您现在的位置:网站首页 >> 科技前沿 >> 内容

假如有一天 AI也能“生孩子”……

时间:2017-11-16 16:03:11 点击:

  核心提示:你想过一种能够建设人工智能的人工智能吗?这可能是研究者的梦想,程序员的噩梦。纽约时报近日就刊登了一篇题为《Building A.I. That Can Build A.I.》的文章,向我们介绍了Goo...

你想过一种能够建设人工智能的人工智能吗?这可能是研究者的梦想,程序员的噩梦。

纽约时报近日就刊登了一篇题为《Building A.I. That Can Build A.I.》的文章,向我们介绍了Google AutoML的一些情况。

在最近于硅谷和中国的演讲中,Google的大牛Jeff Dean着重介绍了Google的AutoML项目。AutoML,顾名思义,就是学习构建其他机器学习算法的机器学习算法,相当于让AI学会自我“繁殖”、“进化”。

Jeff Dean是一名出色的计算机科学家和软件工程师,目前,他是Google大脑团队中的高级成员(Fellow)。

Google许多业务的底层架构和系统都是由他参与建设的,如Big Table 和Map Reduce。在国外知乎Quara上,有答主曾如此夸张地形容这位大牛:编译器从不警告Jeff Dean,只有Jeff Dean警告编译器。


Jeff Dean(图片来自New York Times)

这次AutoML的宣布,意味着,Google很可能很快就可以找到,在一定程度上取代人类智慧来创建人工智能的方法,这也是许多人相信的技术趋势。

不过,据估计,全世界只有一万人已经获得了足够的教育,有足够的经验和才能来建立复杂的,有时甚至是神秘的数学算法,以推动这种新的人工智能。

全球最大的科技企业,包括Google、Facebook和微软,有时,每年要花上数百万美元来聘请人工智能专家,人才的价值也就水涨船高。人才的短缺或许还会持续很长一段时间,因为要精通这些知识需要的是几年的时间。

这个行业并不愿意等,一些公司正在开发各种各样的工具,以期更高效地创建各个业务自己的人工智能软件。例如,图像和语音识别服务、在线聊天机器人等。

微软公司副总裁约Joseph Sirosh说:“我们现在走的路,也是计算机科学、每一种新技术都会经历的相同的道路。”

微软最近公布了一个帮助程序员构建深层神经网络的工具,一种更能驱动人工智能发展的算法。“我们将会减少很多繁重的工作。”

这不是利他主义。像Dean先生这样的研究者认为,如果有更多的人和公司从事人工智能的研究,那么对于他们自己的研究也是有推动作用的。

同时,在Sirosh所描述的趋势中,Google、亚马逊和微软等公司看到了商机。这几家公司在销售能够帮助其他企业和开发商建立A.I.的云计算服务。

但根据一些创业公司的说法,目前,这些工具并不能满足大部分的需要。随着项目的进展,Google对AutoML的看法大概也是这样的。GoogleCEO Sundar Pichai在上个月发布Pixcel 2时就宣传了AutoML。

Dean表示,最后,即使没有广泛的专业知识,Google的这个项目也能将帮助公司建立他们的人工智能系统。他估计,目前只有不到几千家公司有合适的人才来建设人工智能,但很多的公司已经有了必要的数据。

Pichai当时表示:“我们希望能服务更多的公司,让他们拥有用机器学习解决问题的能力。”

Google正在大力投资云计算服务,它将成为Google未来几年的主要收入来源。在收购了全球顶尖的大部分人工智能研究人员的之后,Google已经有了强大的发展势能。

神经网络正在迅速加速人工智能的发展,人们不需要人工地构建图像识别服务或者创建翻译app,工程师们只要用一行代码就能够构造出能够自己学习的算法。

但建立一个神经网络不是建立一个网站或普通的智能手机应用程序。它需要许多数学技能,严格的反复试验和一定程度上的(专业)直觉。

独立机器学习实验室(Element AI)的主管, Jean-Fran?ois Gagné将这一过程称为“一种新的计算机程序设计”。

在建立神经网络时,研究者会在一个巨大的机器网络上进行了几十次甚至数百次实验,测试了算法的学习能力,比如识别图像或翻译的准确度。

(根据测试结果)他们一遍又一遍地调整算法的某些部分,直到这些算法能够真正地解决问题。有些人将这个过程称之为“黑暗艺术”,因为就连研究者们都很难解释为什么他们要做出这些调整。

Google现在试图通过AutoML自动化这个过程。AutoML可以构建算法,用来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,这些算法能够学习建立更有效的机器学习(方法)。

Google表示,在某些情况下,AutoML现在已经可以构建比单纯由人类专家构建的还要准确的图像识别算法。


(图片来源自 New York Times)

这个项目的研究人员之一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也会有很好的效果。

这并不是一件容易的事情,但这是人工智能的一个重要趋势。专家称之为“学会学习(learning to learn)”或“元学习(meta-learning)”。

很多人认为这样的方法能够大大加快人工智能的进展,不论是在网络世界还是物理世界。在加利福尼亚大学伯克利分校,研究者们正在研究使机器人可以根据他们过去所学到的知识,来学习新的任务的技术。

伯克利教授Pieter Abbeel说:“计算机就是要为我们发明算法的。计算机发明的算法可以很快解决许多问题,至少有这样的希望。”

这也是一种让更多的人和企业能够构建人工智能的方法。这些方法不会完全取代人工智能研究者。像Google的这些专家,仍然需要做很多重要的设计工作。但是,人们相信,专家们的研究成果能够帮助更多人构建自己的软件。

卡内基梅隆大学的研究人员Renato Negrinho也正在研究类似于AutoML的技术,他说,目前这样的技术还不是很成熟,还需要多几年的火候。

“这只是时间问题。”他说。

作者:佚名 来源:不详
相关评论
  • 重要声明:本站所有的文章、图片、评论等均由网友发表上传或来源于自网络。
    如有信息侵犯了您的权益,请联系网站客服,我们将乐意接受您的意见,并及时作出修改。本站拒绝任何人以任何形式在此发表与中华人民共和国法律相抵触的言论!
    业务合作:QQ:49631073 E-mail:DD51@live.com
  • Powered by Phobos.cn © 2012-2017 All Rights Reserved.