并非所有的深度学习系统——也就是说，由分层节点组成的系统，在收集数据，进行转换，输出并传递信息方面都是相同的方式。
事实上，现在不存在任何一个万能的AI算法可以适用于所有任务，因此，为不同的算法寻找最佳的算法往往会是一个漫长且令人沮丧的过程。不过，幸运的是，简化这一流程还是有希望的：IBM最近开发了一个系统，可以自动选择最佳的AI机器学习算法。
据了解，IBM爱尔兰研究院的数据科学家Martin Wistuba在最近的一篇博客文章和随附的论文中描述了该方法。他声称这一系统选择算法的速度比其他方法快50,000倍，而错误率只有略微增加。
“在IBM，工程师和科学家需要从大量的备选方案中选出最佳的深度学习模型架，这是一个耗时的手动过程；不过，通过使用更强大的自动化AI解决方案来选择神经网络算法，不仅可以节省时间，还可以让非专家用户很快上手应用深度学习。”Martin Wistuba写道。“我的进化算法旨在将用于搜索正确的深度学习架构算法的时间缩短到几个小时，从而使深度学习网络架构的优化成为每个人都能负担得起的任务。”
单个神经网络突变过程示意图
Wistuba所谓的“神经进化”系统的关键在于：卷积神经网络架构被视为“神经细胞”的序列，它会变异（增加层或者减少层），直到一个最适合给定数据集和任务中的结构被识别出来。神经网络这些突变不会影响网络的预测，反而会大大加快培训时间。
为了测试该方法的有效性，Wistuba用它为CIFAR-10和CIFAR-100数据集选择图像分类算法（标记图像由多伦多大学公开提供）。
结果呢？Wistuba表示，“在训练的前10个小时内，准确度迅速提高，然后进展缓慢但稳定。与最先进的人工设计架构相比，我的算法的分类错误率较高，但需要的时间要少的多，其中架构搜索方法基于增强学习，而其他自动化的搜索方法是基于进化算法的。”
Martin希望将来将该系统集成到IBM的云服务中，并将其扩展到更大的数据集和其他领域，如自然语言处理。
其实，自动算法选择并不是新鲜事，之前谷歌曾用这个方法来改善智能手机面部识别和物体检测的准确率。但如果Wistuba的系统功能与宣传相符，那就意味着该领域的重大进步。
联系客服
