Dass eine simulierte Form von Evolution überraschend gute oder jedenfalls originelle Lösungen für vertrackte Probleme, zum Beispiel die Optimierung eines Bauteils, finden kann, ist bereits länger bekannt. Nun soll das Verfahren auch der künstlichen Intelligenz zu gänzlich neuen Ansätzen verhelfen. Wissenschaftler um Quoc Le von Google Brain haben dazu einen Algorithmus entwickelt, der seinerseits KI-Programme erzeugt.

Die Hoffnung ist, dass ein solcher Algorithmus per Zufall über Verfahren stolpert, auf die der menschliche Geist bislang nicht gekommen ist. In ersten Tests zeigte sich, dass der Algorithmus mit dem Namen AutoML-Zero bekannte Methoden des Maschinenlernens, wie einfache neuronale Netze, nacherfinden kann. Ein revolutionär neues Konzept war allerdings noch nicht dabei, berichtet das Magazin »Science« über die Studie, die jetzt auf dem Preprint-Server arXiv veröffentlicht wurde.

AutoML-Zero stützt sich dafür, wie das »Zero« in seinem Namen andeutet, auf möglichst wenige Vorannahmen. Als Grundbausteine enthalten sind nur einfachste Funktionen der Gymnasialmathematik. Aus diesen Elementen konstruiert der Algorithmus zahlreiche Miniprogramme und evaluiert sie gegen eine von Menschen entwickelte Lösung eines gängigen KI-Problems. Die besten selbst erzeugten Programme kommen in die nächste Runde, werden dabei leicht variiert und wieder der Evaluation unterzogen. Weil nur wenige davon überhaupt etwas taugen, müssen sehr viele Kandidaten erzeugt werden. Laut »Science« probiert AutoML-Zero mehrere zehntausend Algorithmen pro Sekunde aus.

Mehr Erfolg würde es versprechen, der künstlichen Evolution als Basismaterial nicht nur einfache Mathematik, sondern auch komplexere Bausteine zu geben, etwa Basisalgorithmen der modernen KI. Aus diesen müssten sich schneller anwendungstaugliche Programme bauen lassen. Allerdings sinkt so die Chance, auf ein wahrhaft innovatives Konzept zu stoßen.