Google Brain在日前的一次研究实验中，指派其研发的一个机器学习系统“学习”如何编写另一个人工智能处理软件的代码。令人惊异的是，系统天生的代码，在实行效率上比人类代码还要精良。往后的人工智能研究与开拓，真的不须要人类了吗？
本文编译自MIT科技评论作者：Tom Simonite
人工智能领域取得的发展造诣，使不少人不禁担心，机器将在自动驾驶等领域取代人类事情。而如今，顶尖研究者创造，他们开拓出的软件已经可以接手人类事情中最棘手的部分之一：开拓他们自己，机器学习软件。
Google Brain人工智能研究团队的成员在一项实验中，让软件天生了一套机器学习系统，并与人类开拓的系统进行基准测试，以评估其自然措辞处理能力。由软件天生的机器学习系统，终极在处理能力上强于人类开拓的系统。
近几个月来，包括非盈利研究机构OpenAI（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Google DeepMind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拓机器学习程序的进展。
如今，企业若想运用机器学习技能，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能具备了实用能力，经济领域运用机器学习技能的速率就将大大加快。
Google Brain研究团队卖力人Jeff Dean上周表示，机器学习专家如今从事的部分事情有望被机器取代。在他看来，“自动化机器学习”已经成为了Google Brain团队最优先办理的研究课题之一。
在加利福尼亚州圣克拉拉市的AI Frontiers会议上，Jeff Dean说：“目前我们办理问题，必须同时依赖专业技能、数据和打算能力。我们能否办理机器学习专家不足用这一瓶颈？”
Google DeepMind研究团队的一组实验表明，研究职员所称的“学习如何学习”同样也能帮助减少机器学习软件对特界说务中大量数据的需求，以改进其表现。
研究职员哀求机器学习软件自己开拓软件，以考试测验办理包括迷宫导航在内，多个不同但相互关联的问题。软件开拓的软件具备了归纳此类问题的能力，并只须要更少的附加演习即可办理新任务。
良久以前，人们就有过开拓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哀求。曾在上世纪90年代探索过这一领域的蒙特利尔大学教授Yoshua Bengio表示，如今的研究成果“令人非常愉快”。
Yoshua Bengio认为，当今打算能力的飞速膨胀和深度学习技能的涌现，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须要极其强大的打算能力，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事情，尚还不现实。
Google Brain的研究职员表示，他们利用了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。而软件天生的程序效率与人类编写的同类最佳软件半斤八两。
麻省理工学院媒体实验室的研究员Otkrist 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拓工具识别系统，其在标准测试中的表现与人类编写的系统符合。他们正操持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，Otkrist Gupta曾摧残浪费蹂躏了大量韶光。他因此受到勉励，认为企业和研究者也有足够动力，将自动化机器学习技能实用化、商业化。
Gupta说：“减轻数据科学家的包袱，意味着极高的回报。这将改进科学家的效率、搭建更精良的模型，并让科学家有条件投身更高层次的研究。”