據(jù)《紐約時報》報道，谷歌公司通過“AutoML”人工智能研究項目使計算機算法可以通過分析數(shù)據(jù)來學會執(zhí)行特定任務(wù)，如開發(fā)其它機器學習算法。在某些情況下，它所產(chǎn)生的結(jié)果比研究人員自己設(shè)計的最好的系統(tǒng)更加強大和高效，從而實現(xiàn)“人工智能構(gòu)建人工智能”。該系統(tǒng)最近在一個圖像分類任務(wù)中實現(xiàn)了破紀錄的82%的正確率。在另一個難度更大的在圖像中標記多個對象位置的任務(wù)中，自動生成的系統(tǒng)達到43%的正確率，而人類構(gòu)建的最優(yōu)的系統(tǒng)正確率只有39%。
“AutoML”項目將幫助大量企業(yè)開發(fā)人工智能應(yīng)用系統(tǒng)，其研究人員正致力于“元學習”（即學會如何學習的能力）上加快部署人工神經(jīng)網(wǎng)絡(luò)。該技術(shù)涉及為數(shù)學運算網(wǎng)絡(luò)提供數(shù)據(jù)，其靈感來自于對大腦中的神經(jīng)元的研究。
紐約大學正與谷歌合作，建立一個名為AdaNet的系統(tǒng)。當給定一組已經(jīng)標記好的數(shù)據(jù)時，該系統(tǒng)會逐層地構(gòu)建一個神經(jīng)網(wǎng)絡(luò)，并測試添加到設(shè)計中的每個參數(shù)，以確保它能提高性能。AdaNet已經(jīng)能夠自動生成神經(jīng)網(wǎng)絡(luò)，生成的網(wǎng)絡(luò)能夠與標準的、人工構(gòu)建的而且兩倍之于它的規(guī)模的神經(jīng)網(wǎng)絡(luò)同樣好地完成一項任務(wù)。
