最新进展！谷歌AutoML-Zero验证自我演化：成功复现数十年AI演进历程 编辑 | 刘燕 人工智能即将实现独立进化 AI 也能独立自我进化？ 机器人会不会像生物一样自动进化？一直以来，这个问题常引发争议与谈论。 近日，据外媒报道称，谷歌高科技部门的计算机科学家们创造了一种新的人工智能程序— AutoML-Zero，这款软件具有类似于生物进化的过程，它可以只使用高中生都知道的基本数学概念，在没有人为干预的情况下，软件自身就能一代代改进代码，进行自我进化。 AutoML-Zero 的构建借鉴了达尔文进化论中“适者生存”的概念，谷歌团队实际上是在将“变异”机制引入算法集。 该程序在短短几天内就复制了数十年的 AI 研究成果，主导该项目的谷歌计算机科学家 Quoc Le 表示，“我们的最终目标是开发出连研究人员都不知道的新型机器学习概念”。他表示，增加数学运算数量，并为该程序投入更多的计算资源，可能会让它发现全新的人工智能。“这是我们真正热衷的方向，去发现一些人类需要很长时间才能发现的真正重要的东西。 据了解，目前这款 AI 程序正在测试中。 科学家们希望弄清如何基于简单的数学方法从零开始构建机器学习算法，并使其具备自然进化能力。 机器学习工具通过“训练”从大量数据当中寻找模式，同时也掌握了自动完成模式识别的诀窍，能够根据过往经验不断实现自我完善。 ProPrivacy 公司计算机专家兼数字化研究员 Ray Walsh 在接受采访时表示，“这种 AI 方案的优势在于无需任何预定义参数即可运行在设备之上，并能够以 24/7 全天候方式推动新算法的开发流程。” AutoML-Zero 计划利用基础随机数学方法创建 100 种“候选算法”，并在图像分类等简单任务之上进行进行结果测试。最终，性能最佳的算法将进一步通过随机代码变更实现“进化”。 最为成功的算法变体随后会被添加到其他常规算法内，且整个过程不断重复。如此一来，网络即可显著增长，最终为系统提供愈发自然且行之有效的算法结果。 AutoML-Zero 希望解决偏见问题 研究人员们表示，AutoML-Zero 真正希望解决的难题，在于如何避免引入偏见。 根据开发者们的说法，由于无需人为干预，AutoML-Zero 有望生产出不受人类偏见影响的算法。人类可以对现有软件进行更新，从而“自动发现”完全未知的算法，同时减少数据输入过程所引发的人为偏见。从理论层面出发，未来的企业也许将依靠这些前沿算法提升运营效率。 AutoML-Zero 的研究论文《从零开始不断演进的机器学习算法（Evolving Machine Learning Algorithms From Scratch）》，由谷歌 Brain 部门工作团队撰写，并于今年3月份发表在了 arXiv 上。 论文: https://t.co/lhW3qtxCTM 代码:https://t.co/v1eouPxPHv pic.twitter.com/wZQJimrLid 在论文中，研究专家指出，“人为设计的组件总会偏向某些搜索结果，这种存在偏见的人为算法可能会降低 AutoML 的创新潜力。创新也是有极限的，我们不可能发现那些无法搜索的内容。” Techspert 公司首席技术官 Haran Jackson 在接受媒体采访时表示，以往的 AutoML 工具通常用于“识别并提取”数据集中的实用特征。而此次突破无疑代表着一种可喜的发展进程。 “虽然 AutoML 确实令人兴奋，但以往的它只能从我们已经了解的各类公认大型算法中找到性能最高的选项”，他解释道，人工智能社区中的很多参与者一直有种感觉，只有发明新的算法才能真正让人工智能获得令人印象深刻的革命性飞跃。而这些新算法可能与人类物种迄今设计出的所有算法都存在着根本性不同。 “正因为如此，这篇论文才这么值得关注。它提供了一种方法，能够帮助我们自动构建并测试前所未有的新型机器学习算法。” Jackson 强调，“在解决现实问题的过程中，性能更好的变异算法将始终得以保留，而性能较差的算法则被丢弃。整个过程不断重复，直到找到一套性能极高的算法为止。这项研究中最有趣的点在于，整个过程‘重新发现’了我们已知且正在使用的某些神经网络算法。更重要的是，它还带来了我们甚至从未想到过的全新算法，并有可能在未来给我们的日常生活产生巨大影响”。 在此之前，Alphabet 公司 CEO Sundar Pichai 曾经盛赞 AutoML 的成就，表示这项技术已经被用于改进一种检测乳腺癌向相邻淋巴结扩散趋势的算法。他还在 2018 年的一篇博文中写道，“AI 获得的成果确实令人欢欣鼓舞。” “当大多数人还在蹒跚学步时，他们已经向未知领域迈出了一大步”，未参与该研究的美国得克萨斯大学奥斯汀分校计算机科学家 Risto Miikkulainen 说，“这是一篇可以启动未来大量研究的论文。” 目前仍在概念验证阶段 参与论文撰写的几位谷歌 Brain 团队成员表示，这项最新研究当中应用的基本概念确实非常可靠，但项目本身仍有很长的发展道路要走。 科学家们在预发表论文中写道，“从空组件函数开始，这种新方法仅利用基础数学运算就一步步发展出线性回归、神经网络、梯度下降……以及相乘交互作用。这些结果让我们充满希望，但目前仍有很多工作要做。” Walsh 在采访中表示，“AutoML-Zero 的开发者们相信，他们打造出的系统有能力带来人类开发者从未想到过的算法。” Le 承认，与当今最先进的算法相比，这些解决方案很简单，但有可能将其扩展用于创建更复杂的人工智能。 荷兰埃因霍芬理工大学计算机科学家 Joaquin Vanschoren 认为，这种方法要与最先进的技术抗衡还需要一段时间，但机器学习概念或有助于推动其改变。 “但需要强调的是，至少从目前来看，这种 AI 技术仍停留在概念验证阶段——换言之，它还需要一段时间才能输出目前人们普遍使用的复杂算法。而好消息是，这项研究展示了 AI 的另一种未来面貌——以完全由机器产生的算法为导向快速发展”，Walsh 表示。 活动推荐 近几年，NLP 相关研究和应用得到了飞速发展，一线大厂都在不断的进行自我突破和技术革新。在阿里，数百个场景中调用相关接口达千亿次；在百度，AI 同传的效果可以媲美人类；在京东，AI智能写手可以精准抓取信息并撰写高质量营销文案；在华为，能够将预训练模型压缩7.5倍，推理速度提升9.4倍…… 这些优秀案例都是怎么实现的？背后又有哪些技术创新值得我们借鉴呢？在本次的AICon上海2020，我们设立了 NLP 专场，邀请了阿里达摩院、京东、微软、科大讯飞、百度、华为等头部公司的技术专家，分享各企业核心部门在 NLP 技术上的进展，详解NLP 技术的应用和商业化落地方案。限时7折购票，欢迎咨询票务小姐姐：18514549229（同微信）。点击阅读原文了解更多。 今日荐文点击下方图片即可阅读 阿里巴巴资深算法专家张伟：百科类知识图谱构建和应用已到深水区，行业和多模态知识图谱引关注 你也「在看」吗？?? 阅读原文