Student Fakulty strojního inženýrství boří mýty o srovnávání evolučních algoritmů

A zjistil, proč i zdánlivě správné algoritmy ve skutečnosti nefungují, jak mají. Odborný článek na toto téma mu nyní otiskl prestižní časopis z „rodiny“ Nature, konkrétně Nature Machine Intelligence.

Evoluční algoritmy jsou jednou z metod umělé inteligence. Vycházejí z biologických principů, inspirací je jim mechanismus evoluce a přirozeného výběru.

„Používají se pro úlohy, kdy potřebujete vhodně nastavit parametry, zároveň ale úloha nemá jasnou strukturu, je to spíš takový blackbox. V posledních letech jsou pro řešení těchto úloh populární právě evoluční algoritmy. Některé fungují skvěle, ale jiné ne. Všechny tyto metody se testují a porovnávají na předem dané sadě problémů, odborně tomu říkáme benchmarking,“ popisuje Kůdela, který na fakultě pracuje na Odboru aplikované informatiky.

Související

Lukáš Bauer

Vědci z Přírodovědecké fakulty vyvinuli nový…

Jiří Kostka

Podle nové studie je teoreticky možné cestovat časem…

V případě starší, ale stále hojně využívané sady pro zmíněný benchmarking, zůstala historicky skupina úloh, pro které je optimální nastavit hledané parametry na nulu. „Což dobře fungujícím algoritmům nevadí, pracují stejně, i když úlohu z nuly posunete jinam. Ale jiné mají tendenci hledat optimum právě v nule. Nazývám to „zero-bias“: na prostoru, který v rámci řešení prohledávají, jsou vedené k nule. A takovéto algoritmy pak v praxi nefungují, jak mají. Problém je, že když používáte starší sadu pro benchmarking, ty dobré a špatné od sebe těžko rozeznáte, protože na první pohled nevidíte, jakou cestou algoritmus dospěl k výsledku,“ vysvětluje Kůdela.

V důsledku pak zjistil, že řada nových metod a na nich stojících výzkumů publikovaných v respektovaných časopisech, obsahuje zásadní chybu. „Za poslední tři roky popisuji hned sedm metod, které tuto chybu obsahují,“ upřesňuje Kůdela a je si vědom, že tím řadě kolegů z oboru boří pomyslný domeček z karet. „Nicméně právě proto svůj jsem článek napsal. Doufám, že to změní způsob, jakým se tyto metody ověřují a vyvíjejí. A třeba to i zredukuje jejich počet pouze na ty skutečné funkční,“ dodává.

Zdroj: Nature Machine Intelligence, VUT