人工智能很快就能像生物一样进化

斯坦福大学的研究人员刚刚给人工智能世界带来了一场小革命。受达尔文进化论的启发，他们开发了一种人工智能，能够将有用的修改传递给后代。

随着时间的推移，人工智能不断给人类留下深刻的印象。她有能力赢得国际象棋锦标赛对抗最好的球员或从简单的绘图诊断阿尔茨海默病，后者多年来一直以惊人的速度发展。然而，“进化”并不是真正正确的术语。尽管它很复杂，AI尚未成功模仿生物关于这一点。

事实上，我们还没有看到人工智能根据其环境进行转变，从错误中学习并将其突变传递给其后代。相反，研究人员更喜欢针对给定问题开发几种不同的解决方案，然后将它们合并为一项技术。但一项新的研究可能将查尔斯·达尔文从死里唤醒。

受进化论启发的人工智能

在一篇题为“深度进化强化学习”（DERL）的论文中，斯坦福大学的研究人员提出了一种新的机器学习技术。因此，他们创造了一个能够根据环境的复杂性随时间进行转变。目标：模仿生活。“我们的目标是阐明控制环境复杂性、进化形态和智能控制学习能力之间关系的某些原则”，科学家们解释道。

关于同一主题：这种人工智能可以让你与虚拟爱因斯坦聊天

为此，所讨论的人工智能（称为 DERL）由多个能够适应寻找解决方案的学习代理组成。后者定义了人工智能的形态。然后她被放置在一个虚拟环境中，目的是自行走动。随着测试的进展，DERL 将确定进行哪些突变以覆盖更远的距离。这些突变将遗传给下一代。另一方面，新模型并没有受益于其前辈的学习，而仅受益于其形态。

至少可以说，结果令人惊讶。就像生物本身一样，DERL 已经以多种方式进化来克服所面临的障碍。许多形态已经出现，各自设法解决问题。这与当前人工智能的做法完全相反，即测试各种解决方案以仅选择最有效的解决方案。

人工智能世界的一场革命

而且，环境越复杂，DERL 就越智能。研究人员表示，在不同环境中完成各种任务（例如巡逻、躲避、操纵物体甚至探索）的智能体往往学得更快。结果可能会对机器人行业产生严重影响。

“DERL 为进行大规模计算机实验铺平了道路，以获得关于学习和进化如何共同创建环境复杂性、智能形态和控制任务学习能力之间复杂关系的科学见解”，强调文章。

“我们希望我们的工作能够鼓励在其他背景下进一步大规模地探索学习和进化，以获得对可以快速学习的智能行为的出现的新的科学见解，以及我们实例化能力的新技术进步。他们在机器里。”

另一方面，我们不知道 DERL 最终是否会让我们每周只工作 12 小时。