要從數以千計可能的模型中，設計或尋找出一個合適應用場景的神經網路架構模型是十分耗時的，更不用說必須反覆調校那些會影響模型效能的超參數了。機器學習的超自動化與訓練資料最小化技術軸向的發展規劃，將著重建立垂直領域的AI／深度神經網路（Deep Neural Networks DNN）自動化平台，提供自動化工具來完成AI應用開發流程，建構可以應用於不同領域的智能機器人自動化流程（iRPA）工具，以自動執行AI模型建立過程中的重複性任務；透遷移學習或生成資料手法減少AI訓練資料蒐集與整備工作。整體來說，機器學習的超自動化與訓練資料最小化軸向的關鍵技術重點將包括：最佳化超參數搜尋、最佳化網路架構生成、元學習／增強式元學習、遷移學習、半監督式學習、智慧化訓練資料擴增與極少量資料學習等項目。