Comme son nom l'indique, cette approche a permis à une IA de s'impliquer dans le développement d'une autre et d'éliminer le besoin de tout ingénieur humain.
Google appelle cela un moyen de rendre les modèles d'apprentissage automatique plus accessibles. Le réseau neuronal contrôleur d'AutoML peut proposer des "modèles enfants" qui peuvent encore être formés et évalués.. Cette IA enfant, appelée NASNet, peut être utilisée pour reconnaître des objets en temps réel.
Après avoir répété ce processus de formation des milliers de fois et amélioré le NASNet, il a été testé sur la classification d'images ImageNet et les ensembles de détection d'objets COCO; ce sont deux ensembles de données à grande échelle les plus respectés en vision par ordinateur. Les résultats ont été surprenants car NASNet a surpassé tout autre système de vision par ordinateur, selon Google, tel que rapporté par Futurism.
Selon les résultats sur la classification des images ImageNet, NASNet a dépassé les modèles précédents et a montré une précision de prédiction de 82,7%. En outre, il réalise 1,2% de mieux que tous les résultats publiés précédemment. Les coûts de calcul sont également très bas.
Ces types de progrès énormes dans le domaine de l'intelligence artificielle et de l'apprentissage automatique sont les raisons pour lesquelles nous avons besoin de réglementations plus strictes et de meilleures normes éthiques pour l'IA.