بقلم إيد جنت13 أبريل 2020

يتطور الذكاء الاصطناعي (حرفيا) حرفيا. ابتكر الباحثون برمجيات تستعير المفاهيم من التطور الدارويني ، بما في ذلك "البقاء للأصلح" ، لبناء برامج الذكاء الاصطناعي التي تحسن جيلًا بعد جيل دون مدخلات بشرية. كرر البرنامج عقودًا من أبحاث الذكاء الاصطناعي في غضون أيام ، ويعتقد مصمموه أنه في يوم ما ، يمكنه اكتشاف طرق جديدة للذكاء الاصطناعي.

يقول ريستو مييكولاينن ، عالم الكمبيوتر في جامعة تكساس ، أوستن ، الذي لم يكن مشاركًا في العمل: "بينما كان معظم الناس يخطون خطوات صغيرة ، فقد اتخذوا قفزة عملاقة في المجهول". "هذه إحدى الأوراق التي يمكن أن تطلق الكثير من الأبحاث المستقبلية."

يستغرق بناء خوارزمية الذكاء الاصطناعي وقتًا. خذ الشبكات العصبية ، وهو نوع شائع من التعلم الآلي يستخدم لترجمة اللغات وقيادة السيارات. تحاكي هذه الشبكات هيكل الدماغ بشكل فضفاض وتتعلم من بيانات التدريب عن طريق تغيير قوة الروابط بين الخلايا العصبية الاصطناعية. تقوم الدوائر الفرعية الأصغر للخلايا العصبية بمهام محددة - على سبيل المثال اكتشاف علامات الطرق - ويمكن للباحثين قضاء أشهر في العمل على كيفية ربطها حتى تعمل معًا بسلاسة.

في السنوات الأخيرة ، قام العلماء بتسريع العملية من خلال أتمتة بعض الخطوات . لكن هذه البرامج لا تزال تعتمد على خياطة الدوائر الجاهزة المصممة من قبل البشر. وهذا يعني أن المخرجات لا تزال محدودة بخيال المهندسين وتحيزاتهم الحالية.

لذا طور Quoc Le ، عالم الكمبيوتر في Google ، وزملاؤه برنامجًا باسم AutoML-Zero يمكنه تطوير برامج الذكاء الاصطناعي بدون إدخال بشري فعال ، باستخدام المفاهيم الرياضية الأساسية فقط التي يمكن لطالب في المدرسة الثانوية أن يعرفها. يقول: "إن هدفنا النهائي هو تطوير مفاهيم جديدة للتعلم الآلي لا يمكن للباحثين العثور عليها".

يكتشف البرنامج الخوارزميات باستخدام تقريب فضفاض للتطور. يبدأ بإنشاء مجموعة من 100 خوارزمية مرشحة عن طريق الجمع بين العمليات الرياضية بشكل عشوائي. ثم تختبرها في مهمة بسيطة ، مثل مشكلة التعرف على الصورة حيث يتعين عليها أن تقرر ما إذا كانت الصورة تظهر قطة أو شاحنة.

يقارن البرنامج في كل دورة أداء الخوارزميات مقابل الخوارزميات المصممة يدويًا. يتم "تغيير" نُسخ أفضل المؤدين من خلال استبدال بعض شفراتها أو تعديلها أو حذفها عشوائيًا لإنشاء اختلافات طفيفة لأفضل الخوارزميات. تتم إضافة هؤلاء "الأطفال" إلى السكان ، بينما يتم إعدام البرامج القديمة. تتكرر الدورة.

يخلق النظام الآلاف من هؤلاء السكان في وقت واحد ، مما يتيح له اختراق عشرات الآلاف من الخوارزميات في الثانية حتى يجد حلاً جيدًا. يستخدم البرنامج أيضًا الحيل لتسريع البحث ، مثل تبادل الخوارزميات أحيانًا بين السكان لمنع أي طرق مسدودة تطورية ، وإزالة الخوارزميات المكررة تلقائيًا.

في ورقة مطبوعة نُشرت الشهر الماضي على arXiv ، أظهر الباحثون أن النهج يمكن أن يتعثر في عدد من تقنيات التعلم الآلي الكلاسيكية ، بما في ذلك الشبكات العصبية. يعترف لو بأن الحلول بسيطة مقارنة بخوارزميات اليوم الأكثر تقدمًا ، لكنه يقول إن العمل هو دليل على المبدأ وهو متفائل بأنه يمكن تطويره لإنشاء ذكاء اصطناعي أكثر تعقيدًا.

ومع ذلك ، يعتقد خواكين فانشورين ، عالم الكمبيوتر في جامعة آيندهوفن للتكنولوجيا ، أن الأمر سيستغرق بعض الوقت قبل أن يتمكن هذا النهج من التنافس مع أحدث ما توصلت إليه التكنولوجيا. أحد الأشياء التي يمكن أن تحسن البرنامج ، كما يقول ، هو عدم مطالبته بالبدء من الصفر ، ولكن بدلاً من ذلك زرعها ببعض الحيل والتقنيات التي اكتشفها البشر. "يمكننا تحفيز المضخة بمفاهيم التعلم الآلي المكتسبة".

هذا شيء تخطط لي للعمل عليه. ويضيف أن التركيز على المشكلات الصغيرة بدلاً من الخوارزميات بأكملها يبشر بالخير أيضًا. نشرت مجموعته ورقة أخرى على arXiv في 6 أبريل استخدمت نهجًا مشابهًا لإعادة تصميم مكون جاهز شائع يستخدم في العديد من الشبكات العصبية.

لكن Le يعتقد أيضًا أن تعزيز عدد العمليات الحسابية في المكتبة وتخصيص المزيد من موارد الحوسبة للبرنامج يمكن أن يتيح له اكتشاف قدرات الذكاء الاصطناعي الجديدة تمامًا. يقول: "هذا اتجاه نحن متحمسون حقًا له". "لاكتشاف شيء أساسي حقًا سيستغرق الأمر وقتًا طويلاً ليكتشفه الإنسان".