مقابله با تبعیض در الگوریتم یادگیری ماشینی

به گزارش کارگروه فناوری اطلاعات سایبربان؛ یادگیری ماشینی نوعی الگوریتم هوش مصنوعی است که به منظور انجام کارهای مختلف برنامه‌ریزی می‌شود. این الگوریتم‌ها فعالیت خود را با استفاده از داده‌های ورودی دنبال می‌کنند. با وجود این ساخت و آموزش این الگوریتم‌ها بسیار زمان‌بر است و معمولاً تعصبات اپراتورها و برنامه نویسان باعث عملکرد ناصحیح آن‌ها می‌شود.

پژوهشگران شرکت گوگل به منظور رفع محدودیت یاد شده ابزار «AutoML» این شرکت را که برای توسعه الگوریتم یادگیری ماشینی به کار می‌رود، مورد مطالعه قرار دادند. آن‌ها روش‌هایی را توسعه دادند که به کمک آن فرآیند آموزش یادگیری ماشینی به مرور زمان خودکار می‌شود و به جای وابستگی به زمان تحقیقات انسانی به زمان محاسبه دستگاه متکی خواهد شد.

از سال‌ها قبل محققان در تلاش هستند تا فرآیند یادگیری هوش مصنوعی را مستقل از دخالت انسان کنند. با وجود این که تا این لحظه تعدادی از مراحل توسعه الگوریتم یادگیری ماشینی به‌صورت خودکار درآمده است؛ اما همچنان محققان نتوانسته‌اند به سطح ورودی صفر از سوی انسان‌ها دست پیدا کنند. گروهی از دانشمندان گوگل به تازگی گزارش داده‌اند به موفقیت‌های اولیه‌ای در این زمینه دست پیدا کرده‌اند.

کواک لی (Quoc Le)، دانشمند رایانه گوگل و گروهش از مفاهیم تکامل داروین مانند انتخاب طبیعی، الگوبرداری کردند تا بتوانند شرایطی را فراهم آورند که الگوریتم‌ها نسل به نسل بهبود پیدا می‌کنند. آن‌ها با ترکیب عملیات‌های ریاضی پایه برنامه خود با نام «AutoML-Zero» را به وجود آوردند. این برنامه 100 الگوریتم منحصربه‌فرد را به وجود آورد که امکان استفاده از آن‌ها در کارهای مختلفی مانند تشخیص تصویر وجود دارد.

پس از مقایسه سطح عملکرد الگوریتم‌های یاد شده با نمونه‌های طراحی شده توسط انسان، بهترین نمونه‌ها جدا شدند و جهش تصادفی کوچکی در کدهای آن‌ها وجود آمد. سپس الگوریتم‌های ضعیف‌تر حذف شدند. این چرخه ادامه پیدا کرد تا مجموعه‌ای از الگوریتم‌ها با سطح بالایی از عملکرد به وجود آمد که تعدادی از آن‌ها قابل‌مقایسه الگوریتم‌های یادگیری ماشینی کلاسیک مانند شبکه‌های عصبی بودند.

لو امیدوار است بتوانند به سطحی دست یابند که فرآیندها با سرعت بسیار بیشتری انجام شده و در نهایت امکان شکل‌گیری هوش مصنوعی پیچیده‌ای به وجود آید که محققان انسانی توان ایجاد آن را ندارند.