2017年5月，“谷歌大脑”（Google Brain）的研究人员宣布研发出自动人工智能AutoML，该人工智能可以产生自己的“子AI”系统。日前，他们决定向AutoML发起迄今为止最大的挑战——尝试用AutoML自己创造出的AI，打败人类设计的AI。
团队成员使用一种被称为强化学习的方法，自动化设计机器学习模型。此次，AutoML的“身份”是一个控制器神经网络，为特定任务开发一个“子AI”。这个新生成的“孩子”名为NASNet，可以实时地在视频中识别人体、汽车、交通信号灯、手袋、背包等目标。AutoML作为“家长”，会评估“孩子”NASNet的性能，并使用这些信息来改善“子AI”，再将这一过程重复数千次。
团队成员在ImageNet（计算机视觉系统识别项目，是目前世界最大的图像识别数据库）图像分类和COCO目标识别两个数据集上，对“子AI”NASNet进行了测试。他们表示，这是计算机视觉领域两个最受认可的大规模学术数据集，其数量级之庞大使得测试非常严峻。
结果，在ImageNet测试中，NASNet在验证集上的预测准确率达到了82.7%，比之前公布的同类人工智能产品的结果好1.2%，与论文预印网站上报告但未发表的结果不相上下，系统效率则提高了4%，最大模型的平均精确度为43.1%。团队成员表示，NASNet将被用于各类应用程序，用户能通过该AI系统进行图像分类和对象检测。
总编辑圈点
机器人能够造机器人，AI能够设计AI。想想也没什么奇怪的，只要目标定义清楚，强大的计算机当然比人脑算得快，迟早会替代人。但这不等于AI可以脱离人自行进步了。因为AI还是被拴在笼子里，偶尔被放进赛道，跑一跑罢了。什么时候AI突发奇想，为自己设定一个目标，那什么时候它才能跟人相比。现在还差得远呐。
