Umělá inteligence se vyvíjí – a to doslova. Vědci přišli s programem, který si vypůjčuje koncepty přímo z Darwinovy evoluční teorie, a to včetně zásady „přežití silnějšího“, informuje odborný časopis Science. Experti tak chtějí dosáhnout stavu, kdy každá další generace programů bude lepší a pokročilejší než ta minulá – a to bez zásahů lidských programátorů. Navíc v rekordním čase: program zvládne během několika dní, co programátoři vyvíjeli desítky let.
„Během toho, co ostatní dělali první dětské krůčky, autoři tohoto programu udělali obrovský skok do neznáma,“ uvedl pro Science expert na umělé inteligence Risto Miikkulainen z Texaské univerzity v Austinu, který se na tomto výzkumu nepodílel. „Je to jeden z těch výzkumů, které mohou otevřít vědu budoucnosti,“ dodal.
Jak se rodí umělá inteligence
Vytvořit algoritmus umělé inteligence zabere spoustu času. Dnes se využívají nejčastěji takzvané neuronové sítě – jde o tým umělých inteligencí používaných například k překládání cizích jazyků nebo autonomnímu řízení automobilů. Tyto sítě zhruba napodobují fungování lidského mozku; učí se z výukových dat a na základě nich mění sílu propojení mezi umělými neurony.
Složité programy, jako jsou například ty, které řídí automobily, mají více center – každé se specializuje na jinou činnost: některá navigují, jiná hledají překážky, další monitorují dodržování dopravních předpisů.
V nedávné minulosti se podařilo řadu úkolů v procesu učení strojů výrazně zautomatizovat, přesto jsou stroje stále omezené tím, co pro ně naplánují lidští programátoři.
Změna přichází z Google
O změnu se pokusil počítačový expert Quoc Le s kolegy ze společnosti Google. Vyvinuli program nazvaný AutoML-Zero, který je schopný vyvíjet umělé inteligence prakticky bez lidského zásahu – vychází přitom jen z matematických konceptů. „Naším cílem je vyvinout inovativní koncepty strojového učení, které by vědce nikdy nenapadly,“ uvedl vědec.
Tento program objevuje a vymýšlí nové algoritmy pomocí evolučních zákonů. Nejprve vytvoří „populaci“ 100 algoritmů – náhodně jen zkombinuje různé matematické operace. Pak je otestuje na jednoduchých úkolech, jako je třeba rozeznávání obrázků, kdy mají programy za úkol poznat, je-li na snímku například kočka nebo vlak.
V každém cyklu testování učební program srovnává výkonnost algoritmů mezi sebou i s těmi, které vznikly klasickou cestou. Do těch nejúspěšnějších pak vkládá „mutace“ – náhodné změny kódu, které vytvářejí drobné změny v těch nejlepších algoritmech. Tito „potomci“ úspěšných pak v populaci nahradí ty nejméně úspěšné – a cyklus se opakuje na novém úkolu.
Díky masivní výpočetní kapacitě umí program vytvářet tisíce takových populací současně; navíc mezi nimi občas některé algoritmy vyměňuje – podobně jako se šířily úspěšné geny mezi různými skupinami lidí během evoluce.
V odborném článku, který vyšel na webu arXiv, zatím ještě bez recenzního řízení, vědci popisují, jak úspěšný je tento program ve srovnání s těmi dnes používanými.
Podle Joaquiana Vanschorena, experta na umělé inteligence z univerzity v EIndohovenu, má tato cesta velký potenciál, ale bude ještě nějakou dobu trvat, než se stane srovnatelnou s těmi nejlepšími „klasickými“ přístupy. Doporučuje například, aby se tímto evolučním způsobem upravovaly již existující umělé inteligence – mohly by se tak vylepšovat velmi rychle a účinně.
Právě touto cestou se vývojáři již vydali – v nejnověji vydané studii popsali, jak takto upravili některé složky využívané v neurálních sítích.
