機器是否將戰(zhàn)勝人類？目前Google的人工智能(AI)系統(tǒng)已能自行創(chuàng)建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創(chuàng)建AI程序的AI系統(tǒng)AutoML。他們最近決定進一步挑戰(zhàn)AutoML，要其創(chuàng)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，并由AutoML充當神經網絡控制器(controller neural network)，為特定任務開發(fā)1個子AI網絡。研究人員將此子網絡稱為AI NASNet，其任務是在視訊影像中，實時辨識人、車、交通號志、手提包、背包等物件。AutoML將評估NASNet的效能，用這些信息來改善其子AI，并重復此過程數(shù)千次。

在兩大計算機視覺領域最受推祟的大型學術數(shù)據集，即ImageNet影像分類和COCO目標檢測數(shù)據集上，進行測試時，NASNet表現(xiàn)優(yōu)于其它所有計算機視覺系統(tǒng)。

NASNet在預測ImageNet驗證集上的影像時，準確率達82.7%。比之前已發(fā)表的系統(tǒng)好1.2%，系統(tǒng)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(guī)模的最佳行動機器學習模型高3.1%。

機器學習是許多AI系統(tǒng)執(zhí)行特定任務的關鍵能力。其背后概念雖很簡單，即算法透過提供大量數(shù)據來學習，但過程需要花費大量時間和精力。若能將創(chuàng)建準確、高效的AI系統(tǒng)等過程自動化，如AutoML這樣能創(chuàng)建AI的AI系統(tǒng)，就能替人類代勞。最終，這意味著非專家也能透過AutoML利用機器學習和AI技術。

目前高度精確、高效的計算機視覺算法因有大量潛在應用而備受追捧。Google研究人員表示，計算機視覺算法可用來創(chuàng)建由AI驅動的先進機器人，或協(xié)助視力受損的人恢復視力，還能協(xié)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可廣泛用于各種應用，并已開放此AI用于影像分類和目標檢測的推論。研究人員在博客上寫到，希望更大的機器學習社區(qū)能以這些模型為基礎，解決大家尚未想到的大量計算機視覺問題。