Любая серьезная попытка создания искусственного интеллекта (ИИ) на определенном этапе должна воспроизвести процесс эволюции, в ходе которого появились нейронные сети, пишет на портале InformationWeek ведущий аналитик компании Wikibon Джеймс Кобиелус. Похоже, что сегодня многолетние усилия исследователей в этом направлении уже могут широко применяться в коммерческих системах ИИ.

Успехи в области ИИ стимулируют развитие робототехники. Разработчики изучают альтернативные способы обучения роботов поведению — ходить как человек, плавать как дельфин, прыгать по деревьям как обезьяна, маневрировать как летучая мышь. Роботов обучают тому, что у живых существ является врожденными способностями, позволяющими им изучать, использовать, адаптироваться и выживать в некой среде.

Расширяется изучение эволюционных алгоритмов, которые призваны помочь нейронным сетям автоматически развивать свои внутренние структуры и связи методом проб и ошибок, нейроробототехники, обучения с подкреплением, воплощенного познания, роевого интеллекта и многоцелевого принятия решений.

Растущая потребность разработчиков в изощренных приемах ускорения оптимизации архитектуры нейронных сетей привела к конвергенции нейронной эволюции и глубокого обучения с подкреплением. Исследователи из OpenAI разработали нейроэволюционный подход, повышающий производительность обычного глубокого обучения с подкреплением в разнообразных учебных задачах. Таким образом удается выйти далеко за пределы целей традиционного обучения ИИ (при котором архитектура нейронной сети принимается как данность и просто регулируются веса искусственных нейронов) и применить аналог естественного отбора для развития самой архитектуры через множество итераций.

Нейроэволюционный подход вскоре может стать стандартным компонентом набора инструментов DevOps каждого специалиста по данным. В связи с тем, что оптимизированное для ИИ оборудование в облаках становится все более широко доступным при улучшении соотношения цены и производительности, весьма вероятно, что вскоре будут разрабатываться альтернативные архитектуры нейронных сетей.

Преимущество нейроэволюции перед глубоким обучением заключается в том, что множество нейронных сетей может обрабатываться параллельно. Это способно значительно расширить сферу их применения в ближайшие 3-5 лет. Появляется все больше инструментов автоматизации для нового поколения разработчиков, включающих машинное обучение, глубокое обучение и другие элементы ИИ в производственные приложения.

Включение в инструментарий разработчиков ИИ автоматического поиска архитектуры нейронных сетей всего лишь вопрос времени. Когда это произойдет, будут автоматизированы инжиниринг функций, выбор алгоритмов и обучение на моделях.