علوم وتكنولوجيا

جوجل تختبر "ذكاء اصطناعيا" يتطور من تلقاء نفسه

يشبه البرنامج الذي يعرف باسم AutoML-Zero عملية التطور، مع تحسين الشيفرة لكل جيل والقليل من التفاعل البشري
يشبه البرنامج الذي يعرف باسم AutoML-Zero عملية التطور، مع تحسين الشيفرة لكل جيل والقليل من التفاعل البشري
يختبر علماء الحاسوب الذين يعملون في قسم التكنولوجيا الفائقة في شركة "جوجل" كيفية إنشاء خوارزميات التعلم الآلي من الصفر، ثم التطور بشكل طبيعي بناء على معادلات رياضية بسيطة.

الخبراء الذين طوروا مجموعة "AutoML" (التعليم الآلي) من أدوات الذكاء الاصطناعي في "جوجل"، عرضوا بحثا جديدا، يشير إلى إمكانية تحديث البرنامج الحالي "الاكتشاف التلقائي" لخوارزميات غير معروفة تماما، مع تقليل التحيز البشري أثناء عملية إدخال البيانات.

ووفقا لمجلة العلوم، يشبه البرنامج الذي يعرف باسم AutoML-Zero عملية التطور، مع تحسين الشيفرة لكل جيل، والقليل من التفاعل البشري.

ويتم "تدريب" أدوات التعلم الآلي للعثور على أنماط بكميات هائلة من البيانات أثناء أتمتة هذه العمليات، ويتم تحسينها باستمرار استنادا إلى الخبرات السابقة.

لكن الباحثين يقولون إن "AutoML-Zero" يهدف إلى إصلاح عدة عيوب، أهمها التحيز. وتقول ورقة الفريق: "ينشأ عن المكونات التي يتم تصميمها تحيز لنتائج البحث لصالح الخوارزميات المصممة من قبل الإنسان، ما يقلل من إمكانيات الابتكار في AutoML، كما أن الابتكار محدود أيضا؛ بسبب وجود خيارات أقل، بحيث لا يمكنك اكتشاف ما لا يمكنك البحث عنه".

التحليل الذي نشر الشهر الماضي على arXiv ينسب إلى فريق يعمل في قسم Google Brain.

وقال راي والش، خبير الكمبيوتر وباحث رقمي في شركة "برو برايفسي" لمجلة "نيوزويك": "الشيء اللطيف في هذا النوع من الذكاء الاصطناعي هو أنه يمكن ترك الأجهزة تعمل دون أي معاملات، وقادر على العمل 24 ساعة يوميا وسبعة أيام في الأسبوع لتطوير خوارزميات جديدة".

وكما ذكر في مجلة العلوم، تم تصميم AutoML-Zero لإنشاء مجموعة من 100 " خوارزمية مرشحة"، من خلال الجمع بين الرياضيات العشوائية الأساسية، ثم اختبار النتائج عن طريق مهام بسيطة، مثل تمايز الصورة، ثم تطوير الخوارزميات الأفضل أداء من خلال تغيير شفراتها بشكل عشوائي.

النتائج ستكون عبارة عن متغيرات من الخوارزميات الأكثر نجاحا، يتم إضافتها إلى باقي المجموعة، وتترك الخوارزميات القديمة والأقل نجاحا، وتستمر هذه العملية في التكرار.

هذه العملية تساعد على نمو الشبكة بشكل ملحوظ، ما يعطي النظام خوارزميات طبيعية للعمل بها.

وقال هاران جاكسون، كبير مسؤولي التكنولوجيا في "Techspert"، لمجلة نيوزويك: "على الرغم من إثارةAutoML، إلا أنه يقتصر على إيجاد خوارزميات عالية الأداء من مجموعة متنوعة من الخوارزميات الكبيرة التي نعلم بها مسبقا، هناك شعور بين العديد من أعضاء المجتمع، مفاده أن أكثر الأعمال المذهلة للذكاء الاصطناعي لن تتحقق إلا باختراع خوارزميات جديدة تختلف اختلافا جوهريا عن تلك التي ابتكرناها نحن، وهذا ما يجعل الورقة المذكورة مثيرة للاهتمام للغاية. إنها تقدم طريقة تمكننا من خلالها إنشاء واختبار خوارزميات تعلم آلي جديدة كليا".

وتابع جاكسون: "تم إجراء هذه العملية بشكل متكرر، حتى تم العثور على مجموعة من الخوارزميات عالية الأداء. أحد الجوانب المثيرة للدهشة هو أن هذه العملية أعادت اكتشاف بعض خوارزميات الشبكة العصبية التي نعرفها مسبقا ونستخدمها. من المثير للغاية معرفة ما إذا كانت هذه الخوارزميات قادرة على إظهار خوارزميات جديدة لم نفكر فيها حتى الآن، التي قد يكون تأثيرها على حياتنا اليومية هائلا".

وقال أعضاء فريق Google Brain الذين تعاونوا في الورقة إن المفاهيم في أحدث الأبحاث كانت نقطة بداية قوية، لكنهم أكدوا أن المشروع لم ينته بعد.

وقال والش لمجلة "نيوزويك": "يعتقد مطورو AutoML-Zero أنهم قد أنتجوا نظاما لديه القدرة على إخراج خوارزميات ربما لم تخطر بعد على بال المطورين البشر".

وأضاف: "بسبب افتقاره للتدخل البشري، فإن الخوارزميات ستكون خالية من التحيز البشري، وقد يؤدي هذا نظريا إلى خوارزميات متطورة يمكن للشركات الاعتماد عليها لتحسين كفاءتها".
0
التعليقات (0)