人工智能|焦李成院士：进化优化与深度学习的思考( 二 )

遗传编程：1980年，S.F.Smith提出了基于遗传自适应算法的学习系统，J.R.Koza撰写了《遗传编程：用自然选择让计算机编程》。

根据进化计算思想，科学家们又设计了它的动力学过程：群体智能，它可以由混沌状态出发，通过价值启发信息探索规律、模式和知识，最终得到解。它的过程是通过动力学的演化过程，以概率1收敛到全局最优解，特点表现为随机、非线性、遍历、自组织性、适应性、多样性、稳定性和高度并行性。

文章插图

如上图所示，群体智能的思想起源很早，其代表性的方法包括蚁群优化、粒子群优化、免疫算法、萤火虫算法等等。利用进化优化求解复杂问题，主要是利用它的并行性、奇异性、易修改性、高度的非线性以及广泛的应用性等特点，从而匹配NP难问题和组合爆炸问题。

文章插图

此外，在进化优化算法发展的过程中，自然免疫学理论为人工免疫进化优化提供了坚实的理论基础。从信息负表示算法到免疫进化算法，再到人工免疫的网络、克隆选择算法，以及树突细胞算法，让进化优化算法有了“利用先验知识，具有容错性、免疫性、鲁棒性”等特点，使其和实际问题更加靠近，能够在动态中寻求最优解。
生物免疫同样也证明了这一点，生物诺奖的领域也为发展新的算法提供了坚实的理论基础。“在记忆中学习，在遗忘中加速”使最优解算法更加有效，符合优胜劣汰的根本思想。
人工免疫系统模型的特点是：学习记忆性、多样性、分布性、容错性和被动免疫性。这也为构造高效、鲁棒、容错的算法提供了生物的基础。人工免疫系统方法应用在各个领域，已经有非常好的表现，希望它能够和进化计算、深度学习结合起来，共同推动领域发展。
提及进化，一定离不开类脑的感知和认知，离不开神经网络以及深度学习。2021年诺贝尔医学奖颁给了David Julius和Ardem Patapoutian，当时给出的获奖理由是：

人体对热、冷和触觉的感知能力对我们的生存至关重要，并且支撑着我们与周围世界的互动。他们发现了“温度和触觉的受体”。

这给我们带来了“类脑感知与认知研究非常有意义”的启示。从类脑的感知到认知是长时间的过程，而认知科学是一门对心智及其过程进行多学科研究的科学，如果说感知包含视觉、听觉、触觉、味觉等，而认知是教会我们理解、思考、推断、决策，那么如何对心智及其过程进行准确而全面的观察是认知科学的基础，也是巨大的挑战。Tomaso A.Poggio教授认为：人工智能过去的突破来自于神经科学，将来的突破也来自于神经科学。

类脑表征学习与优化

文章插图

回忆类脑的感知和认知，首先要了解脑的生物机理和基本特性。如上图所示，人脑的六个特性是近20年生物界最新发现：稀疏性、学习性、选择性、方向性、知识性和多样性。

稀疏性：1996年， Olshausen和 Field在《Nature》上发文提出神经元稀编学说；2007年，Svoboda和 Brecht在《Science》上发表论文，用白鼠实验验证了神经元“稀疏编码”假说。
学习性：2011年，美国MIT学者 Tenenbaum与CMU、 Berkeley、 Standford大学等人在《Science》上指出：人类能从少量的数据学到一般化的知识，即具有“抽象知识”的学习能力。
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页