Исследователи Google создали систему для эволюции новых алгоритмов ИИ из математических строительных блоков

Машинное обучение позволяет компьютерному приложению стать профессионалом в широком спектре задач, но часто требуется много времени, чтобы разработать архитектуру машинного обучения с нуля и обучить этот алгоритм. Как сообщает ScienceAlert, исследователи в Google (GOOGL ) Brain недавно экспериментировали с новыми способами создания программ ИИ, используя методы, основанные на мутациях, которые позволяют ИИ “эволюционировать” органически.

Система AutoML от Google уже некоторое время автоматически создает программы ИИ, и многие из этих программ демонстрируют лучшую производительность, чем модели, разработанные человеческими инженерами. Однако исследователи Google смогли расширить эту систему, опубликовав исследование, которое предполагает, что система может быть использована для “обнаружения” новых, более эффективных и мощных алгоритмов через процесс, который отражает эволюцию. Этот процесс основан на мутации математических функций и также может помочь уменьшить человеческую предвзятость, которая часто встречается в системах ИИ через данные.

Команда исследователей Google предопубликовала статью на arXiv в прошлом месяце, озаглавленную “Эволюция алгоритмов машинного обучения с нуля”. В ней исследовательская команда обсуждает свою новую систему, получившую название AutoML-Zero. AutoML-Zero работает, изменяя базовые математические операции, используя их в качестве строительных блоков для новых, сложных алгоритмов. Системы, разработанные с помощью AutoML-Zero, потенциально могут быть более мощными и точными, чем многие другие системы ИИ, но команда исследователей протестировала процесс с конкретной целью – исправления человеческой предвзятости в общих моделях машинного обучения и наборах данных. Исследователи описывают проблему в своей исследовательской работе:

“Компоненты, разработанные человеком, предвзято влияют на результаты поиска в пользу алгоритмов, разработанных человеком, что может уменьшить потенциал инноваций AutoML. Инновации также ограничены меньшим количеством вариантов: вы не можете открыть то, что не ищете.”

AutoML-Zero работает по трехступенчатому подходу: настройка, предсказание и обучение. AutoML-Zero начинается с 100 алгоритмов, созданных путем случайного сочетания простых математических операций, затем алгоритмы противопоставляются друг другу. Как только выявлены лучшие алгоритмы, в них вносятся небольшие изменения, и затем проводится еще один раунд испытаний. Этот процесс конкуренции и мутации имитирует процесс “выживания сильнейших”.

По сообщениям, весь процесс может быть проведен довольно быстро, поскольку система способна обрабатывать до 10 000 возможных алгоритмов в секунду на процессор. Она также может проводить эти испытания почти 24/7, продолжая экспериментировать с очень небольшим входом от человеческих операторов.

Многие из наиболее впечатляющих алгоритмических систем сегодня являются лишь незначительными вариациями алгоритмов, имеющих долгую историю в информатике и ИИ, масштабируемых. По словам Харана Джексона, как цитирует Newsweek, наиболее интересным в новой статье является то, что система потенциально может открыть совершенно новые алгоритмы, которые радикально отличаются от тех, которые наиболее широко используются.

“Существует чувство среди многих членов сообщества, что наиболее впечатляющие достижения искусственного интеллекта будут достигнуты только с изобретением новых алгоритмов, которые фундаментально отличаются от тех, которые мы как вид разработали”, сказал Джексон. “Именно это делает упомянутую статью столь интересной. Она представляет собой метод, с помощью которого мы можем автоматически конструировать и тестировать совершенно новые алгоритмы машинного обучения.”

AutoML-Zero все еще находится в фазе концепции, и на него необходимо будет провести много работы, прежде чем он сможет производить алгоритмы, которые так же полезны, как те, что управляют сегодняшними наиболее передовыми приложениями ИИ. Тем не менее, проведенное исследование по системе может оказаться полезным даже до завершения AutoML-Zero, информируя, как другие алгоритмы проектируются инженерами.