它所构建的程序比人类工程师所能设计的最好系统还要更强大，更有效率。 谷歌表示，该系统最近在对图像进行分类时，其精准度能达到82%。而且在一个图像中标记多个对象位置的更艰巨的任务中，自动生成系统的得分为43%，然而人类工程师设计的最好的系统得分却为39%。

这样的结果意义十分重大，因为建立尖端人工智能系统所需的专业技能是稀缺的，即使是谷歌这样的科技巨头也不例外。谷歌首席执行官Sundar Pichai前不久表示：“如今，这些设备由机器学习的科学家手工设计，而且世界上只有数千名科学家能做到这一点。”在10月5日的秋季发布会中，他提到了自动测试机器人，并表示，希望能让成千上万的开发人员做到这一点。

AutoML目前仍是一项研究项目，但它已经实现用AI技术创造AI实现自动化。 目前，除谷歌之外的研究人员也在研究这项技术。如果该技术能够实际被应用，那么机器学习可以在科技行业之外进行传播，例如在医疗和金融领域，且速度要快得多。

在2016年，谷歌秋季新品发布会上，Sundar Pichai宣布谷歌战略从Mobile First转向AI First（AI优先），而AutoML技术可以加快其战略的发展。谷歌在2016年7月宣布通过采用该公司AI研究部门Google DeepMind的机器学习技术，成功使数据中心的服务器等设备的冷却用电减少了40%，并提升谷歌绘制新城市地图的能力。AutoML可以让那些专家更有创造力，或者帮助技术不太娴熟的工程师建立强大的人工智能系统。

谷歌在其研究网站上列出了1300多名员工，但并不是所有这些人都专攻人工智能技术。谷歌还有成千上万的软件工程师。根据其最近的年度财务报表，谷歌母公司Alphabet有27169名员工从事研究和开发工作。

谷歌希望任何人都可以接触到AutoML技术，其外部的研究人员表示，让AI专家的部分工作自动化已经成为研究热点，而且随着人工智能系统变得越来越复杂，这一想法也是有必要的。

在所谓的“元学习能力”（习得学习能力的能力）中，很多工作都是为了加快部署人工神经网络。 谷歌的AutoML技术通过数字运算网络来提供数据，其灵感就来自于对大脑神经元的研究。

这听起来可能非常复杂，但却是非常必要的，因为让神经网络更有效地运行都离不开一部分枯燥的工作，比如音频处理。专家们必须根据自己的直觉和试错来找到神经网络的正确构架。加州大学伯克利分校研究员Roberto Calandra表示:“工程师们大部分的工作实际上都是一项非常枯燥的工作，他们尝试多种配置从而选出最好的那个。”他表示，这个挑战会越来越艰巨，因为研究人员正在建立更大的网络，以解决更棘手的问题。

在2013年的博士阶段研究中，Calandra花了两个星期的时间试图让一个机器人学习走路，但效果并不明显，因此他便转向研究元学习。 他通过一项实验技术来自动调整其软件，该技术基于一种机器学习技术而并非神经网络。结果证明，之前顽固不化的机器人一天之内就学会了走路。

从头生成神经网络设计比调整已存在的设置更加困难。但纽约大学的教授Mehryar Mohri说，最近的研究结果表明，从头设计正变得越来越实际。

Mohri正在与谷歌纽约办公室的研究人员合力研究一个名为AdaNet的系统。当给定一个标记数据的集合时，该系统通过层来构建一个神经网络层，测试每一个附加的设计，以确保它能提高性能。 AdaNet目前已经具备生成完成任务的神经网络的能力，且该网络是一个两倍于人工构建的标准网络。Mohri表示，这是非常有前景的，因为很多公司都尝试将更强大的人工智能软件塞进资源有限的移动设备上。

虽然这使生成和部署复杂的人工智能系统更加容易，但同时也可能带来一些缺陷。 最近的研究表明，人们很容易对世界产生偏见，例如倾向于将女性与家务琐事联系在一起。Mohri认为，减少对神经网络系统的人工调整可以更容易地监测和防止此类问题，而且，人们会有更多的自由时间来处理其他方面的问题。

如果且当谷歌的AutoML技术能够成为每一个程序员的实用工具时，其影响会远远超越谷歌本身。Pichai暗示希望在谷歌之外提供该工具，让这一切实现民主化，并表示这是其云计算部门为推广人工智能服务所做的不懈努力。

End.

转载请注明来自36大数据（36dsj.com)： 36大数据 » 谷歌的机器学习软件开发机器学习软件，关键在于加快部署人工神经网络