Peneliti Google Membuat Sistem untuk Mengembangkan Algoritma AI Baru dari Blok Bangunan Matematika

Pembelajaran mesin memungkinkan aplikasi komputer menjadi mahir dalam berbagai tugas, tetapi seringkali membutuhkan waktu lama untuk merancang arsitektur pembelajaran mesin dari awal dan kemudian melatih algoritma tersebut. Seperti dilaporkan oleh ScienceAlert, peneliti di Google Brain baru-baru ini bereksperimen dengan cara baru untuk membuat program AI, menggunakan teknik berbasis mutasi yang memungkinkan AI untuk “berevolusi” secara organik.

Sistem AutoML Google telah secara otomatis membuat program AI selama beberapa waktu sekarang, dan banyak dari program-program ini mencapai kinerja yang lebih baik daripada model yang dirancang oleh insinyur manusia. Namun, peneliti Google dapat memperluas sistem ini, merilis penelitian yang menyiratkan bahwa sistem dapat digunakan untuk “menemukan” algoritma baru yang lebih efisien dan kuat melalui proses yang meniru evolusi. Proses ini didasarkan pada mutasi fungsi matematika dan juga dapat membantu mengurangi bias manusia yang sering masuk ke dalam sistem AI melalui data.

Tim peneliti Google mempublikasikan makalah bulan lalu di arXiv, berjudul “Evolving Machine Learning Algorithms From Scratch”. Di dalamnya, tim peneliti membahas sistem baru mereka, yang disebut AutoML-Zero. AutoML-Zero bekerja dengan mengubah operasi matematika dasar, menggunakan mereka sebagai blok bangunan untuk algoritma baru yang canggih. Sistem yang dirancang dengan AutoML-Zero dapat lebih kuat dan akurat daripada banyak AI lainnya, tetapi tim peneliti menguji proses ini dengan tujuan tertentu – memperbaiki bias manusia dalam model pembelajaran mesin generik dan dataset. Peneliti menjelaskan masalah ini dalam makalah penelitian mereka:

“Komponen yang dirancang manusia bias menghasilkan hasil pencarian yang mendukung algoritma yang dirancang manusia, mungkin mengurangi potensi inovasi AutoML. Inovasi juga terbatas dengan memiliki lebih sedikit pilihan: Anda tidak dapat menemukan apa yang tidak Anda cari.”

AutoML-Zero bekerja dengan pendekatan tiga langkah: setup, prediksi, dan pembelajaran. AutoML-Zero dimulai dengan mengambil 100 algoritma yang dibuat melalui kombinasi acak operasi matematika sederhana, kemudian algoritma-algoritma tersebut dipertandingkan satu sama lain. Setelah algoritma terbaik diidentifikasi, sedikit perubahan dilakukan pada algoritma-algoritma tersebut dan kemudian putaran trials lainnya dilakukan. Proses kompetisi dan mutasi ini meniru proses “survival-of-the-fittest”.

Dilaporkan bahwa proses keseluruhan dapat dilakukan dengan cukup cepat, karena sistem dapat memproses hingga 10.000 algoritma yang mungkin per detik per prosesor. Sistem juga dapat melakukan trials ini lebih atau kurang 24/7, terus bereksperimen dengan sangat sedikit input dari operator manusia.

Banyak sistem algoritma yang paling mengesankan saat ini hanya sedikit variasi dari algoritma yang memiliki sejarah panjang dalam ilmu komputer dan AI, diperbesar. Menurut Haran Jackson, seperti dikutip oleh Newsweek, hal yang paling menarik tentang makalah baru ini adalah bahwa sistem dapat potensial menemukan algoritma baru yang secara radikal berbeda dari yang paling umum digunakan.

“Ada kesadaran di antara banyak anggota komunitas bahwa prestasi AI yang paling mengesankan hanya dapat dicapai dengan penemuan algoritma baru yang secara fundamental berbeda dari yang telah kita sebagai spesies ciptakan,” kata Jackson. “Inilah yang membuat makalah tersebut sangat menarik. Ini menyajikan metode dengan cara kita dapat secara otomatis membangun dan menguji algoritma pembelajaran mesin yang sepenuhnya baru.”

AutoML-Zero masih dalam fase konsep bukti dan banyak pekerjaan yang harus dilakukan sebelum sistem ini dapat menghasilkan algoritma yang sama berguna dengan yang menggerakkan aplikasi AI paling canggih saat ini. Namun, penelitian yang dilakukan pada sistem ini mungkin berguna bahkan sebelum AutoML-Zero selesai, memberitahu bagaimana algoritma lain dirancang oleh insinyur.