谷歌引导工程师之一Jeff Dean在比来中国和硅谷的演讲中向年夜众重点引见了一个名为AutoML的谷歌项目。ML是机械进修（machine learning）的缩写，指的是可以经由过程剖析数据自行完成特定义务的盘算机算法。同时它还可以进修若何树立其他机械算法。谷歌以为有了这类技巧，人类很快便可以找到创立AI的办法，而且可以构建技巧人员以为只能在将来涌现的先辈体系。该项目旨在为更多的公司和软件开辟者供给最新的AI技巧。
今朝的科技行业有着伟大的潜力，它不只可认为智妙手机供给人脸辨认技巧，也能够为汽车树立 主动驾驶体系 。然则据估量世界上只要一万人具有树立庞杂算法所需的教导配景和相干经历。因为人才网job.vhao.net缺乏，全球最年夜的科技企业，包含Google、脸书和微软，每一年会向AI技巧专家付出数以百万计的美元。今朝这类人才网job.vhao.net缺乏景象短时光内其实不会消逝，因此各年夜公司正在赓续研发可以便于树立本身的AI体系的各类对象，包含图象和语音辨认技巧和在线聊天 机械人 等。
Dean称，谷歌的这一项目将赞助分歧的公司树立人工智能体系，即便他们没有普遍的专业常识。他估量现今世界只要不到几千家公司有适合的人才网job.vhao.net来树立本身的AI体系，然则更多的公司须要具有相干的数据。“我们愿望从不计其数的处理机械进修的困难中摆脱出来。”
经由过程应用模仿脑神经元收集，工程师无需手工构建图象辨认办事或说话翻译运用法式，而只需一行代码便可以更快地构建一个自进修义务的算法。但树立模仿脑神经元收集不像树立一个网站或一些通俗的智妙手机运用法式那样轻易。它须要闇练的数学技巧，重复的实验和相当精确的直觉。研讨人员须要一个伟大的机械收集上运转几十次乃至几百次试验，测试一个算法若何进修某种义务，好比辨认图象或许从一种说话翻译到另外一种说话。然后他们一遍又一遍地对算法的特定部门停止调剂，直到处理成绩。然则谷歌正在试图把这个繁琐的进程主动化。经由过程应用AutoML构建新算法并剖析其他算法，谷歌可以懂得哪些办法是胜利的，哪些是不胜利的。终究便可以树立更有用的机械进修机制。谷歌表现，AutoML如今曾经可以构建算法，在某些情形下，可以比纯真由人类专家研发的技巧更准确地辨认照片中的对象。
谷歌也正在年夜力投资于云盘算办事，赞助其他企业构建和运转软件的办事。在胜利吸引部门全球顶尖的AI研讨人员后，谷歌有信念AutoML项目可以成为将来几年公司的重要经济动力之一。
