科學家受基因組效率的啟發開發AI演算法實現出色的數據壓縮和任務性能
冷泉港實驗室（Cold Spring Harbor Laboratory）的科學家們受基因組效率的啟發開發了一種人工智慧演算法，實現了出色的數據壓縮和任務性能。有限的基因組可能透過強制適應來驅動智慧。 冷泉港實驗室科學家的人工智慧演算法模仿了這項原理，在任務中表現出色，但還無法與人類大腦相提並論。
從某種意義上說，我們每個人的生命都是為行動而開始的。 許多動物在出生後不久就會做出驚人的舉動。 蜘蛛織網。 鯨魚會游泳。 但是，這些與生俱來的能力又是從何而來？ 顯然，大腦起著關鍵作用，因為它包含了控制複雜行為所需的數萬億個神經連接。
然而，基因組只能容納這些資訊的一小部分。 幾十年來，這項悖論一直困擾著科學家。 現在，冷泉港實驗室（CSHL）教授安東尼-扎多爾（Anthony Zador）和阿列克謝-庫拉科夫（Alexei Koulakov）利用人工智慧設計出了潛在的解決方案。
當扎多爾第一次遇到這個問題時，他對它進行了新的詮釋。 “如果基因組的有限能力正是讓我們如此聰明的原因呢？”他問道。 “如果這是一個特點，而不是一個缺陷呢？換句話說，也許我們可以聰明地行動，快速地學習，因為基因組的限制迫使我們去適應。 “
這是一個大膽的想法，很難證明。 畢竟，我們無法將實驗室實驗延伸到數十億年的演化過程中。 這就是基因組瓶頸演算法想法的由來。
在人工智慧領域，世代不會跨越幾十年。 只要按下按鈕，新模型就會誕生。 扎多爾、庫拉科夫和CSHL博士後迪維揚沙-拉奇（Divyansha Lachi）、謝爾蓋-舒瓦耶夫（Sergey Shuvaev）著手開發一種電腦演算法，它能將成堆的資料折疊成整齊的資料包–就像我們的基因組可能會壓縮形成大腦功能電路所需的資訊一樣。 然後，他們將這種演算法與經過多輪訓練的人工智慧網路進行比較測試。 令人驚訝的是，他們發現這種未經訓練的新演算法在執行影像辨識等任務時，幾乎與最先進的人工智慧一樣有效。 他們的演算法甚至在太空入侵者等電玩遊戲中也能獨當一面。 就好像它天生就懂得如何玩遊戲一樣。
這是否意味著人工智慧將很快複製我們的自然能力？庫拉科夫說：”我們還沒有達到那個水平。大腦皮層結構可以容納大約280 TB 的信息–32 年的高清視頻。我們的基因組可容納約一小時。這意味著40 萬倍的壓縮技術尚無法比擬。
儘管如此，該演算法仍能達到迄今人工智慧領域中前所未有的壓縮水準。 這項特性在科技領域的應用令人印象深刻。 該研究的主要作者舒瓦耶夫解釋說：”例如，如果想在手機上運行一個大型語言模型，[演算法]的一種使用方式就是在硬體上逐層展開模型。”
這種應用可能意味著更快的運行時間和更先進的人工智慧。 想想看，我們只花了35 億年的進化時間就達到了這個目標。
編譯自/ ScitechDaily