图片来源：JAKARIN2521/ISTOCK.COM

绝不夸年夜地说，人工智能也能独立进化。

研究职员创造了一种新软件，他们借用达尔文进化论“适者生存”等观点构建了人工智能程序，在没有人类输入的情形下，后者也能一代又一代地改进。

这个程序在几天内重复了数十年来的人工智能研究，设计者认为，有一天它可能会带来人工智能的新方法。

“昔时夜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打算机科学家Risto Miikkulainen说，“这是一篇可以启动未来大量研究的论文。
”

研究职员构建人工智能算法常日须要韶光。
以神经网络为例，这是一种常见的机器学习方法，用于翻译措辞和驾驶汽车。
这些网络能模拟大脑构造，并通过改变人工神经元之间的连接强度，进而从演习数据中学习。

而更小的神经元亚回路能实行特界说务，例如识别路标，研究职员须要花几个月韶光研究如何将它们连接起来，使其不间断事情。

近年来，科学家通过使部分步骤自动化加快了这一过程。
但这些程序仍旧依赖于将人类设计的现成线路拼接在一起。
这意味着产出仍旧受到工程师的想象力和偏见的限定。

因此，谷歌打算机科学家Quoc Le和同事开拓了一个名为AutoML-Zero的程序，这个程序可以只利用高中生都知道的基本数学观点，在零人为输入的情形下开拓人工智能程序。
他说：“我们的终极目标是开拓出连研究职员都不知道的新型机器学习观点。
”

该程序创造算法利用了一个禁绝确的进化估算法。
它首先通过随机组合数学运算创建100个候选算法。
然后通过一个大略的任务测试它们，比如图像识别，它必须决定一幅画上是猫还是卡车。

在每个循环中，新程序将算法的性能与人工设计的算法进行比较，通过随机更换、编辑或删除一些代码来“突变”顶级算法的副本，从而创建最佳算法。
随着“新鲜血液”不断注入，较老的项目被淘汰，如此循环往来来往。

该系统一次创建了数千个这样的循环，这使得它可以在1秒内处理数万个算法，直到找到一个好的办理方案。
该程序还能利用一些技巧加快搜索速率，比如偶尔在不同循环之间交流算法以防止进入去世胡同，以及自动打消重复的算法。

日前，arXiv上揭橥的预印本论文指出，这种方法可能会无意中找到一些经典的机器学习技能，包括神经网络。
Le承认，与当今最前辈的算法比较，这些办理方案很大略，但有可能将其扩展用于创建更繁芜的人工智能。

只管如此，荷兰埃因霍芬理工大学打算机科学家Joaquin Vanschoren认为，这种方法要与最前辈的技能反抗还须要一段韶光，但机器学习观点或有助于推动其改变。

此外，Le认为，增加数学运算数量，并为该程序投入更多的打算资源，可能会让它创造全新的人工智能。
“这是我们真正热衷的方向，去创造一些人类须要很永劫光才能创造的真正主要的东西。
”他说。

干系论文信息：

https://arxiv.org/abs/2003.03384