Ήταν Μάιος του 2017 όταν οι ερευνητές της Google Brain ανακοίνωσαν τη δημιουργία ενός προγράμματος τεχνητής νοημοσύνης (AutoML) που μπορούσε να δημιουργεί δικά του λογισμικά. Πολύ πρόσφατα λοιπόν, αποφάσισαν να βάλουν στο AutoML τη μεγαλύτερη δυνατή πρόκληση. Και το πρόγραμμα απάντησε δημιουργώντας το «παιδί» του, έναν κλώνο που παρουσίασε καλύτερα αποτελέσματα σε συγκριτικό τεστ από κάθε πρόγραμμα που είχε φτιαχτεί από ανθρώπους. Οι ερευνητές της Google αυτοματοποίησαν τον σχεδιασμό των μοντέλων εκπαίδευσης των μηχανών, μια τεχνική που αποκαλείται «μάθηση μέσω ενίσχυσης». Το AutoML λειτουργεί έτσι ως μήτρα παραγωγής θυγατρικών προγραμμάτων, αναπτύσσοντας δηλαδή αλγόριθμους για την επίτευξη συγκεκριμένων κάθε φορά έργων. Αυτό το «παιδί», που ονομάστηκε NASNet, ήταν επιφορτισμένο με την αναγνώριση αντικειμένων (ανθρώπων και πραγμάτων) σε βίντεο που έπαιζαν σε πραγματικό χρόνο. Το AutoML κρατούσε σκορ με τις επιδόσεις του NASNet και χρησιμοποιούσε τα δεδομένα του ανατροφοδοτώντας το, ώστε να βελτιωθούν οι επιδόσεις του «παιδιού» του. Όταν το συνέκριναν τελικά με «δύο από τα πιο αξιοσέβαστα ακαδημαϊκά προγράμματα αναγνώρισης», όπως αποκάλεσαν οι ερευνητές της Google δύο καθιερωμένα εργαλεία αναγνώρισης (ImageNet και COCO), το NASNet έβαλε και στα δυο τα γυαλιά! 
Αλγόριθμος της Google έφτιαξε το «παιδί» του, που βάζει κάτω όλα τα ανθρώπινα προγράμματα
«Πρέπει να ανησυχούμε;», αναρωτιούνται οι ειδικοί του χώρου
