自动调零算法是否有益于地磅运行

    利用机器学习开发算法：研究人员现在正试图利用无线地磅遥控器学习来设计更好的机器学习算法。深层神经模型正被用来使人工智能能够预测一个环境将如何演变。现有的软件包括Google的AutoML，用于为给定的应用程序定制deep net架构；百度的deep Mind's Alpha Zero，一个可以通过自己玩数百万个游戏来学习玩不同的棋盘游戏的程序；以及Autosklearn的Python。然而，有一些新的进展使这些概念更进一步。

 

    自动调零：一个搜索算法空间而不是寻找探索策略的系统，旨在发现算法。AutoML Zero允许开发人员只用基本的数学概念来构建电子地磅遥控器人工智能程序，并且完全消除了系统中的人为偏见。麻省理工学院的元学习算法，麻省理工学院（MIT）的一个研究小组开发了一种“元学习”算法，生成了52000个探索算法。其中两个是新的，对人类来说太明显了。所得到的算法有助于改进模拟任务中的学习。元学习过程的输出是一个高级的计算机代码，这意味着可以对算法进行分解，以查看决策过程的内部。

 

    好奇的人工智能如何帮助开发人员构建应用程序尽管人工智能是一种强大的方法，但它只能复制大量数字地磅遥控器数据中的行为。然而，在构建应用程序时，架构往往比逻辑更合理，因此人工智能只能用于特定的小问题。