مهندسان گوگل سال‌ها روی سیستم یادگیری ماشین هوشمندی بوسیله نام سیستم AutoML (سیستم خودکار یادگیری سامان) کار کرده اند که زمان حال می‌تواند درک قدر یا بهای چیزی‌های ساختگی ایجاد نرم که عملکرد آن از هوش‌های ساختگی قبلی بهتر است. اکنون، پژوهشگران آن را طوری توافق کرده اند تا مفاهیم تکامل داروین را دربرگیرد و نشان داده اند سیستم سابق الذکر می‌تواند برنامه‌های هوش تقلبی ابداع بطی ء که به خودی خود سریع تر از زمانی بهبود رک می‌درنگ که انسان‌ها کدنویسی آن‌ها را ادا می‌دهند.
جهیز جدید AutoML-Zero نامیده می‌شود و اگرچه ممکن است کمی‌سراسیمه کننده بوسیله رویت برسد، می‌تواند به ترقی‌ی کندرو جهیز‌های هوشمندتر منجر شود. برای مثال، شبکه‌های عصبی که برای تقلید نکته سنج تر عدد انسان با چندین لایه و اندازه دهی طراحی شده اند؛ یعنی چیزی که کدنویسان انسانی درباره‌ی آن مشکل دارند. پژوهشگران در مقاله‌ی پیش طبع خود نوشته اند:امروزه این امکان پذیر است که به طورخودکار الگوریتم‌های طولانی تدریس ماشین را فقط با استعمال از عملیات محور‌‌‌ای ریاضی به نشانی واحدهای ساختاری کشف کنیم. ما این کار را با شناساندن چهارچوب جدیدی نشان داده ایم که ازطریق فضای جست وجوی عمومی، مورب ناشی از آدم را کاهش می‌دهد.مقاله‌های مرتبط:قوانین فیزیک به کمک هوش بدلی می‌آیندهوش مصنوعی چیست؟ هرآنچه باید درباره فناوری مرموز و دوست داشتنی امروز بدانیمهوش مصنوعی و اشتغال‌های مرتبط با آن، دوران رو بوسیله رشدی تجربه می‌کنند
هدف جهیز AutoML اولیه آن است که مصرف یادگیری سامان را برای اپلیکیشین‌ها آسان تر نرم و داخل حال حاضر، دربرگیرنده ویژگی‌های خودکار زیادی است؛ ولی AutoML-Zero ارج ورودی‌های موردنیاز انسانی را کاهش می‌دهد. با مصرف از فرایند ساده‌ی سه گانه بار‌‌‌ای محتوی راه اندازی و پیش دماغ و یادگیری، این سیستم را می‌توان به چشم «درس ماشینی از صفر» رویت. این سیستم با مجموعه‌‌‌ای از ۱۰۰ الگوریتم ساخته شده با اختلاط تصادفی عملیات ساده ریاضی مطلع به کار می‌نرم. سپس، فرایند تیره‌ی آزمون و منکر نیکوترین اجراکننده را شناسایی می‌بطی ء که با ترفندهایی بخاطر دور دوم آزمایش‌ها حفظ می‌شود. بوسیله عبارت دیگر، شبکه تندخو همان طورکه جلو می‌رود، دچار جهش می‌شود.
وقتی کد جدید تولید می‌شود، روی وظایف درک قدر یا بهای چیزی قلابی مانند امتیاز تفاوت تصویر کامیون و تصویر سگ آزمایش می‌شود و الگوریتم دارای بهترین عملکرد برای دور بعدی حفظ می‌شود (شبیه بقای اصلح داخل انتخاب غریزی). سرعت آن نیز زیاد است و پژوهشگران برآورد کرده اند تا ۱۰ هزاره الگوریتم می‌تواند در هر دم به ازای پردازنده جست وجو شود (هرچه تعداد پردازنده‌های بیشتری بخاطر انجام شهریه موجود باشد، سریع پر حرارت فرمان خواهد کرد).
بدین ترتیب، انتظار می‌رود سیستم‌های شعور مصنوعی استعمال‌ی گسترده تری پیدا یواش و دسترسی برنامه نویسان بدون تخصص درایت مصنوعی به آن‌ها آسان نم شود. حتی ممکن است سیستم جدید به ما دستیار نرم تا اریب انسانی را از هوش جعلی حذف کنیم؛ زیرا انسان‌ها به ندرت درگیر آن می‌شوند. پژوهش درزمینه‌ی بهبود AutoML-Zero ادامه دارد، با این امید که درنهایت بتواند الگوریتم‌هایی را مولود کند که دستور کار نویسان انسانی به تنهایی هرگز درباره‌ی آن اندیشه بی قراری نمی‌کردند.
هوش تقلبی متاخر پژوهشگران درحال حاضر تنها می‌تواند جهیز‌های هوش بدلی سهل‌‌‌ای را تولید کند؛ اما آن‌ها معتقدند پیچیدگی آن می‌تواند نسبتا به سرعت تکثیر واضح کند. ریستو میککولینین، دانشمند علوم کامپیوتر دانشگاه تگزاس در آستین می‌گوید:درحالی که بیشتر افراد شلنگ‌های کوچکی برمی‌دارند، این پژوهشگران گامی‌بزرگ در ناشناخته‌ها برداشته اند. این یکی از مقالاتی است که می‌تواند سبب استیناف‌های اضافی تو آینده شود.
پژوهش جدید هنوز مورد داوری استراحت نگرفته، ولی به صورت پیش چاپ در وب گاه arXiv منتشر شده است.بیشتر بخوانید:قرارداد همکاری NBA و مایکروسافت بخاطر پیدایش سرویس پخش حی شخصی سازی شدهدارپا با باهم اتحاد کردن اینتل و دانشگاه جورجیا، سیستم زنهار یادگیری ماشین توسعه می‌دهدIBM هوش تقلبی خود بخاطر انجام مطالعات روی کووید 19 را دراختیار دانشمندان فراغت می‌دهدچرا فهمیدن جعلی هنوز توانایی درک وفاق علت و معلولی را ندارد؟کشف آنتی بیوتیک‌های قدرتمند بوسیله کمک درایت مصنوعی