為Google的高科技部門工作的計算機科學家正在測試如何基於簡單的數學方法從頭開始創建機器學習算法，然後自然進化。
Google的AutoML人工智能工具套件背後的專家現在展示了新的研究成果，該研究表明可以對現有軟件進行更新以“自動發現”完全未知的算法，同時還可以減少數據輸入過程中的人為偏差。
據ScienceMag稱，該軟件被稱為AutoML-Zero，它類似於進化過程，其代碼改進了每一代，而無需人工干預。
機器學習工具經過“培訓”以在大量數據中查找模式，同時使此類過程自動化，並根據過去的經驗對其進行不斷完善。
但是研究人員說，這帶有AutoML-Zero旨在解決的缺陷。即引入偏見。
他們的團隊在論文中指出：“人為設計的組件會偏向搜索結果，而偏向於人為設計的算法，這可能會降低AutoML的創新潛力。” “創新也受到較少選擇的限制：您無法發現無法搜索的內容。”
該分析於上個月在arXiv上發佈，標題為“從頭開始發展機器學習算法”，並歸功於為Google Brain部門工作的團隊。
“這種AI的優點在於，無需任何預定義的參數就可以將其留給自己的設備，並且能夠以24/7的方式插入開發新算法的過程，”計算機專家和數字技術專家Ray Walsh ProPrivacy的研究員告訴《新聞週刊》。
如ScienceMag所述，AutoML-Zero旨在通過結合基本隨機數學，然後在諸如圖像區分等簡單任務上測試結果，來創建100個“候選算法”。然後，性能最佳的算法通過隨機更改其代碼來“進化”。
結果（將是最成功的算法的變體）隨後隨著較舊和較不成功的算法被拋在後面而被添加到一般人群中，並且該過程繼續重複。網絡顯著增長，從而為系統提供了更自然的算法。
Techspert的首席技術官（CTO）Haran Jackson在劍橋大學獲得了計算機博士學位，他對《新聞週刊》表示，AutoML工具通常用於“識別和提取”數據集中最有用的功能-這種方法是可喜的發展。
他說：“與AutoML一樣令人興奮的是，它只能從我們已經知道的各種公認的大型算法中找到性能最高的算法。”
“在社區的許多成員中有一種感覺，只有通過發明新算法才能實現最令人印象深刻的人工智能壯舉，這些新算法與我們作為一個物種迄今所設計的算法根本不同。
“這就是使上述論文如此有趣的原因。它提供了一種方法，通過該方法我們可以自動構建和測試全新的機器學習算法。”
傑克遜（Jackson）也表示，所採用的方法與查爾斯·達爾文（Charles Darwin）最初提出的進化論相似，他指出Google團隊如何將“變異”引入算法集。
他闡述道：“在解決現實問題上做得更好的變異算法一直有效，而性能較差的算法則被丟棄。”
“這是反覆進行的，直到找到了一套高性能的算法為止。這項研究的一個有趣的方面是，這個過程“重新發現了”我們已經知道和使用的某些神經網絡算法。可以提供我們甚至還沒有想到的任何算法，這些算法對我們的日常生活可能會產生巨大的影響。” 已與Google聯繫以發表評論。
以前，Alphabet的首席執行官Sundar Pichai讚揚了AutoML的開發，他說該技術已被用於改進一種算法，該算法可以檢測乳腺癌向相鄰淋巴結的擴散。他在2018年的博客文章中寫道：``看到AI如何開始取得成果令人鼓舞。''
與Google合作的Google團隊成員說，最新研究的概念是一個可靠的起點，但他強調該項目還遠遠沒有結束。
科學家的預印本說：“從空的組件函數開始，僅使用基本的數學運算，我們發展了線性迴歸，神經網絡，梯度下降...乘法相互作用。這些結果是有希望的，但仍有許多工作要做。”注意。
沃爾什告訴《新聞週刊》：“ AutoML-Zero的開發人員認為，他們開發的系統能夠輸出人類開發人員可能從未想到的算法。
“根據開發人員的說法，由於缺乏人工干預，AutoML-Zero有潛力生產出更不受人類偏見影響的算法。從理論上講，這可能會導致企業可以依靠尖端算法來提高效率。
“但是，值得牢記的是，暫時來說，AI仍然是概念證明，它還需要一段時間才能輸出當前使用的複雜算法。另一方面，研究[展示了] AI的未來如何可能是其他機器產生的算法。”
檔案照片：科學公式和數學方程式。在Google精通技術的部門工作的計算機科學家正在測試如何基於簡單的數學從頭創建機器學習算法，然後自然進化。ISTOCK
