進化計算將推動創意AI的未來

AI可以說是2018年最大的科技話題。從Google Duplex的人類模仿和 Spotify的歌曲推薦 到Uber的自動駕駛汽車 以及五角大樓使用 GoogleAI，該技術似乎為每個人提供了一切。你可以說AI已經成為通過計算進步的代名詞。然而，并非所有人工智能都是平等的，并且為了實現其許多承諾，它需要具有創造性。

讓我們從解釋“創意”的意思開始。我的解釋涉及兩種不同類型的人工智能：深度學習和進化計算。深度學習在科技界已經很成熟。自20世紀80年代以來，研究人員已將其核心技術應用于神經網絡，并且它已經改變了我們今天認為的大部分AI。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或缺的一部分。

這意味著我們可以將進化計算視為AI進展的下一步。這種類型的AI基于受生物進化啟發的算法。通過復制，變異，重組和選擇，進化計算對解決方案進行并行的探索性搜索。由于該技術基于大量解決方案而非單一，不斷改進的解決方案，因此可以嘗試新穎的想法并發現令人驚訝和創造性的解決方案。在進化計算中，研究人員利用這些過程來達到一個特定的目標，例如創建一個最大化轉換的網站或制定一個 生長最美味的羅勒植物的程序。

進化計算與深度學習

進化計算在很多方面與深度學習不同，但最大的區別在于深度學習側重于對我們所知道的建模 - 對現有數據集的監督培訓 - 而進化計算則側重于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與其他人不相關的交易策略，找到公共汽車的最佳路線以平衡競爭問題，以及設計比人類設計更復雜和有效的航天器天線。

進化計算使得通過旺盛但引導的探索發現這樣的新設計和行為成為可能。從某種意義上說，這是深度學習的下一步：人工智能的形式可以在盒子外思考。正是這種創造力，我們需要推動AI超越其目前的成就。深度學習已證明其在自動化行為和能力方面的價值，這些行為和能力眾所周知且描述得很好，但它沒有能力超越它們。這就是進化計算將成為人工智能未來關鍵的原因。

最近在進化計算方面的工作

最近在進化計算方面的工作激增，這讓我相信這是AI研究人員正在進入的方向。一個例子是OpenAI使用進化設計神經網絡進行強化學習，這表明它表現更好并且更好地并行化比梯度下降技術。這種方法利用大規模并行計算來評估人口成員。

Uber.ai小組還展示了進化如何通過更明確地強調新穎解決方案來提供更廣泛的探索。DeepMind概述了神經網絡架構的這種探索如何導致新行為的連續發現。谷歌大腦的研究人員展示了進化架構搜索如何改善幾個圖像分類基準測試任務中的現狀，谷歌取得了另一項突破。

這些例子說明了進化計算如何超越人類設計的可能性。在堅實的研究基礎的支持下，公司已經采用進化計算在生物信息學，工業優化和國土安全等領域構建商業應用。進化架構搜索還可能挑戰深度學習應用，例如視頻監控技術和AI解釋視頻。

未來的人工智能

進化計算為擴展我們的技術能力提供了一個超越深度學習的機會。在引導式的，充滿活力的探索的基礎上，它能夠創建比人類設計更令人驚訝和更復雜的解決方案。通過這項技術，人工智能有可能改善許多行業，如農業，醫療保健，金融，國土安全和在線零售。雖然深度學習給我們帶來了這么遠，但進化計算可以將我們帶入未來的人工智能 - 創造性人工智能。

Risto Miikkulainen是德克薩斯大學奧斯汀分校的計算機科學教授，也是Sentient Technologies的研究副總裁。