進化計算將是人工智慧未來發展的關鍵

AiTechYun

編輯：chux

AI可以說是2018年最大的科技話題。從Google Duplex的人為模仿，Spotify的歌曲推薦，到Uber的自駕車以及五角大樓使用 GoogleAI，該技術似乎提供了一切。你可以說AI已經成為通過計算進步的代名詞。然而，並不是所有的AI都是平等的，它需要更有創造性。

讓我們從「創造性」的角度著手。這涉及兩種不同類型的人工智慧：深度學習和進化計算。深度學習在科技界已經相當成熟。自20世紀80年代以來，研究人員在神經網路中使用了其核心技術，並且它已經改變了我們今天認為是AI的許多方面。而現在，隨著大數據和大型計算能力的引入，深度學習已成為許多實際應用中不可分割的一部分。

這意味著我們可以將進化計算視為AI進程中的下一步。這種類型的AI基於受生物進化啟發的演算法。通過繁殖，變異，重組和選擇，進化計算可以執行平行的探索性搜索解決方案。由於這項技術基於多種解決方案，而不是單一的，並不斷完善的解決方案，因此可以嘗試新穎的想法並發現令人驚訝和具有創造性的解決方案。在進化計算中，研究人員利用這些過程達到特定的目標，例如創建一個網站，以最大限度地提高轉化率或制定一個流程。

進化計算與深度學習

進化計算與深度學習有很多不同之處，但最大的區別是，深度學習的重點在於對我們所知道的模型進行建模，對現有數據集進行監督式訓練。而進化計算側重於創建尚不存在的解決方案。例如，進化計算的一些應用可能包括提出一個與他人不相關的交易策略，尋找最佳路線以平衡競爭關注點，以及設計比人類設計的更為複雜的航天器天線。

進化計算可以通過繁複但有引導性的探索發現這些新的設計和行為。從某種意義上說，這是從深度學習中邁出的下一步：AI可以跳出限制進行思考。正是這種創造力的需要，我們必須超越目前的成就來提升人工智慧。深度學習已經證明了它在自動化行為和能力方面的價值，這些行為和能力都是眾所周知的且描述良好的，但它無法進一步超越。這就是為什麼進化計算將是人工智慧未來的關鍵。

目前進化計算的工作進展

最近進化計算工作量激增，說明這可能是人工智慧研究人員下一步方向。一個例子是OpenAI使用進化來設計神經網路進行強化學習，這表明它的表現更好，並且並行也比梯度下降技術表現更好。這種方法可以利用大規模並行計算來評估人口成員。

Uber還展示了進化如何通過更加明確地強調新穎的解決方案來進行更廣泛的探索。DeepMind概述了神經網路架構的這種探索可能導致連續發現新的行為。Google Brain的研究人員展示了進化架構搜索改善多個圖像分類基準測試任務中的現狀。

這些例子說明進化計算超越人類設計的可能性。憑藉堅實的研究基礎，各種公司已經將進化計算應用到生物信息學，工業優化和國土安全等領域。進化架構搜索還可能對未來的深度學習應用程序（如視頻監視技術和AI解釋視頻）提出新的挑戰。

未來的AI

進化計算提供了一個機會，將我們的技術能力擴展到深度學習之外。基於指導性的，充滿活力的探索，它有能力創造比人類設計更複雜的解決方案。通過這項技術，人工智慧有望改善許多行業，如農業，醫療保健，金融，國土安全和在線零售。雖然深度學習已經將我們帶到了這一步，但進化計算可以為我們帶來更具創造性的AI。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！