谷歌的AI造了一个AI，超过了人造的AI

在预测ImageNet验证集上的图像准确率时，NASNet的准确率为82.7%，平均精度为43.1%，超过了此前公布的最高纪录，效率也得到了提升。从计算水平来看，精确度较低的NASNet也要比尺寸相近的最高配移动平台高出3.1%。

NASNet和AutoML应用广泛，还能自主推出人工智能，因此这也引起了人们的担忧。如何才能避免该系统产生负面影响?多家科技公司组成了一个名为“造福人民和社会伙伴关系的AI联盟”，致力于确保人工智能向有益于人类的方向发展，而谷歌母公司Alphabet 旗下的DeepMind也宣布成立了专注于人工智能道德伦理影响的研究小组。

AutoML将评估NASNet的性能，借助相关信息优化子AI，该训练过程需重复数千次。研究人员表示，ImageNet图像分类和COCO物体检测数据集为“计算机视觉领域公认的两大深度学习数据集”。基于这两个数据集测试时，NASNet的表现最佳。

今年五月，谷歌大脑正式推出了AutoML——可自主研发AI(人工智能)的AI。近日该团队的研究人员决定让AutoML迎接一个全新的挑战，让AI自主研发推出AI。人工智能真的有这么神奇吗?深圳谷歌推广小编带您继续了解。

作为控制器神经网络，AutoML可创造子AI网络完成特定任务，研究员将这一独特的子AI网络命名为“NASNet”。如图左侧为正常层，右侧为缩小层，这两层组成了NASNet架构，都是由AutoML设计的。

计算机视觉算法准确、高效，有巨大的潜能，因此也备受NASNet的青睐。有研究人员表示这种算法可以用于创造先进的人工智能机器人，甚至还可以帮助患者恢复视力，帮助设计师优化自动驾驶技术。谷歌也意识到了NASNet广泛的应用领域，利用人工智能开发开源系统，进行图像分类、探测物体。谷歌在博文中表示，“我们希望基于这些模型，建立更大规模的机器学习系统，以解决未来可能会出现的大量计算机视觉难题。”

机器学习为人工智能系统赋予了执行特定任务的能力，基本原理为利用大量数据训练算法，这种远离尽管简单，却需要大量的时间和精力。AutoML的出现却解决了所有的难题，它为更多的人打开了机器学习和人工智能的大门。