科学家受基因组效率的启发开发AI算法 实现出色的数据压缩和任务性能

从某种意义上说，我们每个人的生命都是为行动而开始的。 许多动物在出生后不久就会做出惊人的举动。 蜘蛛织网。 鲸鱼会游泳。 但是，这些与生俱来的能力从何而来？ 显然，大脑起着关键作用，因为它包含了控制复杂行为所需的数万亿个神经连接。

然而，基因组只能容纳这些信息的一小部分。 几十年来，这一悖论一直困扰着科学家。 现在，冷泉港实验室（CSHL）教授安东尼-扎多尔（Anthony Zador）和阿列克谢-库拉科夫（Alexei Koulakov）利用人工智能设计出了一种潜在的解决方案。

当扎多尔第一次遇到这个问题时，他对它进行了新的诠释。"如果基因组的有限能力正是让我们如此聪明的原因呢？"他问道。"如果这是一个特点，而不是一个缺陷呢？换句话说，也许我们可以聪明地行动，快速地学习，因为基因组的限制迫使我们去适应。 "

这是一个大胆的想法，很难证明。 毕竟，我们无法将实验室实验延伸到数十亿年的进化过程中。 这就是基因组瓶颈算法想法的由来。

在人工智能领域，世代不会跨越几十年。 只需按下按钮，新模型就会诞生。 扎多尔、库拉科夫和CSHL博士后迪维扬沙-拉奇（Divyansha Lachi）、谢尔盖-舒瓦耶夫（Sergey Shuvaev）着手开发一种计算机算法，它能将成堆的数据折叠成整齐的数据包--就像我们的基因组可能会压缩形成大脑功能电路所需的信息一样。 然后，他们将这种算法与经过多轮训练的人工智能网络进行对比测试。 令人惊讶的是，他们发现这种未经训练的新算法在执行图像识别等任务时，几乎与最先进的人工智能一样有效。 他们的算法甚至在太空入侵者等视频游戏中也能独当一面。 就好像它天生就懂得如何玩游戏一样。

这是否意味着人工智能将很快复制我们的自然能力？库拉科夫说："我们还没有达到那个水平。大脑皮层结构可以容纳大约 280 TB 的信息--32 年的高清视频。 我们的基因组可容纳约一小时。 这意味着 40 万倍的压缩技术尚无法比拟。"

尽管如此，该算法仍能达到迄今为止人工智能领域前所未有的压缩水平。 这一特性在科技领域的应用令人印象深刻。 该研究的主要作者舒瓦耶夫解释说："例如，如果想在手机上运行一个大型语言模型，[算法]的一种使用方式就是在硬件上逐层展开模型。"

这种应用可能意味着更快的运行时间和更先进的人工智能。 想想看，我们只用了 35 亿年的进化时间就达到了这一目标。

编译自/ScitechDaily

DOI: 10.1073/pnas.2409160121