Le ricerche di Google creano un sistema per evolvere nuovi algoritmi di intelligenza artificiale da blocchi matematici
L’apprendimento automatico consente a un’applicazione informatica di diventare competente in un’ampia gamma di attività, ma spesso ci vuole molto tempo per progettare da zero un’architettura di apprendimento automatico e quindi addestrare tale algoritmo. Come riportato da ScienceAlert , i ricercatori di Google Brain hanno recentemente sperimentato nuovi modi di creare programmi di intelligenza artificiale, impiegando tecniche basate su mutazioni che consentono agli AI di “evolversi” organicamente.
Il sistema AutoML di Google crea automaticamente programmi di intelligenza artificiale da un po ‘di tempo e molti di questi programmi ottengono prestazioni migliori rispetto ai modelli progettati da ingegneri umani. Tuttavia, i ricercatori di Google sono stati in grado di espandersi su questo sistema, rilasciando ricerche che implicano che il sistema potrebbe essere utilizzato per “scoprire” algoritmi nuovi, più efficienti e potenti attraverso un processo che rispecchia l’evoluzione. Questo processo si basa sulla mutazione delle funzioni matematiche e potrebbe anche aiutare a ridurre il pregiudizio umano che spesso si fa strada nei sistemi di intelligenza artificiale attraverso i dati.
Il team di ricerca di Google ha pre-pubblicato un documento lo scorso mese di arXiv, intitolato “Evolving Machine Learning Algorithms From Scratch”. In esso, il team di ricerca discute del loro nuovo sistema, chiamato AutoML-Zero. Auto-ML Zero opera modificando le operazioni matematiche di base, usandole come elementi costitutivi di nuovi e sofisticati algoritmi. I sistemi progettati con AutoML-Zero potrebbero potenzialmente essere più potenti e precisi di molti altri IA, ma il team di ricerca ha testato il processo con un obiettivo specifico in mente: la correzione della distorsione umana all’interno di modelli e set di dati di machine learning generici. I ricercatori descrivono il problema nel loro documento di ricerca:
“I componenti progettati dall’uomo influenzano i risultati della ricerca a favore di algoritmi progettati dall’uomo, riducendo eventualmente il potenziale di innovazione di AutoML. L’innovazione è anche limitata dall’avere meno opzioni: non puoi scoprire cosa non puoi cercare. “
AutoML-Zero funziona con un approccio in tre fasi: impostazione, previsione e apprendimento. AutoML-Zero inizia prendendo 100 algoritmi creati attraverso la combinazione casuale di semplici operazioni matematiche, quindi gli algoritmi vengono confrontati. Una volta identificati gli algoritmi con le migliori prestazioni, vengono apportate piccole modifiche a questi algoritmi e viene quindi eseguito un altro ciclo di prove. Questo processo di competizione e mutazione imita un processo di selezione “sopravvivenza del più adatto”.
Secondo quanto riferito, l’intero processo può essere eseguito piuttosto rapidamente, poiché il sistema è in grado di elaborare fino a 10.000 possibili algoritmi al secondo per processore. Può anche eseguire queste prove più o meno 24 ore su 24, 7 giorni su 7, continuando a sperimentare con pochissimi input dagli operatori umani.
Molti dei sistemi algoritmici più impressionanti oggi sono solo lievi variazioni di algoritmi che hanno una lunga storia nell’informatica e nell’IA, ingrandite. Secondo Haran Jackson, come citato da Newsweek, la cosa più interessante del nuovo articolo è che il sistema potrebbe potenzialmente scoprire algoritmi nuovi di zecca che differiscono radicalmente da quelli più utilizzati.
“C’è un senso tra molti membri della comunità che i talenti più impressionanti dell’intelligenza artificiale saranno raggiunti solo con l’invenzione di nuovi algoritmi che sono fondamentalmente diversi da quelli che noi come specie abbiamo finora concepito”, ha detto Jackson. “Questo è ciò che rende il suddetto articolo così interessante. Presenta un metodo con il quale possiamo automaticamente costruire e testare algoritmi di apprendimento automatico completamente nuovi. “
AutoML-Zero è ancora nella fase di dimostrazione del concetto e molto più lavoro dovrà essere fatto su di esso prima che sia in grado di produrre algoritmi utili come quelli che guidano le applicazioni AI più all’avanguardia di oggi. Tuttavia, la ricerca condotta sul sistema potrebbe rivelarsi utile anche prima che AAutoML-Zero sia terminato, informando come altri algoritmi sono progettati dagli ingegneri.