目前的科技行業(yè)有著巨大的潛力，它不僅可以為智能手機(jī)提供人臉識(shí)別技術(shù)，也可以為汽車建立自動(dòng)駕駛系統(tǒng)。但是據(jù)估計(jì)世界上只有一萬人擁有建立復(fù)雜算法所需的教育背景和相關(guān)經(jīng)驗(yàn)。由于人才短缺，全球最大的科技企業(yè)，包括Google、臉書和微軟，每年會(huì)向AI技術(shù)專家支付數(shù)以百萬計(jì)的美元。目前這種人才短缺現(xiàn)象短時(shí)間內(nèi)并不會(huì)消失，因而各大公司正在不斷研發(fā)可以便于建立自己的AI系統(tǒng)的各種工具，包括圖像和語音識(shí)別技術(shù)和在線聊天機(jī)器人等。

 

　　Dean稱，谷歌的這一項(xiàng)目將幫助不同的公司建立人工智能系統(tǒng)，即使他們沒有廣泛的專業(yè)知識(shí)。他估計(jì)當(dāng)今世界只有不到幾千家公司有合適的人才來建立自己的AI系統(tǒng)，但是更多的公司需要擁有相關(guān)的數(shù)據(jù)。“我們希望從成千上萬的解決機(jī)器學(xué)習(xí)的難題中解脫出來。”

 

　　通過使用模擬腦神經(jīng)元網(wǎng)絡(luò)，工程師無需手工構(gòu)建圖像識(shí)別服務(wù)或語言翻譯應(yīng)用程序，而只需一行代碼就可以更快地構(gòu)建一個(gè)自學(xué)習(xí)任務(wù)的算法。但建立模擬腦神經(jīng)元網(wǎng)絡(luò)不像建立一個(gè)網(wǎng)站或一些普通的智能手機(jī)應(yīng)用程序那樣容易。它需要熟練的數(shù)學(xué)技能，反復(fù)的試驗(yàn)和相當(dāng)準(zhǔn)確的直覺。研究人員需要一個(gè)巨大的機(jī)器網(wǎng)絡(luò)上運(yùn)行幾十次甚至幾百次實(shí)驗(yàn)，測試一個(gè)算法如何學(xué)習(xí)某種任務(wù)，比如識(shí)別圖像或者從一種語言翻譯到另一種語言。然后他們一遍又一遍地對算法的特定部分進(jìn)行調(diào)整，直到解決問題。但是谷歌正在試圖把這個(gè)繁瑣的過程自動(dòng)化。通過利用AutoML構(gòu)建新算法并分析其他算法，谷歌可以了解哪些方法是成功的，哪些是不成功的。最終就可以建立更有效的機(jī)器學(xué)習(xí)機(jī)制。谷歌表示，AutoML現(xiàn)在已經(jīng)可以構(gòu)建算法，在某些情況下，可以比單純由人類專家研發(fā)的技術(shù)更精確地識(shí)別照片中的對象。

 

　　谷歌也正在大力投資于云計(jì)算服務(wù)，幫助其他企業(yè)構(gòu)建和運(yùn)行軟件的服務(wù)。在成功吸引部分全球頂尖的AI研究人員后，谷歌有信心AutoML項(xiàng)目可以成為未來幾年公司的主要經(jīng)濟(jì)動(dòng)力之一。