يقوم علماء Google بتطوير برامج يمكنها تمكين الذكاء الاصطناعي من التطور بدون إدخال بشري
1209
16 / 4 / 2020
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".