文章来源：ATYUN AI平台
深度学习系统可以摄取数据，转换数据，输出数据并传递数据，但并非所有的都能等同。没有算法适用于每个任务，找到最佳的算法可能是一个漫长而令人沮丧的过程。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，错误率只增加了一点。
他表示，“在IBM，工程师和科学家从大量可能的候选人中选择最佳的深度学习模型架构。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，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，从而使每个人都能负担得起深度学习网络架构的优化。”
这里是Martin的“神经进化”系统的关键：卷积神经网络架构被视为“神经细胞”的序列，它会变异，即获得或失去层，直到一个结构能够改善它们在给定数据集和任务中的性能被识别出来。他写道，这些突变不会影响网络的预测，而且大大加快了训练时间。
网络结构随时间的演变。
为了测试该方法的功效，他用它来为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）。结果如何呢？
Martin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，基于强化学习的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，我的算法具有分类错误虽然稍高，但需要的时间要少得多。”
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。
自动算法选择并不新鲜，这是谷歌用于改善智能手机面部识别和物体检测的方法之一，但如果Martin的系统与宣传的一样有效，它可能代表着该领域的重大进步。
本文转自ATYUN人工智能媒体平台，原文链接：IBM的新系统可以自动选择最佳的AI算法
更多推荐
RetentionScience：与Swym合作集成应用程序
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
