2017年5月, '谷歌大脑' (Google Brain) 的研究人员宣布研发出自动人工智能AutoML, 该人工智能可以产生自己的 '子AI' 系统. 日前, 他们决定向AutoML发起迄今为止最大的挑战——尝试用AutoML自己创造出的AI, 打败人类设计的AI.
团队成员使用一种被称为强化学习的方法, 自动化设计机器学习模型. 此次, AutoML的 '身份' 是一个控制器神经网络, 为特定任务开发一个 '子AI' . 这个新生成的 '孩子' 名为NASNet, 可以实时地在视频中识别人体, 汽车, 交通信号灯, 手袋, 背包等目标. AutoML作为 '家长' , 会评估 '孩子' NASNet的性能, 并使用这些信息来改善 '子AI' , 再将这一过程重复数千次.
团队成员在ImageNet (计算机视觉系统识别项目, 是目前世界最大的图像识别数据库) 图像分类和COCO目标识别两个数据集上, 对 '子AI' NASNet进行了测试. 他们表示, 这是计算机视觉领域两个最受认可的大规模学术数据集, 其数量级之庞大使得测试非常严峻.
结果, 在ImageNet测试中, NASNet在验证集上的预测准确率达到了82.7%, 比之前公布的同类人工智能产品的结果好1.2%, 与论文预印网站上报告但未发表的结果不相上下, 系统效率则提高了4%, 最大模型的平均精确度为43.1%. 团队成员表示, NASNet将被用于各类应用程序, 用户能通过该AI系统进行图像分类和对象检测.
总编辑圈点
机器人能够造机器人, AI能够设计AI. 想想也没什么奇怪的, 只要目标定义清楚, 强大的计算机当然比人脑算得快, 迟早会替代人. 但这不等于AI可以脱离人自行进步了. 因为AI还是被拴在笼子里, 偶尔被放进赛道, 跑一跑罢了. 什么时候AI突发奇想, 为自己设定一个目标, 那什么时候它才能跟人相比. 现在还差得远呐.
