據(jù)外媒11月5日報導，谷歌引導工程師之一Jeff Dean在比來中國和硅谷的演講中向年夜眾重點引見了一個名為AutoML的谷歌項目。ML是機械進修（machine learning）的縮寫，指的是可以經(jīng)由過程剖析數(shù)據(jù)自行完成特定義務的盤算機算法。同時它還可以進修若何樹立其他機械算法。谷歌以為有了這類技巧，人類很快便可以找到創(chuàng)立AI的辦法，而且可以構(gòu)建技巧人員以為只能在將來涌現(xiàn)的先輩體系。該項目旨在為更多的公司和軟件開辟者供給最新的AI技巧。

　　今朝的科技行業(yè)有著偉大的潛力，它不只可認為智妙手機供給人臉辨認技巧，也能夠為汽車樹立主動駕駛體系。然則據(jù)估量世界上只要一萬人具有樹立龐雜算法所需的教導配景和相干經(jīng)歷。因為人才網(wǎng)job.vhao.net缺乏，全球最年夜的科技企業(yè)，包含Google、臉書和微軟，每一年會向AI技巧專家付出數(shù)以百萬計的美元。今朝這類人才網(wǎng)job.vhao.net缺乏景象短時光內(nèi)其實不會消逝，因此各年夜公司正在賡續(xù)研發(fā)可以便于樹立本身的AI體系的各類對象，包含圖象和語音辨認技巧和在線聊天機械人等。

　　Dean稱，谷歌的這一項目將贊助分歧的公司樹立人工智能體系，即便他們沒有普遍的專業(yè)常識。他估量現(xiàn)今世界只要不到幾千家公司有適合的人才網(wǎng)job.vhao.net來樹立本身的AI體系，然則更多的公司須要具有相干的數(shù)據(jù)。“我們愿望從不計其數(shù)的處理機械進修的困難中擺脫出來。”

　　經(jīng)由過程應用模仿腦神經(jīng)元收集，工程師無需手工構(gòu)建圖象辨認辦事或說話翻譯運用法式，而只需一行代碼便可以更快地構(gòu)建一個自進修義務的算法。但樹立模仿腦神經(jīng)元收集不像樹立一個網(wǎng)站或一些通俗的智妙手機運用法式那樣輕易。它須要闇練的數(shù)學技巧，重復的實驗和相當精確的直覺。研討人員須要一個偉大的機械收集上運轉(zhuǎn)幾十次乃至幾百次試驗，測試一個算法若何進修某種義務，好比辨認圖象或許從一種說話翻譯到另外一種說話。然后他們一遍又一遍地對算法的特定部門停止調(diào)劑，直到處理成績。然則谷歌正在試圖把這個繁瑣的進程主動化。經(jīng)由過程應用AutoML構(gòu)建新算法并剖析其他算法，谷歌可以懂得哪些辦法是勝利的，哪些是不勝利的。終究便可以樹立更有用的機械進修機制。谷歌表現(xiàn)，AutoML如今曾經(jīng)可以構(gòu)建算法，在某些情形下，可以比純真由人類專家研發(fā)的技巧更準確地辨認照片中的對象。

　　谷歌也正在年夜力投資于云盤算辦事，贊助其他企業(yè)構(gòu)建和運轉(zhuǎn)軟件的辦事。在勝利吸引部門全球頂尖的AI研討人員后，谷歌有信念AutoML項目可以成為將來幾年公司的重要經(jīng)濟動力之一。