-
科技巨头
人工智能人才短缺，科技巨头们想用 AI 再造 AI
编者按：谷歌等公司正在寻求通过自动化的方法来处理人工智能专家短缺的问题。谷歌的设想是，类似 AutoML 这样的项目，将能帮助企业构建他们自己的AI系统，尤其是那些没有深厚 AI 经验和实力的企业。据估计，如今具备能自我开发 AI 系统的人才的公司，全球不超过 1000 家，但其他更多公司却拥有开发 AI 系统所需的数据。
研究者的梦想，但也许是高级程序员的噩梦：可以建造其他人工智能的人工智能。
谷歌领导工程师之一 Jeff Dean 重点介绍了名为 AutoML 的项目。 ML 是机器学习的缩写，可以通过分析数据自行学习执行特定任务的计算机算法。 AutoML 是一个学习构建其他机器学习算法的机器学习算法。
通过 AutoML ，谷歌可能很快就会找到一种方法，可以部分地取代人类创建人工智能技术，构建人工智能系统，许多人认为这是技术行业的未来。
该项目是众多将最新的 AI 技术带给更广泛的公司和软件开发人员的努力之一。
科技行业正在创造一切的可能性，从可识别人脸的智能手机应用程序到自动驾驶汽车。 但据估计，全世界只有 10000 人拥有建立复杂、神秘数学算法所需的教育、经验和才能，以推动这种新的人工智能。
包括谷歌，Facebook 和微软在内的全球最大的科技企业每年向 AI 专家支付数百万美元薪资。人才短缺不会很快消失，只因为掌握这些技能需要多年的努力。
业界不愿意等待。企业正在开发各种工具，以便更容易开发 AI 软件，包括图像和语音识别服务以及在线聊天机器人等。
微软公司副总裁 Joseph Sirosh 说：“我们遵循计算机科学和所有新型技术相同的道路。”Joseph Sirosh 最近公布了一个帮助编程人员建立深度神经网络的工具，这种计算机算法推动了 AI 领域的最新发展。 “我们正在消除很多繁重的工作。”
这不是利他主义。Dean 这样的研究人员相信，如果有更多的人和公司从事人工智能的研究，将会推动他们自己的研究。与此同时，谷歌、亚马逊和微软这样的公司看到了 Sirosh 所描述的趋势中赚钱的机会。 他们都在销售云计算服务，帮助其他企业和开发人员建立人工智能。
中国创业公司 Malong 的联合创始人兼 CTO Matt Scott 表示：“这是真实的需求，而现有工具还不能满足所有的需求。”
这就是谷歌开展 AutoML 项目的原因。 谷歌 CEO Sundar Pichai 在今年十月发布了 AutoML。
Dean 说，最终，这个项目将帮助公司建立人工智能系统，即使不具备广泛的专业知识。 他估计，今天只有几千家公司拥有合适的 AI 人才，但有更多的公司拥有必要的数据。
他说：“我们希望将成千上万的公司从解决机器学习问题中解脱出来。”
谷歌正在大力投资于云计算服务，帮助其他企业构建和运行软件的服务，预计将成为谷歌未来几年的主要增长动力之一。 在网罗了大量世界顶级 AI 研究人员之后，它有了启动这个引擎的方法。
神经网络正在加速人工智能的发展。 工程师不用一次一个的手工构建图像识别服务或语言翻译应用程序，而只需一行代码，工程师就可以更快地构建一个自学习任务的算法。
例如，通过分析大量传统技术支持呼叫中的语音，机器学习算法可以学习识别口语词汇。
但建立神经网络不像网站或普通的智能手机应用程序。它需要重要的数学技能，极端的反复试验以及直觉。 独立机器学习实验室 Element AI CEO Jean-FrançoisGagné 将这一过程称为“一种新型计算机编程”。
在建立神经网络时，研究人员在一个巨大的机器网络上进行了几十次甚至数百次实验，测试一个算法如何学习一个任务，如识别图像或者从一种语言翻译到另一种语言。 然后他们一遍又一遍地调整算法的特定部分，直到他们解决了一些有效的东西。 有人称之为“黑暗艺术”，因为研究人员很难解释为什么他们会做出特定的调整。
但是通过 AutoML，谷歌试图将这个过程自动化。它正在构建算法，分析其他算法的发展，学习哪些方法是成功的，哪些是不成功的。 最终，学习建立更有效的机器学习。 谷歌表示，AutoML 现在可以构建的算法，在某些情况下，比单纯由人类专家构建的服务更精确地识别照片中的对象。
这个项目背后的谷歌研究员 Barret Zoph 认为，同样的方法对于语音识别或机器翻译等其他任务最终也能适用。
这不是一件容易的事情，但这是人工智能研究的重要趋势的一部分。专家称之为“学习的学习”或“元学习”。
许多人认为，这种方法将大大加快人工智能在网络和物理世界的进展。 在加利福尼亚大学伯克利分校的研究人员正在研究一种技术，使机器人能够根据他们过去所学的知识来学习新的任务。
教授 Pieter Abbeel 说：“电脑本来就是为我们发明算法的。 电脑发明的算法可以很快解决许多很多问题，至少这是希望。”
这也是一种扩大人工智能的人员和企业的方法。 这些方法不会完全取代 AI 研究人员，比如谷歌公司的这类专家，仍然需要做很多重要的设计工作。 但是，我们的信念是，只需要少数专家的工作就可以帮助大量的人建立自己的软件。
卡内基梅隆大学研究员 Renato Negrinho 正在探索类似于 AutoML 的技术，今天还没成为现实，应该在未来几年实现。 “这只是时间问题。”
原文链接：https://medium.com/the-new-york-times/building-ai-that-can-build-ai-7a0546be97bf
编译组出品。编辑：郝鹏程
扫一扫 加微信
hrtechchina
