L'Intelligenza Artificiale si ispira a Darwin: un approccio evoluzionistico allo sviluppo

L'Intelligenza Artificiale si ispira a Darwin: un approccio evoluzionistico allo sviluppo

L'idea è quella di far competere fra loro una popolazione di algoritmi generati casualmente e individuare il migliore, e il ciclo si ripete. Il principio di base funziona, ma i primi risultati non sono alla pari con tecniche classiche

di pubblicata il , alle 20:01 nel canale Scienza e tecnologia
 

La teoria evoluzionistica della selezione naturale elaborata all'inizio della seconda metà del '800 da Charles Darwin potrebbe rappresentare un punto di partenza per la realizzazione di Intelligenze Artificiali più avanzate, in grado letteralmente di evolversi e portare alla scoperta di approcci completamente nuovi alla materia.

Un gruppo di ricercatori, coordinati da So Quoc Le, computer scientist per Google, si è infatti ispirato alla teoria dello scienziato britannico per realizzare il programma AutoML-Zero che ha lo scopo di individuare ed ottimizzare algoritmi AI senza nessun intervento umano e usando solamente concetti matematici di base e alla portata di uno studente di liceo. "Il nostro obiettivo ultimo è lo sviluppo di nuovi concetti di machine learning che nemmeno i ricercatori possano essere in grado di individuare" ha affermato Le.

La realizzazione di un algoritmo AI normalmente richiede molto tempo. Prendiamo per esempio le reti neurali, un tipo abbastanza comune di machine learning utilizzato per la traduzione di idiomi e per lo sviluppo di tecniche di guida autonoma. Queste reti imitano in maniera elementare la struttura del cervello umano, e imparano cosa fare da dati "di allenamento", rafforzando così le connessioni tra i loro neuroni artificiali. Di norma si procede a progettare piccole "sotto-reti" dedicate a compiti specifici - per esempio individuare i segnali stradali - che poi vengono connesse insieme per collaborare senza intoppi: un processo che può richiedere mesi di lavoro.

Ecco allora che i ricercatori guidati da Le hanno pensato di applicare la teoria della selezione naturale, per provare ad individuare una strada più rapida ed efficiente allo sviluppo di algoritmi AI. Si parte creando una popolazione di 100 algoritmi candidati, con la combinazione casuale di operazioni matematiche. Il programma AutoML-Zero li mette poi alla prova su un compito semplice: riconoscere se una foto ritrae un gatto oppure un camion.

In ogni ciclo il programma confronta le prestazioni degli algoritmi con quella di algoritmi progettati dall'uomo. Si realizzano quindi copie degli algoritmi che meglio si comportano che vengono "mutate" sostituendo, modificando o cancellando casualmente una parte di codice, creando così piccole variazioni del miglior algoritmo. Questa "prole" viene aggiunta alla popolazione di algoritmi già esistente, mentre gli algoritmi più vecchi vengono eliminati, e il ciclo si ripete proprio come in un processo evolutivo di società.

Il sistema crea migliaia di queste popolazioni in una sola volta, per scandagliare decine di migliaia di algoritmi al secondo fino a quando non individua una buona soluzione. AutoML-Zero usa poi alcuni stratagemmi per velocizzare la ricerca, per esempio scambiando occasionalmente algoritmi tra popolazioni per prevenire vicoli ciechi evoluzionistici, e rimuovere eventuali algoritmi duplicati.

Le ammette che questo approccio attualmente si comporta in maniera incerta su una serie di tecniche di machine learning classiche, comprese le reti neurali. Le soluzioni che individua sono semplici rispetto agli algoritmi più avanzati di oggi, ma il lavoro è una dimostrazione concettuale, ed egli è ottimista che possa essere scalato per creare nuove AI più complesse. Come? Le punta su una duplice strada: la prima è quella di focalizzarsi su problemi più piccoli invece che su un intero algoritmo, la seconda è quella di ampliare la libreria di operazioni matematiche e dedicare più risorse di calcolo per AutoML-Zero. "E' una direzione che ci interessa molto. E' la scoperta di qualcosa di davvero fondamentale che richiederebbe all'uomo molto tempo anche solo per immaginarlo" ha concluso Le.

Resta aggiornato sulle ultime offerte

Ricevi comodamente via email le segnalazioni della redazione di Hardware Upgrade sui prodotti tecnologici in offerta più interessanti per te

Quando invii il modulo, controlla la tua inbox per confermare l'iscrizione.
Leggi la Privacy Policy per maggiori informazioni sulla gestione dei dati personali

5 Commenti
Gli autori dei commenti, e non la redazione, sono responsabili dei contenuti da loro inseriti - info
zoomx16 Aprile 2020, 21:59 #1
Gli algoritmi genetici sono noti e utilizzati da almeno 3 decenni.
Sandro kensan16 Aprile 2020, 22:10 #2
Infatti, algoritmi genetici.
Hiei360017 Aprile 2020, 02:54 #3
Articolo scritto probabilmente da qualcuno che non ne capisce una mazza di intelligenza artificiale - come detto sopra gli algoritmi genetici sono praticamente l'ABC dell'intelligenza artificiale da quasi sempre praticamente; parlarne come fosse una cosa nuova è un pò come parlare di un nuovo modello di macchina evidenziando come possegga una nuova tecnologia mai vista prima: l'airbag. Imbarazzante.
Riccardo8217 Aprile 2020, 08:48 #4
varamente incredibile come questo fantastico sito sia sempre peggeio.

Limitatevi alle offerte amazon va..

Adios...
Pino9017 Aprile 2020, 20:00 #5
l'ignoranza di chi ha scritto questo articolo è bestiale. Non ha fatto nemmeno una breve ricerca su google: avrebbe scoperto che Uber per fare un nome importante fa la stessa cosa con le reti neurali da anni (e se lo sono inventato loro per altro).

https://eng.uber.com/deep-neuroevolution/

@zoomx
la differenza sta nel fatto che in questo caso viene applicato alle reti neurali che è uno sviluppo abbastanza nuovo. Parliamo di circa tre anni fa.

Devi effettuare il login per poter commentare
Se non sei ancora registrato, puoi farlo attraverso questo form.
Se sei già registrato e loggato nel sito, puoi inserire il tuo commento.
Si tenga presente quanto letto nel regolamento, nel rispetto del "quieto vivere".

La discussione è consultabile anche qui, sul forum.
 
^