麻省理工学院的AI可以比以往更快地训练神经网络

导读 为了让人工智能民主化，麻省理工学院的研究人员找到了一种利用人工智能更有效地训练机器学习系统的方法。他们希望新的节省时间和成本的算法

为了“让人工智能民主化”，麻省理工学院的研究人员找到了一种利用人工智能更有效地训练机器学习系统的方法。他们希望新的节省时间和成本的算法能够让资源匮乏的研究人员和公司自动化神经网络设计。换句话说，通过降低时间和成本，他们可以使这种AI技术更容易获得。

今天，AI可以在称为神经架构搜索(NAS)的过程中设计称为神经网络的机器学习系统。但是这种技术需要大量的资源，如时间，处理能力和资金。即使是谷歌，生产单个卷积神经网络 - 通常用于图像分类 - 需要48,000小时GPU。现在，麻省理工学院的研究人员已经开发出一种NAS算法，可以在很短的时间内自动学习卷积神经网络 - 只需200小时。

加快AI设计神经网络的过程可以让更多人使用和试验NAS，这可以促进人工智能的采用。虽然这当然不是简单的，但它可能是将人工智能和机器学习交给更多人和公司的一步，从科技巨头的塔楼中解放出来。