Si es o no explícito. La evolución puede crear inteligencia artificial más inteligente en virtud de la selección.
Verá, en sentido figurado, la IA tiene que mantenerse competitiva para sobrevivir (obtener financiación), y en un entorno en constante cambio, las mejores IA seguramente “tomarán prestados” conceptos de otras IA que lo están haciendo bien en ese entorno.
Baste decir que la IA, en esa analogía, no es una entidad que se apaga y se “empareja” con otras IA para crear una nueva versión. Son los científicos quienes investigan estas técnicas y escriben su software los responsables del intercambio de ideas para crear sistemas con mejor rendimiento.
- Si AI aprende sesgo, ¿no podemos dejar esas variables fuera del modelo?
- ¿Cuándo será oficial que existe IA y que nuestros sistemas y algoritmos comienzan a intervenir entre sí?
- ¿Sería tan grande la demanda de inteligencia artificial que cuando desarrolle existencias se disparará?
- ¿Cómo aprendo y desarrollo una carrera en IA?
- Cómo aprender a programar IA
Por ejemplo, tome el caso del rendimiento de AlexNet [1] en ImageNet en 2012. Esto fue innovador, por lo que la gente comenzó a usar más Redes Neuronales Convolucionales en sus diseños.
El “gen” (CNN) fue tomado, afinado (mutado) y mezclado con otras técnicas / ideas (cruzado). Hasta tres años después apareció un monstruo kludgey como ResNet [2] con 152 capas. AlexNet tenía solo 8.
Esto es evolución. Aunque no en el sentido tradicional de un solo organismo biológico que comparte sus genes con otro en un proceso de selección iterativo propenso a errores. Es un sistema que presenta a los científicos y sus sistemas en entornos ricos en información, y aunque algunos de esos científicos podrían estar durmiendo entre sí, sus sistemas no lo hacen. La transferencia “genética” es más parecida a la transferencia lateral de genes.
El último “gen” que ha gozado de popularidad y posterior “reproducción” desde el éxito de AlexNet es Deep Learning.
Con respecto a la evolución literal en forma de algoritmos genéticos explícitos, he cubierto esto en otra respuesta: la respuesta de Omar Bessa a ¿Cómo puedo usar algoritmos genéticos para entrenar una mejor red neuronal?
La evolución no necesita limitarse a entrenar una red neuronal, puede usar Algoritmos Genéticos para crear cosas como Bosques Aleatorios [3] o cualquier estructura que pueda imaginar, dadas las condiciones matemáticas adecuadas del espacio de búsqueda.
Notas al pie
[1] https://papers.nips.cc/paper/482…
[2] https://arxiv.org/pdf/1512.03385…
[3] Bosque aleatorio | Wikiwand
