进化计算将推动创意AI的未来

AI可以说是2018年最大的科技话题。从Google Duplex的人类模仿和 Spotify的歌曲推荐 到Uber的自动驾驶汽车 以及五角大楼使用 GoogleAI，该技术似乎为每个人提供了一切。你可以说AI已经成为通过计算进步的代名词。然而，并非所有人工智能都是平等的，并且为了实现其许多承诺，它需要具有创造性。

让我们从解释“创意”的意思开始。我的解释涉及两种不同类型的人工智能：深度学习和进化计算。深度学习在科技界已经很成熟。自20世纪80年代以来，研究人员已将其核心技术应用于神经网络，并且它已经改变了我们今天认为的大部分AI。现在，随着大数据和大型计算能力的引入，深度学习已成为许多实际应用中不可或缺的一部分。

这意味着我们可以将进化计算视为AI进展的下一步。这种类型的AI基于受生物进化启发的算法。通过复制，变异，重组和选择，进化计算对解决方案进行并行的探索性搜索。由于该技术基于大量解决方案而非单一，不断改进的解决方案，因此可以尝试新颖的想法并发现令人惊讶和创造性的解决方案。在进化计算中，研究人员利用这些过程来达到一个特定的目标，例如创建一个最大化转换的网站或制定一个 生长最美味的罗勒植物的程序。

进化计算与深度学习

进化计算在很多方面与深度学习不同，但最大的区别在于深度学习侧重于对我们所知道的建模 - 对现有数据集的监督培训 - 而进化计算则侧重于创建尚不存在的解决方案。例如，进化计算的一些应用可能包括提出与其他人不相关的交易策略，找到公共汽车的最佳路线以平衡竞争问题，以及设计比人类设计更复杂和有效的航天器天线。

进化计算使得通过旺盛但引导的探索发现这样的新设计和行为成为可能。从某种意义上说，这是深度学习的下一步：人工智能的形式可以在盒子外思考。正是这种创造力，我们需要推动AI超越其目前的成就。深度学习已证明其在自动化行为和能力方面的价值，这些行为和能力众所周知且描述得很好，但它没有能力超越它们。这就是进化计算将成为人工智能未来关键的原因。

最近在进化计算方面的工作

最近在进化计算方面的工作激增，这让我相信这是AI研究人员正在进入的方向。一个例子是OpenAI使用进化设计神经网络进行强化学习，这表明它表现更好并且更好地并行化比梯度下降技术。这种方法利用大规模并行计算来评估人口成员。

Uber.ai小组还展示了进化如何通过更明确地强调新颖解决方案来提供更广泛的探索。DeepMind概述了神经网络架构的这种探索如何导致新行为的连续发现。谷歌大脑的研究人员展示了进化架构搜索如何改善几个图像分类基准测试任务中的现状，谷歌取得了另一项突破。

这些例子说明了进化计算如何超越人类设计的可能性。在坚实的研究基础的支持下，公司已经采用进化计算在生物信息学，工业优化和国土安全等领域构建商业应用。进化架构搜索还可能挑战深度学习应用，例如视频监控技术和AI解释视频。

未来的人工智能

进化计算为扩展我们的技术能力提供了一个超越深度学习的机会。在引导式的，充满活力的探索的基础上，它能够创建比人类设计更令人惊讶和更复杂的解决方案。通过这项技术，人工智能有可能改善许多行业，如农业，医疗保健，金融，国土安全和在线零售。虽然深度学习给我们带来了这么远，但进化计算可以将我们带入未来的人工智能 - 创造性人工智能。

Risto Miikkulainen是德克萨斯大学奥斯汀分校的计算机科学教授，也是Sentient Technologies的研究副总裁。