据《纽约时报》报道，谷歌公司通过“AutoML”人工智能研究项目使计算机算法可以通过分析数据来学会执行特定任务，如开发其它机器学习算法。在某些情况下，它所产生的结果比研究人员自己设计的最好的系统更加强大和高效，从而实现“人工智能构建人工智能”。该系统最近在一个图像分类任务中实现了破纪录的82%的正确率。在另一个难度更大的在图像中标记多个对象位置的任务中，自动生成的系统达到43%的正确率，而人类构建的最优的系统正确率只有39%。

    “AutoML”项目将帮助大量企业开发人工智能应用系统，其研究人员正致力于“元学习”（即学会如何学习的能力）上加快部署人工神经网络。该技术涉及为数学运算网络提供数据，其灵感来自于对大脑中的神经元的研究。
   
    纽约大学正与谷歌合作，建立一个名为AdaNet的系统。当给定一组已经标记好的数据时，该系统会逐层地构建一个神经网络，并测试添加到设计中的每个参数，以确保它能提高性能。AdaNet已经能够自动生成神经网络，生成的网络能够与标准的、人工构建的而且两倍之于它的规模的神经网络同样好地完成一项任务。