Les chercheurs de Google Brain ont mis au point un nouveau logiciel AutoML-Zero. L’objectif est de laisser les algorithmes de Machine Learning évoluer de manière autonome, en s’inspirant du processus d’évolution et de sélection naturelle…
À l’heure actuelle, les algorithmes de Machine Learning sont » entraînés » à partir de données. Ils s’améliorent ensuite continuellement à partir de leurs expériences.
Cependant, cette approche présente des limites. L’un des principaux inconvénients d’outils comme Google AutoML est la présence de » biais « introduits par les humains dans les algorithmes.
Afin de remédier à ce défaut, les chercheurs de Google Brain ont mis au point une nouvelle approche inspirée par le processus de l’évolution humaine. Le code de l’algorithme s’améliore à chaque génération, avec une interaction humaine réduite au strict minimum.
Ce nouveau logiciel est dénommé » AutoML-Zero « , et l’étude intitulée « Evolving Machine Learning Algorithms From Scratch » à son sujet a été publiée par une équipe de chercheurs de Google Brain dans le journal arXiv.
L’objectif de cette étude est de vérifier si les algorithmes de Machine Learning peuvent être créés de zéro puis évoluer naturellement en se basant sur de simples maths.
Google Brain AutoML-Zero : quand l’IA s’inspire de l’évolution humaine
Fun AutoML-Zero experiments: Evolutionary search discovers fundamental ML algorithms from scratch, e.g., small neural nets with backprop.
Can evolution be the “Master Algorithm”? 😉
Paper: https://t.co/lhW3qtxCTM
Code: https://t.co/v1eouPxPHv pic.twitter.com/wZQJimrLid— Quoc Le (@quocleix) March 10, 2020
AutoML-Zero est conçu pour créer une population de 100 » algorithmes candidats « en combinant des opérations mathématiques basiques aléatoirement. Les résultats sont ensuite testés sur des tâches simples comme la différentiation d’image. Les algorithmes les plus performants évoluent ensuite de façon aléatoire en modifiant leur code.
Les variantes des meilleurs algorithmes, ainsi créées, sont ensuite ajoutées à la population de candidats. Les moins performants et les plus anciens sont quant à eux supprimés. Le processus se répète ensuite, et le réseau d’algorithmes s’accroît au fil du temps.
De cette façon, les logiciels existants pourraient être mis à jour pour » découvrir automatiquement » des algorithmes totalement inconnus tout en réduisant le biais induit durant la phase d’entrée des données d’entraînement.
En effet, cette nouvelle approche rappelle le darwinisme, l’évolution et la sélection naturelle. Elle permet l’apparition de nouveaux algorithmes totalement inconnus et auxquels l’humain n’a jamais pensé, ce qui représente des perspectives excitantes pour le futur de l’intelligence artificielle…
Ces algorithmes » mutants » sont libérés des biais humains, et certains pourraient éventuellement se révéler révolutionnaires pour les entreprises. Cependant, les chercheurs de Google Brain estiment que ce projet prometteur n’en est qu’à ses balbutiements.
Dans l’article publié dans le journal arXiv, les scientifiques estiment que » à partir de fonctions de composants vides et en utilisant uniquement des opérations mathématiques de base, nous avons fait évoluer des algorithmes de régression linéaire, de descente graduelle, ou des réseaux de neurones. Ces résultats sont prometteurs, mais il reste beaucoup de travail « .
Il faudra sans doute patienter quelques années pour que AutoML-Zero soit suffisamment développé pour produire des algorithmes aussi complexes que ceux déjà utilisés à l’heure actuelle. Cependant, cette étude ouvre une fenêtre sur un futur où l’IA se rapproche encore de l’intelligence humaine avec la capacité d’évoluer de manière autonome…
https://www.youtube.com/watch?v=J_QchuvV75w
- Partager l'article :