AI能自己进化吗？
"建立一个回归模型只需要几行代码."程序员认可Google AutoML的性能，认为AutoML设计的模型与机器学习专家设计的模型不相上下。日前，谷歌工程师分别在中国和硅谷介绍了Google AutoML项目。困惑随之而来——AI又进化了？！已经自研了？可以控制自己的进化？是为了摆脱人类吗？
国家超级计算济南中心大数据R&D部研究员赵志刚说:“起初，我们用数学公式和‘如果’告诉计算机第一步要做什么，第二步要做什么...然后'，并手把手教了。后来我们给了机器N组输入和输出，中间的规则或规律是它自己学习的。”
"以前，许多聪明人花了一生的时间研究如何提取有效特征."专注于智能导购对话机器人的Smart Point CTO莫宇解释道，“神经网络算法的发明和深度学习技术的出现，让AI进化到了2.0，提取特征的工作由AI自己进行，我们的工作也相应发生了变化。”
用数学函数的模型很容易解释“1.0”向“2.0”的过渡:如果把图像识别、语义理解、下棋等任务都看成不同的Y=f(X)，即“猫”的输入图片、语音或棋步是“X”，输出“猫”、回答和棋步是“X”。在深度学习之前，人们通过自己的分析找到函数F对应的公式，并告诉AI。深度学习后，人们输入大量x和y的对应关系，AI自己找到函数f对应的公式。
“AI找到的函数F的具体内容可能比人类找到的要好，但人类不知道，就像一个黑盒。”莫宇说，“但是F的形式是AI研究人员通过研究设计出来的。如果使用深度神经网络，网络中的模块以及模块之间的组织也是事先设计好的。”
随着深度学习技术的成熟和普及，在模型构建方面已经有了具体可追的经验。“各种* * *神经网络的发布，让就业的门槛越来越低。一些普通的模型构建和优化，刚毕业的同学可以在网上学习教程入门。”赵志刚说。
当建模成为一种可学习的技能时，AutoML就出现了。它能做的是AI研究人员的模型设计工作。“这将帮助不同的公司建立人工智能系统，即使他们没有广泛的专业知识。”谷歌工程师推荐这个。AI成功进化到3.0。
事实上，AutoML仍然取代了人类可以提取经验的工作。“如果说之前人们描述了一套寻找函数F的‘路网’，在深度学习的技术辅助下，机器可以以最快的速度找到最优路径；那么AI现在可以设计自己的道路网络了。”赵志刚很简洁。
可见，无论是深度学习还是AutoML，都只是取代了人类某些群体已经研究透彻的工作。“机器能做的，尽量不要用手去做”是很多程序员的人生信条，这就诞生了AutoML。基于同样的信条，微软开发了DeepCoder。"它可以用来生成满足给定输入和输出的程序."莫宇说，但是目前它的性能不尽如人意，只能写一些简单的程序。
“上帝”是谁？毫无疑问，人类。
自从AI进化到更高层次的模型设计，“上帝之手”发生了哪些变化？
“炼丹”，墨玉用两个字形象地讲述了自己的工作。“Smart是专业的智能客服。R&D人员的工作主要集中在问题建模(如何将实际问题转化为人工智能技术解决的问题)和算法优化(如何提高人工智能算法的效果)。”
“精炼”就是不断的调试和改进。“对于一个特定的人，你越是扔脾气越好。答案越准确越好。”莫宇说，“我们的X是客户的问题，Y是机器人客服的回复，中间的函数F需要训练。”
这不是一项容易的任务。如果把人类社会的经验分为三类:有公式的确定规则，可以用语言表达的知识，只能理解不能表达的感情。最后一类是最难琢磨的。
“因此，我们试图构建一个完美的闭环反馈，了解特定用户的喜好，最终通过情感和兴趣的表达，达到他们喜欢的东西。”莫宇表示，“目前处于人机协作阶段，但越来越多样本的获取，将有助于我们的智能客服给出准确且令人愉悦的答案。”
可见，并不是所有的领域都适合AI的自我发展。比如在问题建模方面，如何把实际问题抽象成机器学习问题，AI是无法完成的。在AI2.0阶段，R&D人员还需要手工设计函数F的形式。