开始，Google 云大数据和机器学习博客报告了一篇文章，题目是：使用贝叶斯优化（Bayesian Optimization）在云机器学习模型中进行超参数调整。
然后，问题来了：在给定配料的情况下，贝叶斯优化能否设计出最好的巧克力曲奇饼干呢？Google 匹兹堡的团队开始着手尝试。（1）设定饼干的配料，比如巧克力类型，糖、面粉、香草的量等，要使配料独特变量足够多而易于控制和测量。（2）根据系统给出的配方，把饼干做出来。（3）品尝，与购买的相对比，打分。（4）把分数反馈给系统，后者继续给出新的配方。
这样往返数十次，系统终于给出了不错的配方，做出了令人满意的饼干。Google 没有表明购买的是哪一家商店的饼干作为对比，以及品尝者的标准。Google 称此饼干为“智能饼干”。
接下来，Google 是否应该找知名的巧克力饼干专家，来进行评分，以改进系统，接着做出“更好更完美的”饼干呢？
事实上并没有。Google 把智能饼干拿给专家，想看看专家的意见。这个专家在匹兹堡经营一家小面包店，对利用 AI 生成饼干的想法起初不知所措。不过，这个店长（专家）患有乳糜泻，食用麸质会有免疫反应，因而她的商店供应的也是不含麸质的面包食品。所以，二者合作的项目是使用 AI 制造巧克力饼干的替代品。
他们使用了不常用的配料。开始时效果不好。经过两个月 59 次测试以后，巧克力和豆蔻饼干（chocolate chip and cardamom cookie）出炉了。Google 公布了新品的配方。
“借助 AI，创造出完全新奇的东西来，令我兴奋，也使我很好奇还有哪些特别的配方可以设计出来提供给我的客户”，这个店长说。
智能饼干实验，只是 AI 可以帮助我们做到什么的一个例子，Google 写道。
使用机器学习模型在把传统的巧克力饼干做好的情况下，转而让其完成一项意想不到的替代性的任务，是一个好点子。这看上去有点像“半途而废”的样子。
Forbes 文章作者一开始就表示，想办法解决人们真正关心的问题，而不是弄出神秘的方法去解决深奥的机器学习问题，是 Google 如此成功的原因之一。
1. https://www.blog.google/topics/research/makings-smart-cookie/
然后，问题来了：在给定配料的情况下，贝叶斯优化能否设计出最好的巧克力曲奇饼干呢？Google 匹兹堡的团队开始着手尝试。（1）设定饼干的配料，比如巧克力类型，糖、面粉、香草的量等，要使配料独特变量足够多而易于控制和测量。（2）根据系统给出的配方，把饼干做出来。（3）品尝，与购买的相对比，打分。（4）把分数反馈给系统，后者继续给出新的配方。
这样往返数十次，系统终于给出了不错的配方，做出了令人满意的饼干。Google 没有表明购买的是哪一家商店的饼干作为对比，以及品尝者的标准。Google 称此饼干为“智能饼干”。
接下来，Google 是否应该找知名的巧克力饼干专家，来进行评分，以改进系统，接着做出“更好更完美的”饼干呢？
事实上并没有。Google 把智能饼干拿给专家，想看看专家的意见。这个专家在匹兹堡经营一家小面包店，对利用 AI 生成饼干的想法起初不知所措。不过，这个店长（专家）患有乳糜泻，食用麸质会有免疫反应，因而她的商店供应的也是不含麸质的面包食品。所以，二者合作的项目是使用 AI 制造巧克力饼干的替代品。
他们使用了不常用的配料。开始时效果不好。经过两个月 59 次测试以后，巧克力和豆蔻饼干（chocolate chip and cardamom cookie）出炉了。Google 公布了新品的配方。
“借助 AI，创造出完全新奇的东西来，令我兴奋，也使我很好奇还有哪些特别的配方可以设计出来提供给我的客户”，这个店长说。
智能饼干实验，只是 AI 可以帮助我们做到什么的一个例子，Google 写道。
使用机器学习模型在把传统的巧克力饼干做好的情况下，转而让其完成一项意想不到的替代性的任务，是一个好点子。这看上去有点像“半途而废”的样子。
Forbes 文章作者一开始就表示，想办法解决人们真正关心的问题，而不是弄出神秘的方法去解决深奥的机器学习问题，是 Google 如此成功的原因之一。
1. https://www.blog.google/topics/research/makings-smart-cookie/
评论
发表评论