Umelá inteligencia dostala možnosť vylepšiť vlastnú neurónovú sieť a stala sa prekvapivá vec

Vieme, že čím väčšia je rozmanitosť prostredí, tým väčšia je rozmanitosť organizmov, ktoré vznikajú po adaptácii na ne – a v konečnom dôsledku tým väčšia je stabilita sveta, v ktorom žijeme. V modernom svete sa viac ako kedykoľvek predtým vyhľadávajú rozmanité genofondy, najmä preto, že nestabilné prostredie a problémy so zmenou klímy si budú vyžadovať odolnejšie druhy. Čo však v prípade, ak stroj vykazuje rovnakú schopnosť lepšieho výkonu pri rozmanitejšom konštrukčnom nastavení?

A čo ak si stroj skutočne vyberie diverzitu po tom, čo mu bolo umožnené vytvoriť si vlastnú zostavu, a jeho výber bude mať za následok bezkonkurenčné zvýšenie rýchlosti procesora? Túto otázku otestoval priekopnícky experiment, ktorý uskutočnil tím výskumníkov z rôznych inštitúcií. Ich cieľom bolo otestovať, aké operačné rozhodnutia by pokročilé umelé inteligencie, napríklad neurónové siete, urobili, keby boli ponechané samy na seba.

„Vytvorili sme testovací systém s umelou inteligenciou (AI), aby sme zistili, či by AI uprednostnila diverzitu pred nedostatkom diverzity a či by jej výber zlepšil výkon AI,“ hovorí spoluautor William Ditto, profesor fyziky na Štátnej univerzite v Severnej Karolíne. Umožnili teda umelej inteligencii pozrieť sa dovnútra a rozhodnúť, či potrebuje upraviť zloženie svojej neurónovej siete. V podstate dostala ovládací gombík pre vlastný mozog. Mohla meniť typ a zmes umelých neurónov, kým nenájde tie najvýhodnejšie. Toto sa nazýva metaučenie AI.

Neurónová sieť, na ktorej je založená väčšina pokročilých AI, napodobňuje spôsob, ako funguje náš mozog. Rovnako ako náš mozog vysiela a prijíma elektrické impulzy, ktoré závisia od sily ich spojení, aj neurónové siete upravujú číselné váhy a odchýlky, keď sa trénujú. Keď neurónová sieť prechádza tréningom a snaží sa napríklad identifikovať, ako vyzerajú autobusy, tým, že prechádza veľkú zbierku fotografií autobusov, sieť upravuje svoje číselné váhy a vyvažuje sa, keď určuje správne a nesprávne obrázky autobusov.

Sila prepojení medzi neurónmi sa počas tréningového procesu mení, ale v podstate zostanú konštantné, pokiaľ ide o ich zloženie. Keď však vedci dali neurónovej sieti slobodu, aby sa sama aktivovala, stalo sa niečo pozoruhodné. Po prvé, sieť vybrala úplne odlišné, nelineárne usporiadania neurónov. Inými slovami, systém uprednostnil diverzitu pred rovnakosťou.

Potom sa ukázalo, že táto „samozostavená“ heterogénna neurónová sieť prekonala homogénnu sieť s rovnakým výcvikom pomerom 70 % k 57 % z hľadiska presnosti. Pritom Ditto tvrdí, že rôznorodá umelá inteligencia môže byť až 10-krát presnejšia ako bežná neurónová sieť. Dodal, že keď sa problémy stávajú zložitejšími a chaotickejšími, výkonnosť diverzifikovanej neurónovej siete umelej inteligencie sa v porovnaní s nediverzifikovanou časom ešte zlepšuje.

Zdroj: zdnet.com.