物联网领域正涌入大批不领工资的“数据科学家”
02什么是AutoML？
为了更好的理解AutoML，清华校友翟伟所在公司Qeexo通过一个有趣的对比进行了解释。
在某种程度上，人工智能与印刷术非常相似，它们的诞生都是人类历史上的巨大转折，而且演进过程也有一定的可比性。
印刷术发明之前，文化的传播主要靠手抄的书籍。手抄费时、费事，又容易抄错、抄漏，既阻碍了文化的发展，又给文化的传播带来不应有的损失。
就像在人工智能诞生之前，工程师们要自己写计算程序完成数据分析，不仅效率低而且有可能存在很多误判。
印章和石刻给印刷术提供了直接的经验性启示，用纸在石碑上墨拓的方法，直接为雕版印刷指明了方向。
雕版印刷的版料，一般选用纹质细密坚实的木材，然后把木材锯成一块块木板，把要印的字写在薄纸上，反贴在木板上，再根据每个字的笔划，用刀一笔一笔雕刻成阳文，使每个字的笔划突出在板上。木板雕好以后，就可以印书了。
就像在人工智能的初始阶段，工程师们为每个用例，从零开始写机器学习的代码，一个用例对应一块“雕版”，在不同用例之间代码很难重复利用，灵活性差、对工程师的技艺要求高。
活字制版避免了雕版的不足，只要事先准备好足够的单个活字，就可随时拼版，大大地加快了制版时间。活字版印完后，可以拆版，活字可重复使用，且活字比雕版占有的空间小，容易存储和保管。这样活字的优越性就表现出来了。
就像随着人工智能的发展，工程师们开始使用解耦的思维，使用现有的机器学习模块与框架活用拼凑AI。这个阶段开发一个上手的应用或许很简单，但是要开发真正的产品却很难，需要一个团队的专业人士，花费几个星期的时间完成。
而现在，我们每个人都知道如何使用电脑打字，并使用打印机将文稿印出。
AutoML就是试图将人工智能也带入到同样阶段的做法，让一位非专业人士，花费几分钟的时间，即可完成多个人工智能模型。在这个阶段，合适的AutoML工具是关键。
谷歌最近发布了一篇论文名为《AutoML－Zero：从零开始的自动机器学习》，AutoML－Zero：Evolving Machine Learning Algorithms From Scratch。
AutoML－Zero这个名字难免让人产生联想。当年AlphaGo战胜了人类最强棋手，但前提是它先学会了人类棋谱，离不开人类指导。接着谷歌又推出了AlphaGo Zero，只让AI知道围棋规则，从零开始学下棋，结果再次登上棋艺顶峰。
AutoML－Zero似乎想要证明，既然AI能从零学习围棋，也可以从零开始摸索机器学习算法。
谷歌这篇论文的全文可以通过文末的提示下载阅读。
现在谷歌已将AutoML－Zero的开源程序提交到GitHub，普通电脑只需5分钟就能体验一下它的实际效果。
分享
图片新闻
最新活动更多
-
直播回顾进入直播>> 智能医疗设备测试的挑战
-
4月26日立即报名 >> 【线上研讨会】TDK模块化电容器、电能质量解决方案
-
4月30日免费下载 >> SPM31智能功率模块助力降低供暖和制冷能耗，打造可持续未来！
-
4月30日限时免费下载>> 高动态范围（eHDR）成像设计指南
-
5月10日立即下载>> 【是德科技】精选《汽车 SerDes 发射机测试》白皮书
-
5月28日立即观看>> 【在线研讨会】Ansys镜头点胶可靠性技术及方案
推荐专题
-
4 高德又“擦边”
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论