#科普新星培訓營# #教育微頭條# #優學未來教育#
來自2020年4月13日的science報導：
人工智慧(AI)正在進化——毫不誇張地說。研究人員已經創造了一種軟體，它借用了達爾文進化論的概念，包括「適者生存」，來構建人工智慧程序，在沒有人類輸入的情況下，一代又一代地改進。這個程序在幾天內重複了數十年的人工智慧研究，它的設計者認為，有一天，它可能會發現人工智慧的新方法。
「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，」沒有參與這項研究的德克薩斯大學奧斯汀分校(University of Texas, Austin)計算機科學家里斯托·米庫萊寧(Risto Miikkulainen)說。「這是一篇可能會啟動大量未來研究的論文。」
構建AI算法需要時間。以神經網絡為例，它是一種常見的機器學習方法，用於翻譯語言和駕駛汽車。這些網絡鬆散地模仿了大腦的結構，並通過改變人工神經元之間的連接強度從訓練數據中學習。更小的神經元亞迴路執行特定的任務——例如識別路標——研究人員可以花幾個月的時間研究如何將它們連接起來，使它們無縫地工作。
近年來，科學家們通過自動化一些步驟加快了這一過程。但這些程序仍然依賴於將人類設計的現成電路拼接在一起。這意味著輸出仍然受到工程師的想像力和他們現有偏見的限制。
因此，谷歌的計算機科學家Quoc Le和他的同事們開發了一個名為AutoML-Zero的程序，這個程序可以在有效的零人為輸入的情況下開發人工智慧程序，只使用高中生會知道的基本數學概念。他說:「我們的最終目標是開發出連研究人員都找不到的新型機器學習概念。」
該程序發現算法使用一個鬆散的近似進化。它首先通過隨機組合數學運算來創建100個候選算法。然後在一個簡單的任務上測試他們，比如一個圖像識別問題，在這個問題上，它必須決定一幅畫上是貓還是卡車。
在每個循環中，程序將算法的性能與手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，從而創建最佳算法的細微變化。這些「兒童」被添加到人口中，而較老的項目被淘汰。一個循環的圓不斷重複著。
該系統一次創建了數千個這樣的種群，這使得它可以在一秒鐘內處理數萬個算法，直到找到一個好的解決方案。該程序還使用一些技巧來加快搜索速度，比如偶爾在種群之間交換算法以防止任何進化死胡同，以及自動清除重複的算法。
在上個月arXiv上發表的一篇預印本論文中，研究人員指出，這種方法可能會遇到一些經典的機器學習技術，包括神經網絡。樂（Le）承認，與當今最先進的算法相比，這些解決方案很簡單，但他表示，這項工作是原理的證明，他樂觀地認為，可以將其擴展到創建更複雜的人工智慧。
儘管如此，艾恩德霍芬科技大學的計算機科學家華金·凡肖倫認為，這種方法要與最先進的技術相抗衡還需要一段時間。他說，有一件事可以改進這個程序，那就是不要讓它從頭開始，而是用人類已經發現的一些技巧和技術來播種它。「我們可以用機器學習的概念來啟動這個泵。」
這是Le計劃要做的事情。他補充道，專注於更小的問題而不是整個算法也有希望。他的團隊在4月6日發表了另一篇關於arXiv的論文，該論文使用了類似的方法重新設計了許多神經網絡中常用的現成組件。
但樂（Le）也認為，增加圖書館的數學運算數量，並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慧能力。「這是我們真正熱衷的方向，」他說。「要發現一些人類需要很長時間才能發現的真正基礎的東西。