最新進展！谷歌AutoML-Zero驗證自我演化：成功復現數十年AI演進歷程

編輯 | 劉燕

人工智慧即將實現獨立進化

AI 也能獨立自我進化？

機器人會不會像生物一樣自動進化？一直以來，這個問題常引發爭議與談論。

近日，據外媒報導稱，谷歌高科技部門的電腦科學家們創造了一種新的人工智慧程式— AutoML-Zero，這款軟體具有類似於生物進化的過程，它可以只使用高中生都知道的基本數學概念，在沒有人為干預的情況下，軟體自身就能一代代改進程式碼，進行自我進化。

AutoML-Zero 的構建借鑑了達爾文進化論中“適者生存”的概念，谷歌團隊實際上是在將“變異”機制引入演算法集。

該程式在短短几天內就複製了數十年的 AI 研究成果，主導該專案的谷歌電腦科學家 Quoc Le 表示，“我們的最終目標是開發出連研究人員都不知道的新型機器學習概念”。他表示，增加數學運算數量，併為該程式投入更多的計算資源，可能會讓它發現全新的人工智慧。“這是我們真正熱衷的方向，去發現一些人類需要很長時間才能發現的真正重要的東西。

據瞭解，目前這款 AI 程式正在測試中。

科學家們希望弄清如何基於簡單的數學方法從零開始構建機器學習演算法，並使其具備自然進化能力。

機器學習工具透過“訓練”從大量資料當中尋找模式，同時也掌握了自動完成模式識別的訣竅，能夠根據過往經驗不斷實現自我完善。

ProPrivacy 公司計算機專家兼數字化研究員 Ray Walsh 在接受採訪時表示，“這種 AI 方案的優勢在於無需任何預定義引數即可執行在裝置之上，並能夠以 24/7 全天候方式推動新演算法的開發流程。”

AutoML-Zero 計劃利用基礎隨機數學方法建立 100 種“候選演算法”，並在影像分類等簡單任務之上進行進行結果測試。最終，效能最佳的演算法將進一步透過隨機程式碼變更實現“進化”。

最為成功的演算法變體隨後會被新增到其他常規演算法內，且整個過程不斷重複。如此一來，網路即可顯著增長，最終為系統提供愈發自然且行之有效的演算法結果。

AutoML-Zero 希望解決偏見問題

研究人員們表示，AutoML-Zero 真正希望解決的難題，在於如何避免引入偏見。

根據開發者們的說法，由於無需人為干預，AutoML-Zero 有望生產出不受人類偏見影響的演算法。人類可以對現有軟體進行更新，從而“自動發現”完全未知的演算法，同時減少資料輸入過程所引發的人為偏見。從理論層面出發，未來的企業也許將依靠這些前沿演算法提升運營效率。

AutoML-Zero 的研究論文《從零開始不斷演進的機器學習演算法（Evolving Machine Learning Algorithms From Scratch）》，由谷歌 Brain 部門工作團隊撰寫，並於今年3月份發表在了 arXiv 上。

論文:

程式碼:  pic.twitter.com/wZQJimrLid

在論文中，研究專家指出，“人為設計的元件總會偏向某些搜尋結果，這種存在偏見的人為演算法可能會降低 AutoML 的創新潛力。創新也是有極限的，我們不可能發現那些無法搜尋的內容。”

Techspert 公司技術長 Haran Jackson 在接受媒體採訪時表示，以往的 AutoML 工具通常用於“識別並提取”資料集中的實用特徵。而此次突破無疑代表著一種可喜的發展程式。

“雖然 AutoML 確實令人興奮，但以往的它只能從我們已經瞭解的各類公認大型演算法中找到效能最高的選項”，他解釋道，人工智慧社群中的很多參與者一直有種感覺，只有發明新的演算法才能真正讓人工智慧獲得令人印象深刻的革命性飛躍。而這些新演算法可能與人類物種迄今設計出的所有演算法都存在著根本性不同。

“正因為如此，這篇論文才這麼值得關注。它提供了一種方法，能夠幫助我們自動構建並測試前所未有的新型機器學習演算法。”

Jackson 強調，“在解決現實問題的過程中，效能更好的變異演算法將始終得以保留，而效能較差的演算法則被丟棄。整個過程不斷重複，直到找到一套效能極高的演算法為止。這項研究中最有趣的點在於，整個過程‘重新發現’了我們已知且正在使用的某些神經網路演算法。更重要的是，它還帶來了我們甚至從未想到過的全新演算法，並有可能在未來給我們的日常生活產生巨大影響”。

在此之前，Alphabet 公司 CEO Sundar Pichai 曾經盛讚 AutoML 的成就，表示這項技術已經被用於改進一種檢測乳腺癌向相鄰淋巴結擴散趨勢的演算法。他還在 2018 年的一篇博文中寫道，“AI 獲得的成果確實令人歡欣鼓舞。”

“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”，未參與該研究的美國得克薩斯大學奧斯汀分校電腦科學家 Risto Miikkulainen 說，“這是一篇可以啟動未來大量研究的論文。”

目前仍在概念驗證階段

參與論文撰寫的幾位谷歌 Brain 團隊成員表示，這項最新研究當中應用的基本概念確實非常可靠，但專案本身仍有很長的發展道路要走。

科學家們在預發表論文中寫道，“從空元件函式開始，這種新方法僅利用基礎數學運算就一步步發展出線性迴歸、神經網路、梯度下降……以及相乘互動作用。這些結果讓我們充滿希望，但目前仍有很多工作要做。”

Walsh 在採訪中表示，“AutoML-Zero 的開發者們相信，他們打造出的系統有能力帶來人類開發者從未想到過的演算法。”

Le 承認，與當今最先進的演算法相比，這些解決方案很簡單，但有可能將其擴充套件用於建立更復雜的人工智慧。

荷蘭埃因霍芬理工大學電腦科學家 Joaquin Vanschoren 認為，這種方法要與最先進的技術抗衡還需要一段時間，但機器學習概念或有助於推動其改變。

“但需要強調的是，至少從目前來看，這種 AI 技術仍停留在概念驗證階段——換言之，它還需要一段時間才能輸出目前人們普遍使用的複雜演算法。而好訊息是，這項研究展示了 AI 的另一種未來面貌——以完全由機器產生的演算法為導向快速發展”，Walsh 表示。

https://mp.weixin.qq.com/s/4tKdZX6F4k2VeTr7t2J2Zw