I ricercatori di Google creano un sistema per evolvere nuovi algoritmi di intelligenza artificiale a partire da blocchi matematici

L’apprendimento automatico consente a un’applicazione informatica di diventare esperta in una vasta gamma di attività, ma spesso richiede molto tempo per progettare un’architettura di apprendimento automatico da zero e addestrare quell’algoritmo. Come riportato da ScienceAlert, i ricercatori di Google (GOOGL ) Brain hanno recentemente sperimentato nuovi modi per creare programmi di intelligenza artificiale, utilizzando tecniche basate su mutazioni che consentono ai sistemi di intelligenza artificiale di “evolversi” organicamente.

Il sistema AutoML di Google crea automaticamente programmi di intelligenza artificiale da un po’ di tempo, e molti di questi programmi raggiungono prestazioni migliori dei modelli progettati da ingegneri umani. Tuttavia, i ricercatori di Google sono stati in grado di ampliare questo sistema, pubblicando una ricerca che suggerisce che il sistema potrebbe essere utilizzato per “scoprire” nuovi algoritmi più efficienti e potenti attraverso un processo che imita l’evoluzione. Questo processo si basa sulla mutazione di funzioni matematiche e potrebbe anche aiutare a ridurre il pregiudizio umano che spesso si insinua nei sistemi di intelligenza artificiale attraverso i dati.

Il team di ricerca di Google ha pubblicato un articolo lo scorso mese su arXiv, intitolato “Evolving Machine Learning Algorithms From Scratch”. In esso, il team di ricerca discute il loro nuovo sistema, chiamato AutoML-Zero. Auto-ML Zero opera modificando le operazioni matematiche di base, utilizzandole come blocchi costitutivi per nuovi algoritmi sofisticati. I sistemi progettati con AutoML-Zero potrebbero essere più potenti e precisi di molti altri sistemi di intelligenza artificiale, ma il team di ricerca ha testato il processo con un obiettivo specifico in mente – la correzione del pregiudizio umano all’interno dei modelli di apprendimento automatico generici e dei set di dati. I ricercatori descrivono il problema nel loro articolo di ricerca:

“I componenti progettati dagli esseri umani influenzano i risultati della ricerca a favore degli algoritmi progettati dagli esseri umani, riducendo potenzialmente il potenziale di innovazione dell’AutoML. L’innovazione è anche limitata dal fatto di avere meno opzioni: non puoi scoprire ciò che non puoi cercare.”

AutoML-Zero opera con un approccio a tre fasi: impostazione, previsione e apprendimento. AutoML-Zero inizia prendendo 100 algoritmi creati attraverso la combinazione casuale di operazioni matematiche semplici, quindi gli algoritmi vengono messi a confronto. Una volta identificati gli algoritmi più performanti, vengono apportate piccole modifiche a questi algoritmi e quindi viene eseguita un’altra serie di prove. Questo processo di competizione e mutazione imita un processo di selezione “del più adatto”.

Secondo quanto riportato, l’intero processo può essere eseguito abbastanza rapidamente, poiché il sistema è in grado di elaborare fino a 10.000 algoritmi possibili al secondo per processore. Può anche eseguire queste prove più o meno 24 ore su 24, continuando a sperimentare con poco input da parte degli operatori umani.

Molti dei sistemi algoritmici più impressionanti di oggi sono solo leggere variazioni di algoritmi che hanno una lunga storia nell’informatica e nell’intelligenza artificiale, scalati. Secondo Haran Jackson, citato da Newsweek, la cosa più interessante del nuovo articolo è che il sistema potrebbe potenzialmente scoprire algoritmi completamente nuovi che differiscono radicalmente da quelli più comunemente utilizzati.

“C’è la sensazione, tra molti membri della comunità, che le imprese più impressionanti dell’intelligenza artificiale saranno raggiunte solo con l’invenzione di nuovi algoritmi che sono fondamentalmente diversi da quelli che noi, come specie, abbiamo finora ideato”, ha detto Jackson. “È questo che rende l’articolo sopracitato così interessante. Presenta un metodo con cui possiamo costruire e testare automaticamente algoritmi di apprendimento automatico completamente nuovi.”

AutoML-Zero è ancora nella fase di prova del concetto e molto lavoro dovrà essere fatto su di esso prima che sia in grado di produrre algoritmi che siano così utili come quelli che guidano le applicazioni di intelligenza artificiale più all’avanguardia di oggi. Tuttavia, la ricerca condotta sul sistema potrebbe risultare utile anche prima che AutoML-Zero sia completato, informando su come altri algoritmi siano progettati dagli ingegneri.