今年5月，谷歌揭示了人工智能发展的一种主要新方法，它被称为“自动机器学习（AutoML）”，它允许人工智能成为另一个人的架构师，并在无需人工工程师输入的情况下进行自我创造。

AutoML项目专注于深度学习，一种涉及到通过神经网络层传递数据的技术。创建这些层是很复杂的，因此谷歌的想法是创造能够自我创造的人工智能。

谷歌的这个想法，就是让现有的人工智能创建自己的代码层，而事实证明，它比它的人类技术人员更快、更有效地完成了它的工作。

该公司在谷歌研究博客上解释道：“在我们的方法中（我们称其为“AutoML”），一个控制器神经网络可以提出一个“儿童”模型架构，然后在一个特定的任务中对其进行训练和评估。然后，该反馈被用来通知控制器如何改进下一轮的提案。我们重复这个过程数千次——生成新的架构，测试它们，并将反馈给控制器来学习。”

从表面上看，这种技术听起来像是可能导致奇异性的失控演变的那种事情。但实际上，谷歌正利用它将机器学习令人不可思议的力量交到普通人手中。

从本质上讲，使用神经网络来设计其他神经网络的 AutoML策略是很熟悉的；通过编写程序来编辑其他程序的代码是机器学习的定义。

AutoML的新功能是，在设计神经网络的过程中，它开始进行干预；自动化并不只是简单地改进已经存在的简单模型，而是首先选择那些模型，然后再对它们进行再优化。

通过这种方式， AutoML是一个功能更全面的版本，它通常被认为是正常的“ML”。

从理论上讲，AutoML方法应该能够设计出更有效的神经网络，它不仅可用于解决当前的简单问题，也可用于帮助解决对人类来说不可思议的问题。

AutoML的主要目标并不是要将人类从开发过程中剥离出去，甚至也不是要开发全新的人工智能，而是让人工智能继续以我们多年来一直享受的速度来改变世界。

对于一个拥有丰富人才的行业来说，编码神经网络的难度正成为一个问题; AutoML是为了降低未来机器学习的门槛，至少对于最简单和最常见的应用来说是这样。

短期内，AutoML并不能设计出更好的人工智能。尽管它确实可以，但它可以帮助打开一个急需人才的行业。

AutoML并没有谷歌顶级工程师的理论和数学才华，但普通人无法让谷歌的顶尖工程师解决他们自己的问题。

有了AutoML，谷歌正在创造普通人可以掌握的AI工程师。