人工智慧很快就能像生物一樣進化

史丹佛大學的研究人員剛剛為人工智慧世界帶來了一場小革命。受達爾文進化論的啟發，他們開發了一種人工智慧，能夠將有用的修改傳遞給後代。

隨著時間的推移，人工智慧不斷給人類留下深刻的印象。她有能力贏得國際象棋錦標賽對抗最好的球員或從簡單的繪圖診斷阿茲海默症，後者多年來一直以驚人的速度發展。然而，「進化」並不是真正正確的術語。儘管它很複雜，AI尚未成功模仿生物關於這一點。

事實上，我們還沒有看到人工智慧根據其環境進行轉變，從錯誤中學習並將其突變傳遞給其後代。相反，研究人員更喜歡針對給定問題開發幾種不同的解決方案，然後將它們合併為一項技術。但一項新的研究可能將查爾斯·達爾文從死裡喚醒。

受進化論啟發的人工智慧

在一篇題為「深度進化強化學習」（DERL）的論文中，史丹佛大學的研究人員提出了一種新的機器學習技術。因此，他們創造了一個能夠根據環境的複雜性隨時間轉變。目標：模仿生活。“我們的目標是闡明控制環境複雜性、進化形態和智能控制學習能力之間關係的某些原則”，科學家們解釋一下。

關於同一主題：這種人工智慧可以讓你與虛擬愛因斯坦聊天

為此，所討論的人工智慧（稱為 DERL）由多個能夠適應尋找解決方案的學習代理組成。後者定義了人工智慧的形態。然後她被放置在一個虛擬環境中，目的是自行走動。隨著測試的進展，DERL 將確定進行哪些突變以覆蓋更遠的距離。這些突變將遺傳給下一代。另一方面，新模型並沒有受益於其前輩的學習，而僅受益於其形態。

至少可以說，結果令人驚訝。就像生物本身一樣，DERL 已經以多種方式進化來克服所面臨的障礙。許多形態已經出現，各自設法解決問題。這與目前人工智慧的做法完全相反，即測試各種解決方案以僅選擇最有效的解決方案。

人工智慧世界的一場革命

而且，環境越複雜，DERL 就越智能。研究人員表示，在不同環境中完成各種任務（例如巡邏、躲避、操縱物體甚至探索）的智能體往往學得更快。結果可能會對機器人產業產生嚴重影響。

“DERL 為進行大規模電腦實驗鋪平了道路，以獲得關於學習和進化如何共同創建環境複雜性、智能形態和控制任務學習能力之間複雜關係的科學見解”，強調文章。

「我們希望我們的工作能夠鼓勵在其他背景下進一步大規模地探索學習和進化，以獲得對可以快速學習的智能行為的出現的新的科學見解，以及我們實例化能力的新技術進步。他們在機器裡。

另一方面，我們不知道 DERL 最終是否會讓我們每週只工作 12 小時。