인공지능(AI)은 스스로 진화하고 있다

인공지능(AI)은 스스로 진화하고 있습니다.

Advance는 수십 년에 걸친 인공지능(AI) 연구를 며칠 만에 복제합니다. 연구원들은 인간의 입력 없이 세대를 거듭하여 개선하는 인공지능(AI) 프로그램을 구축하기 위해 적자생존을 포함하여 다윈의 진화론에서 개념을 차용하는 소프트웨어를 만들었습니다. 이 프로그램은 수십 년에 걸친 인공지능(AI) 연구를 며칠 만에 복제했으며 설계자는 언젠가 인공지능(AI)에 대한 새로운 접근 방식을 발견할 수 있을 것으로 생각합니다.

 

이 작업에 참여하지 않은 오스틴 텍사스 대학의 컴퓨터 과학자는 "대부분의 사람들이 걸음마를 떼는 동안 미지의 세계로 거대한 도약을 했습니다. 이 논문은 많은 미래 연구를 시작할 수 있는 논문 중 하나입니다"라고 말했습니다. 인공지능(AI) 알고리즘을 구축하는 데는 시간이 걸립니다. 언어를 번역하고 자동차를 운전하는 데 사용되는 일반적인 유형의 기계 학습인 신경망을 살펴보겠습니다.

 

이러한 네트워크는 뇌의 구조를 느슨하게 모방하고 인공 뉴런 간의 연결 강도를 변경하여 훈련 데이터에서 학습합니다. 뉴런의 더 작은 하위 회로는 특정 작업(예: 도로 표지판 발견)을 수행하고 연구원들은 원활하게 함께 작동하도록 연결하는 방법을 연구하는 데 몇 달을 보낼 수 있습니다. 최근 몇 년 동안 과학자들은 일부 단계를 자동화하여 프로세스 속도를 높였습니다.

 

그러나 이러한 프로그램은 여전히 인간이 설계한 기성품 회로를 함께 연결하는 데 의존합니다. 이는 출력이 여전히 엔지니어의 상상력과 기존 편견에 의해 제한된다는 것을 의미합니다. 그래서 구글의 컴퓨터 과학자인 쿠오크 르와 동료들은 고등학생이 알 수 있는 기본적인 수학적 개념만 사용하여 사람의 입력이 거의 없는 인공지능(AI) 프로그램을 개발할 수 있는 'AutoML-Zero'라는 프로그램을 개발했습니다.

 

그는 "우리의 궁극적인 목표는 연구원들도 찾을 수 없는 새로운 기계 학습 개념을 실제로 개발하는 것입니다"라고 말했습니다. 프로그램은 진화의 느슨한 근사치를 사용하여 알고리즘을 발견합니다. 수학 연산을 무작위로 결합하여 100개의 후보 알고리즘 모집단을 생성하는 것으로 시작합니다. 그런 다음 사진에 고양이가 있는지 트럭이 나오는지를 결정해야 하는 이미지 인식 문제와 같은 간단한 작업에서 테스트합니다.

 

각 주기에서 프로그램은 알고리즘의 성능을 손으로 디자인한 알고리즘과 비교합니다. 최고 성능의 사본은 일부 코드를 무작위로 교체, 편집 또는 삭제하여 최고의 알고리즘을 약간 변형함으로써 대체가 됩니다. 이러한 아이들은 인구에 추가되고 더 오래된 프로그램은 제외되며 이 주기가 반복됩니다. 시스템은 한 번에 수천 개의 인구를 생성하여 좋은 해결책을 찾을 때까지 초당 수만 개의 알고리즘을 휘젓게 합니다.

 

이 프로그램은 또한 진화적 막다른 골목을 방지하기 위해 집단 간에 알고리즘을 때때로 교환하고 중복 알고리즘을 자동으로 제거하는 것과 같은 책략을 사용하여 검색 속도를 높입니다. arXiv에 발표된 프리 프레스 논문에서 연구원들은 이 접근 방식은 고전적인 기계 학습 기술과 신경 네트워크를 포함한 장애물에 걸려 넘어질 수 있다는 것을 보여줍니다.

 

르는 오늘날의 가장 진보된 알고리즘에 비해 해결책은 간단하지만, 이 작업이 원리의 증거이며 훨씬 더 복잡한 인공지능(AI)을 만들기 위해 확장될 수 있다고 낙관합니다. 그러나 에인트호번 공과대학의 컴퓨터 과학자인 호아킨 반 쇼렌은 이러한 접근 방식이 최신 기술과 경쟁할 수 있으려면 시간이 걸릴 것으로 생각합니다. 그는 "프로그램을 개선할 수 있는 한 가지는 처음부터 시작하도록 요청하는 것이 아니라 인간이 발견한 몇 가지 책략과 기술로 프로그램을 시작하는 것"이라고 말했습니다.

 

또한 "학습된 기계 학습 개념으로 펌프를 준비할 수 있습니다"라고 덧붙였습니다. 그것이 르가 작업할 계획입니다. 전체 알고리즘보다 작은 문제에 집중하는 것도 가능성이 있습니다. 그의 연구팀은 arXiv에 유사한 접근 방식을 사용하여 많은 신경망에서 사용되는 인기 있는 기성 구성 요소를 재설계하는 다른 논문을 발표했습니다.

 

그러나 르는 또한 라이브러리의 수학적 연산 수를 늘리고 프로그램에 더 많은 컴퓨팅 리소스를 할당하면 완전히 새로운 인공지능(AI)의 기능을 발견할 수 있다고 믿습니다. 그는 "인간이 알아내는데 오랜 시간이 걸릴 정말 근본적인 것을 발견하는 것이 우리가 정말 열정적으로 추구하는 방향입니다"라고 말했습니다.