Дослідники Google створили систему для розвитку нових алгоритмів штучного інтелекту з математичних будівельних блоків

Машиальне навчання дозволяє програмному застосунку стати досконалим у широкому спектрі завдань, але часто це займає багато часу, щоб розробити архітектуру машинного навчання з нуля та потім навчати цей алгоритм. Як повідомляє ScienceAlert, дослідники в Google Brain недавно експериментували з новими способами створення програм штучного інтелекту, використовуючи техніки, засновані на мутаціях, які дозволяють штучному інтелекту “еволюціонувати” органічно.

Система AutoML компанії Google автоматично створює програми штучного інтелекту вже деякий час, і багато з цих програм досягають кращої продуктивності, ніж моделі, розроблені людськими інженерами. Однак дослідники компанії Google змогли розширити цю систему, опублікувавши дослідження, яке свідчить про те, що система могла б бути використана для “відкриття” нових, більш ефективних і потужних алгоритмів через процес, який відображає еволюцію. Цей процес заснований на мутації математичних функцій і також може допомогти зменшити людську упередженість, яка часто з’являється в системах штучного інтелекту через дані.

Команда дослідників Google опублікувала попередню статтю минулого місяця на arXiv, під назвою “Еволюція алгоритмів машинного навчання з нуля”. У ній команда дослідників обговорює свою нову систему, яку назвали AutoML-Zero. AutoML-Zero працює шляхом коригування базових математичних операцій, використовуючи їх як будівельні блоки для нових, складних алгоритмів. Системи, розроблені з використанням AutoML-Zero, потенційно можуть бути більш потужними і точними, ніж багато інших систем штучного інтелекту, але команда дослідників тестувала цей процес з конкретною метою – виправлення людської упередженості в загальних моделях машинного навчання і наборах даних. Дослідники описують проблему в своїй статті:

“Людські компоненти упереджують результати пошуку на користь людських алгоритмів, можливо, зменшуючи інноваційний потенціал AutoML. Інновації також обмежені через меншу кількість варіантів: ви не можете відкрити те, чого не можете шукати.”

AutoML-Zero працює за триступеневим підходом: налаштування, прогнозування і навчання. AutoML-Zero починається з того, що бере 100 алгоритмів, створених шляхом випадкової комбінації простих математичних операцій, потім ці алгоритми змагаються один з одним. Як тільки будуть визначені найкращі алгоритми, будуть зроблені малі коригування цих алгоритмів, а потім буде проведений ще один раунд випробувань. Цей процес конкуренції і мутації імітує процес “виживання найсильнішого”.

Згідно повідомлень, весь процес можна провести досить швидко, оскільки система здатна обробляти до 10 000 можливих алгоритмів в секунду на процесор. Вона також може проводити ці випробування майже 24/7, продовжуючи експериментувати з мінімальною участю людських операторів.

Багато з найбільш вражаючих алгоритмічних систем сьогодні є лише незначними варіаціями алгоритмів, які мають довгу історію в комп’ютерних науках і штучному інтелекті, розширених у масштабі. За словами Харана Джексона, як повідомляє Newsweek, найцікавіше в новій статті полягає в тому, що система потенційно може відкрити абсолютно нові алгоритми, які радикально відрізняються від тих, які найбільш широко використовуються.

“Є відчуття серед багатьох членів спільноти, що найвражаючі досягнення штучного інтелекту будуть досягнуті лише з винаходом нових алгоритмів, які фундаментально відрізняються від тих, які ми як вид розробили”, – сказав Джексон. “Це робить вищезгадану статтю дуже цікавою. Вона пропонує метод, за допомогою якого ми можемо автоматично створювати і тестувати абсолютно нові алгоритми машинного навчання”.

AutoML-Zero ще перебуває на стадії концепції доведення, і ще багато роботи потрібно зробити над ним, перш ніж він зможе створювати алгоритми, які будуть так само корисні, як ті, що керують сьогодні найбільш передовими застосуваннями штучного інтелекту. Тим не менш, дослідження, проведене над цією системою, може виявитися корисним навіть до того, як AutoML-Zero буде завершено, інформуючи про те, як інші алгоритми розробляються інженерами.