解決業(yè)務(wù)，科學(xué)和技術(shù)中許多最重要問(wèn)題的關(guān)鍵在于優(yōu)化-查找可為您帶來(lái)最大利益的變量的值。無(wú)論是購(gòu)買哪些股票，返回哪些搜索結(jié)果，最能預(yù)測(cè)下屆大選的結(jié)果，或?qū)⒛男┌被峤M合在抗瘧疾或癌癥的新藥中，優(yōu)化對(duì)于獲得我們想要的東西至關(guān)重要。當(dāng)問(wèn)題很簡(jiǎn)單時(shí)，我們可以對(duì)計(jì)算機(jī)進(jìn)行編程以解決問(wèn)題。當(dāng)它太復(fù)雜時(shí)，優(yōu)化就是計(jì)算機(jī)自行找到解決方案的方式。

華盛頓大學(xué)的機(jī)器學(xué)習(xí)研究人員開(kāi)發(fā)了一種全新的優(yōu)化方法，部分方法是借鑒了人工智能和計(jì)算機(jī)科學(xué)的經(jīng)典技術(shù)。在佩普- [R概述他們的做法贏得了最高獎(jiǎng)在7月的24屆人工智能國(guó)際聯(lián)合會(huì)議，全球最大的人工智能會(huì)議。

在兩個(gè)經(jīng)過(guò)實(shí)驗(yàn)測(cè)試的應(yīng)用中，新的UW方法在某些情況下的性能優(yōu)于標(biāo)準(zhǔn)優(yōu)化技術(shù)，甚至高出多個(gè)數(shù)量級(jí)。

“在某些方面，優(yōu)化是您從未聽(tīng)說(shuō)過(guò)的最重要的問(wèn)題，因?yàn)樗霈F(xiàn)在科學(xué)，工程和商業(yè)的各個(gè)領(lǐng)域。但是，許多優(yōu)化問(wèn)題極難解決，因?yàn)樗鼈兙哂写罅恳詮?fù)雜方式相互作用的變量。” UW大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)教授Pedro Domingos說(shuō)。

例如，假設(shè)您要教一臺(tái)計(jì)算機(jī)通過(guò)檢查單個(gè)像素來(lái)識(shí)別貓的圖像。表示橙色，皮毛或胡須的像素會(huì)增加“是”的機(jī)會(huì)。尖尖的耳朵或爪子有助于確認(rèn)。藍(lán)色的羽毛強(qiáng)烈暗示沒(méi)有。優(yōu)化是加權(quán)這些變量的技巧和科學(xué)，因此機(jī)器會(huì)盡可能頻繁地做出正確的選擇。

UW優(yōu)化算法(以其縮寫RDIS聞名)逐漸將一個(gè)非常復(fù)雜的問(wèn)題分解為更小，更易于管理的塊-當(dāng)問(wèn)題包含“是或否”選擇但以前未應(yīng)用于時(shí)，通常使用的簡(jiǎn)單想法數(shù)字變量。RDIS可以識(shí)別變量，這些變量一旦設(shè)置為特定值，就可以將較大的問(wèn)題分解為獨(dú)立的子問(wèn)題。通常，問(wèn)題幾乎都是獨(dú)立的，但是RDIS限制了將它們視為完全獨(dú)立而導(dǎo)致的錯(cuò)誤。

“這種方法與人們以前的工作方式截然不同，并且也具有神奇的作用，可以成倍地更快地解決一些問(wèn)題。只要您能做到，那便是您獲得重大勝利的時(shí)候。”多明戈斯說(shuō)。

UW團(tuán)隊(duì)在兩個(gè)實(shí)際應(yīng)用中針對(duì)領(lǐng)先的優(yōu)化方法對(duì)RDIS進(jìn)行了測(cè)試：確定折疊蛋白質(zhì)的形狀，并根據(jù)二維圖像準(zhǔn)確地構(gòu)建三維對(duì)象和場(chǎng)景。

為了使機(jī)器人手臂能夠進(jìn)行手術(shù)或防止自動(dòng)駕駛汽車墜毀，計(jì)算機(jī)必須將用作機(jī)器人“眼睛”的二維攝像頭圖像準(zhǔn)確地映射到現(xiàn)實(shí)的三維空間中。UW團(tuán)隊(duì)的優(yōu)化方法平均完成該任務(wù)的精度比以前的方法高出100,000到100億倍。

“您需要最大程度地減少重建誤差，即算法預(yù)測(cè)結(jié)果與圖像實(shí)際顯示結(jié)果之間的差異。威斯康星大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)博士生第一作者艾布拉姆·弗里森(Abram Friesen)說(shuō)。“這對(duì)于無(wú)人駕駛汽車至關(guān)重要-為了安全地駕駛其環(huán)境，它首先需要能夠確定靠近它的物體，道路和其他汽車的位置。”

研究人員還針對(duì)蛋白質(zhì)折疊的其他優(yōu)化技術(shù)對(duì)RDIS進(jìn)行了測(cè)試。一串氨基酸(可以以數(shù)百萬(wàn)種不同模式出現(xiàn)的蛋白質(zhì)構(gòu)件)通常會(huì)折疊并扭曲成能量最低的形狀。該構(gòu)型很重要，因?yàn)樗鼪Q定了蛋白質(zhì)如何與病毒或入侵細(xì)胞或免疫系統(tǒng)其他部分相互作用。

使計(jì)算機(jī)能夠準(zhǔn)確預(yù)測(cè)蛋白質(zhì)如何折疊，可以大大加快設(shè)計(jì)有效藥物的過(guò)程。威斯康星大學(xué)的團(tuán)隊(duì)發(fā)現(xiàn)，其新的優(yōu)化技術(shù)比其他方法產(chǎn)生的能量蛋白質(zhì)形狀低得多，特別是對(duì)于較大的蛋白質(zhì)。

這是因?yàn)楫?dāng)前的優(yōu)化方法隨著問(wèn)題變得越來(lái)越復(fù)雜而失敗，Domingos說(shuō)。解決優(yōu)化問(wèn)題就像被蒙住雙眼放在山頂上，然后被要求步行到大海。做到這一點(diǎn)的一種方法是通過(guò)用腳感覺(jué)周圍并在最陡峭的向下方向上邁出一步來(lái)判斷要去哪里。如果只有一座小山，那行得通。但是，如果您位于喜馬拉雅山的頂峰，您將很快陷入困境，因?yàn)槟抢镉谐汕先f(wàn)的山峰，山麓和平坦的地帶。這實(shí)際上是當(dāng)前優(yōu)化算法所發(fā)生的情況。

多明戈斯說(shuō)：“如果幸運(yùn)的話，也許你會(huì)在海里發(fā)條，但更有可能會(huì)在山谷或湖中發(fā)條。” “如果可以看到整個(gè)景觀，您會(huì)說(shuō)'哦，這是我必須去的地方'，但是問(wèn)題是您看不到任何地方，今天的算法也看不到。”

為了解決這些不足，UW二人組研究了如何將人工智能研究人員和難題求解器通常使用的分解技術(shù)應(yīng)用于連續(xù)優(yōu)化問(wèn)題，這些問(wèn)題一直以來(lái)都是工程師，應(yīng)用數(shù)學(xué)家和物理學(xué)家的首選。

研究人員說(shuō)，下一步是測(cè)試該算法在新的和不同的應(yīng)用程序上的性能。“這幾乎可以應(yīng)用于任何機(jī)器學(xué)習(xí)問(wèn)題，但這并不是說(shuō)它將對(duì)每個(gè)機(jī)器學(xué)習(xí)問(wèn)題都有好處，” Domingos說(shuō)。“這就是我們必須努力并找出來(lái)的東西。”

標(biāo)簽： AI獎(jiǎng)