让AI学会“繁殖”！利用AI开发AI究竟是指日可待还是南柯一梦？

【 AI 星球（微信 ID ： ai_xingqiu ）】

通过A.I.（人工智能）开发人工智能工具是许多研究人员的梦想，但这同时也是高级程序员们的噩耗。

谷歌首席工程师之一的Jeff Dean近期分别在硅谷和中国的演讲中，着重介绍了一个名为AutoML的项目。ML是机器学习的缩写，指的是通过分析数据自行执行特定任务的计算机算法。AutoML是一种能够具备构建其他机器算法的学习能力的计算机算法。

通过这个项目，谷歌的人工智能的开发技术有望取得质的发展。人工智被多数人认为是科技产业发展的未来，而谷歌这一突破也意味着人类在人工智能产业中的开发地位将会被部分取代。

同时该项目也为更多的公司和软件开发者带来最先进的人工智能技术。

从拥有人脸识别功能的智能手机应用到无人驾驶汽车，科技产业向我们展示了一切皆有可能。但是据数据显示，全世界只有一万左右的人拥有编写这种复杂神秘的数学算法的技能，而该项技能是推动这种新的人工智能发展的主要动力。

谷歌工程师Jeff Dean表示，即使公司员工并不具备这方面的专业知识，他正在从事的这个项目也可以帮助公司开发人工智能系统。

包括谷歌，Facebook和微软在内的全球最大的科技企业，有时每年需在人工智能的顶尖人才上花费数百万美元，才能抵抗人工智能市场人才短缺的状况。掌握这些技术需要数年的积累，因此这种人才短缺现象不会很快消失，。

但是业界并没有放缓步伐。各类公司正在开发各种各样的工具，通过各自的人工智能软件来便捷操作，包括图像语音识别和在线聊天机器人等。

微软副总裁Joseph Sirosh表示，“我们正在走一条计算机科学发展在新型技术出现时必会遵循的道路。”Joseph Sirosh近期还发布了一款能够帮助编码人员建立深层神经网络的工具，该种计算机算法是近期人工智能领域取得进展的驱动力。“我们正在减少许多繁重的工作。”

这并不是利他主义。以Dean先生为代表的研究人员们相信，如果有更多的人员和公司从事人工智能的研究，这也会推动他们自身的研究。 与此同时，如同Sirosh所描述的那样，谷歌、亚马逊和微软等公司在这方面的资金流失严重。而这些公司都拥有云计算业务，可以帮助其他企业和开发商开发人工智能。

中国初创公司Malong也提供类似的业务，其共同创始人兼首席技术官Matt Scott表示：“这类需求很大，而这些工具还不能满足所有的需求。”

机器人如何进行学习

谷歌首席执行官Sundar Pichai在上个月宣布推出一款新的安卓智能手机时，对AutoML这个项目大加赞赏。公司继续大力支持该项目的进展也表明了谷歌对该项目的想法和态度。

Dean先生表示，即使公司员工并不具备充分的专业知识，谷歌的这个项目也可以帮助公司建立人工智能系统。同时他估计，许多的公司有必要的数据，但当下只有不到几千家公司有具备开发A.I能力的人才。

他说：“我们希望有更多的公司能够解决机器学习这个技术问题。”

谷歌正在加大云计算业务的投资力度—该项业务旨在帮助其他企业软件的开放和运营，预计它将成为未来几年谷歌的主要经济动力之一。 在吸纳了大部分全球顶尖的A.I研究人员的以后，它有了启动这个经济引擎的方法。

神经网络的飞速发展加快了人工智能的发展进程。工程师不需要动手构建图像或者是语言翻译应用的程序，只需一行代码，就可以更快地构建出一个可以自行进行学习的算法。

例如，通过分析大量旧技术支持呼叫中的声音源，机器学习算法可以学习识别其中的口语词汇。

但建立一个神经网络不同于建立一个网站或一些普通的智能手机应用。还需要重要的数学技能，无数的反复试验和大量敏锐的直觉。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“一种新的计算机编程”。

在构建一个神经网络时，研究人员们需在一个巨大的机器网络上进行了几十个甚至数百个实验，测试算法如何进行任务学习，比如识别图像或者把一种语言翻译成另一种语言。 然后他们一遍又一遍地调整其中的特定部分，直到解决一些有效问题。 有人称它为“黑暗艺术”，因为研究人员们很难解释为什么他们会做出特别的调整。

但是通过AutoML，谷歌正在试图将这个过程自动化。利用分析其他算法的发展来学习哪些方法是成功的，哪些是不成功的，并构建算法，最终达到建立更有效的机器学习的目的。谷歌表示，AutoML现在可以构建算法，在某些情况下，甚至比单纯由人类专家构建的程序更准确地识别照片中的对象。

加利福尼亚大学伯克利分校的教授Pieter Abbeel、现谷歌研究员Sergey Levine教授;和博士在读生Chelsea Finn在2015年使用深度学习软件的机器人工作。 Abbeel教授表示：“计算机本来就是用来为我们创造算法的。”

谷歌这个项目背后的研究人员之一Barret Zoph认为，同样的方法也适用于语音识别或机器翻译等其他任务。

这并不是一件容易理解的事，但这是人工智能研究的一个重要趋势。 专家称之为“学会学习”或“元学习”。

许多人认为此类方法会大大加速人工智能在网络和现实世界中的发展进程。 在加利福尼亚大学伯克利分校，研究人员正在研究构建新技术，让机器人能够根据他们过去所学到的知识来学习新的任务。

“电脑本来就是为我们发明算法的。”伯克利教授Pieter Abbeel表示， “电脑发明的算法可以帮助解决至少是有望解决很多问题”

这也是扩大构建人工智能的人员和企业范围的一种方法。这些方法虽然不可能完全取代人工智能研究者，像谷歌的一些专家仍然需要完成很多重要的设计工作。但是，我们相信这些少数专家的成果可以帮助许多人构建自己的软件。

卡内基梅隆大学研究人员Renato Negrinho正在探索类似于AutoML的技术，他表示这一技术的虽然不能马上实现，但是成功指日可待。“这只是时间问题。”