多樣性的作用一直是從生物學到社會學等各個領(lǐng)域討論的主題。然而，北卡羅來納州立大學非線性人工智能實驗室 (NAIL)最近的一項研究為這一論述開辟了一個有趣的維度：人工智能 (AI) 神經(jīng)網(wǎng)絡內(nèi)的多樣性。

自我反思的力量：內(nèi)部調(diào)整神經(jīng)網(wǎng)絡

北卡羅來納州立大學物理學教授兼 NAIL 主任 William Ditto 和他的團隊構(gòu)建了一個可以“向內(nèi)看”并調(diào)整其神經(jīng)網(wǎng)絡的人工智能系統(tǒng)。該過程允許人工智能確定其神經(jīng)元之間的數(shù)量、形狀和連接強度，從而為具有不同神經(jīng)元類型和強度的子網(wǎng)絡提供了潛力。

“我們創(chuàng)建了一個具有非人類智能（人工智能）的測試系統(tǒng)，看看人工智能是否會選擇多樣性而不是缺乏多樣性，以及它的選擇是否會提高人工智能的性能，”迪托說。“關(guān)鍵是讓人工智能有能力向內(nèi)觀察并了解它是如何學習的。”

與使用靜態(tài)、相同神經(jīng)元的傳統(tǒng)人工智能不同，Ditto 的人工智能擁有“自己大腦的控制旋鈕”，使其能夠進行元學習，這一過程可以提高其學習能力和解決問題的能力。“我們的人工智能還可以在多樣化或同質(zhì)神經(jīng)元之間做出決定，”Ditto 表示，“我們發(fā)現(xiàn)，在每種情況下，人工智能都會選擇多樣性作為增強其性能的一種方式。”

從傳統(tǒng)的人工神經(jīng)網(wǎng)絡發(fā)展到多樣化的神經(jīng)網(wǎng)絡，再到學習多樣化的神經(jīng)網(wǎng)絡。線條粗細代表權(quán)重

績效指標：多樣性勝過統(tǒng)一性

研究團隊通過標準的數(shù)值分類練習來測量人工智能的性能，并發(fā)現(xiàn)了顯著的結(jié)果。傳統(tǒng)人工智能憑借其靜態(tài)同質(zhì)神經(jīng)網(wǎng)絡，準確率達到 57%。相比之下，元學習、多樣化的 AI 達到了驚人的 70% 準確率。

Ditto 表示，基于多樣性的人工智能在解決更復雜的任務（例如預測鐘擺的擺動或星系的運動）時顯示出高達 10 倍的準確度。“事實上，我們還觀察到，隨著問題變得更加復雜和混亂，與不擁抱多樣性的人工智能相比，其性能提高得更加顯著，”他解釋道。

影響：人工智能開發(fā)的范式轉(zhuǎn)變

這項研究的結(jié)果對人工智能技術(shù)的發(fā)展具有深遠的影響。他們提出了從當前流行的“一刀切”神經(jīng)網(wǎng)絡模型到動態(tài)、自我調(diào)整模型的范式轉(zhuǎn)變。

“我們已經(jīng)證明，如果你賦予人工智能向內(nèi)觀察并了解其學習方式的能力，它將改變其內(nèi)部結(jié)構(gòu)（人工神經(jīng)元的結(jié)構(gòu)），以擁抱多樣性并提高其有效、更準確地學習和解決問題的能力”，同上總結(jié)道。這對于需要高水平適應性和學習能力的應用尤其相關(guān)，從自動駕駛汽車到醫(yī)療診斷。

這項研究不僅凸顯了多樣性的內(nèi)在價值，還為人工智能研究和開發(fā)開辟了新的途徑，強調(diào)了對動態(tài)和適應性神經(jīng)架構(gòu)的需求。在海軍研究辦公室和其他合作者的持續(xù)支持下，下一階段的研究備受期待。

通過在內(nèi)部擁抱多樣性原則，人工智能系統(tǒng)將在性能和解決問題的能力方面取得顯著進步，有可能徹底改變我們的機器學習和人工智能開發(fā)方法。