أثبتت الشبكات العصبية فعاليتها في حل المشكلات الصعبة، لكن تصميم هياكلها قد يكون تحديًا، حتى بالنسبة لمشكلات تصنيف الصور وحدها. هدفنا هو تقليل مشاركة الإنسان، لذلك نستخدم خوارزميات تطورية لاكتشاف هذه الشبكات بشكل آلي. رغم الحاجة إلى قدرات حاسوبية كبيرة، نظهر أنه أصبح من الممكن الآن تطوير نماذج ذات دقة ضمن نطاق تلك التي تم نشرها في العام الماضي. وبشكل خاص، نستخدم تقنيات تطورية بسيطة ولكن على نطاق غير مسبوق لاكتشاف نماذج لمجموعات البيانات CIFAR-10 وCIFAR-100، بدءًا من ظروف أولية بسيطة ووصولًا إلى دقة 94.6% (95.6% للنموذج الجماعي) و77.0% على التوالي. لتحقيق هذا الهدف، نستعمل مؤثرات طفرة جديدة ومباشرة تسهل التنقل في فضاء البحث الكبير؛ ونؤكد أن لا حاجة لأي مشاركة بشرية بمجرد بدء عملية التطوير وأن النتيجة هي نموذج مدرب بالكامل. خلال هذا العمل، نركز بشكل خاص على قابلية تكرار النتائج، والاختلاف في النواتج والحاجة إلى قدرات حاسوبية.