人工智能（AI）正從字面上發展。研究人員開發了一種軟件，該軟件借鑑了達爾文進化論中的概念，包括“適者生存”，以構建無需人工干預就能改善一代又一代的AI程序。該程序在短短几天內就複製了數十年的AI研究成果，其設計人員認為，有一天，它可以發現AI的新方法。
“雖然大多數人都邁出了嬰兒的腳步，但他們卻步入了未知的世界”，德克薩斯大學奧斯汀分校的計算機科學家Risto Miikkulainen說，他沒有參與這項工作。“這是可以開展大量未來研究的論文之一。”
建立AI算法需要時間。以神經網絡（一種用於翻譯語言和駕駛汽車的常見機器學習類型）為例。這些網絡寬鬆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來從訓練數據中學習。較小的神經元子電路執行特定的任務（例如，發現路標），研究人員可以花費數月的時間研究如何連接它們，以便它們無縫地協同工作。
近年來，科學家通過自動化一些步驟來加快這一過程。但是這些程序仍然依賴於將人類設計的現成電路縫合在一起。這意味著輸出仍然受到工程師的想象力及其現有偏見的限制。
因此，Google的計算機科學家Quoc Le和他的同事開發了一個名為AutoML-Zero的程序，該程序可以僅使用高中生會知道的基本數學概念，開發出有效的零人工輸入的AI程序。他說：“我們的最終目標是實際開發甚至研究人員都找不到的新穎的機器學習概念。”
該程序使用寬鬆的演化近似來發現算法。首先，通過隨機組合數學運算來創建100種候選算法。然後，它在一個簡單的任務上對它們進行測試，例如圖像識別問題，必須決定圖片顯示的是貓還是卡車。
在每個循環中，程序都會將算法的性能與手動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對效果最好的副本進行“變異”，以使最佳算法略有不同。這些“孩子”被添加到人群中，而較老的程序被淘汰。循環重複進行。
該系統可一次創建成千上萬個這樣的種群，這使其每秒可以瀏覽成千上萬的算法，直到找到一個好的解決方案。該程序還使用技巧來加快搜索速度，例如偶爾在種群之間交換算法以防止任何進化的死角，並自動清除重複的算法。
在上個月發表在arXiv上的預印本中，研究人員表明該方法可能會偶然發現許多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，解決方案很簡單，但他說這項工作是原理性的證明，他樂觀地認為可以將其擴展以創建更復雜的AI。
埃因霍溫科技大學的計算機科學家Joaquin Vanschoren仍然認為，這種方法要與最新技術競爭還需要一段時間。他說，可以改進該程序的一件事不是要求它從頭開始，而是以人類發現的一些技巧和技術作為種子。“我們可以為泵提供學習過的機器學習概念。”
Le打算繼續努力。他補充說，關注較小的問題而不是整個算法也有希望。他的小組於4月6日在arXiv上發表了另一篇論文，該論文使用類似的方法重新設計了許多神經網絡中流行的現成組件。
但是Le還認為，增加庫中的數學運算數量並將更多的計算資源專用於該程序可以使它發現全新的AI功能。他說：“這是我們真正熱衷的方向。” “要發現真正基本的東西，人類將需要很長時間才能弄清楚。”
