当AI由AI制作时 结果令人印象深刻

研究人工智能系统的研究人员正在制作新闻并使公众熟悉强化学习和机器学习等术语。最近的头条新闻仍令人惊讶。AI软件正在“学习”如何复制自己并建立自己的AI孩子。

因此，Google的AI使用强化学习创建了其子AI ，完全自动化。

认识'NASNet'。谷歌研究人员将其称为一种新颖的架构。

Alphr的 Vaughn Highfield 指出，这个孩子AI能够执行特定的任务 - 图像识别。儿童AI的任务是实时识别视频中的对象。

未来主义随着发生的事情而扩大。“AutoML充当控制器神经网络，为特定任务开发儿童AI网络。对于这个特殊的儿童AI，研究人员称之为NASNet，任务是识别物体 - 人，汽车，交通信号灯，手提包，背包等。 - 在实时视频中。“

Google Brain今年早些时候推出了AutoML项目。Dom Galeon和Kristin Hopuser写道，“AutoML将评估NASNet的性能并利用这些信息来改善其儿童AI，重复这一过程数千次。”

这是怎么回事：Highfield称这个过程是“无休止的调整”。未来主义的 Karla Lant 评论说：“大部分的元学习都是模仿人类神经网络，并试图通过这些网络提供越来越多的数据。这不是使用旧的锯齿科学。相反，它是很多插件和一旦他们受过训练，机器实际上非常适合做突击工作。“

我们的NASNet架构由两种类型的层组成：普通层(左)和缩减层(右)。这两个层由AutoML设计。信用：谷歌

(好的一面是“如果人类工程师花费更少的时间来完成创建系统所涉及的繁重工作，他们将有更多的时间投入到监督和改进中。”)

结果：在博客作者称之为“计算机视觉中最受尊敬的两个大型学术数据集”的测试中，NASNet的表现优于所有其他系统。

在预测ImageNet验证集上的图像时，NASNet的准确率为82.7%。

Barret Zoph，Vijay Vasudevan，Jonathon Shlens和Quoc Le撰写了关于该团队成就的文章，标题为“用于大规模图像分类和物体检测的 AutoML ”。他们报告说，“在ImageNet图像分类方面，NASNet在验证集上实现了82.7%的预测准确度，超过了我们之前构建的所有先前模型。”

阿尔弗的十字头问道，这是人类结束的开始吗?人们可以原谅高剧情，因为作者Highfield对Google的工作进行了深入研究。“显然，以目前的形式，NASNet不会成为人类的垮台。但是，这是我们未来如何建立更好的人工智能系统的关键。”

Alphr的 Highfield 说：“通过自学AI和人工智能可以调节和改变其他AI，我们可以创建更好的自动驾驶汽车或自动化工厂的人工智能。”

博客作者表示，他们拥有开源的NASNet，用于推断图像分类和Slim和Object Detection TensorFlow存储库中的对象检测。“我们希望更大的机器学习社区能够以这些模型为基础，解决我们尚未想象的大量计算机视觉问题。”