據悉，程序員建立AI算法後，需要幫助學習數據。但是，由於最近時尚的深層神經網絡太複雜，即使是他們的創作者也無法明確地了解他們的學習方式，所以程序員可以通過試錯法調整進行微調，這是一個潛在的耗時的過程。

Google的答案？神經網絡有助於神經網絡。

搜索公司以及像SigOpt這樣的幾家初創公司正在努力使這項任務自動化，稱為超參數調優，這是人類首先需要構建人工智能的主要原因之一。

Google在最近由ImportAI通訊作者和OpenAI通信和戰略總監Jack Clark表示的研究論文中概述了一個名為Vizier的項目的工作。

谷歌說，Vizier是高級顧問的標題，Google表示，系統的本質是什麼 – 建議AI系統以最佳方式完成任務。

想像一個超級參數，像一個配方，使一個深層次的神經網絡。它們定義了重要的方面，如網絡的複雜程度或層數應該如何。

Google Vizier使食譜數百萬次，當超參數更改時，可能會注意到數千種差異。網絡做到這一點，直到找到最好的解決方案，如人類最初定義的。然而，調整算法也是一個黑盒子 – 這種方法不能洞察到它可能灌輸到原始神經網絡中的偏見。

為了測試這個優化算法的效果如何，Google將其應用於另一種食譜：巧克力餅乾。

根據Google的研究，該公司給了它的甜點承包商（一個生命）食譜，每星期幾週更換兩次。員工每次吃“機器學習餅乾”時都給出了反饋意見，這有助於算法學習什麼是好和壞。

曲奇試驗強調了Vizier做得很好的一些事情，就像很快就明白，太少的黃油會使cookie變得脆弱（該模型被稱為“垃圾模型”），或者了解烘烤20個餅乾和烘烤200之間的區別。
最後，餅乾變得很好吃。

Google員工寫道：“後來的回合評價非常好，作者的意見很好吃。

對於以上消息，各位298電腦讀者又怎看呢？

歡迎到我們的<<討論區>>分享你的意見。

灣仔298電腦資訊網
電腦IT人集中地