2017年5月, '穀歌大腦' (Google Brain) 的研究人員宣布研發出自動人工智慧AutoML, 該人工智慧可以產生自己的 '子AI' 系統. 日前, 他們決定向AutoML發起迄今為止最大的挑戰——嘗試用AutoML自己創造出的AI, 打敗人類設計的AI.
團隊成員使用一種被稱為強化學習的方法, 自動化設計機器學習模型. 此次, AutoML的 '身份' 是一個控制器神經網路, 為特定任務開發一個 '子AI' . 這個新生成的 '孩子' 名為NASNet, 可以即時地在視頻中識別人體, 汽車, 交通號誌, 手袋, 背包等目標. AutoML作為 '家長' , 會評估 '孩子' NASNet的性能, 並使用這些資訊來改善 '子AI' , 再將這一過程重複數千次.
團隊成員在ImageNet (計算機視覺系統識別項目, 是目前世界最大的映像識別資料庫) 映像分類和COCO目標識別兩個數據集上, 對 '子AI' NASNet進行了測試. 他們表示, 這是計算機視覺領域兩個最受認可的大規模學術數據集, 其數量級之龐大使得測試非常嚴峻.
結果, 在ImageNet測試中, NASNet在驗證集上的預測準確率達到了82.7%, 比之前公布的同類人工智慧產品的結果好1.2%, 與論文預印網站上報告但未發表的結果不相上下, 系統效率則提高了4%, 最大模型的平均精確度為43.1%. 團隊成員表示, NASNet將被用於各類應用程序, 用戶能通過該AI系統進行映像分類和對象檢測.
總編輯圈點
機器人能夠造機器人, AI能夠設計AI. 想想也沒什麼奇怪的, 只要目標定義清楚, 強大的計算機當然比人腦算得快, 遲早會替代人. 但這不等於AI可以脫離人自行進步了. 因為AI還是被拴在籠子裡, 偶爾被放進賽道, 跑一跑罷了. 什麼時候AI突發奇想, 為自己設定一個目標, 那什麼時候它才能跟人相比. 現在還差得遠呐.
