演化人工智能与前沿应用

进化论下的人工智能

1956年的夏天，诸位人工智能之父齐聚在宁静的达特茅斯学院，提出了人工智能（AI， Artificial Intelligence）。今日，同学们或多或少都接触过“高大上”的人工智能。SYS 博雅学堂第四季第二讲，华南理工大学计算机科学与工程学院詹志辉教授带领大家揭开人工智能的神秘面纱并着重探讨“演化人工智能”这一人工智能的重要分支，为大家讲解达尔文的进化论如何与人工智能的发展相碰撞。

人工智能的百家争鸣

1956年也是人工智能的元年。在达特茅斯会议上，各种关于人工智能的观点百花齐放。从今天主流学术的角度，这些观点可被归纳进三大学派：逻辑主义，其主张把世间万物符号化，数值化，以存储在计算机系统中，以便进行计算，推理，演算，证明等操作，以实现人工智能，如著名的知识工程；联结主义，其认为人之所以拥有智能，在于人脑中存在的神经元。因此其主张从结构上模拟人脑的结构，设计算法来实现人工智能，如今日的神经网络，深度学习等算法；进化主义（演化智能），其主张模拟人类，自然界的进化现象或者生物群体的智能行为来设计算法以实现人工智能，如进化计算，强化学习，群体智能等。 而到今日，人工智能的三大学派已有近70年的发展过程。逻辑主义在上世纪80年代开始走向式微，因为人类的思维在今日仍是一个巨大的问号，在计算机上模拟人类思维，只能做到一些人类已经完成的事情，如证明人类已证的定理，难以为人类的发展带来突破。联结主义的主要成果为今日的神经网络和深度学习算法，但其本质只是一个巨大的拟合器，也只能帮助人类做一些人类能做到的事情，如语音翻译和图像识别。但是进化主义下学者们提出的各种算法，能帮助人类做到目前人类难以做到的事情，如优化问题和调度问题。并且这些进化算法的可解释性会给人类带来各式的直觉，顿悟，涌现和创造，以至于人类可以从中创造新的知识。因此，詹教授认为，演化人工智能是通向真正人工智能的重要途径。

演化人工智能与进化论的碰撞

演化人工智能的主要思想为模拟自然界的各种进化现象和生物的群体行为来对人类世界所面临的问题进行求解。2018年诺贝尔得主弗朗西斯⋅阿诺德提出：“进化是世界上最强大的工程方法，我们应该利用它来寻找解决问题的新的生物解决方案。”根据生物DNA的遗传，演化智能学者们开发了遗传算法等进化类算法。生物的群体行为，如鸟群的群体飞行，蚁群的群体觅食等，衍生出广泛用于求解参数优化问题的粒子群优化算法。演化人工智能的本质则是设计与自然界进化思想相结合的算法，用以求解现实生活中的最优化问题，而求解的过程本身，又会带给人们新的思考与启发。

演化人工智能的入门tips

想要入门学习演化人工智能，夯实的数学基础，如马尔可夫过程，统计学习过程，随机过程，算法稳定性及收敛性的分析等能够帮助我们从数学的角度分析理解生物演化的过程。生物学方面的优胜劣汰，自然选择以及群体智能方面的协同竞争等规律则是设计演化人工智能算法的灵感来源以及现实支撑。因此，在不断提高数学知识储备的同时，满怀对生物进化的好奇，是入门学习演化人工智能的最优路径。

演化人工智能的前沿应用

演化人工智能作为求解最优化，智能化问题的重要工具，已经在国防，科技，经济，工农业等各个领域发挥了重要的作用。只要是优化，调度，决策，规划等问题，都能够使用演化人工智能的算法解决。在我们日常生活中使用的滴滴打车中，订单的分配则是典型的调度问题。而这类问题目前不可能由人类本身解决，只能依赖于强大的演化人工智能算法求出最优解。

写在最后

詹教授总结道，在未来人工智能三大学派的发展中，进化主义下的演化人工智能可以不断创造人类未知的知识。随着算法，算力和数据的不断增加，未来由知识，数据和进化三擎驱动的演化人工智能肯定是实现人工智能的重要途径。