神经网络正在重塑互联网的深度。通过分析大量的数字信息,神经网络学习和可以执行的深度人工任务,只是在一个短的几年前,一个类似的智能系统不能移植到web服务。

开发的深度神经网络来解决大问题,和下一个人工智能研究人员必须经历无数失败的尝试,在尝试,几十甚至上百的机器。“我们更像一个教练,而不是一个球员。”DeepMind创始人黛米斯认为,“你吸引他们做什么,而不是告诉他们该做什么。”

由于这个原因,许多公司试图实验和错误到自动化的过程——或者至少将自动化的一部分。如果部分可以自动化的最艰巨的任务,您可以进一步向前发展,使最新的机器学习更快,只需要总工程师指南。这样顶尖人才可以有更多的时间专注于研究更有创意和更困难的问题。最后,人工智能发展的互联网应用和服务速度更快。

换句话说,随着计算机越来越聪明,越来越快,计算机本身能处理更简单,单调的任务。互联网巨头,正在开发计算系统,让他们代表工程师测试没完没了的机器学习算法,它们可以循环测试的可能性。更好的是企业正在开发一套人工智能算法,算法编写的人工智能算法。不是在开玩笑。Facebook工程师正在设计所谓的“自动机器学习工程师”和人工智能系统,它可以帮助开发的人工智能系统。让完美的技术还有很长的路要走。但是Facebook的最终目标是开发人工智能的一个新模式,让人在尽可能少的乏味的工作。

Facebook首次公开募股成功,2012年,汉族,侯赛因。m(侯赛因Mehanna)和Facebook广告团队工程师感到压力,因为公司的广告销售目标,他们需要提高广告的匹配程度和众多用户。Facebook拥有众多用户,公司将根据用户的特征和行为来收集数据,神经网络的发展深度和其他机器学习算法可以更好地利用巨大的数据库。

根据m汉,在新的人工智能的发展,Facebook工程师并不缺乏创意,但测试这些想法是另一回事。为了解决这个问题,他和他的团队开发了所谓的“流”的工具。“我们想要开发一个机器学习流水线,所有Facebook工程师可以使用。”米汉说。流旨在帮助工程师大规模开发,测试,执行机器学习算法,它实际上包括任何类型的机器学习,也就是说,技术是一种技术,可以涵盖所有服务,大部分依赖于机器来完成学习任务。

“创意越多,结果越好。”韩寒认为,“你测试的数据越多,结果将是,越好。”有一个新的工具,其他发达可以重用算法工程师,非常放松,修改算法应用于其他任务将更简单。

很快,米汉的团队将应用于整个公司。其他团队使用流生成算法,选择从用户的新闻链接,也可以识别的社交网络图片,图片添加音频标签,根据音频盲人可以理解他认为合适的。

米汉与流动显示,Facebook可以一个月培训,测试,大约300000种机器学习模型。在Facebook社交网上推出一个新的人工智能模型需要60天左右,现在一个星期可以发布一些新的模型。

事实上,深度学习的应用前景是远远超过这个值。去年,Twitter获得WhetLab,深度研究的专家。最近,微软告诉研究人员以外的自己如何使用系统测试质量的人工智能模型。微软研究人员剑太阳称之为“人工搜索助理”。

Facebook希望加快,它的目标是构建一个开放源码的流,与整个世界,LinkedIn,Uber,Twitter使用它很感兴趣。米汉也称为AutoML与团队开发了一个工具,它可以承担更多的人类工程师的工作。AutoML运行在流,可以自动“完成”用于训练神经网络和其他机器学习算法的数据,而无需人工干预可以准备测试数据,在m汉族理想,他们希望AutoML最终可以收集数据。更有趣的是,AutoML可能使用AI人工智能发展。

米汉说,Facebook每月训练和测试大约300000机器学习模型。AutoML训练其他机器学习模型可以利用测试结果,优化机器学习模型的训练过程。汉族,相比《盗梦空间》(指的是电影《盗梦空间》),它工作时,系统可以自动选择可以帮助算法和参数。米汉认为:“几乎能预测结果之前训练。”



相关文章