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(shù)似乎為每個人提供了一切。你可以說AI已經(jīng)成為通過計算進(jìn)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(xiàn)其許多承諾，它需要具有創(chuàng)造性。

讓我們從解釋“創(chuàng)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(xué)習(xí)和進(jìn)化計算。深度學(xué)習(xí)在科技界已經(jīng)很成熟。自20世紀(jì)80年代以來，研究人員已將其核心技術(shù)應(yīng)用于神經(jīng)網(wǎng)絡(luò)，并且它已經(jīng)改變了我們今天認(rèn)為的大部分AI。現(xiàn)在，隨著大數(shù)據(jù)和大型計算能力的引入，深度學(xué)習(xí)已成為許多實際應(yīng)用中不可或缺的一部分。

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

進(jìn)化計算與深度學(xué)習(xí)

進(jìn)化計算在很多方面與深度學(xué)習(xí)不同，但最大的區(qū)別在于深度學(xué)習(xí)側(cè)重于對我們所知道的建模 - 對現(xiàn)有數(shù)據(jù)集的監(jiān)督培訓(xùn) - 而進(jìn)化計算則側(cè)重于創(chuàng)建尚不存在的解決方案。例如，進(jìn)化計算的一些應(yīng)用可能包括提出與其他人不相關(guān)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(shè)計比人類設(shè)計更復(fù)雜和有效的航天器天線。

進(jìn)化計算使得通過旺盛但引導(dǎo)的探索發(fā)現(xiàn)這樣的新設(shè)計和行為成為可能。從某種意義上說，這是深度學(xué)習(xí)的下一步：人工智能的形式可以在盒子外思考。正是這種創(chuàng)造力，我們需要推動AI超越其目前的成就。深度學(xué)習(xí)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(jìn)化計算將成為人工智能未來關(guān)鍵的原因。

最近在進(jìn)化計算方面的工作

最近在進(jìn)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(jìn)入的方向。一個例子是OpenAI使用進(jìn)化設(shè)計神經(jīng)網(wǎng)絡(luò)進(jìn)行強(qiáng)化學(xué)習(xí)，這表明它表現(xiàn)更好并且更好地并行化比梯度下降技術(shù)。這種方法利用大規(guī)模并行計算來評估人口成員。

Uber.ai小組還展示了進(jìn)化如何通過更明確地強(qiáng)調(diào)新穎解決方案來提供更廣泛的探索。DeepMind概述了神經(jīng)網(wǎng)絡(luò)架構(gòu)的這種探索如何導(dǎo)致新行為的連續(xù)發(fā)現(xiàn)。谷歌大腦的研究人員展示了進(jìn)化架構(gòu)搜索如何改善幾個圖像分類基準(zhǔn)測試任務(wù)中的現(xiàn)狀，谷歌取得了另一項突破。

這些例子說明了進(jìn)化計算如何超越人類設(shè)計的可能性。在堅實的研究基礎(chǔ)的支持下，公司已經(jīng)采用進(jìn)化計算在生物信息學(xué)，工業(yè)優(yōu)化和國土安全等領(lǐng)域構(gòu)建商業(yè)應(yīng)用。進(jìn)化架構(gòu)搜索還可能挑戰(zhàn)深度學(xué)習(xí)應(yīng)用，例如視頻監(jiān)控技術(shù)和AI解釋視頻。

未來的人工智能

進(jìn)化計算為擴(kuò)展我們的技術(shù)能力提供了一個超越深度學(xué)習(xí)的機(jī)會。在引導(dǎo)式的，充滿活力的探索的基礎(chǔ)上，它能夠創(chuàng)建比人類設(shè)計更令人驚訝和更復(fù)雜的解決方案。通過這項技術(shù)，人工智能有可能改善許多行業(yè)，如農(nóng)業(yè)，醫(yī)療保健，金融，國土安全和在線零售。雖然深度學(xué)習(xí)給我們帶來了這么遠(yuǎn)，但進(jìn)化計算可以將我們帶入未來的人工智能 - 創(chuàng)造性人工智能。

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