Yapay zeka alanında yeni bir yaklaşım olan EVIL (Evolving Interpretable algorithms with LLMs), büyük dil modellerinin gücünü evrimsel arama ile birleştirerek dinamik sistemler için basit ve anlaşılır algoritmalar keşfetmeyi hedefliyor.
Geleneksel yaklaşımların aksine, EVIL sistemi büyük veri setleri üzerinde sinir ağları eğitmek yerine, farklı veri setlerinde doğrudan çalışabilen saf Python ve NumPy programları geliştiriyor. Bu programlar, herhangi bir özel eğitime ihtiyaç duymadan sıfır-atışlı çıkarım yapabilme yeteneğine sahip.
Araştırmacılar, sistemin etkinliğini üç kritik alanda test etti. İlki, zamansal nokta süreçlerinde gelecekte gerçekleşecek olayları tahmin etme; ikincisi, Markov atlama süreçleri için oran matrislerini hesaplama; üçüncüsü ise eksik veri noktalarının bulunduğu zaman serilerini tamamlama işlemi.
En dikkat çekici sonuç, evrimleşen tek bir algoritmanın tüm değerlendirme veri setlerinde başarılı performans göstermesi oldu. Bu durum, her veri seti için ayrı bir eğitim sürecine ihtiyaç duyulmaması anlamına geliyor ve amortize edilmiş çıkarım modellerine benzer bir yaklaşım sunuyor.
Bu çalışma, LLM destekli program evriminin dinamik sistemler problemleri için kompakt ve etkili çözümler üretebileceğini kanıtlayan ilk araştırma olma özelliği taşıyor.