天的这项工作需要花费大量

Jannatasha

持续 深入地编写代码- Cloud ML和Microsoft DeepCoder是实现自动化编码的第一步！ 如今，“深度”很流行：我们有“深度”学习、“深度”视觉、“深度”写作……还有深度编码，AI软件开发是一个漫长的过程，那么编码能成为一个自动化的过程吗？可以通过深度编码进行自我开发的开发机器是自动化的最后的、也许是不可替代的前沿。 Sundar Pichai 于 5 月 17 日首次亮相，在 Google I/O 2017-2018 主题演讲中展示了 Cloud Auto ML： “如今打造更好的汽车模型确实是一项艰巨的工作。


我们希望让数十万开发人员能够使用学习机器。神经网络走向更好 WhatsApp 资源 的神经网络。我们将这种方法称为“自动机器学习”，这就是您学习的方式。” 最后，神经网络的开发本质上通常是例行公事，那么为什么不让另一个神经网络来完成这项工作呢？ 这就是谷歌推出 Cloud Auto ML 的原因，这是其新的人工智能即服务范例。 → 立即注册！ 云自动机器学习 该项目背后的想法是让开发人员摆脱配置和校准的“脏活”，将一切委托给......神经网络。


今时间：主要涉及修补和犯错误，尝试使用一些算法和参数，在需要时进行调整，甚至从头开始。 该系统运行数千次模拟，以确定代码的哪些区域可以改进，进行更改，并继续这样做，直到实现目标。 我们可以将其视为无限猴子定理的一个很好的表示，根据该定理，一只猴子在打字机上随机按键，在给定无限长的时间内，迟早能够编写任何给定的文本。但谷歌的人工智能不是用猴子在打字机上打字罗密欧与朱丽叶，而是能够复制自己的编码。