一个AutoML系统最近打破了一项纪录，将图像按其内容分类，准确率达到82%。虽然这是一项相对简单的任务，但AutoML还可以帮助自动机器人和增强现实在更复杂的任务中击败人类设计的系统，比如在图像中标记多个物体的位置。在这一任务中，AutoML的准确率为43%，而人类设计的AI系统则为39%。

这些结果是非常有意义的，因为即使是在谷歌，也很少有人具备构建下一代AI系统所需的专业技能。这就需要一种技术帮助自动化这个过程，一旦取得突破，它就会改变整个行业。谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）表示：“今天，AI系统都是由机器学习科学家手工开发的，而世界上只有几千名科学家可以做到这一点。但我们想让成千上万的开发者能够实现这样的目标。”

谷歌大部分的“元学习”都是模仿人类神经网络进行的，并试图通过越来越多的数据训练这些网络。当机器接受过培训，它们会非常适合做这些工作。最困难的部分是最初模仿大脑结构，并在适当的尺度上处理更复杂的问题。

相对于从头设计一个神经网络，调整现有系统来满足新需求要容易得多。然而，谷歌的研究似乎表明，这只是一种暂时性状态。随着AI在设计越来越复杂新系统方面变得越来越容易，对于人类来说，扮演好“守门员”的角色更为重要。AI系统可能很容易产生偏见，例如将种族和性别身份与负面印象联系起来。然而，如果人类工程师花在创建系统的繁重工作上的时间减少，他们将有更多的时间来进行监督和改进。

最终，谷歌的目标是更好地发挥AutoML的功能，使程序员能够在实际应用中使用它。如果他们成功做到这一点，AutoML很可能会在谷歌之外产生巨大影响。皮查伊表示：“我们希望能够民主化这项技术。”这意味着，该公司希望AutoML能在谷歌之外被更广泛地使用。

原文来自：

本文地址：//q13zd.cn/ai-vs-humans.html编辑：周晓雪，审核员：逄增宝

本文原创地址：//q13zd.cn/ai-vs-humans.html编辑：public，审核员：暂无