Resumen: Los pesos y topologías de las redes neuronales evolucionaron originalmente para resolver tareas en las que no se dispone de gradientes. Recientemente, también se ha convertido en una técnica útil para el metalearning de arquitecturas de redes de aprendizaje profundo. Sin embargo, la neuroevolución es más potente cuando utiliza las sinergias de la evolución y el aprendizaje. En esta charla repasaré varios ejemplos de tales sinergias: funciones de pérdida evolutivas, funciones de activación, optimización de sustitutos y soluciones diseñadas por humanos. Demostraré estas sinergias en el reconocimiento de imágenes, los juegos y la optimización de políticas contra pandemias, y señalaré oportunidades de trabajo para el futuro.
Ponente: Risto Miikkulainen es profesor de informática en la Universidad de Texas en Austin y vicepresidente asociado de IA evolutiva en Cognizant. Recibió un M.S. en Ingeniería de la Universidad Tecnológica de Helsinki (ahora Universidad Aalto) en 1986, y un Ph.D. en Ciencias de la Computación de UCLA en 1990. Su investigación actual se enfoca en métodos y aplicaciones de neuroevolución, así como modelos de redes neuronales de procesamiento de lenguaje natural y visión; es autor de más de 450 artículos en estas áreas de investigación. En Cognizant, está ampliando estos enfoques a problemas del mundo real. Risto es miembro del IEEE; su trabajo sobre neuroevolución ha sido reconocido recientemente con el Premio Pionero en Computación Evolutiva IEEE CIS, el Premio Gabor de la Sociedad Internacional de Redes Neuronales y el Premio al Artículo Destacado de la Década de la Sociedad Internacional para la Vida Artificial.
Grabación: Neuroevolution: A Synergy of Evolution and Learning