谷歌AutoML击败人类工程师，图像识别准确率达82%

今年5月份，谷歌发布了其AutoML项目，目的是帮助人类创建其他AI系统。现在，谷歌宣布AutoML已经可以胜任这项工作。在开发机器学习软件方面，AutoML已经击败人类AI工程师，并且创造出比人类设计更强大、更高效的AI系统。

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%。

谷歌将这种方法应用于深度学习中的两个重要基准数据集：CIFAR-10图像识别和Penn Treebank的语言建模数据集。在这两个数据集上，新方法可以设计出比机器学习专家（包括我们自己的团队中的一些人）设计的最先进的模型还要高精度的模型。

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%。

左边是人类专家设计的神经网络，右边是用AutoMl方法创建的一个体系结构

机器选择的架构确实与人类设计的架构有共同特征，但也有一些新元素 - 例如，机器选择的架构包含乘法组合（右图中最左边的蓝色节点标记为“ elem_mult ”）。

这种方法可能教会我们，到底为什么某些类型的神经网络工作得如此之好。右侧的架构有许多通道，以便梯度可以flow backwards，这可能有助于解释为什么LSTM RNN比标准RNN能更好地工作。

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。当机器接受过训练，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。

原文：https://research.googleblog.com/2017/05/using-machine-learning-to-explore.html

数据集：

https://www.cs.toronto.edu/~kriz/cifar.html

https://www.cs.toronto.edu/~kriz/cifar.html

★推荐阅读★

华为新品手机发布会全程回顾

超级计算机图像识别率达人类医生水平

一文读懂语音识别史

打造百度AI大脑的80后科学家

斯坦福发布3D街景数据集

搜狗招股书90次提到AI，王小川持股超10亿

谷歌重磅发布43页Waymo无人车报告

3行Python代码完成人脸识别

2018年人工智能将赋能所有行业

初学者必读的八个趣味机器学习项目

AMD深度学习开源战略

长期招聘志愿者

加入「AI从业者社群」请备注个人信息

添加小鸡微信  liulailiuwang