0
图片来源:Wired
深度神经网络正在改变我们的互联网。这些人工智能（AI）系统可以通过分析大量数据来学习人类能做的事情，这项技术正为各种线上服务注入过去无法想象的能量：以识别照片中的人脸、识别说给智能手机听的命令、完成人类各种语言之间的翻译。甚至，这些智能系统在帮助谷歌选择搜索结果。这些我们都听说过，但是我们只知道台前、不知幕后——这些巨头是如何打造人工智能引擎的。
我们听说过谷歌和Facebook等公司都给世界顶尖的人才支付世界顶尖的薪酬。地球上只有这么几百个人，具备推动人工智能技术前进的才华与资质，业界一直将他们的天价薪酬比作球队里的明星球员。这对于人工智能技术的进展是一个瓶颈。除此以外，即便是顶尖的研究员，也必须经过无数次的试错才能推出成功的产品。要打造一个推出下一个“爆款”AI的深度神经网络，研究员必须首先经过无数次试错，每一次试错都得跑几十个、甚至几百个机器。
“与其说是在当明星球员，还不如说是在当教练，”DeepMind联合创始人Demis Hassabis说，他参与打造了上一个AI“爆款”、打败世界围棋冠军的AlphaGo。“你没法直接告诉机器该做什么，只能哄着骗着他们。”
所以现在，科技巨头们打算将开发AI的试错过程也自动化——至少，自动化一部分。其中的思路是，如果你将一部分体力活自动化了，至少可以让更快地将最帅气的机器学习技术交到工程师手中——然后，你可以让那些顶尖人才们去思考更大、更难的问题。这反过来又会加快开发AI的进程。
换句话说，为了让电脑变得更聪明，电脑自己得搞定更多的体力活。互联网巨头们在打造可以代替工程师去测试无数机器学习算法的计算系统，可以自己循环，创造无数可能。更帅气的是，他们在打造人工智能算法来打造人工智能算法。对，你没看错。在Facebook，工程师设计了他们称为“自动化机器学习工程师”的人工智能系统，帮助打造更多的人工智能系统。虽然还不完美，但是系统希望打造AI模型的过程中，利用的人力越少越好。
随着2012年Facebook完成一千零四百亿美元的IPO，Hussein Mehanna和其他Facebook广告团队的工程师感受到了压力——要进一步提升公司的广告目标、更精准地将广告匹配给几百万Facebook用户。这意味着打造深度神经网络和其他机器学习算法，好好利用Facebook所获得的关于用户行为特征的海量信息。
据Mehanna说，Facebook的工程师有足够的脑洞提出新想法，但是没有足够精力进行测试。因此他和团队打造了一个名叫Flow的工具。“我们希望打造一个所有Facebook工程师都能使用的机器学习生产线。”Mehanna说，Flow设计用于让工程师们能够大规模打造、测试和执行机器学习算法，这基本上包括了任何形式的机器学习——广义上来说，这项技术可以包括所有能够自主学习任务的服务。
大致来说，工程师们可以用现成的系统来测试无数的概念，利用公司巨大的计算机数据中心网络。他们可以运行各种算法可能——不只是深度学习，还有其他形式的AI，包括logistic回归分析（编者注：一种常应用于探索流行病学危险因素的分析模型）以及提高决策树（编者注：一种用于分类回归的决策树模型）——这些测试结果可以化作春泥，滋生更多的新概念诞生。“你测试的概念越多越好，”Mehanna说，“你试用的数据越多越好。”这也意味着，工程可以使用别人打造的现成算法，来应用到其他任务中去。
很快，Mehanna和团队将Flow的应用扩展到了全公司。在其他团队中，它可以帮助制造算法，选择你的Facebook新闻流（News Feed）的连接，识别社交网络上照片里是谁，或者为盲人生成有声标题来理解照片内容。它甚至还能帮助公司决定，帮助全球哪些地方连接互联网。
Mehanna说，Facebook有了Flow就能每月训练、测试大约30万个机器学习模型。以前，公司每2个月（60天左右）在社交媒体上发布一个新的AI模型，现在有了Flow，公司可以每周都发布好几个新模型。好强大。
这个概念比Facebook本身更强大。这是深度学习领域的通用做法。去年，Twitter收购了初创公司WhetLab，就是专门做这的。最近，微软描述了自己的工程师如何使用一个系统来测试海量的潜在AI模型。微软研究员Jian Sun称其为“人类协助的搜索”。
Mehanna和Facebook想为这一潮流加大马力。公司计划最终将Flow开源，与全世界分享。据Mehanna称，类似Linkedin、Uber和Twitter等公司已经对Flow兴趣浓厚。Mehanna和团队还开发了一个称谓“AutoML”（意为“自动机器学习”）的工具，开源进一步减轻人类工程师的负担。在Flow上运行的AutoML开源自动“清除“训练神经网络和其他机器学习算法的数据——不需要任何人类介入，就准备好进行测试——Mehanna还构想了一个可以自动收集数据的版本。不过，更加引人遐想的是，AutoML使用人工智能来帮助人工智能。
正如Mehana所说，Facebook每月训练、测试大约30万个机器学习模型。AutoML可以使用这些机器学习测试来训练另一个机器学习模型，该模型可以将机器学习的训练过程最优化。晕了吗？不晕才怪。Mehanna将其比作《盗梦空间》，只不过这是真的。系统真的可以自动选择最有可能成功的算法和参数。“它甚至可以在训练之前就成功预测结果。”Mehanna补充道。
在Facebook广告团队内部，工程师甚至打造了“自动化机器学习工程师”，这也传遍了全公司。它名作Asimo，据Facebook称它还曾自动生成了现有模型的增强和改善版本，人类工程师可以立刻应用到网络上。“它还没办法发明一个新的AI算法，”Mehanna说，“那是一直发展下去的话，谁知道呢……”
又是个超级引发遐想的新脑洞——确实，这个脑洞已经在科幻小说里扮演了几十年主角：一个可以自己建造自己的智能机器。Asimo还没有天网那么高（惊）级（悚）。但是这是通往未来的一步台阶，未来培养AI大军的不只是顶尖的人类头脑了。未来，还会有一支专门培养AI大军的AI大军。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
