新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】眼下，人工智能研发的一个大方向是用AI系统来自动化开发AI系统。虽然这一目标尚未实现，但目前的进展让已足够令人人震惊。本文介绍了最新的一些进展，包括伯克利让算法自我优化、MIT自动生成神经网络架构，以及在这方面走得最远的 DeepMind 让算法“学习强化学习”。【进入新智元公众号，在对话框输入“0124”下载文中提到的论文】

　　2011年硅谷最有影响的技术投资人 Marc Andreessen 一篇“Why Software Is Eating The World”震撼业界。6 年后，移动、云计算和大数据三大技术浪潮已经强烈地改变了很多行业。

　　新的技术浪潮已经袭来，那就是人工智能。近年来，人工智能的人才大战已经愈演愈烈，机器学习专家的薪酬也水涨船高，到了惊人的水平。

　　然而，顶尖的人工智能专家们最近发现，他们最困难的工作之一——设计机器学习系统本身，也有可能通过AI系统自动完成。

　　用 Google 技术大神 Jeff Dean 最近在 AI Frontiers 会议上的话说，目前人工智能领域解决问题所需的就是机器学习技术、计算和数据，我们能否减少对这种技术本身的需求呢？他认为是可能的。“自动机器学习”这个方向正是他来到的 Google Brain 团队正在积极探索的最有希望的领域之一。

　　而 DeepMind 的研究发现，这方面的进展还可以减少深度学习系统对数据量的要求。这在无人驾驶汽车等场景非常有用。

　　Yoshua Bengio 则指出，atv，目前的研究对计算能力的要求太高（Google Brain 的实验用了800个高配置GPU），开奖，所以还不太实用。但这确实是一个令人兴奋的方向。

　　1月18日，Tom Simonite 在《MIT Technology Review》发表的文章 “AI Software Learns to Make AI Software”，收集了 Google Brain、OpenAI、MIT、Berkeley 和 DeepMind 等在 learning to learn 领域的最新的研究成果。

　　TechCrunch 接着发表的文章则总结说，在不少场景下，AI系统自己开发的AI系统，已经赶上甚至超过了人类专家。这将大大加快 AI 技术民主化的进程。而稀缺的人类研究资源也可以释放出来，转而去研究更重要的问题。

　　接下来，我们一起深入地分析相关论文，看一看这方面的进展已经到了什么程度。

　　让算法自己写代码

　　伯克利的 Ke Li 和 Jitendra Malik 在他们日前提交的论文《Learning to Optimize》中提出了让算法自我优化的方法。他们在论文摘要中写道，“算法设计是一个费力的过程，通常需要许多迭代的思想和验证。 在本文中，我们探讨自动化算法设计，并提出了一种方法学习自动优化算法”。从强化学习的角度入手，Ke Li 和 Jitendra Malik 使用指导性策略搜索来让 AI 学习优化算法，并且证明了他们所设计的算法在收敛速度和/或最终目标值方面优于现有的手工编程开发的算法。

　　让算法自己写代码的努力并不止于学术界。国外著名科技记者 Steven Levy 去年 6 月在他刊于 BackChannel 的文章《谷歌如何将自己重塑为一家“AI 为先”的公司》（How Google Is Remaking Itself As A "Machine Learning First" Company）中提到，谷歌大脑负责人 Jeff Dean 表示，如果现在让他改写谷歌的基础设施，大部分代码都不会由人编码，而将由机器学习自动生成。

　　“以前，我们可能在系统的几个子组件中使用机器学习，”Jeff Dean 说：“现在我们实际上使用机器学习来替换整套系统，而不是试图为每个部分制作一个更好的机器学习模型。”

　　谷歌的代码bug预测系统，使用一个得分算法，随着commits变得越来越旧，它们的价值越来越小。

　　谷歌已经开发了一个 bug 预测程序，使用机器学习和统计分析，来判断某一行代码是否存在瑕疵。