毫不夸張地說(shuō)，人工智能也能獨立進(jìn)化。研究人員創(chuàng )造了一種新軟件，他們借用達爾文進(jìn)化論“適者生存”等概念構建了人工智能程序，在沒(méi)有人類(lèi)輸入的情況下，后者也能一代又一代地改進(jìn)。這個(gè)程序在幾天內重復了數十年來(lái)的人工智能研究，設計者認為，有一天它可能會(huì )帶來(lái)人工智能的新方法。 

“當大多數人還在蹣跚學(xué)步時(shí)，他們已經(jīng)向未知領(lǐng)域邁出了一大步?！蔽磪⑴c該研究的美國得克薩斯大學(xué)奧斯汀分校計算機科學(xué)家Risto Miikkulainen說(shuō)，“這是一篇可以啟動(dòng)未來(lái)大量研究的論文?！?nbsp;

研究人員構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(jiàn)的機器學(xué)習方法，用于翻譯語(yǔ)言和駕駛汽車(chē)。這些網(wǎng)絡(luò )能模仿大腦結構，并通過(guò)改變人工神經(jīng)元之間的連接強度，進(jìn)而從訓練數據中學(xué)習。而更小的神經(jīng)元亞回路能執行特定任務(wù)，例如識別路標，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(lái)，使其不間斷工作。 

近年來(lái)，科學(xué)家通過(guò)使部分步驟自動(dòng)化加快了這一過(guò)程。但這些程序仍然依賴(lài)于將人類(lèi)設計的現成線(xiàn)路拼接在一起。這意味著(zhù)產(chǎn)出仍然受到工程師的想象力和偏見(jiàn)的限制。

因此，谷歌計算機科學(xué)家Quoc Le和同事開(kāi)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學(xué)概念，在零人為輸入的情況下開(kāi)發(fā)人工智能程序。他說(shuō)：“我們的最終目標是開(kāi)發(fā)出連研究人員都不知道的新型機器學(xué)習概念?！?nbsp;

該程序發(fā)現算法使用了一個(gè)不精確的進(jìn)化估算法。它首先通過(guò)隨機組合數學(xué)運算創(chuàng )建100個(gè)候選算法。然后通過(guò)一個(gè)簡(jiǎn)單的任務(wù)測試它們，比如圖像識別，它必須決定一幅畫(huà)上是貓還是卡車(chē)。 

在每個(gè)循環(huán)中，新程序將算法的性能與人工設計的算法進(jìn)行比較，通過(guò)隨機替換、編輯或刪除一些代碼來(lái)“突變”頂級算法的副本，從而創(chuàng )建最佳算法。隨著(zhù)“新鮮血液”不斷注入，較老的項目被淘汰，如此循環(huán)往復。 

該系統一次創(chuàng )建了數千個(gè)這樣的循環(huán)，這使得它可以在1秒內處理數萬(wàn)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)清除重復的算法。 

日前，arXiv上發(fā)表的預印本論文指出，這種方法可能會(huì )無(wú)意中找到一些經(jīng)典的機器學(xué)習技術(shù)，包括神經(jīng)網(wǎng)絡(luò )。Le承認，與當今最先進(jìn)的算法相比，這些解決方案很簡(jiǎn)單，但有可能將其擴展用于創(chuàng )建更復雜的人工智能。 

盡管如此，荷蘭埃因霍芬理工大學(xué)計算機科學(xué)家Joaquin Vanschoren認為，這種方法要與最先進(jìn)的技術(shù)抗衡還需要一段時(shí)間，但機器學(xué)習概念或有助于推動(dòng)其改變。

此外，Le認為，增加數學(xué)運算數量，并為該程序投入更多的計算資源，可能會(huì )讓它發(fā)現全新的人工智能?！斑@是我們真正熱衷的方向，去發(fā)現一些人類(lèi)需要很長(cháng)時(shí)間才能發(fā)現的真正重要的東西?！彼f(shuō)。 

來(lái)源：《中國科學(xué)報》