如今，随着软件展现出分担会计和律师部分工作的潜力，脑力劳动的自动化已经成为围绕计算机日益增长的能力的热议中的焦点之一。而对谷歌的人工智能研究者来说，他们正在尝试自动化的方向并没有取代西装革履的高薪工作者，而有可能取代他们自己的工作。
在一个名为AutoML的项目中，谷歌的研究者已经教会机器学习软件如何自动构建机器学习软件。在某些情况下，自动构建的成果甚至比研究者们所设计出的 系统还要强大和高效。
谷歌表示，该系统最近在根据内容对图像进行分类的任务中，创下了正确率82％的记录。在另一个重要的增强现实和自动化机器人的任务中，系统需要标记图像多个物体的位置，难度非常大，但自动生成系统的正确率仍然达到了43%，而 的人造系统的正确率也只有39%。
这样的结果意义重大，因为即便是在谷歌这样的公司，他们在建立 AI系统所需的专业知识也仍有局限。
“现在，AI还是机器学习科学家们的手工制品，而实际上，全世界也只有仅仅几千科学家可以做到。”谷歌的CEOSundarPichai在上周说到。他在谷歌上周的硬件发布会上提到AutoML，“我们希望让成千上万的开发者可以做到这一点。”
AutoML目前还只是一个研究项目。不过，越来越多谷歌之外的研究人员也正在研究这项技术。如果“AI制作AI”成为可能，机器学习将会延展出技术产业，更快地触及医疗和金融等领域。
对谷歌来说，AutoML可以助力Pichai的“AIfirst”战略。基于该战略，公司正在使用机器学习更高效地运作并创造新的产品。例如，谷歌Brain研究小组，以及谷歌旗下的人工智能公司DeepMind已经帮助公司数据中心的削减了电费，并提升了谷歌绘制新城市地图的能力。而AutoML可以让那些专家更有创造力，或帮助不那么娴熟的工程师建立更强大的AI系统。
谷歌在它的研究网站上列举了超过名并非专攻AI的员工。除此之外，谷歌还有数以千计的软件工程师。根据其最近的年度财务报表，谷歌母公司Alphabet有个从事研究与开发的员工。
毫无疑问，谷歌降低了门槛，希望任何人都可以接触到AutoML。公司外的研究人员表示，让AI专家的某些工作自动化的想法已经成为了研究的热点，这个工作在AI系统变得日益复杂的情况下是非常必要的。
包括谷歌的AutoML项目在内，不少研究人员正致力于在所谓的“元学习”（即习得学习能力的能力）上加快部署人工神经网络。该技术涉及为数学运算网络提供数据，其灵感来自于对大脑中的神经元的研究。
这听起来可能非常复杂，但是却必不可少，因为很大一部分让神经网络更有效的运行都离不开一部分枯燥的工作，比如说处理音频。专家必须依赖自己的直觉和试错来发现神经网络正确的结构。
“工程师们很大一部分的工作实际上非常枯燥，他们得尝试各种各样的构造去选择出 的那个，”加州大学伯克利分校的研究者RobertoCalandra说道。
他表示，这个挑战正在变得越来越难以克服，因为研究者正在建立越来越庞大的神经网络来解决更加困难的问题。
责任编辑：刘海星
话题：你认为AI制作AI这件事靠谱吗？
推荐阅读
Basecamp创始人兼CEO：作为管理者，你为什么这么差劲？
漫极客CTO李焱：大前端之路-如何用Web技术一统三端开发
SmartXCTO张凯：超融合架构是数据中心的未来方向
三年时间，从3人到人产品研发团队的创业经历
易观CTO郭炜：技术架构升级其实是整个公司的升级
经验分享：故障管理中的涅槃重生
关于EGO极客邦科技旗下的高端技术 社群，汇聚全国超过位技术大牛，其中不乏「饿了么」、「知乎」、「同程旅游」、「新浪微博」等 企业的CTO及技术VP。EGO致力于组建全球 影响力的技术 社交网络，联结杰出的技术 学习和成长。
爱学习的赞赏