机器学习从根本上改变了我们与技术的互动方式。如今，它能够策划社交媒体供稿，识别复杂的图像，驾驶汽车沿着州际公路驾驶，甚至诊断为MED
机器学习从根本上改变了我们与技术的互动方式。如今，它能够策划社交媒体供稿，识别复杂的图像，沿着州际公路驾驶汽车，甚至诊断为医疗状况，以说明一些任务。
但是，尽管机器学习技术可以自动完成一些事情，但仍需要人类工程师的大量投入来设置它，并将其指向正确的方向。不可避免地，这意味着人类的偏见和局限性被融入了技术中。
因此，如果科学家可以通过创建生成自己的机器学习算法的系统来最大程度地减少对过程的影响，该怎么办？它可以发现人类从未考虑过的新解决方案吗？
为了回答这些问题，Google的一组计算机科学家团队开发了一个名为Automl-Zero的项目，该项目在ARXIV上发表的预印纸中进行了描述。
该论文指出：“人为设计的组件偏向搜索结果，支持人类设计的算法，可能会降低汽车的创新潜力。” “创新也受到更少的选择的限制：您无法发现无法搜索的内容。”
自动机器学习（AUTOML）是深度学习的快速增长领域。简而言之，Automl试图自动化将机器学习应用于现实世界问题的端到端过程。与其他机器学习技术不同，AUTOML需要相对较少的人类努力，这意味着公司可能很快就可以使用它而无需雇用数据科学家团队。
如纸张所述，Automl-Zero是唯一的，因为它使用简单的数学概念来生成“从头开始”的算法。然后，它选择了最好的方法，并通过类似于达尔文进化的过程进行突变。Automl-Zero首先随机生成100个候选算法，然后每个候选算法执行任务，例如识别图像。将这些算法的性能与手工设计的算法进行比较。然后，Automl-Zero选择最佳表现算法为“父”。
该论文指出：“然后将该父母复制和突变，以产生一种添加到人群中的儿童算法，而人口中最古老的算法被删除。”
该系统可以一次创建数千个人群，这些人群通过随机过程进行突变。除了足够的周期，这些自我生成的算法在执行任务方面变得更好。
“这种AI的好处是，它可以将其留给自己的设备，而无需任何预定义的参数，并且能够插入24/7的24/7，从事开发新算法的工作，”计算机专家和数字专家Ray Walsh Privacy的研究人员告诉《新闻周刊》。
有趣的汽车零实验：进化搜索发现从头开始发现基本的ML算法，例如带有反向的小神经网。进化可以成为“主算法”吗？ 😉纸：https：//arxiv.org/abs/2003.03384代码：https：//git.io/jvkrz pic.twitter.com/wzqjimrlid
Twitter.com
如果计算机科学家可以扩展这种自动化的机器学习以完成更复杂的任务，它可以引入机器学习的新时代，其中系统是由机器而不是人类设计的。这可能会使从深度学习的好处获得便宜得多，同时也导致了对现实世界中问题的新颖解决方案。此外，最近的论文是一个小规模的概念证明，研究人员指出，更多的研究是需要。
“从空的组件功能开始，仅使用基本的数学操作，我们进化了线性回归器，神经网络，梯度下降…乘法相互作用。这些结果是有希望的，但是仍然有很多工作要做。”科学家的预印论文指出。
原创文章，作者：乐观兔，如若转载，请注明出处：http://www.dsonekey.com/5127.html
