毫不夸張地說，人工智能也能獨立進化。研究人員創造了一種新軟件，他們借用達爾文進化論“適者生存”等概念構建了人工智能程序，在沒有人類輸入的情況下，后者也能一代又一代地改進。這個程序在幾天內重復了數十年來的人工智能研究，設計者認為，有一天它可能會帶來人工智能的新方法。
“當大多數人還在蹣跚學步時，他們已經向未知領域邁出了一大步。”未參與該研究的美國得克薩斯大學奧斯汀分校計算機科學家Risto Miikkulainen說，“這是一篇可以啟動未來大量研究的論文。”
研究人員構建人工智能算法通常需要時間。以神經網絡為例，這是一種常見的機器學習方法，用于翻譯語言和駕駛汽車。這些網絡能模仿大腦結構，并通過改變人工神經元之間的連接強度，進而從訓練數據中學習。而更小的神經元亞回路能執行特定任務，例如識別路標，研究人員需要花幾個月時間研究如何將它們連接起來，使其不間斷工作。
近年來，科學家通過使部分步驟自動化加快了這一過程。但這些程序仍然依賴于將人類設計的現成線路拼接在一起。這意味著產出仍然受到工程師的想象力和偏見的限制。
因此，谷歌計算機科學家Quoc Le和同事開發了一個名為AutoML-Zero的程序，這個程序可以只使用高中生都知道的基本數學概念，在零人為輸入的情況下開發人工智能程序。他說：“我們的最終目標是開發出連研究人員都不知道的新型機器學習概念。”
該程序發現算法使用了一個不精確的進化估算法。它首先通過隨機組合數學運算創建100個候選算法。然后通過一個簡單的任務測試它們，比如圖像識別，它必須決定一幅畫上是貓還是卡車。
在每個循環中，新程序將算法的性能與人工設計的算法進行比較，通過隨機替換、編輯或刪除一些代碼來“突變”頂級算法的副本，從而創建最佳算法。隨著“新鮮血液”不斷注入，較老的項目被淘汰，如此循環往復。
該系統一次創建了數千個這樣的循環，這使得它可以在1秒內處理數萬個算法，直到找到一個好的解決方案。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之間交換算法以防止進入死胡同，以及自動清除重復的算法。
日前，arXiv上發表的預印本論文指出，這種方法可能會無意中找到一些經典的機器學習技術，包括神經網絡。Le承認，與當今最先進的算法相比，這些解決方案很簡單，但有可能將其擴展用于創建更復雜的人工智能。
盡管如此，荷蘭埃因霍芬理工大學計算機科學家Joaquin Vanschoren認為，這種方法要與最先進的技術抗衡還需要一段時間，但機器學習概念或有助于推動其改變。
此外，Le認為，增加數學運算數量，并為該程序投入更多的計算資源，可能會讓它發現全新的人工智能。“這是我們真正熱衷的方向，去發現一些人類需要很長時間才能發現的真正重要的東西。”他說。
來源：《中國科學報》
