Đột phá nghiên cứu: AI có khả năng tự tiến hóa thuật toán mà không cần dữ liệu gắn nhãn

Nghiên cứu mới nhất được công bố trên tạp chí Nature hôm nay bởi đội ngũ Google DeepMind đã giới thiệu SENA, một bước tiến lớn trong lĩnh vực học máy. Thay vì dựa vào các kỹ sư con người để thiết kế kiến trúc mạng thần kinh, SENA sử dụng một cơ chế tiến hóa dựa trên học tăng cường để tự điều chỉnh các kết nối bên trong, tối ưu hóa hiệu suất cho từng tác vụ cụ thể. Trong các thử nghiệm ban đầu, mô hình được huấn luyện bằng SENA đã vượt qua các kiến trúc hiện đại nhất trong việc giải quyết các bài toán vật lý lượng tử phức tạp và dự đoán cấu trúc protein với độ chính xác tăng 15%. Điều đáng kinh ngạc là quá trình này tiêu tốn ít tài nguyên tính toán hơn 40% so với các phương pháp huấn luyện truyền thống nhờ khả năng loại bỏ các tham số dư thừa một cách thông minh. Tiến sĩ Demis Hassabis nhận định rằng nghiên cứu này mở ra kỷ nguyên của 'AI tự nhận thức về cấu trúc', nơi các hệ thống trí tuệ nhân tạo có thể tự thích nghi với những loại dữ liệu hoàn toàn mới mà con người chưa từng cung cấp nhãn dán hay hướng dẫn trước đó.