AutoML-Zero — система автоматического машинного обучения, которая адаптирует алгоритмы к различным задачам и постоянно улучшает их через эволюционный процесс. Все это снижает объем необходимого вмешательства со стороны человека, а значит, сокращает возможности для привнесения в алгоритм предвзятости. По сути, Google пытается создать условия для свободного творчества компьютера, пишет Popular Mechanics.

«Представьте себе, что ваша цель — построить дом. Если вы берете уже готовые спальни, кухни и ванные комнаты, ваша задача станет осуществимой, но вы ограничены теми комнатами, какие есть у вас в инвентаре, — пояснил Эстебан Рил, инженер-программист из Google Brain. — Если вместо этого вы начнете с цемента и кирпичей, то вам придется труднее, но у вас будет пространство для творчества».

Вместо созданных программистами компонентов AutoML-Zero использует в качестве строительных элементов для новых алгоритмов математику. Конечно, языки программирования — COBOL, Python, Ruby an Rails — облегчают «постройку» программ. Но они же открывают пути проникновения в алгоритмы предвзятостей, то есть ограничений этих самых языков. Исследователи из Google Brain хотят понять пределы возможностей максимально простого, основанного на математике языка.

Для того чтобы создать новый алгоритм для решения той или иной задачи, AutoML-Zero начинает с сотни случайных, созданных из комбинаций математических операций. Затем система выбирает из них наилучшие или «сильнейшие», которые переходят на второй уровень, и так далее, как в эволюции видов. Процесс постоянно повторяется, пока лучшие «мутации» не победят и не создадут окончательный алгоритм.

Главная трудность этого метода заключается в масштабировании. Поскольку AutoML-Zero использует арифметический, а не более упорядоченный язык программирования, системе сложно быстро задать инструкции по выполнению определенной задачи. Каждый раз приходится переизобретать колесо, что не удобно. Если ученые Google смогут решить эту проблему и действительно научат машину создавать алгоритмы, это станет революцией в отрасли. Пользоваться возможностями машинного обучения можно будет гораздо проще, не нанимая целую команду специалистов по большим данным.

Специалисты из Тулузы доказали — эволюционный алгоритм может обыграть человека в аркадные игры не хуже, чем алгоритм глубокого обучения. Он научился играть в Kung Fu Master, имея перед собой только данные с монитора.