AI自主进化:技术进步背后的自动化推手
快速阅读: 埃里克·德雷克斯勒发表文章《迈向全球目标一致性》,指出自动化工具正逐步简化机器学习任务,推动研究任务全面自动化,加速AI发展。
埃里克·德雷克斯勒在AI Prospects上发表文章《迈向全球目标一致性》:
自动化常规任务扩展了可能性。在自动微分技术出现之前,深度学习从业者需要手动推导和实现每个模型家族的梯度,这是一个繁琐且容易出错的过程。当Theano及其后续版本实现了这一数学劳动的自动化时,神经网络从一个专门领域变成了广泛可访问的学科。这一突破结合海量数据集和GPU计算,推动了深度学习革命。
如今,我们看到类似的进步正在整个机器学习栈中同时发生。这并不是AGI神话中的“递归自我改进”,即一个单一实体不断自我改进直至超级智能。而是一个系统过程,其中专用工具自动化常规任务,同时使新任务变得可行。研究人员越来越多地协调这些工具来构建自动化工作流。
当前的趋势是整合越来越多超人类能力的系统。展望未来,研究任务的全面自动化已成为时间问题,而非结果问题。我们现在见证的只是早期阶段,在这个领域,自动化加速了自身的进程。
(以上内容均由Ai生成)