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

Машинне навчання дозволяє програмному застосунку ставати досконалим у широкому спектрі завдань, але часто це займає багато часу для розробки архітектури машинного навчання з нуля та подальшої підготовки цього алгоритму. За повідомленням ScienceAlert, дослідники в Google (GOOGL ) Brain нещодавно 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 людьми-інженерами. Однак дослідники компанії Google змогли розширити цю систему, опублікувавши дослідження, яке свідчить про те, що система може 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 на сайті arXiv минулого місяця, під назвою “Еволюція алгоритмів машинного навчання з нуля”. У ній дослідницька команда обговорює свою нову систему, яку назвали AutoML-Zero. Система AutoML-Zero працює шляхом налаштування 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 дослідницька команда тестувала цей процес з певною метою – виправлення людської упередженості в загальних моделях машинного навчання і наборах даних. Дослідники описують проблему в своїй дослідницькій роботі:

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

Система AutoML-Zero працює за триступеневим підходом: налаштування, передбачення і навчання. Система AutoML-Zero починається з 100 алгоритмів, створених шляхом випадкової комбінації простих математичних операцій, потім ці алгоритми змагються один з одним. Як тільки будуть визначені найкращі алгоритми, до них будуть внесені незначні зміни, а потім буде проведений ще один раунд випробувань. Цей процес конкуренції і мутації імітує процес “виживання найсильнішого”.

За повідомленням, весь процес можна провести досить швидко, оскільки система здатна обробляти до 10 000 можливих алгоритмів за секунду на процесор. Система також може проводити ці випробування майже 24/7, продовжуючи експериментувати з мінімальними втручаннями 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, найцікавішим у новій статті є те, що система потенційно може відкрити зовсім нові алгоритми, які суттєво відрізняються від тих, які найчастіше 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 досі”, заявив Джексон. “Саме це робить згадану статтю такою цікавою. Вона пропонує метод, за допомогою якого ми можемо автоматично створювати і тестувати цілком нові алгоритми машинного навчання.”

Система AutoML-Zero ще перебуває на етапі концепції доведення, і на неї потрібно буде провести значну роботу, перш ніж вона зможе створювати алгоритми, які будуть так же корисні, як і ті, які керують найбільш передовими застосуваннями штучного інтелекту сьогодні. Тим не менше, дослідження, проведене на цій системі, може виявитися корисним навіть до того, як AutoML-Zero буде завершено, інформуючи про те, як інші алгоритми розробляються інженерами.