Google的人工智能系统已能自行创建AI，甚至比人类所打造出来的更好

机器是否将战胜人类？目前Google的人工智能(AI)系统已能自行创建AI，甚至比人类所打造出来的更好。

据Fudzilla及Futurism报导，Google Brain研究人员在5月宣布打造出能自行创建AI程序的AI系统AutoML。他们最近决定进一步挑战AutoML，要其创造出比人类设计得更好的AI。

Google研究人员使用强化学习方法来自动设计机器学习模型，并由AutoML充当神经网络控制器(controller neural network)，为特定任务开发1个子AI网络。研究人员将此子网络称为AI NASNet，其任务是在视讯影像中，实时辨识人、车、交通号志、手提包、背包等物件。AutoML将评估NASNet的效能，用这些信息来改善其子AI，并重复此过程数千次。

在两大计算机视觉领域最受推祟的大型学术数据集，即ImageNet影像分类和COCO目标检测数据集上，进行测试时，NASNet表现优于其它所有计算机视觉系统。

NASNet在预测ImageNet验证集上的影像时，准确率达82.7%。比之前已发表的系统好1.2%，系统效率也提高4%，平均精度均值(mAP)为43.1%。此外，运算能力需求较低版本的NASNet效能也比类似规模的最佳行动机器学习模型高3.1%。

机器学习是许多AI系统执行特定任务的关键能力。其背后概念虽很简单，即算法透过提供大量数据来学习，但过程需要花费大量时间和精力。若能将创建准确、高效的AI系统等过程自动化，如AutoML这样能创建AI的AI系统，就能替人类代劳。最终，这意味着非专家也能透过AutoML利用机器学习和AI技术。

目前高度精确、高效的计算机视觉算法因有大量潜在应用而备受追捧。Google研究人员表示，计算机视觉算法可用来创建由AI驱动的先进机器人，或协助视力受损的人恢复视力，还能协助设计人员改进自驾车技术。自驾辆能愈快辨识路径上的物体，就能愈快对其做出反应，进而提升自驾车的安全性。

Google研究人员认为NASNet可广泛用于各种应用，并已开放此AI用于影像分类和目标检测的推论。研究人员在博客上写到，希望更大的机器学习社区能以这些模型为基础，解决大家尚未想到的大量计算机视觉问题。