人工智能领域取得的发展成就，使不少人不禁担心，机器将在自动驾驶等领域取代人类工作。而如今，顶尖研究者发现，他们开发出的软件已经可以接手人类工作中最棘手的部分之一：开发他们自己，机器学习软件。
Brain人工智能研究团队的成员在一项实验中，让软件生成了一套机器学习系统，并与人类开发的系统进行基准测试，以评估其自然语言处理能力。由软件生成的机器学习系统，最终在处理能力上强于人类开发的系统。
近几个月来，包括非盈利研究机构（由埃隆·马斯克联合创办）、麻省理工学院、伯克利加州大学、以及 等在内的其他数支团队，也公布了他们利用机器学习程序开发机器学习程序的进展。
如今，企业若想应用机器学习技术，则必须花大价钱雇佣极其短缺的机器学习专家。如果上述自启动型人工智能技术具备了实用能力，经济领域应用机器学习技术的速度就将大大加快。
Brain研究团队负责人Jeff Dean上周表示，机器学习专家如今从事的部分工作有望被机器取代。在他看来，“自动化机器学习”已经成为了 Brain团队最优先解决的研究课题之一。
在加利福尼亚州圣克拉拉市的AI 会议上，Jeff Dean说：“目前我们解决问题，必须同时依赖专业技能、数据和计算能力。我们能否解决机器学习专家不够用这一瓶颈？”
研究团队的一组实验表明，研究人员所称的“学习如何学习”同样也能帮助减少机器学习软件对特定任务中大量数据的需求，以改善其表现。
研究人员要求机器学习软件自己开发软件，以尝试解决包括迷宫导航在内，多个不同但相互关联的问题。软件开发的软件具备了归纳此类问题的能力，并只需要更少的附加训练即可解决新任务。
很久以前，人们就有过开发具备自主学习能力的软件的想法，但以前的实验结果并未达到人类的预期要求。曾在上世纪90年代探索过这一领域的蒙特利尔大学教授 表示，如今的研究成果“令人非常兴奋”。
认为，当今计算能力的飞速膨胀和深度学习技术的出现，使得过去的设想终于成为现实。但他同时指出，考虑到目前这种软件仍旧需要极其强大的计算能力，考虑很快用他们减轻机器学习专家的压力、或部分替代机器学习专家的工作，尚还不现实。
Brain的研究人员表示，他们使用了800个高功率GPU才驱动起这一软件，用于设计图像识别系统程序。而软件生成的程序效率与人类编写的同类最佳软件势均力敌。
麻省理工学院媒体实验室的研究员 Gupta认为，这一研究将引发后续变革。他和麻省理工的同事完成了一项由具备学习能力的软件开发对象识别系统，其在标准测试中的表现与人类编写的系统相符。他们正计划公开自己试验中得到的源代码。
在设计和测试机器学习模型上， Gupta曾浪费了大量时间。他因此受到激励，认为企业和研究者也有足够动力，将自动化机器学习技术实用化、商业化。
Gupta说：“减轻数据科学家的负担，意味着极高的回报。这将改善科学家的效率、搭建更优秀的模型，并让科学家有条件投身更高层次的研究。”
相关文章
