人工智能正在自行进化

人工智能（AI）正在逐步发展。研究人员开发了一种软件，它借鉴了达尔文进化论的概念，包括“适者生存”，来构建人工智能程序，在没有人类输入的情况下一代又一代地改进。该项目在几天内复制了数十年的人工智能研究成果，其设计者认为，有朝一日，它可以发现人工智能的新方法。

德克萨斯大学奥斯汀分校的计算机科学家RistoMiikkulainen说：“当大多数人迈出婴儿的步伐时，他们向未知领域迈出了一大步。”。“这是其中一篇可以展开大量未来研究的论文。”

建立一个人工智能算法需要时间。以神经网络为例，神经网络是一种常用的机器学习方式，用于翻译语言和驾驶汽车。这些网络松散地模仿大脑的结构，通过改变人工神经元之间的连接强度，从训练数据中学习。较小的神经元子电路执行特定的任务，例如识别路标，研究人员可以花费数月的时间研究如何将它们连接起来，以便它们无缝地协同工作。

近年来，科学家们通过自动化一些步骤加快了这一过程。但这些程序仍然依赖于将人类设计的现成电路缝合在一起。这意味着产出仍然受到工程师想象力和他们现有偏见的限制。

因此，谷歌的计算机科学家QuocLe和他的同事开发了一个名为AutoMLZero的程序，该程序可以开发出有效的人工智能程序，只使用高中生所知道的基本数学概念。他说：“我们的最终目标是开发新的机器学习概念，即使是研究人员也找不到。”。

程序使用进化的松散近似值来发现算法。它首先通过随机组合数学运算来创建100个候选算法。然后，它用一个简单的任务来测试它们，比如图像识别问题，它必须决定一张图片是显示一只猫还是一辆卡车。

在每个周期中，程序都将算法的性能与手工设计的算法进行比较。通过随机替换、编辑或删除某些代码来“变异”表现最好的算法的副本。这些“孩子”被增加到人口中，而年长的项目则被淘汰。循环重复。

该系统一次产生数千个这样的种群，这使得它可以每秒通过数万个算法，直到找到一个好的解决方案。该程序还使用一些技巧来加快搜索速度，比如偶尔在种群之间交换算法以防止出现任何进化死角，并自动剔除重复的算法。

在上个月发表在arXiv上的一篇预印本论文中，研究人员表明，这种方法可以偶然发现许多经典的机器学习技术，包括神经网络。Le承认，与当今最先进的算法相比，解决方案很简单，但他说，这项工作是一个原理证明，他乐观地认为，可以扩大规模，创造更复杂的人工智能。

尽管如此，埃因霍温理工大学的计算机科学家Joaquin Vanschoren认为，这种方法还需要一段时间才能与最先进的技术竞争。他说，有一件事可以改进这个程序，那就是不要要求它从头开始，而是用人类已经发现的一些技巧和技术来播种它。“我们可以用学到的机器学习概念来启动泵。”

这是Le打算做的事。他补充说，专注于小问题而不是整个算法也有希望。他的团队于4月6日在arXiv上发表了另一篇论文，用类似的方法重新设计了许多神经网络中常用的现成组件。

但Le也相信，增加库中数学运算的数量，为程序投入更多的计算资源，可以让程序发现全新的人工智能能力。“这是我们非常热衷的一个方向，”他说。“去发现一些真正基本的东西，而这些东西需要很长时间才能被人类发现。”