กระบวนการพัฒนาเครือข่ายนิวรอนอย่าง deep learning นั้นต้องอาศัยผู้เชี่ยวชาญในระดับสูงเพื่อออกแบบเครือข่ายที่มีประสิทธิภาพดี สามารถทำงานตามที่ต้องการ (เช่น การจัดหมวดหมู่ภาพ) ได้อย่างแม่นยำ เครือข่ายเช่น GoogleNet อาศัยการออกแบบนานหลายปี ตอนนี้กูเกิลเสนอแนวทาง AutoML ใช้ machine learning เพื่อออกแบบเครือข่ายนิวรอน
แนวทาง AutoML กูเกิลจะสร้าง "ตัวควบคุม" (the controller) ออกแบบเครือข่ายนิวรอนขึ้นมาใหม่ จากนั้นนำเครือข่ายนิวรอนที่ออกแบบมาไปฝึกกับข้อมูลและตรวจสอบความแม่นยำกับข้อมูล จนกระทั่งได้เครือข่ายนิวรอนประสิทธิภาพสูง การพัฒนาเครือข่ายนิวรอนสำหรับชุดข้อมูล CIFAR-10 ของกูเกิลสามารถทำความแม่นยำได้ 94.6% เป็นความแม่นยำระดับเดียวกับงานวิจัยใหม่ๆ ในปี 2016 ที่ใช้เวลาพัฒนามายาวนาน
AutoML เปิดทางการออกแบบใหม่ๆ เช่นการเสนอกรอบ convolution เป็นสี่เหลี่ยมผืนผ้าแทนที่จะเป็นสี่เหลี่ยมจตุรัส หรือการส่งข้อมูล "ข้าม" ชั้น ในอนาคตหากพัฒนาได้ดีพอก็เป็นไปได้ว่าเราจะปล่อยให้คอมพิวเตอร์ออกแบบเครือข่ายนิวรอนเองได้ และเราต้องกำหนดเพียงข้อมูลที่ต้องการให้เครือข่ายนิวรอนรองรับและเอาท์พุตที่เราอยากได้เท่านั้น
ที่มา - Google Research