据了解，Google计算机科学家创建了一个AI来烘焙美味饼干。　Google Vizier算法通过自动优化机器学习模型的超参数，缩短了繁琐的手动任务。
 
　　Google的计算机科学家创建了一个AI来烘焙美味的饼干。这个领先的机器学习算法，被称为Google Vizier。为了测试它，研究人员参考了一种常规的指标：食堂的饼干标准。
 
　　这个算法非常强大，但它们还不完全成熟，需要通过有效的方式，手动进行微调。
 
　　算法需要详细设置“超参数”：预先设定的适应于手头问题的参数。这不容易，因为机器学习算法是“黑匣子”：即使你已经做到了，你也不能完全确定算法如何获得最佳的结果。一个常见的调整方法为“梯度下降”：基本上，你需要通过梯度下降优化参数，让算法运行。
 
　　Google Vizier通过自动优化机器学习模型的超参数，缩短了繁琐的手动任务。据Google研究人员介绍，该算法已经在整个公司内使用。
 
　　他们在本周发布的一篇论文(文末链接)中写道，“ Google研究人员”使用Vizier执行超参数调优研究，并进行了数百万次试验研究...如果没有有效的黑盒优化，该研究项目是不可能的”。
 
　　Google Vizier中使用的另一项技术是“迁移学习”，主要是从经验中学习。使用先前研究的数据作为指导，Vizier算法可以为新算法提出最佳超参数。该方法进行了大量研究被证明是最有效的，即使当数据相对较少时也运行良好。
 
　　除了帮助研究之外，Google Vizier还在公司内部应用，研究人员表示：“这个算法对许多Google产品的开发模式表现出显著的改进，为十多亿人提供了可观的更好的用户体验”。
 
　　这些改进包括对Google网站功能的自动化A / B测试，包括字体、颜色和搜索结果的优化。例如，使用Google地图时，算法可用于优化特定搜索的相关性与用户距离之间的权衡。
 
　　Google Vizier也可以用于解决凌乱的物理世界中的黑盒优化问题。
 
　　为了测试他们的算法，研究人员向在Google食堂制作饼干的承包商提供了饼干食谱。他们对结果进行了口味测试，并追踪了厨师为提高口味所做的任何改变。食谱是另一种算法，具有类似的黑盒子属性(因为你根本不知道为什么你的烤饼出错了)。
 
　　这项测试允许研究人员尝试迁移学习的方法：他们写道：“在开始大规模烘烤之前，我们在较小规模的过程中制作了一些烘焙食谱。” “这提供了有用的数据，我们可以从烘焙中大规模迁移学习。
 
　　然而偶尔也会略有错误——例如，当醒面时间过久时。研究人员说，经过几轮测试之后，饼干更好吃了。
 
　　面包、寿司、馅饼纷纷表示，想要被这个算法烘焙...