機器是否將戰勝人類? 目前Google的人工智慧系統已能自行建立AI, 甚至比人類所打造出來的更好. 據Fudzilla及Futurism報導, Google Brain研究人員在5月宣布打造出能自行建立AI程序的AI系統AutoML. 他們最近決定進一步挑戰AutoML, 要其創造出比人類設計得更好的AI. Google研究人員使用強化學習方法來自動設計機器學習模型, 並由AutoML充當神經網路控制器(controller neural network), 為特定任務開發1個子AI網路. 研究人員將此子網路稱為AI NASNet, 其任務是在視訊影像中, 即時辨識人, 車, 交通號誌, 手提包, 背包等物件. AutoML將評估NASNet的效能, 用這些資訊來改善其子AI, 並重複此過程數千次. 在兩大電腦視覺領域最受推祟的大型學術數據集, 即ImageNet影像分類和COCO目標檢測數據集上, 進行測試時, NASNet表現優於其他所有電腦視覺系統. NASNet在預測ImageNet驗證集上的影像時, 準確率達82.7%. 比之前已發表的系統好1.2%, 系統效率也提高4%, 平均精度均值(mAP)為43.1%. 此外, 運算能力需求較低版本的NASNet效能也比類似規模的最佳移動機器學習模型高3.1%. 機器學習是許多AI系統執行特定任務的關鍵能力. 其背後概念雖很簡單, 即演算法通過提供大量數據來學習, 但過程需要花費大量時間和精力. 若能將建立準確, 高效的AI系統等過程自動化, 如AutoML這樣能建立AI的AI系統, 就能替人類代勞. 最終, 這意味著非專家也能通過AutoML利用機器學習和AI技術. 目前高度精確, 高效的電腦視覺演算法因有大量潛在應用而備受追捧. Google研究人員表示, 電腦視覺演算法可用來建立由AI驅動的先進機器人, 或協助視力受損的人恢複視力, 還能協助設計人員改進自駕車技術. 自駕輛能愈快辨識路徑上的物體, 就能愈快對其做出反應, 進而提升自駕車的安全性. Google研究人員認為NASNet可廣泛用於各種應用, 並已開放此AI用於影像分類和目標檢測的推論. 研究人員在部落格上寫到, 希望更大的機器學習社區能以這些模型為基礎, 解決大家尚未想到的大量電腦視覺問題.
