Google-Forscher entwickeln ein System zur Entwicklung neuer KI-Algorithmen aus mathematischen Bausteinen

Durch maschinelles Lernen ist eine Computeranwendung in der Lage, eine Vielzahl von Aufgaben zu bewältigen. Allerdings dauert es oft lange, eine Architektur für maschinelles Lernen von Grund auf zu entwerfen und diesen Algorithmus dann zu trainieren. Wie von ScienceAlert berichtetForscher von Google Brain haben kürzlich mit neuen Methoden zur Erstellung von KI-Programmen experimentiert und dabei auf Mutationen basierende Techniken eingesetzt, die es KIs ermöglichen, sich organisch zu „entwickeln“.

Das AutoML-System von Google erstellt schon seit einiger Zeit automatisch KI-Programme, und viele dieser Programme erzielen eine bessere Leistung als von menschlichen Ingenieuren entworfene Modelle. Google-Forscher konnten dieses System jedoch erweitern und Forschungsergebnisse veröffentlichen, die darauf hindeuten, dass das System genutzt werden könnte, um durch einen Prozess, der die Evolution widerspiegelt, neue, effizientere und leistungsfähigere Algorithmen zu „entdecken“. Dieser Prozess basiert auf der Mutation mathematischer Funktionen und könnte auch dazu beitragen, die menschliche Voreingenommenheit zu verringern, die häufig über Daten ihren Weg in KI-Systeme findet.

Das Google-Forschungsteam einen Artikel vorveröffentlicht letzten Monat von arXiv mit dem Titel „Evolving Machine Learning Algorithms From Scratch“. Darin bespricht das Forschungsteam sein neues System mit dem Namen AutoML-Zero. Auto-ML Zero optimiert grundlegende mathematische Operationen und verwendet sie als Bausteine ​​für neue, anspruchsvolle Algorithmen. Mit AutoML-Zero entwickelte Systeme könnten potenziell leistungsfähiger und genauer sein als viele andere KIs, aber das Forschungsteam testete den Prozess mit einem bestimmten Ziel vor Augen – der Beseitigung menschlicher Vorurteile in generischen Modellen und Datensätzen für maschinelles Lernen. Die Forscher beschreiben das Problem in ihrer Forschungsarbeit:

„Von Menschen entworfene Komponenten verzerren die Suchergebnisse zugunsten von Menschen entworfener Algorithmen, was möglicherweise das Innovationspotenzial von AutoML verringert. Innovation wird auch dadurch eingeschränkt, dass es weniger Optionen gibt: Man kann nicht entdecken, wonach man nicht suchen kann.“

AutoML-Zero arbeitet mit einem dreistufigen Ansatz: Einrichten, Vorhersagen und Lernen. AutoML-Zero nimmt zunächst 100 Algorithmen, die durch die zufällige Kombination einfacher mathematischer Operationen erstellt wurden, und vergleicht die Algorithmen dann miteinander. Sobald die Algorithmen mit der besten Leistung identifiziert sind, werden kleine Änderungen an diesen Algorithmen vorgenommen und anschließend eine weitere Versuchsrunde durchgeführt. Dieser Wettbewerbs- und Mutationsprozess ahmt einen Auswahlprozess nach dem Prinzip „Überleben des Stärkeren“ nach.

Berichten zufolge kann der gesamte Prozess recht schnell durchgeführt werden, da das System pro Prozessor bis zu 10,000 mögliche Algorithmen pro Sekunde verarbeiten kann. Es kann diese Versuche auch mehr oder weniger rund um die Uhr durchführen und mit sehr wenig Aufwand von menschlichen Bedienern weiter experimentieren.

Viele der beeindruckendsten Algorithmensysteme von heute sind nur geringfügige, vergrößerte Variationen von Algorithmen, die eine lange Geschichte in der Informatik und KI haben. Laut Haran Jackson, der von Newsweek zitiert wird, ist das Interessanteste an dem neuen Papier, dass das System möglicherweise völlig neue Algorithmen entdecken könnte, die sich radikal von den am weitesten verbreiteten unterscheiden.

„Viele Mitglieder der Gemeinschaft sind der Meinung, dass die beeindruckendsten Leistungen der künstlichen Intelligenz nur durch die Erfindung neuer Algorithmen erreicht werden können, die sich grundlegend von denen unterscheiden, die wir als Spezies bisher entwickelt haben.“ sagte Jackson. „Das macht die oben genannte Arbeit so interessant. Es stellt eine Methode dar, mit der wir völlig neuartige Algorithmen für maschinelles Lernen automatisch konstruieren und testen können.“

AutoML-Zero befindet sich noch in der Proof-of-Concept-Phase und es muss noch viel daran gearbeitet werden, bevor es in der Lage ist, Algorithmen zu erstellen, die genauso nützlich sind wie diejenigen, die die modernsten KI-Anwendungen von heute antreiben. Dennoch könnten sich die an dem System durchgeführten Untersuchungen bereits vor der Fertigstellung von AAutoML-Zero als nützlich erweisen und Aufschluss darüber geben, wie andere Algorithmen von Ingenieuren entworfen werden.