沃卡惠多樣性的作用一直是從生物學到社會學等各個領域討論的主題。然而，北卡羅來納州立大學非線性人工智能實驗室 (NAIL)最近的一項研究為這一論述開辟了一個有趣的維度：人工智能 (AI) 神經網絡內的多樣性。
自我反思的力量：內部調整神經網絡
北卡羅來納州立大學物理學教授兼 NAIL 主任 William Ditto 和他的團隊構建了一個可以“向內看”并調整其神經網絡的人工智能系統。該過程允許人工智能確定其神經元之間的數量、形狀和連接強度，從而為具有不同神經元類型和強度的子網絡提供了潛力。
“我們創建了一個具有非人類智能（人工智能）的測試系統，看看人工智能是否會選擇多樣性而不是缺乏多樣性，以及它的選擇是否會提高人工智能的性能，”迪托說。“關鍵是讓人工智能有能力向內觀察并了解它是如何學習的。”
與使用靜態、相同神經元的傳統人工智能不同，Ditto 的人工智能擁有“自己大腦的控制旋鈕”，使其能夠進行元學習，這一過程可以提高其學習能力和解決問題的能力。“我們的人工智能還可以在多樣化或同質神經元之間做出決定，”Ditto 表示，“我們發現，在每種情況下，人工智能都會選擇多樣性作為增強其性能的一種方式。”
從傳統的人工神經網絡發展到多樣化的神經網絡，再到學習多樣化的神經網絡。線條粗細代表權重
績效指標：多樣性勝過統一性
研究團隊通過標準的數值分類練習來測量人工智能的性能，并發現了顯著的結果。傳統人工智能憑借其靜態同質神經網絡，準確率達到 57%。相比之下，元學習、多樣化的 AI 達到了驚人的 70% 準確率。
Ditto 表示，基于多樣性的人工智能在解決更復雜的任務（例如預測鐘擺的擺動或星系的運動）時顯示出高達 10 倍的準確度。“事實上，我們還觀察到，隨著問題變得更加復雜和混亂，與不擁抱多樣性的人工智能相比，其性能提高得更加顯著，”他解釋道。
影響：人工智能開發的范式轉變
這項研究的結果對人工智能技術的發展具有深遠的影響。他們提出了從當前流行的“一刀切”神經網絡模型到動態、自我調整模型的范式轉變。
“我們已經證明，如果你賦予人工智能向內觀察并了解其學習方式的能力，它將改變其內部結構（人工神經元的結構），以擁抱多樣性并提高其有效、更準確地學習和解決問題的能力”，同上總結道。這對于需要高水平適應性和學習能力的應用尤其相關，從自動駕駛汽車到醫療診斷。
這項研究不僅凸顯了多樣性的內在價值，還為人工智能研究和開發開辟了新的途徑，強調了對動態和適應性神經架構的需求。在海軍研究辦公室和其他合作者的持續支持下，下一階段的研究備受期待。
通過在內部擁抱多樣性原則，人工智能系統將在性能和解決問題的能力方面取得顯著進步，有可能徹底改變我們的機器學習和人工智能開發方法。
