本文摘要:JeffDean(照片来自New、York、Times)这次AutoML的宣布,谷歌很可能很快就能找到,在一定程度上代替人类的智慧创造人工智能的方法也是很多人相信的技术趋势。微软公司最近发表了协助程序员构建深层神经网络的工具,推动人工智能发展的算法。

构建

你想要过需要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。纽约时报最近发表了以《BuildingA.I.ThatCanBuildA.I为主题的报道,说明了谷歌AutoML的状况,在不改变本意的情况下展开了编译器。在最近硅谷和中国的演说中,谷歌的大牛JeffDean重点说明了谷歌的AutoML项目。AutoML,顾名思义,是自学构建其他机器学习算法的机器学习算法。

JeffDean是优秀的计算机科学家和软件技术人员,现在是谷歌大脑队的高级成员。谷歌许多业务的基础结构和系统都是他参与建设的。例如,BigTabletore和MappReduce,在海外知道Quara,回答者曾经这么滑稽地形容过这位大牛。编译器从来没有警告过JeffDean,只有JeffDean警告编译器。

JeffDean(照片来自New、York、Times)这次AutoML的宣布,谷歌很可能很快就能找到,在一定程度上代替人类的智慧创造人工智能的方法也是很多人相信的技术趋势。然而,据估计,世界上只有10,000人已经获得了足够的教育,并有足够的经验和才能创造一个简单的数学算法,有时甚至是一个神秘的数学算法来推广这种新的人工智能。

世界上仅次于的科技企业,包括谷歌、Facebook和微软公司,每年花费数百万美元招聘人工智能专家,人才的价值也在上升。人才短缺可能不会持续很长时间。因为通知这些科学知识需要几年时间。

这个行业不想等,有些公司开发各种工具,更有效地制作各业务自己的人工智能软件。例如图片和语音识别服务、在线聊天机器人等。微软公司副社长约Josephsirosh说:我们现在回顾的道路也是计算机科学、新技术经历的完全相同的道路。

研究者

微软公司最近发表了协助程序员构建深层神经网络的工具,推动人工智能发展的算法。我们不会增加很多艰巨的工作。

这不是他的主义。Dean先生这样的研究者指出,如果有更多的人和公司专门从事人工智能的研究,他们自己的研究也发展起来。同时,在Sirosh所述的趋势中,谷歌、亚马逊、微软等公司看到了商机。这些公司在销售中需要协助其他企业和开发人员创建A.I.云计算服务。

然而,根据一些初创公司的不同意见,目前这些工具不能满足大多数需求。随着项目的进展,谷歌对AutoML的看法也是如此。谷歌CEOSundarPichai上个月发表Pixcel2时宣传了AutoML。Dean回答说,最后,即使没有普遍的专业知识,谷歌的这个项目也能帮助公司建立人工智能系统。

他估计,目前只有近千家公司有合适的人才建设人工智能,但许多公司已经有合适的数据。Pichai回答说:希望能为更好的公司服务,有能力用机器学习解决问题。谷歌大力投资云计算服务,成为谷歌未来几年的主要收益来源。收购世界顶尖人工智能研究者后,谷歌已经有了强大的发展势力。

神经网络正在迅速加快人工智能的发展。人们不需要在人工现场构建图像识别服务,也不需要创建翻译成应用程序。只要工程师使用一行代码,他们就需要结构自己需要学习的算法。但是,制作神经网络并不是制作网站和普通的智能手机应用程序。

需要很多数学技能,严格的重复试验和一定程度的直觉。独立国家机械学习实验室主管Jean-FranoisGagné将该过程称为新的计算机程序设计。

研究者

在创建神经网络时,研究者不会在大型机械网络上进行数十次甚至数百次实验,测试算法的自学能力,如识别图像或翻译精度。(根据测试结果)他们多次调整算法的一部分,直到这些算法需要确实解决问题。

有些人把这个过程称为黑暗艺术。因为即使研究者也很难说明为什么要调整。谷歌目前正试图通过AutoML自动化这一过程。

AutoML可以构建算法,分析其他算法的发展,自学方法顺利,不顺利。最后,这些算法需要自学创造更有效的机器学习。谷歌回应说,在某些情况下,AutoML现在可以构建比完全由人类专家构建的更准确的图像识别算法。

(图像来源于New·York·Times)该项目的研究者之一BarretZoph指出,某种程度的方法对语音识别和机械翻译等其他任务也没有效果。这不是更容易的事情,但这是人工智能最重要的趋势。

专家称之为学会自学或元自学。许多人指出,这种方法需要大大减缓人工智能的进展,无论是在互联网世界还是物理世界。在加州大学伯克利分校,研究人员正在研究机器人可以根据他们过去学到的科学知识,学习新任务的技术。伯克利教授PieterAbeel说:计算机是为了发明者的算法。

计算机发明者的算法可以快速解决许多问题,至少有这样的期望。这也是让更多的人和企业构筑人工智能的方法。

这些方法几乎取代了人工智能研究者。像谷歌这样的专家,还需要做很多最重要的设计。

算法

但是,专家们的研究成果相信有必要帮助更多的人构筑自己的软件。卡内基梅隆大学的研究人员RenatoNegrinho也在研究与AutoML相似的技术,他说现在这种技术还不成熟,需要几年的火候。这只是时间问题。他说。

(公共编号:)编译器、vianytimes以上的观点并不意味着立场。原始文章允许禁止发布。

下一篇文章发表了注意事项。

本文关键词:神经网络,人工智能,谷歌,编译器,研究,外围投注

本文来源:外围投注-www.saitinsights.com