毫不夸張地說，人工智能也能獨(dú)立進(jìn)化。研究人員創(chuàng)造了一種新軟件，他們借用達(dá)爾文進(jìn)化論“適者生存”等概念構(gòu)建了人工智能程序，在沒有人類輸入的情況下，后者也能一代又一代地改進(jìn)。這個(gè)程序在幾天內(nèi)重復(fù)了數(shù)十年來的人工智能研究，設(shè)計(jì)者認(rèn)為，有一天它可能會(huì)帶來人工智能的新方法。
“當(dāng)大多數(shù)人還在蹣跚學(xué)步時(shí)，他們已經(jīng)向未知領(lǐng)域邁出了一大步。”未參與該研究的美國得克薩斯大學(xué)奧斯汀分校計(jì)算機(jī)科學(xué)家Risto Miikkulainen說，“這是一篇可以啟動(dòng)未來大量研究的論文。”
研究人員構(gòu)建人工智能算法通常需要時(shí)間。以神經(jīng)網(wǎng)絡(luò)為例，這是一種常見的機(jī)器學(xué)習(xí)方法，用于翻譯語言和駕駛汽車。這些網(wǎng)絡(luò)能模仿大腦結(jié)構(gòu)，并通過改變?nèi)斯ど窠?jīng)元之間的連接強(qiáng)度，進(jìn)而從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)。而更小的神經(jīng)元亞回路能執(zhí)行特定任務(wù)，例如識別路標(biāo)，研究人員需要花幾個(gè)月時(shí)間研究如何將它們連接起來，使其不間斷工作。
近年來，科學(xué)家通過使部分步驟自動(dòng)化加快了這一過程。但這些程序仍然依賴于將人類設(shè)計(jì)的現(xiàn)成線路拼接在一起。這意味著產(chǎn)出仍然受到工程師的想象力和偏見的限制。
因此，谷歌計(jì)算機(jī)科學(xué)家Quoc Le和同事開發(fā)了一個(gè)名為AutoML-Zero的程序，這個(gè)程序可以只使用高中生都知道的基本數(shù)學(xué)概念，在零人為輸入的情況下開發(fā)人工智能程序。他說：“我們的最終目標(biāo)是開發(fā)出連研究人員都不知道的新型機(jī)器學(xué)習(xí)概念。”
該程序發(fā)現(xiàn)算法使用了一個(gè)不精確的進(jìn)化估算法。它首先通過隨機(jī)組合數(shù)學(xué)運(yùn)算創(chuàng)建100個(gè)候選算法。然后通過一個(gè)簡單的任務(wù)測試它們，比如圖像識別，它必須決定一幅畫上是貓還是卡車。
在每個(gè)循環(huán)中，新程序?qū)⑺惴ǖ男阅芘c人工設(shè)計(jì)的算法進(jìn)行比較，通過隨機(jī)替換、編輯或刪除一些代碼來“突變”頂級算法的副本，從而創(chuàng)建最佳算法。隨著“新鮮血液”不斷注入，較老的項(xiàng)目被淘汰，如此循環(huán)往復(fù)。
該系統(tǒng)一次創(chuàng)建了數(shù)千個(gè)這樣的循環(huán)，這使得它可以在1秒內(nèi)處理數(shù)萬個(gè)算法，直到找到一個(gè)好的解決方案。該程序還能使用一些技巧加快搜索速度，比如偶爾在不同循環(huán)之間交換算法以防止進(jìn)入死胡同，以及自動(dòng)清除重復(fù)的算法。
日前，arXiv上發(fā)表的預(yù)印本論文指出，這種方法可能會(huì)無意中找到一些經(jīng)典的機(jī)器學(xué)習(xí)技術(shù)，包括神經(jīng)網(wǎng)絡(luò)。Le承認(rèn)，與當(dāng)今最先進(jìn)的算法相比，這些解決方案很簡單，但有可能將其擴(kuò)展用于創(chuàng)建更復(fù)雜的人工智能。
盡管如此，荷蘭埃因霍芬理工大學(xué)計(jì)算機(jī)科學(xué)家Joaquin Vanschoren認(rèn)為，這種方法要與最先進(jìn)的技術(shù)抗衡還需要一段時(shí)間，但機(jī)器學(xué)習(xí)概念或有助于推動(dòng)其改變。
此外，Le認(rèn)為，增加數(shù)學(xué)運(yùn)算數(shù)量，并為該程序投入更多的計(jì)算資源，可能會(huì)讓它發(fā)現(xiàn)全新的人工智能。“這是我們真正熱衷的方向，去發(fā)現(xiàn)一些人類需要很長時(shí)間才能發(fā)現(xiàn)的真正重要的東西。”他說。
來源：《中國科學(xué)報(bào)》
