图片来源：JAKARIN2521

毫不夸张地说，人工智能也能独立进化。研究人员创造了一种新软件，他们借用达尔文进化论“适者生存”等概念构建了人工智能程序，在没有人类输入的情况下，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。

“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。”

研究人员构建人工智能算法通常需要时间。以神经网络为例，这是一种常见的机器学习方法，用于翻译语言和驾驶汽车。这些网络能模仿大脑结构，并通过改变人工神经元之间的连接强度，进而从训练数据中学习。而更小的神经元亚回路能执行特定任务，例如识别路标，研究人员需要花几个月时间研究如何将它们连接起来，使其不间断工作。

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

因此，谷歌计算机科学家Quoc Le和同事开发了一个名为AutoML-Zero的程序，这个程序可以只使用高中生都知道的基本数学概念，在零人为输入的情况下开发人工智能程序。他说：“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。”

该程序发现算法使用了一个不精确的进化估算法。它首先通过随机组合数学运算创建100个候选算法。然后通过一个简单的任务测试它们，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，通过随机替换、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，如此循环往复。

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，直到找到一个好的解决方案。该程序还能使用一些技巧加快搜索速度，比如偶尔在不同循环之间交换算法以防止进入死胡同，以及自动清除重复的算法。

日前，arXiv上发表的预印本论文指出，这种方法可能会无意中找到一些经典的机器学习技术，包括神经网络。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。

尽管如此，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。

此外，Le认为，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。”他说。

相关论文信息：https://arxiv.org/abs/2003.03384