Naukowcy z Google tworzą system do ewolucji nowych algorytmów sztucznej inteligencji z matematycznych bloków budulcowych

Uczenie maszynowe pozwala aplikacji komputerowej stać się biegłym w wielu różnych zadaniach, ale często zajmuje to dużo czasu, aby zaprojektować architekturę uczenia maszynowego od podstaw i następnie przeszkolić ten algorytm. Jak donosi ScienceAlert, naukowcy z Google (GOOGL ) Brain eksperymentowali niedawno z nowymi sposobami tworzenia programów AI, wykorzystując techniki oparte na mutacjach, które pozwalają AI “ewoluować” organicznie.

System AutoML od Google automatycznie tworzy programy AI od jakiegoś czasu, a wiele z tych programów osiąga lepsze wyniki niż modele zaprojektowane przez ludzkich inżynierów. Jednak naukowcy z Google byli w stanie rozbudować ten system, publikując badania, które sugerują, że system może być wykorzystany do “odkrycia” nowych, bardziej wydajnych i potężnych algorytmów za pomocą procesu, który naśladuje ewolucję. Ten proces opiera się na mutacji funkcji matematycznych i może również pomóc w redukcji ludzkiego błędu, który często wprowadza się do systemów AI za pomocą danych.

Zespół badawczy z Google opublikował w zeszłym miesiącu na arXiv pracę pt. “Ewolucja algorytmów uczenia maszynowego od podstaw”. W niej zespół badawczy omawia swój nowy system, nazwany AutoML-Zero. AutoML-Zero działa, modyfikując podstawowe operacje matematyczne, wykorzystując je jako bloki budulcowe nowych, zaawansowanych algorytmów. Systemy zaprojektowane z użyciem AutoML-Zero mogą być potencjalnie bardziej potężne i dokładne niż wiele innych AI, ale zespół badawczy przetestował ten proces z określonym celem – naprawieniem ludzkiego błędu w ogólnych modelach i zbiorach danych uczenia maszynowego. Naukowcy opisują ten problem w swojej pracy badawczej:

“Składniki zaprojektowane przez ludzi uprzywilejowują wyniki wyszukiwania na rzecz algorytmów zaprojektowanych przez ludzi, co może ograniczyć potencjał innowacyjny AutoML. Innowacje są również ograniczone przez mniejszą liczbę opcji: nie można odkryć tego, czego nie można wyszukać.”

AutoML-Zero działa z trzystopniowym podejściem: ustawienie, przewidywanie i nauka. AutoML-Zero zaczyna od 100 algorytmów utworzonych za pomocą losowych kombinacji prostych operacji matematycznych, a następnie algorytmy są ze sobą zestawione. Po zidentyfikowaniu najlepszych algorytmów wprowadzane są niewielkie modyfikacje tych algorytmów, a następnie przeprowadzana jest kolejna runda testów. Ten proces konkurencji i mutacji naśladuje proces “przeżycia najsilniejszych”.

Cały proces może być przeprowadzony dość szybko, ponieważ system jest w stanie przetwarzać do 10 000 możliwych algorytmów na sekundę na procesor. Może również prowadzić te testy niemal 24/7, kontynuując eksperymenty z bardzo niewielką ingerencją operatorów ludzkich.

Wiele z najbardziej imponujących systemów algorytmicznych dzisiaj to tylko niewielkie wariacje algorytmów, które mają długą historię w informatyce i sztucznej inteligencji, skalowane. Według Harana Jacksona, cytowanego przez Newsweek, najciekawszą rzeczą w nowej pracy jest to, że system może potencjalnie odkryć całkowicie nowe algorytmy, które radykalnie różnią się od tych, które są najczęściej używane.

“Istnieje poczucie wśród wielu członków społeczności, że najbardziej imponujące osiągnięcia sztucznej inteligencji zostaną osiągnięte tylko z wynalezieniem nowych algorytmów, które są fundamentalnie różne od tych, które jako gatunek wymyśliliśmy”, powiedział Jackson. “To jest to, co sprawia, że wspomniana praca jest tak interesująca. Przedstawia metodę, za pomocą której możemy automatycznie konstruować i testować całkowicie nowe algorytmy uczenia maszynowego”.

AutoML-Zero jest nadal w fazie pojęciowej i wymaga jeszcze wiele pracy, zanim będzie w stanie produkować algorytmy, które są tak użyteczne, jak te, które napędzają dzisiejsze najbardziej zaawansowane aplikacje AI. Niemniej jednak, badania przeprowadzone na tym systemie mogą okazać się przydatne nawet przed ukończeniem AutoML-Zero, informując, w jaki sposób inne algorytmy są zaprojektowane przez inżynierów.