谷歌“子”AI完勝人造AI

任文婧

谷歌推出的AutoML（自動機器學習）旨在訓練人工智能自主創(chuàng)建其他人工智能系統(tǒng)，研發(fā)出的計算機視覺系統(tǒng)遠遠領先于其他最先進的模型智能系統(tǒng)。此外，該計劃還可用于自動駕駛汽車和下一代人工智能機器人，優(yōu)化其視覺能力。

AI“孕育”AI

2017年5月，谷歌大腦的研究人員正式推出AutoML——可自主研制AI（人工智能）的AI。近日，研究人員決定讓AutoML迎接迄今為止最大的挑戰(zhàn)，由AI自主“孕育”的“子”AI，完勝人造AI。

團隊成員使用一種被稱為強化學習的方法，自動化設計機器學習模型。這個新生成的“孩子”名為NASNet，可以實時地在視頻中識別人體、汽車、交通信號燈、手袋、背包等目標。AutoML作為“家長”，會評估“孩子”NASNet的性能，并使用這些信息來改善“子AI”，再將這一過程重復數(shù)千次。

借助強化學習，谷歌研究員研發(fā)了機器學習模型。作為控制器神經(jīng)網(wǎng)絡，AutoML可創(chuàng)造子AI網(wǎng)絡完成特定任務。研究員將這一獨特的子AI網(wǎng)絡命名為“NASNet”。

AutoML將評估NASNet的性能，借助相關信息優(yōu)化子AI，該訓練過程需重復數(shù)千次。谷歌研究員稱，ImageNet圖像分類和COCO物體檢測數(shù)據(jù)集為“計算機視覺領域公認的兩大深度學習數(shù)據(jù)集”?；谶@兩大數(shù)據(jù)集進行測試時，NASNet的表現(xiàn)完勝所有其他視覺系統(tǒng)。

研究人員表示，預測ImageNet驗證集上的圖像準確率時，NASNet為82.7%。其平均精確度（mAP）為43.1%，超過先前公布的最高紀錄1.2%，系統(tǒng)效率也提高了4%，此外，計算水平上，精確度較低的NASNet也要比尺寸相近的最高配移動平臺高出3.1%。

放眼未來 賦予AI更多能力

機器學習賦予了多數(shù)AI系統(tǒng)執(zhí)行特定任務的能力?；驹黼m然很簡單——即利用大量數(shù)據(jù)訓練算法——但這一過程需花費大量時間和精力。而AutoML的出現(xiàn)讓所有難題迎刃而解，人工智能可自主創(chuàng)建準確高效的AI系統(tǒng)。由此可見，AutoML將為外行人打開機器學習和人工智能領域的大門。

NASNet十分青睞計算機視覺算法。因為它準確、高效，并且應用潛能巨大。有研究人員表示，該算法可用于創(chuàng)造先進的人工智能機器人，或幫助患者恢復視力。此外，還能幫助設計師優(yōu)化自動駕駛技術。增強識別道路障礙物的能力可提升車輛的反應速度，自動駕駛汽車的安全性也相應提高。

谷歌研究人員意識到NASNet的應用領域廣泛，已利用人工智能開發(fā)開源系統(tǒng)，使其進行圖像分類和探測物體?！拔覀兿Ｍ谶@些模型，建立更大規(guī)模的機器學習系統(tǒng)，以解決未來可能會出現(xiàn)的大量計算機視覺難題，”他們在博文中如是說道。

盡管NASNet和AutoML的應用范圍廣闊，可自主制造人工智能的子人工智能的誕生，還是引起了人們的擔憂。如何防止家長將消極的偏見傳遞給孩子？如果AutoML創(chuàng)造系統(tǒng)的速度過快，無法適應社會怎么辦？也許不久的將來， NASNet就應用于自動化監(jiān)控系統(tǒng)，不久后或許還會頒布管控系統(tǒng)的法規(guī)。

幸運的是，世界各國正盡快避免該系統(tǒng)對未來社會造成負面影響。

Amazon、Facebook、Apple及其他公司組建了一個名為“造福人民和社會伙伴關系的AI聯(lián)盟”，該聯(lián)盟致力于確保人工智能向有益于人類的方向發(fā)展。

電氣和電子工程師協(xié)會（IEE）為人工智能制定了道德標準。近期，谷歌母公司Alphabet 旗下的研究公司DeepMind宣布成立了專注于人工智能道德倫理影響的研究小組。

各國政府也陸續(xù)出臺法規(guī)，防止人工智能被用于制造自動化武器威脅人類。只要能掌握好人工智能發(fā)展的大方向，可“孕育”子人工智能的利將遠大于弊。endprint