يقوم علماء Google بتطوير برامج يمكنها تمكين الذكاء الاصطناعي من التطور بدون إدخال بشري

يقوم علماء Google بتطوير برامج يمكنها تمكين الذكاء الاصطناعي من التطور بدون إدخال بشري

التعلم الآلي (ML) هو طريقة تقوم الخوارزميات من خلالها بتعديل نشاطها باستخدام البيانات المدخلة ، بدلاً من برمجتها للقيام بذلك. لكن بناء هذه "الخوارزميات" و "تدريبها" يستغرق وقتًا ، ويمكنه غالبًا أن يثبت التحيزات البشرية .

للتغلب على هذه القيود ، ولتمكين المزيد من الابتكار في التعلم الآلي ، اكتشف الباحثون مجال AutoML ، حيث يمكن أتمتة عملية التعلم الآلي تدريجياً ، بالاعتماد على وقت الحوسبة الآلية ، بدلاً من وقت البحث البشري.

حتى الآن ، على الرغم من أن بعض الخطوات قد تم تشغيلها تلقائيًا ، إلا أنه لم يتم بعد الوصول إلى معيار للإدخال البشري تقريبًا. ومع ذلك ، شهد فريق من العلماء من Google بعض "النجاح الأولي" في اكتشاف خوارزميات التعلم الآلي من الصفر ، مما يشير إلى "اتجاه جديد واعد للمجال".

في ورقة بحثية نُشرت على خادم قبل الطباعة arXiv ، استخدم Quoc Le ، عالم الكمبيوتر في Google ، وزملاؤه مفاهيم من التطور الدارويني ، مثل الانتقاء الطبيعي ، لتمكين خوارزميات ML من تحسين التوليد بعد جيل. من خلال الجمع بين العمليات الحسابية الأساسية ، قام برنامجهم ، المسمى AutoML-Zero ، بتوليد 100 خوارزمية فريدة قاموا باختبارها بعد ذلك في مهام بسيطة ، مثل التعرف على الصور.

بعد مقارنة أدائهم بالخوارزميات المصممة يدويًا ، تم الاحتفاظ بالأفضل ، وتم إدخال "الطفرات" العشوائية الصغيرة في التعليمات البرمجية الخاصة بهم ، في حين تمت إزالة المرشحين الأضعف. مع استمرار الدورة ، تم العثور على مجموعة عالية الأداء من الخوارزميات ، بعضها قابل للمقارنة مع عدد من تقنيات التعلم الآلي الكلاسيكية - مثل الشبكات العصبية (نوع من برامج الكمبيوتر التي تحاكي بشكل فضفاض كيفية عمل خلايا الدماغ معًا لإنشاء قرارات).

قال لي لمجلة ساينس إن هذا يثبت مفهوم الفريق ، لكنه يأمل أن يتم توسيع نطاق العمليات لخلق ذكاء اصطناعي أكثر تعقيدًا في نهاية المطاف ، والذي لم يتمكن الباحثون البشريون من العثور عليه.

وكتب الفريق في الورقة التي تنتظر مراجعة الأقران: "هدفنا هو إظهار أن AutoML يمكن أن تذهب إلى أبعد من ذلك: من الممكن اليوم اكتشاف خوارزميات التعلم الآلي الكاملة تلقائيًا باستخدام العمليات الحسابية الأساسية كعناصر بناء".

"بدءًا من وظائف المكون الفارغ وباستخدام العمليات الحسابية الأساسية فقط ، قمنا بتطوير الانحدارات الخطية والشبكات العصبية ونزول التدرج والتفاعلات المضاعفة ومتوسط ​​الوزن والتدرجات المقيسة وما إلى ذلك." استمر المؤلفون. "هذه النتائج واعدة ، ولكن لا يزال هناك الكثير من العمل الذي يتعين القيام به".