此前,谷歌曾推出一个AI系统“AutoML(自动机器学习)”,目的是通过训练AI让其能够自主创建其他AI系统。目前,AutoML已经研发出了一个计算机视觉系统,而事实证明,这套系统的性能远远领先于其他最先进的模型智能系统。

在此次实验中,研究人员让AutoML所创建的子AI网络NASNet完成对录像中人物、汽车、交通信号灯、手提包和背包等物体的实时识别。

谷歌研究员称,ImageNet图像分类和COCO物体检测数据集为“计算机视觉领域公认的两大深度学习数据集”。基于这两大数据集上进行测试时,NASNet的表现完胜所有其他视觉系统。

具体数据上,在预测ImageNet验证集上的图像准确率时,NASNet为82.7%。其平均精确度(mAP)为43.1%,超过先前公布的最高纪录1.2%,系统效率也提高了4%。此外,在计算水平上,精确度较低的NASNet也要比尺寸相近的最高配移动平台高出3.1%。

以往,我们训练AI算法的时候,海量数据的训练是必不可少的,而这也就相对花去了大量的精力和时间成本。现在,谷歌研发出能够自己研发算法的AI系统,这对于AI发展的进程可以说是一个具备里程碑意义的事件。

对于NASNet的应用方向,谷歌研究人员表示,该算法可用于创造先进的人工智能机器人,或帮助患者恢复视力。此外,还能帮助设计师优化自动驾驶技术。增强识别道路障碍物的能力可提升车辆的反应速度,自动驾驶汽车的安全性也相应提高。

与此同时,谷歌研究人员已经NASNet开发了开源系统,时期进行图像分类和探测物体。“我们希望基于这些模型,建立更大规模的机器学习系统,以解决未来可能会出现的大量计算机视觉难题。”研究人员在博文中表示。

从当前的进程来看,NASNet在计算机视觉的前路还是相当顺利的,或许我们在未来能看见它的谷歌的自动驾驶系统中出现。此外,继NASNet的成功之后,AutoML不知道什么时候能够创建第二个子AI系统,有点令人期待。