Výzkumníci z Google vytvořili systém pro vývoj nových algoritmů umělé inteligence z matematických stavebních bloků

Strojové učení umožňuje počítačové aplikaci stát se zdatnou v široké škále úkolů, ale často trvá dlouho, než je navržen architektura strojového učení od začátku a poté je algoritmus trénován. Jak uvádí ScienceAlert, výzkumníci z Google (GOOGL ) Brain nedávno experimentovali s novými způsoby tvorby programů umělé inteligence, využívající techniky založené na mutacích, které umožňují umělé inteligenci „evoluci“ organicky.

Systém AutoML od Google automaticky vytváří programy umělé inteligence již nějakou dobu a mnoho z těchto programů dosahuje lepšího výkonu než modely navržené lidskými inženýry. Výzkumníci z Google však byli schopni rozšířit tento systém a zveřejnili výzkum, který naznačuje, že systém by mohl být využit k „objevu“ nových, efektivnějších a výkonnějších algoritmů prostřednictvím procesu, který připomíná evoluci. Tento proces je založen na mutaci matematických funkcí a mohl by také pomoci snížit lidskou předpojatost, která se často dostává do systémů umělé inteligence prostřednictvím dat.

Tým výzkumníků z Google zveřejnil článek minulý měsíc na arXiv, nazvaný “Evolving Machine Learning Algorithms From Scratch”. V něm tým diskutuje o svém novém systému, nazvaném AutoML-Zero. AutoML-Zero funguje tak, že upravuje základní matematické operace, které používá jako stavební bloky pro nové, sofistikované algoritmy. Systémy navržené pomocí AutoML-Zero by mohly být potenciálně výkonnější a přesnější než mnoho jiných systémů umělé inteligence, ale tým výzkumníků otestoval proces s konkrétním cílem – odstraněním lidské předpojatosti v obecných modelech strojového učení a datech. Výzkumníci popsali problém ve svém výzkumném článku:

“Lidsky navržené komponenty zkreslují výsledky hledání ve prospěch lidsky navržených algoritmů, což může snížit inovační potenciál AutoML. Inovace je také omezena menším počtem možností: nemůžete objevit to, co nemůžete hledat.”

AutoML-Zero funguje pomocí tříkrokového přístupu: nastavení, předpovědi a učení. AutoML-Zero začíná tak, že vezme 100 algoritmů vytvořených náhodným kombinováním jednoduchých matematických operací, poté jsou algoritmy porovnány navzájem. Jakmile jsou identifikovány nejlepší algoritmy, jsou provedeny malé úpravy těchto algoritmů a poté je proveden další kolo testů. Tento proces konkurence a mutace připomíná „přirozený výběr“.

Podle zpráv může být celý proces proveden poměrně rychle, protože systém je schopen zpracovat až 10 000 možných algoritmů za sekundu na procesor. Může také provádět tyto testy téměř 24/7, přičemž pokračuje v experimentování s velmi malým vstupem od lidských operátorů.

Mnohé z nejpozoruhodnějších algoritmických systémů dnes jsou jen mírnými variacemi algoritmů, které mají dlouhou historii v počítačové vědě a umělé inteligenci, škálovány. Podle Harana Jacksona, citovaného Newsweekem, je nejzajímavější věcí o novém článku to, že systém by mohl potenciálně objevit zcela nové algoritmy, které se výrazně liší od těch, které jsou nejčastěji používány.

“Existuje pocit mezi mnoha členy komunity, že nejpozoruhodnější úspěchy umělé inteligence budou dosaženy pouze vynálezem nových algoritmů, které jsou fundamentálně odlišné od těch, které jsme dosud vyvinuli,” řekl Jackson. “To je to, co dělá zmíněný článek tak zajímavým. Představuje metodu, pomocí které můžeme automaticky konstruovat a testovat zcela nové algoritmy strojového učení.”

AutoML-Zero je stále ve fázi proof of concept a bude třeba udělat ještě hodně práce, než bude schopen produkovat algoritmy, které jsou tak užitečné jako ty, které pohánějí dnešní nejmodernější aplikace umělé inteligence. Přesto by výzkum provedený na tomto systému mohl být užitečný i předtím, než bude AutoML-Zero dokončen, a to tím, že bude informovat, jak jsou navrženy jiné algoritmy inženýry.