据国外媒体报道，谷歌推出了一项名为“automl”的技术，它允许人工智能在没有人类工程师支持的情况下创造自己。本质上，automl的策略是使用神经网络来设计其他神经网络，这并不奇怪，因为让程序为其他程序编写代码是机器学习的神奇之处。

据国外媒体报道，谷歌推出了一项名为“automl”的技术，它允许人工智能在没有人类工程师支持的情况下创造自己。本质上，automl的策略是使用神经网络来设计其他神经网络，这并不奇怪，因为让程序为其他程序编写代码是机器学习的神奇之处。

汽车让人耳目一新的原因是它使神经网络开始介入设计过程。Automl不会改进现有的简单模型，而是首先选择这些模型，然后再改进它们。在这种情况下，automl发展成为我们所期望的“全功能机器学习”。谷歌首席执行官sundar pichai在一篇关于这个项目的博客文章中说:“我们希望automl能够拥有现在一些医生所拥有的能力。”对于成千上万的开发者来说，这将在3到5年内完成。你可以设计一个全新的上帝陷阱来满足他们的特殊需要。”

所谓的神经网络是通过模仿人脑开发的计算机系统，包括许多不同的计算层。通常，如果我们想使用机器学习技术来解决问题，人类专家必须提供一个启动神经网络，它可以根据固定的规则执行解决问题所需的基本计算。Automl将尝试许多可能的合适算法，测试完全不同的神经网络结构，然后将它们与目标匹配。没有人的监督，随着时间的推移，这个过程将给出问题的最佳数学解和执行这个解的最佳方式。最终的神经网络不需要使用这些算法中的一个，但是可以多次使用一个元素，只要它更有效。

理论上，automl应该能够设计出更有效的神经网络。它不仅可以用来解决目前的简单问题，还可以帮助解决人类难以置信的问题。让我们看看谷歌是如何利用automl的关键功能的。

如果对庞大的图片数据库进行分类，automl可以设计一个类似于人类工程师但略胜一筹的神经网络。这种设计令人震惊的是，当人类工程师观察automl设计的神经网络时，他们并不知道自己设计的神经网络和automl之间的区别。因为他们自己没有提出神经网络，所以一开始他们不能确定。

AutoML的目标不是将人类从开发过程中分离出来，甚至不是开发全新的人工智能，而是让人工智能继续以我们已经习惯多年的速度改变世界。神经网络编码的挑战正在成为整个行业的障碍。automl试图降低未来学习机器学习技术的人的入门门槛。

虽然它远远超出了当前技术的复杂程度，但automl仍然是同一个“极端民主化”过程的开始，这在正常编码中我们已经见过多次了。Html有dreamweaver，通过在automl中运行一套完整的人工智能创建程序，机器学习可能很快达到类似的方便操作的水平。