谷歌引導工程師之一Jeff Dean在比來中國和硅谷的演講中向年夜眾重點引見了一個名為AutoML的谷歌項目。ML是機械進修（machine learning）的縮寫，指的是可以經由過程剖析數據自行完成特定義務的盤算機算法。同時它還可以進修若何樹立其他機械算法。谷歌以為有了這類技巧，人類很快便可以找到創立AI的辦法，而且可以構建技巧人員以為只能在將來涌現的先輩體系。該項目旨在為更多的公司和軟件開辟者供給最新的AI技巧。
今朝的科技行業有著偉大的潛力，它不只可認為智妙手機供給人臉辨認技巧，也能夠為汽車樹立 主動駕駛體系 。然則據估量世界上只要一萬人具有樹立龐雜算法所需的教導配景和相干經歷。因為人才網job.vhao.net缺乏，全球最年夜的科技企業，包含Google、臉書和微軟，每一年會向AI技巧專家付出數以百萬計的美元。今朝這類人才網job.vhao.net缺乏景象短時光內其實不會消逝，因此各年夜公司正在賡續研發可以便于樹立本身的AI體系的各類對象，包含圖象和語音辨認技巧和在線聊天 機械人 等。
Dean稱，谷歌的這一項目將贊助分歧的公司樹立人工智能體系，即便他們沒有普遍的專業常識。他估量現今世界只要不到幾千家公司有適合的人才網job.vhao.net來樹立本身的AI體系，然則更多的公司須要具有相干的數據。“我們愿望從不計其數的處理機械進修的困難中擺脫出來。”
經由過程應用模仿腦神經元收集，工程師無需手工構建圖象辨認辦事或說話翻譯運用法式，而只需一行代碼便可以更快地構建一個自進修義務的算法。但樹立模仿腦神經元收集不像樹立一個網站或一些通俗的智妙手機運用法式那樣輕易。它須要闇練的數學技巧，重復的實驗和相當精確的直覺。研討人員須要一個偉大的機械收集上運轉幾十次乃至幾百次試驗，測試一個算法若何進修某種義務，好比辨認圖象或許從一種說話翻譯到另外一種說話。然后他們一遍又一遍地對算法的特定部門停止調劑，直到處理成績。然則谷歌正在試圖把這個繁瑣的進程主動化。經由過程應用AutoML構建新算法并剖析其他算法，谷歌可以懂得哪些辦法是勝利的，哪些是不勝利的。終究便可以樹立更有用的機械進修機制。谷歌表現，AutoML如今曾經可以構建算法，在某些情形下，可以比純真由人類專家研發的技巧更準確地辨認照片中的對象。
谷歌也正在年夜力投資于云盤算辦事，贊助其他企業構建和運轉軟件的辦事。在勝利吸引部門全球頂尖的AI研討人員后，谷歌有信念AutoML項目可以成為將來幾年公司的重要經濟動力之一。
