谷歌 AutoML 系統(tǒng)最近出產(chǎn)了一系列機器學(xué)習(xí)代碼，其效率甚至比研究人員自身還要高。顯然，這是對“人類優(yōu)越論”的又一次打擊，因為機器人“學(xué)生”們已經(jīng)成為了“自我復(fù)制”的大師。AutoML 是在人工智能***編程人才匱乏的情況下，作為一個解決方案而開發(fā)的。該團隊提出了一種可以創(chuàng)建自學(xué)習(xí)代碼的機器學(xué)習(xí)軟件，系統(tǒng)會運行數(shù)千個模擬來確定代碼的哪些方面可以作出改進，以及在改變后繼續(xù)該過程、直到達成目標(biāo)。

GoogleNet 架構(gòu)設(shè)計示意圖

這是一個對“***猴子理論”的***展示，但 Google 并未讓一只猴子敲鍵盤打造出 Shakespeare，而是制造了一臺能夠自我復(fù)制編程的機器，且這些機器在數(shù)小時內(nèi)表現(xiàn)，比人類程序員工作幾周甚至數(shù)月都好。

雖然聽起來有些嚇人，但 AutoML 確實在機器學(xué)習(xí)系統(tǒng)的編程上，遠勝于創(chuàng)造它的研究人員。在某個圖像識別任務(wù)中，其實現(xiàn)了創(chuàng)紀(jì)錄的 82% 的準(zhǔn)確率。

即使在一些復(fù)雜的人工智能任務(wù)中，其自創(chuàng)建的代碼也比人類程序員優(yōu)越。它可以在圖像中標(biāo)記多個點，準(zhǔn)確率達到 42%；作為對比，人類打造的軟件只有 39% 。

當(dāng)然，它并不代表“天網(wǎng)”或讓人毛骨悚然的“數(shù)字幽靈”，因為我們還沒有處于“自我感知機器”的奇點邊緣，只是說我們在人工智能的技術(shù)潛力上又加了一把油門。

谷歌五個月前才宣布了 AutoML，鑒于其能夠在這么短的時間內(nèi)打造出一套比研究人員自身更棒的機器學(xué)習(xí) AI 系統(tǒng)，未來一年的成果顯然更值得期待。

[編譯自：TNW]