机器是否将战胜人类? 目前Google的人工智能系统已能自行创建AI, 甚至比人类所打造出来的更好. 据Fudzilla及Futurism报导, Google Brain研究人员在5月宣布打造出能自行创建AI程序的AI系统AutoML. 他们最近决定进一步挑战AutoML, 要其创造出比人类设计得更好的AI. Google研究人员使用强化学习方法来自动设计机器学习模型, 并由AutoML充当神经网络控制器(controller neural network), 为特定任务开发1个子AI网络. 研究人员将此子网络称为AI NASNet, 其任务是在视讯影像中, 即时辨识人, 车, 交通号志, 手提包, 背包等物件. AutoML将评估NASNet的效能, 用这些资讯来改善其子AI, 并重复此过程数千次. 在两大电脑视觉领域最受推祟的大型学术数据集, 即ImageNet影像分类和COCO目标检测数据集上, 进行测试时, NASNet表现优于其他所有电脑视觉系统. NASNet在预测ImageNet验证集上的影像时, 准确率达82.7%. 比之前已发表的系统好1.2%, 系统效率也提高4%, 平均精度均值(mAP)为43.1%. 此外, 运算能力需求较低版本的NASNet效能也比类似规模的最佳移动机器学习模型高3.1%. 机器学习是许多AI系统执行特定任务的关键能力. 其背后概念虽很简单, 即算法通过提供大量数据来学习, 但过程需要花费大量时间和精力. 若能将创建准确, 高效的AI系统等过程自动化, 如AutoML这样能创建AI的AI系统, 就能替人类代劳. 最终, 这意味着非专家也能通过AutoML利用机器学习和AI技术. 目前高度精确, 高效的电脑视觉算法因有大量潜在应用而备受追捧. Google研究人员表示, 电脑视觉算法可用来创建由AI驱动的先进机器人, 或协助视力受损的人恢复视力, 还能协助设计人员改进自驾车技术. 自驾辆能愈快辨识路径上的物体, 就能愈快对其做出反应, 进而提升自驾车的安全性. Google研究人员认为NASNet可广泛用于各种应用, 并已开放此AI用于影像分类和目标检测的推论. 研究人员在部落格上写到, 希望更大的机器学习社区能以这些模型为基础, 解决大家尚未想到的大量电脑视觉问题.
