你想過一種能夠建設(shè)人工智能的人工智能嗎？這可能是研究者的夢(mèng)想，程序員的噩夢(mèng)。

紐約時(shí)報(bào)近日就刊登了一篇題為《Building A.I. That Can Build A.I.》的文章，向我們介紹了谷歌AutoML的一些情況，雷鋒網(wǎng)在不改變?cè)獾那闆r下進(jìn)行了編譯。

在最近于硅谷和中國的演講中，谷歌的大牛Jeff Dean著重介紹了谷歌的AutoML項(xiàng)目。AutoML，顧名思義，就是學(xué)習(xí)構(gòu)建其他機(jī)器學(xué)習(xí)算法的機(jī)器學(xué)習(xí)算法。

Jeff Dean是一名出色的計(jì)算機(jī)科學(xué)家和軟件工程師，目前，他是谷歌大腦團(tuán)隊(duì)中的高級(jí)成員（Fellow）。谷歌許多業(yè)務(wù)的底層架構(gòu)和系統(tǒng)都是由他參與建設(shè)的，如Big Table 和Map Reduce，在國外知乎Quara上，有答主曾如此夸張地形容這位大牛：編譯器從不警告Jeff Dean，只有Jeff Dean警告編譯器。

Jeff Dean（圖片來自New York Times）

這次AutoML的宣布，意味著，谷歌很可能很快就可以找到，在一定程度上取代人類智慧來創(chuàng)建人工智能的方法，這也是許多人相信的技術(shù)趨勢(shì)。

不過，據(jù)估計(jì)，全世界只有一萬人已經(jīng)獲得了足夠的教育，有足夠的經(jīng)驗(yàn)和才能來建立復(fù)雜的，有時(shí)甚至是神秘的數(shù)學(xué)算法，以推動(dòng)這種新的人工智能。

全球最大的科技企業(yè)，包括谷歌、Facebook和微軟，有時(shí)，每年要花上數(shù)百萬美元來聘請(qǐng)人工智能專家，人才的價(jià)值也就水漲船高。人才的短缺或許還會(huì)持續(xù)很長(zhǎng)一段時(shí)間，因?yàn)橐ㄟ@些知識(shí)需要的是幾年的時(shí)間。

這個(gè)行業(yè)并不愿意等，一些公司正在開發(fā)各種各樣的工具，以期更高效地創(chuàng)建各個(gè)業(yè)務(wù)自己的人工智能軟件。例如，圖像和語音識(shí)別服務(wù)、在線聊天機(jī)器人等。

微軟公司副總裁約Joseph Sirosh說：“我們現(xiàn)在走的路，也是計(jì)算機(jī)科學(xué)、每一種新技術(shù)都會(huì)經(jīng)歷的相同的道路。”微軟最近公布了一個(gè)幫助程序員構(gòu)建深層神經(jīng)網(wǎng)絡(luò)的工具，一種更能驅(qū)動(dòng)人工智能發(fā)展的算法。“我們將會(huì)減少很多繁重的工作?！?/p>

這不是利他主義。像Dean先生這樣的研究者認(rèn)為，如果有更多的人和公司從事人工智能的研究，那么對(duì)于他們自己的研究也是有推動(dòng)作用的。同時(shí)，在Sirosh所描述的趨勢(shì)中，谷歌、亞馬遜和微軟等公司看到了商機(jī)。這幾家公司在銷售能夠幫助其他企業(yè)和開發(fā)商建立A.I.的云計(jì)算服務(wù)。

但根據(jù)一些創(chuàng)業(yè)公司的說法，目前，這些工具并不能滿足大部分的需要。隨著項(xiàng)目的進(jìn)展，谷歌對(duì)AutoML的看法大概也是這樣的。谷歌CEO Sundar Pichai在上個(gè)月發(fā)布Pixcel 2時(shí)就宣傳了AutoML。

Dean表示，最后，即使沒有廣泛的專業(yè)知識(shí)，谷歌的這個(gè)項(xiàng)目也能將幫助公司建立他們的人工智能系統(tǒng)。他估計(jì)，目前只有不到幾千家公司有合適的人才來建設(shè)人工智能，但很多的公司已經(jīng)有了必要的數(shù)據(jù)。

Pichai當(dāng)時(shí)表示：“我們希望能服務(wù)更多的公司，讓他們擁有用機(jī)器學(xué)習(xí)解決問題的能力。”

谷歌正在大力投資云計(jì)算服務(wù)，它將成為谷歌未來幾年的主要收入來源。在收購了全球頂尖的大部分人工智能研究人員的之后，谷歌已經(jīng)有了強(qiáng)大的發(fā)展勢(shì)能。

神經(jīng)網(wǎng)絡(luò)正在迅速加速人工智能的發(fā)展，人們不需要人工地構(gòu)建圖像識(shí)別服務(wù)或者創(chuàng)建翻譯app，工程師們只要用一行代碼就能夠構(gòu)造出能夠自己學(xué)習(xí)的算法。

但建立一個(gè)神經(jīng)網(wǎng)絡(luò)不是建立一個(gè)網(wǎng)站或普通的智能手機(jī)應(yīng)用程序。它需要許多數(shù)學(xué)技能，嚴(yán)格的反復(fù)試驗(yàn)和一定程度上的（專業(yè)）直覺。獨(dú)立機(jī)器學(xué)習(xí)實(shí)驗(yàn)室（Element AI）的主管， Jean-Fran?ois Gagné將這一過程稱為“一種新的計(jì)算機(jī)程序設(shè)計(jì)”。

在建立神經(jīng)網(wǎng)絡(luò)時(shí)，研究者會(huì)在一個(gè)巨大的機(jī)器網(wǎng)絡(luò)上進(jìn)行了幾十次甚至數(shù)百次實(shí)驗(yàn)，測(cè)試了算法的學(xué)習(xí)能力，比如識(shí)別圖像或翻譯的準(zhǔn)確度。（根據(jù)測(cè)試結(jié)果）他們一遍又一遍地調(diào)整算法的某些部分，直到這些算法能夠真正地解決問題。有些人將這個(gè)過程稱之為“黑暗藝術(shù)”，因?yàn)榫瓦B研究者們都很難解釋為什么他們要做出這些調(diào)整。

谷歌現(xiàn)在試圖通過AutoML自動(dòng)化這個(gè)過程。AutoML可以構(gòu)建算法，用來分析其他算法的發(fā)展，學(xué)習(xí)哪些方法是成功的，哪些是不成功的。最終，這些算法能夠?qū)W習(xí)建立更有效的機(jī)器學(xué)習(xí)（方法）。谷歌表示，在某些情況下，AutoML現(xiàn)在已經(jīng)可以構(gòu)建比單純由人類專家構(gòu)建的還要準(zhǔn)確的圖像識(shí)別算法。

（圖片來源自 New York Times）

這個(gè)項(xiàng)目的研究人員之一Barret Zoph認(rèn)為，同樣的方法對(duì)于語音識(shí)別或機(jī)器翻譯等其他任務(wù)也會(huì)有很好的效果。

這并不是一件容易的事情，但這是人工智能的一個(gè)重要趨勢(shì)。專家稱之為“學(xué)會(huì)學(xué)習(xí)（learning to learn）”或“元學(xué)習(xí)(meta-learning)”。

很多人認(rèn)為這樣的方法能夠大大加快人工智能的進(jìn)展，不論是在網(wǎng)絡(luò)世界還是物理世界。在加利福尼亞大學(xué)伯克利分校，研究者們正在研究使機(jī)器人可以根據(jù)他們過去所學(xué)到的知識(shí)，來學(xué)習(xí)新的任務(wù)的技術(shù)。

伯克利教授Pieter Abbeel說：“計(jì)算機(jī)就是要為我們發(fā)明算法的。計(jì)算機(jī)發(fā)明的算法可以很快解決許多問題，至少有這樣的希望。”

這也是一種讓更多的人和企業(yè)能夠構(gòu)建人工智能的方法。這些方法不會(huì)完全取代人工智能研究者。像谷歌的這些專家，仍然需要做很多重要的設(shè)計(jì)工作。但是，人們相信，專家們的研究成果能夠幫助更多人構(gòu)建自己的軟件。

卡內(nèi)基梅隆大學(xué)的研究人員Renato Negrinho也正在研究類似于AutoML的技術(shù)，他說，目前這樣的技術(shù)還不是很成熟，還需要多幾年的火候。“這只是時(shí)間問題。”他說。

雷鋒網(wǎng)編譯，via nytimes

以上觀點(diǎn)，不代表雷鋒網(wǎng)立場(chǎng)。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。