Google 研究人员创建系统，从数学构建块中演化新的 AI 算法

机器学习使计算机应用程序能够在广泛的任务中变得擅长，但从头开始设计机器学习架构并训练该算法通常需要很长时间。如 ScienceAlert 报道，Google Brain 的研究人员最近尝试了创建 AI 程序的新方法，使用基于突变的技术，使 AI 能够“演化”。

Google 的 AutoML 系统已经可以自动创建 AI 程序，一些程序的性能甚至超过了由人类工程师设计的模型。然而，Google 研究人员能够扩展这一系统，发布研究表明该系统可以通过模拟进化的过程“发现”新的、更高效和更强大的算法。该过程基于数学函数的突变，也可以帮助减少经常通过数据进入 AI 系统的人类偏见。

Google 研究团队上个月在 arXiv 上预发表了一篇论文，题为“从头开始演化机器学习算法”。在其中，研究团队讨论了他们的新系统，称为 AutoML-Zero。Auto-ML Zero 通过调整基本的数学运算来操作，使用它们作为新、复杂算法的构建块。使用 AutoML-Zero 设计的系统可能比许多其他 AI 更强大和准确，但研究团队测试该过程时有一个特定的目标——在通用机器学习模型和数据集中修复人类偏见。研究人员在研究论文中描述了这个问题：

“人类设计的组件偏向于搜索结果，偏爱人类设计的算法，这可能会降低 AutoML 的创新潜力。创新也受到限制，因为选择的范围较小：你无法发现你无法搜索的东西。”

AutoML-Zero 采用三步法：设置、预测和学习。AutoML-Zero 首先通过随机组合简单的数学运算创建 100 个算法，然后这些算法相互竞争。找到最佳性能的算法后，对这些算法进行小的调整，然后进行另一个试验轮。这一竞争和突变的过程模拟了“适者生存”的选择过程。

据报道，整个过程可以相对较快地完成，因为该系统每秒每处理器可以处理多达 10,000 个可能的算法。它也可以几乎 24/7 地进行试验，几乎不需要人类操作员的输入。

许多今天最令人印象深刻的算法系统只是具有悠久历史的算法的轻微变体，扩大了规模。根据 Haran Jackson 的说法，如 Newsweek 引用，新论文中最有趣的事情是该系统可能会发现与目前最广泛使用的算法根本不同的全新算法。

“许多社区成员认为，人工智能最令人印象深刻的成就将仅通过发明与我们迄今为止设计的算法根本不同的新算法来实现，” Jackson 说。“这就是为什么上述论文如此有趣。它提出了一个方法，我们可以自动构造和测试完全新的机器学习算法。”

AutoML-Zero 仍处于概念验证阶段，在能够产生与今天最先进的 AI 应用程序驱动算法一样有用的算法之前，还需要在其上进行更多的工作。然而，在该系统上进行的研究可能即使在 AutoML-Zero 完成之前也会很有用，告知其他算法如何由工程师设计。