研究者的梦想,但也许是高级程序员的噩梦:可以建造其他人工智能的人工智能。

人工智能人才短缺,科技巨头们想用 AI 再造 AI-黑科技

谷歌领导工程师之一 Jeff Dean 重点介绍了名为 AutoML 的项目。 ML 是机器学习的缩写,可以通过分析数据自行学习执行特定任务的计算机算法。 AutoML 是一个学习构建其他机器学习算法的机器学习算法。

通过 AutoML ,谷歌可能很快就会找到一种方法,可以部分地取代人类创建人工智能技术,构建人工智能系统,许多人认为这是技术行业的未来。

该项目是众多将最新的 AI 技术带给更广泛的公司和软件开发人员的努力之一。

科技行业正在创造一切的可能性,从可识别人脸的智能手机应用程序到自动驾驶汽车。 但据估计,全世界只有 10000 人拥有建立复杂、神秘数学算法所需的教育、经验和才能,以推动这种新的人工智能。

包括谷歌,Facebook 和微软在内的全球最大的科技企业每年向 AI 专家支付数百万美元薪资。人才短缺不会很快消失,只因为掌握这些技能需要多年的努力。

业界不愿意等待。企业正在开发各种工具,以便更容易开发 AI 软件,包括图像和语音识别服务以及在线聊天机器人等。

微软公司副总裁 Joseph Sirosh 说:“我们遵循计算机科学和所有新型技术相同的道路。”Joseph Sirosh 最近公布了一个帮助编程人员建立深度神经网络的工具,这种计算机算法推动了 AI 领域的最新发展。 “我们正在消除很多繁重的工作。”

这不是利他主义。Dean 这样的研究人员相信,如果有更多的人和公司从事人工智能的研究,将会推动他们自己的研究。与此同时,谷歌、亚马逊和微软这样的公司看到了 Sirosh 所描述的趋势中赚钱的机会。 他们都在销售云计算服务,帮助其他企业和开发人员建立人工智能。

中国创业公司 Malong 的联合创始人兼 CTO Matt Scott 表示:“这是真实的需求,而现有工具还不能满足所有的需求。”

这就是谷歌开展 AutoML 项目的原因。 谷歌 CEO Sundar Pichai 在今年十月发布了 AutoML。

Dean 说,最终,这个项目将帮助公司建立人工智能系统,即使不具备广泛的专业知识。 他估计,今天只有几千家公司拥有合适的 AI 人才,但有更多的公司拥有必要的数据。

他说:“我们希望将成千上万的公司从解决机器学习问题中解脱出来。”

谷歌正在大力投资于云计算服务,帮助其他企业构建和运行软件的服务,预计将成为谷歌未来几年的主要增长动力之一。 在网罗了大量世界顶级 AI 研究人员之后,它有了启动这个引擎的方法。

神经网络正在加速人工智能的发展。 工程师不用一次一个的手工构建图像识别服务或语言翻译应用程序,而只需一行代码,工程师就可以更快地构建一个自学习任务的算法。

例如,通过分析大量传统技术支持呼叫中的语音,机器学习算法可以学习识别口语词汇。

但建立神经网络不像网站或普通的智能手机应用程序。它需要重要的数学技能,极端的反复试验以及直觉。 独立机器学习实验室 Element AI CEO 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次甚至数百次实验,测试一个算法如何学习一个任务,如识别图像或者从一种语言翻译到另一种语言。 然后他们一遍又一遍地调整算法的特定部分,直到他们解决了一些有效的东西。 有人称之为“黑暗艺术”,因为研究人员很难解释为什么他们会做出特定的调整。

但是通过 AutoML,谷歌试图将这个过程自动化。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,学习建立更有效的机器学习。 谷歌表示,AutoML 现在可以构建的算法,在某些情况下,比单纯由人类专家构建的服务更精确地识别照片中的对象。

这个项目背后的谷歌研究员 Barret Zoph 认为,同样的方法对于语音识别或机器翻译等其他任务最终也能适用。

这不是一件容易的事情,但这是人工智能研究的重要趋势的一部分。专家称之为“学习的学习”或“元学习”。

许多人认为,这种方法将大大加快人工智能在网络和物理世界的进展。 在加利福尼亚大学伯克利分校的研究人员正在研究一种技术,使机器人能够根据他们过去所学的知识来学习新的任务。

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很快解决许多很多问题,至少这是希望。”

这也是一种扩大人工智能的人员和企业的方法。 这些方法不会完全取代 AI 研究人员,比如谷歌公司的这类专家,仍然需要做很多重要的设计工作。 但是,我们的信念是,只需要少数专家的工作就可以帮助大量的人建立自己的软件。

卡内基梅隆大学研究员 Renato Negrinho 正在探索类似于 AutoML 的技术,今天还没成为现实,应该在未来几年实现。 “这只是时间问题。”