深度神經網絡正在改變互聯網。人工智能(AI)系統正被注入到在線服務的各個方面，能夠像人類一樣分析大量的數字信息，而這些在幾年前還是聞所未聞的。

      它們能夠識別照片里的人臉，理解人類對著智能手機說出的命令，把對話翻譯成其它種類的語言。它們甚至還能幫助谷歌優化搜索結果。這樣你也許都有所耳聞了，但是，你知道互聯網巨頭們是怎樣開發出這樣了不起的AI機器的嗎?

      “這就像你應該去當教練，而不是球員。”谷歌DeepMind的聯合創始人Demis Hassabis這么認為，他們剛剛創造了AI打敗世界最好圍棋手的奇跡，“你需要去誘導AI的發展，而不是直接告訴它們怎么做。”

      所以，當今很多公司正在努力嘗試讓AI開發過程中的試錯環節自動化(AI化)。只有把高智商的人才從繁瑣的工作中解放出來，他們才能把時間花在更偉大的工程上去，同時，也能更快地推動AI開發過程。

      換句話說，也就是為了變得更快更智能，計算機本身必須承擔更多的重復性工作。互聯網的偉大在于它由無數的計算機組成，可以代替工程師測試無數的機器學習算法。令人高興的是，這些公司已經在開發用來開發AI的AI了。在臉譜公司，他們設計了一款稱之為“自動機器學習工程師”的人工智能系統，用來開發其它的AI。它還遠遠不夠完美，但是目標就是盡可能地在開發Al的過程中，把人類從枯燥乏味的工作中解放出來。

      在2012年臉譜以1040億美元的估值IPO以后，公司廣告團隊的Hussein Mehanna和工程師們都壓力倍增，需要更精準地給每天數百萬使用社交媒體的用戶推送廣告，也就意味著需要建立更好的深度神經網絡和其他機器學習算法，已達到更好利用臉譜的數據資源搜集用戶的信息和行為的目的。

      根據Mehanna的說法，臉譜的工程師們能夠產生無窮無盡的方案，但是測試這樣方案確實個問題。所以他的團隊就創建了一個叫Flow的工具。“我們希望建立一個所有工程師都能使用的機器學習流水線。”Mehanna說。Flow可以為工程師開發、測試、執行大量各種形式的機器學習算法。

      基本上而言，工程師可以很容易地在公司的龐大網絡計算機數據中心測試無窮無盡的想法。他們可以運行各種各樣的算法，不僅是深度學習，還可以是其他形式的AI算法，包括邏輯回歸和高端決策樹等。 “嘗試越多想法越好。”Mehanna說，“嘗試的數據越多，你的想法也會變得越好。基于Flow，工程師也可以很容易地借鑒別人已有的算法，調整并應用到其他任務中。”

      AI開發AI，這是一個有趣的領域，一個已經俘獲了科幻作家幾十年的領域——構建自身智能的智能機器。Flow現在還不像人一樣先進。但這是走向下一個世界的第一步，一個AI不僅僅靠人類，而是可以靠AI本身創建的世界。

      【云立方裝飾管理軟件以“裝飾產業轉型升級”為使命，致力改變行業管理現狀，優化各環節資源，建設一個”ERP+APP+電商”的個性化的互聯網生態系統。】