桑達爾·皮查伊在谷歌年度開發人員大會上

【騰訊科技編者按】業界媒體《MIT科技評論》網站發表文章，介紹了谷歌AutoML項目的重要性。這種“自動化AI系統”可以幫助開發AI軟件，解決AI軟件設計中的一個棘手問題，加快計算機智能化的進程。以下為原文內容：

很多行業的公司都急切地想利用最新的人工智能技術，所以目前機器學習專家非常短缺。 谷歌的首席執行官桑達爾·皮查伊（Sundar Pichai）說，要解決人才短缺的問題，一個辦法就是讓機器學習軟件來幫助開發機器學習軟件。

在今年的谷歌年度開發者大會上，皮查伊向大家介紹了一個名為AutoML的項目，它是該公司的人工智能研究團隊谷歌大腦（Google Brain）推出的。為特定的任務設計機器學習軟件有一些很棘手的部分，而該團隊表示，他們的學習算法可以把其中最棘手的部分之一進行自動化。在某些情況下，這個自動化系統提供的設計足以媲美人類專家的最佳作品。

“這是一個非常令人興奮的進步，” 皮查伊在一封電郵中表示 ，“它可以加速整個領域的發展，幫助我們解決當今面臨的一些最具挑戰性的問題。”

皮查伊希望AutoML項目可以擴大機器學習開發人員的數量，因為有了AutoML，開發人員不需要掌握那么多的專業知識，也能夠利用機器學習的威力了。谷歌本來就打算把公司的云計算服務定位為建立和托管機器學習的最佳場所，所以推出AutoML很符合這個方針。該公司正在努力吸引企業云計算市場的新客戶，目前它在這個領域中落后于亞馬遜和微軟。

AutoML旨在讓大家可以比較輕松地使用一種名為“深度學習”的技術，谷歌和其他公司使用“深度學習”來強化語音和圖像識別、翻譯和機器人技術。

“深度學習”通過將數據傳播到人工神經網絡中，來教導軟件變得聰明。人工神經網絡由一些數學層組成，為其選擇正確的架構非常關鍵。但要做到這一點并不容易。 谷歌AutoML項目的機器學習研究員Quoc Le說：“我們是通過直覺來選擇構架的。”

上個月，Quoc Le和同事Barret Zoph向大家介紹了一個實驗的結果。在這個實驗中，他們讓機器學習系統找出一個最佳架構，來讓軟件學習如何解決語言和圖像識別任務。

在涉及圖像的任務上，這個系統可以媲美人類專家設計的最佳架構。而在涉及語言任務上，這個系統比人類專家還勝出一籌。

也許更重要的是，它提出了一種研究人員以前沒有考慮過的，但卻很適合這些任務的架構。 “在某種意義上，它發現了我們不知道的東西，” Quoc Le說。 “這太驚人了。”

學會“更好地學習”的軟件， 這個概念并不新鮮。但是就像人工智能領域的很多概念一樣，深度學習的力量為新的進步開啟了大門。谷歌另一個AI研究部門DeepMind以及馬斯克（Elon Musk）創辦的非營利組織OpenAI都在探索相關的概念

他們的努力是否正在讓他們走向失業呢？聽到這個問題，Quoc Le和Zoph都笑了起來。就目前來說，這項技術太昂貴了，無法廣泛使用——兩人的那個實驗使用了800個強大的圖形處理器，運轉了幾個星期，搞得電費飆升。這種研究屬于投石問路的性質，沒有幾家公司能夠負擔得起。

但谷歌有這個資源，現在該公司擴大了的AutoML項目團隊規模，其任務包括減少項目的資源密集程度。Quoc Le認為這可能會有助于提高視頻或語音識別的準確度，甚至可能會在一個更加棘手的問題上取得進步：讓軟件在沒有人類明確指導的情況下進行學習。（翻譯/云開）