IBM的新系统自动选择最佳的AI算法

并非所有的深度学习系统，即由分层节点组成的，可以摄取数据、转换数据、输出数据并传递数据的系统都是相同的。没有一种算法适用于每个任务，找到最佳算法可能是一个漫长而令人沮丧的练习。幸运的是，IBM开发了一个自动化流程的系统。

IBM爱尔兰研究院的数据科学家Martin Wistuba在最近的博客文章中描述了该方法。他声称它比其他方法快50000倍，而错误率只有很小的增加。

“在IBM，工程师和科学家从大量可能的候选对象中选择最佳的深度学习模型架构。今天这是一个耗时的手动过程；然而，使用更强大的自动化AI解决方案来选择神经网络可以节省时间并使非专家能够更快地应用深度学习。“他写道。“我的进化算法旨在将正确的深度学习架构的搜索时间缩短到几个小时，从而让每个人都能负担得起深度学习网络架构的优化。”

这里是Wistuba的“神经进化”系统的关键：卷积神经网络结构被视为“神经细胞”的序列，这些“神经细胞”会发生突变。获取或丢失层，直到通过给定的数据集和任务识别出提高其性能的结构。这些突变不会影响网络的预测，而且会大大加快训练时间。

为了测试这种方法的有效性，他用它为CIFAR-10和CIFAR-100数据集(标记图像由多伦多大学公开提供)选择了一种图像分类算法。在最初10小时的训练中，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体系结构、基于强化学习的体系架构搜索方法的结果以及基于进化算法的其他自动化方法的结果相比，这个算法的分类错误略高，但所需时间明显更短。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，比如自然语言处理。

自动算法选择并不新鲜，这是谷歌用来改进智能手机面部识别和目标检测的方法之一，但如果Wistuba的系统能像宣传的那样工作，它可能代表着该领域的重大进步。