会写代码的AI相当于什么水平的程序员事件具体发展为：
2017年5月，谷歌大脑的研究人员正式推出AutoML（自动机器学习），目的是训练人工智能创建其他人工智能系统。简单来说，就是用这个自主研制的AI再造AI。
时隔半年之后，研究人员决定让AutoML迎接迄今为止最大的挑战，即——由AI自主“孕育”的“子”AI对战人造AI，结果前者完胜。
借助强化学习，谷歌研究员研发了机器学习模型。作为控制器神经网络，AutoML可创造子AI网络完成特定任务。研究员将这一独特的子AI网络命名为“NASNet”。
图：NASNet架构由两种类型的层组成：正常层（左侧）和缩小层（右侧）。这两个层都是由AutoML设计的。
现在，它们需完成以下任务：实时识别录像中的人物、车辆、交通信号灯、手提包和背包等物体。
AutoML将评估NASNet的性能，借助相关信息优化子AI，该训练过程需重复数千次。谷歌研究员称，ImageNet图像分类和COCO物体检测数据集为“计算机视觉领域公认的两大深度学习数据集”。基于这两大数据集上进行测试时，NASNet的表现完胜所有其他视觉系统。
研究人员表示，预测ImageNet验证集上的图像准确率时，NASNet为82.7％。其平均精确度（mAP）为43.1％，超过先前公布的最高纪录1.2％，系统效率也提高了4％，此外，计算水平上，精确度较低的NASNet也要比尺寸相近的最高配移动平台高出3.1％。
可见，会写代码的AI已经出现，并且某种程度，比人类程序员更胜一筹。但也有具有局限性，是专注在特定领域，而非整体。
NASNet十分青睐计算机视觉算法。有研究人员表示：该算法可用于创造先进的人工智能机器人，或帮助患者恢复视力。此外，还能帮助设计师优化自动驾驶技术。增强识别道路障碍物的能力可提升车辆的反应速度，自动驾驶汽车的安全性也相应提高。
尽管NASNet和AutoML的应用范围广阔，可自主制造人工智能的人工智能的诞生，还是引起了人们的担忧。幸运的是，世界各国正尽快避免该系统对未来社会造成负面影响。
来自科技行者团队只会Dreamweaver简单操作的DAWN老师