谷歌研究人员创建系统以从数学构建块中演化出新的 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熟练，但从头开始设计机器学习架构并训练算法通常需要很长时间。据 ScienceAlert 报道，谷歌大脑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”。

谷歌的 AutoML 系统已经能够自动创建 AI 程序有一段时间了，很多这些程序的性能比由人类工程师设计的模型更好。然而，谷歌的研究人员能够扩展这一系统，发布了一项研究，表明该系统可以通过一种类似于进化的过程“发现”新的、更高效和更强大的算法。这一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 系统的人为偏见。

谷歌的研究团队上个月在 arXiv 上发表了一篇论文，题为“从头开始演化机器学习算法”。在这篇论文中，研究团队讨论了他们的新系统，称为 AutoML-Zero。AutoML-Zero 通过修改基本的数学运算来工作，使用它们作为新的、复杂的算法的构建块。使用 AutoML-Zero 设计的系统可能比其他许多 AI 更强大和准确，但研究团队测试了该过程，目的是解决人为偏差问题，存在于通用的机器学习模型和数据集中。研究人员在研究论文中描述了这个问题：

“人为设计的组件偏向于搜索结果，偏爱人为设计的算法，这可能会降低 AutoML 的创新潜力。创新也受到选项数量的限制：您无法发现您无法搜索的东西。”

AutoML-Zero 采用三步骤的方法：设置、预测和学习。AutoML-Zero 首先从 100 个算法开始，这些算法是通过简单的数学运算的随机组合创建的，然后这些算法相互竞争。一旦确定了最好的算法，就对这些算法进行小的修改，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，因为该系统能够每秒处理多达 10,000 个可能的算法，每个处理器也可以几乎 24/7 地进行试验，几乎不需要人为操作。

今天最令人印象深刻的算法系统只是具有长期历史的算法的轻微变体，扩大了规模。根据 Haran Jackson 的说法，新论文中最有趣的事情是，该系统可能会发现根本不同于现有算法的全新算法。

“在社区中，有一种感觉，人工智能最令人印象深刻的成就将仅通过新算法的发明来实现，这些算法与我们迄今为止开发的算法根本不同，”Jackson 说。“这就是为什么这篇论文如此有趣。它提出了一种方法，我们可以自动构造和测试完全新的机器学习算法。”

AutoML-Zero 仍然处于概念验证阶段，需要在其上进行更多的工作，才能使其能够产生与今天最先进的 AI 应用程序中使用的算法一样有用的算法。尽管如此，在 AutoML-Zero 完成之前，对该系统的研究可能已经很有用，可以告知其他算法如何被工程师设计。