ニューラルネットワークの画像分類器を手作業で設計する労力が、その自動的な発見のためにアーキテクチャ探索の利用を促進してきました。進化アルゴリズムは繰り返しニューラルネットワークの構造に適用されてきましたが、それによって発見された画像分類器は、人間が設計したものよりも劣っていました。本研究では、初めて手動設計を上回る画像分類器---アメーバネットA（AmoebaNet-A）---を開発しました。これを行うために、トーナメント選択進化アルゴリズムを修正し、若いジェノタイプを優先する年齢属性を導入しました。同じサイズで比較すると、アメーバネットAはより複雑なアーキテクチャ探索手法で発見された最新のImageNetモデルと同等の精度を持っています。より大きなサイズにスケールさせると、アメーバネットAは新しい最高峰となる83.9% / 96.6%のトップ5 ImageNet精度を達成しました。既知の強化学習アルゴリズムとの制御された比較において、進化は同じハードウェアを使用して特に探索初期段階で結果を得るのが速いことを示しています。これは計算リソースが限られている場合に関連があります。したがって、進化は高品質なアーキテクチャを効果的に発見する単純な方法であると言えます。