现存的人工智能程序可以构建新的人工智能程序。
谷歌于 2017 年 5 月宣布开发利用强化学习为特定任务设计神经网络的神经网络 AutoML。2017 年 12 月,该程序开发的视频识别程序“NASNet”在 Imagnet 验证集上识别图像的准确率达到 82.7%,比当时由人开发的视频识别 AI 的准确率高 1.2%,系统的效率比人开发的高 4%,当时刷过一波新闻。
2020 年,采用进化算法的谷歌 AutoML-Zero 在没有机器学习的先验知识的情况下于数天内自行发现了多种机器学习技术,包括简单的神经网络(arXiv:2003.03384),还重新设计了神经网络领域中流行的一些组件(arXiv:2004.02967)。
GPT-3 可以编写简单的计算机代码。这启发了一些研究人员编写出机器学习算法 MISIM ,它可以分析给定的程序的功能、找到类似的程序并对比、在给定的程序的基础上写出更快或更高效的版本。
更多的科技公司在尝试让 AI 学习自我制造,就像生命那样。
这个领域的发展可能允许任何能提供足够算力的人靠 AI 辅助创建自己想要的程序。