智能化AI：IBM新系統可自動選擇最佳人工智慧演算法

本文由人工智慧觀察編譯

譯者：Sandy

並非所有的深度學習系統——也就是說，由分層節點組成的系統，在收集數據，進行轉換，輸出並傳遞信息方面都是相同的方式。

事實上，現在不存在任何一個萬能的AI演算法可以適用於所有任務，因此，為不同的演算法尋找最佳的演算法往往會是一個漫長且令人沮喪的過程。不過，幸運的是，簡化這一流程還是有希望的：IBM最近開發了一個系統，可以自動選擇最佳的AI機器學習演算法。

據了解，IBM愛爾蘭研究院的數據科學家Martin Wistuba在最近的一篇博客文章和隨附的論文中描述了該方法。他聲稱這一系統選擇演算法的速度比其他方法快50,000倍，而錯誤率只有略微增加。

「在IBM，工程師和科學家需要從大量的備選方案中選出最佳的深度學習模型架，這是一個耗時的手動過程；不過，通過使用更強大的自動化AI解決方案來選擇神經網路演算法，不僅可以節省時間，還可以讓非專家用戶很快上手應用深度學習。」Martin Wistuba寫道。「我的進化演算法旨在將用於搜索正確的深度學習架構演算法的時間縮短到幾個小時，從而使深度學習網路架構的優化成為每個人都能負擔得起的任務。」

（單個神經網路突變過程示意圖）

Wistuba所謂的「神經進化」系統的關鍵在於：卷積神經網路架構被視為「神經細胞」的序列，它會變異（增加層或者減少層），直到一個最適合給定數據集和任務中的結構被識別出來。神經網路這些突變不會影響網路的預測，反而會大大加快培訓時間。

為了測試該方法的有效性，Wistuba用它為CIFAR-10和CIFAR-100數據集選擇圖像分類演算法（標記圖像由多倫多大學公開提供）。

結果呢？Wistuba表示，「在訓練的前10個小時內，準確度迅速提高，然後進展緩慢但穩定。與最先進的人工設計架構相比，我的演算法的分類錯誤率較高，但需要的時間要少的多，其中架構搜索方法基於增強學習，而其他自動化的搜索方法是基於進化演算法的。」

Martin希望將來將該系統集成到IBM的雲服務中，並將其擴展到更大的數據集和其他領域，如自然語言處理。

其實，自動演算法選擇並不是新鮮事，之前谷歌曾用這個方法來改善智能手機面部識別和物體檢測的準確率。但如果Wistuba的系統功能與宣傳相符，那就意味著該領域的重大進步。

（文中圖片來自網路）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！