AutoML: Η Τεχνητή Νοημοσύνη της Google εξελίσσεται και εκπαιδεύεται

Το AutoML είναι ένας αλγόριθμος Μηχανικής Μάθησης της Google, ο οποίος έχει αναπτυχθεί με σκοπό να σχεδιάζει και να εκπαιδεύει άλλους αλγορίθμους “Τεχνητής Νοημοσύνης” ταχύτερα και πιο αποτελεσματικά σε σύγκριση με τον ανθρώπινο παράγοντα.

Πριν από μερικά χρόνια, η Google είχε ανακοινώσει ότι το AutoML βρίσκεται στο σωστό δρόμο για να γίνει καλύτερο από τον άνθρωπο στη συγκεκριμένη δουλειά και τώρα ισχυρίζεται πως κατάφεραν να φτάσουν σε ένα πολύ σημαντικό ορόσημο: το AutoML έχει πλέον τη δυνατότητα να λειτουργεί χωρίς καμία ανθρώπινη παρέμβαση ακολουθώντας μια διαδικασία παρόμοια με αυτήν της θεωρίας εξέλιξης του Δαρβίνου.

Όπως εξηγούν στη νέα επιστημονική δημοσίευση του τμήματος Google Brain, το AutoML έχει τη δυνατότητα να ανακαλύπτει αυτόματα νέους αλγορίθμους που είναι παντελώς άγνωστοι στους ανθρώπους διότι οι τελευταίοι δεν παρεμβαίνουν καθόλου στην εξελικτική διαδικασία. Σε μια πιο απλή ερμηνεία, το AutoML έχει αρχίσει να δημιουργεί και να επιλέγει αυτόματα τους καλύτερους αλγορίθμους που βοηθούν στην εξέλιξη του χωρίς καμία ανθρώπινη παρέμβαση.

Θεωρητικά, εάν απουσιάζει ο ανθρώπινος έλεγχος από την εξελικτική πορεία ενός αλγορίθμου μηχανικής μάθησης (ή καλύτερα ασθενούς Τεχνητής Νοημοσύνης), τότε ο τελευταίος μπορεί να αναδείξει πλήρως τις δυνατότητες του και να επιλέξει τις καλύτερες λύσεις για την αυτοεκπαίδευση του χωρίς να του δοθεί κατευθυντήρια γραμμή (ή προκατάληψη αν θέλετε) από τον άνθρωπο.

Στην περίπτωση του AutoML είναι ιδιαίτερα σημαντικό το γεγονός πως έφτασε στο σημείο να μην έχει ανάγκη τον ανθρώπινο παράγοντα για να αυτοεκπαιδευτεί και παράλληλα να εκπαιδεύσει άλλους αλγορίθμους. Η διαδικασία με την οποία επιλέγει το κορυφαίο “εκπαιδευτικό υλικό” είναι η εξής:

Αρχικά γίνεται (από το AutoML-Zero) μια τυχαία επιλογή 100 υποψήφιων αλγορίθμων, οι οποίοι δοκιμάζονται επάνω σε σχετικά εύκολα προβλήματα. Αυτοί που αποδίδουν καλύτερα περνούν στην επόμενη φάση, ο κώδικας τους τροποποιείται ελαφρώς με τυχαίο τρόπο και δοκιμάζονται ξανά. Παράλληλα, οι παράμετροι που είναι αποτελεσματικοί στην επίλυση του προβλήματος προστίθενται και στους άλλους αλγορίθμους.

Όλο αυτό συνεχίζεται από φάση σε φάση με αποτέλεσμα να προκύπτουν διαρκώς ολοένα και πιο βελτιωμένοι αλγόριθμοι. Με παρόμοιο τρόπο λειτουργεί η εξέλιξη στους ζωντανούς οργανισμούς, καθώς μόνο οι καλύτεροι προσαρμόζονται και επιβιώνουν, και αυτές οι προσαρμογές-μεταλλάξεις που τους βοήθησαν περνούν στις επόμενες γενιές. Η σημαντικότερη διαφορά, βέβαια, είναι ότι οι μεταλλάξεις αυτές δεν μπορούν να “περαστούν” στους υπάρχοντες οργανισμούς, σε αντίθεση με ό,τι ισχύει για τους αλγορίθμους που μπορούν να εκπαιδεύουν ταυτόχρονα τις προηγούμενες εκδόσεις τους.

Όσοι θέλετε να εμβαθύνετε περισσότερο τις γνώσεις σας, μπορείτε να διαβάσετε ολόκληρο το paper εδώ.