大自然才是幫助你理解人工智能的最好導師

據(jù)TechCrunch報道，在生物中，進化是一個多世代的過程。在這個過程中，基因會發(fā)生突變，有些基因會增加，有些則會消失。能夠適應這個過程的生物可以幸存下來，運氣不好的最終會走向滅絕。這就是自然選擇。生物的適應能力是非常強大的，但在發(fā)生大洪水時，如果你不能及時進化出腮來，那么你可能面臨被淘汰的命運。

另一方面，基因工程是個緩慢而謹慎的過程，需要采取可靠措施達到既定目標。隨著人工智能（AI）的出現(xiàn)，我們看到進化和基因工程開始匯聚，而機器學習算法也開始進化。為了對自然進化與機器進化進行比較，讓我們首先考慮數(shù)據(jù)，以及它是如何遵循自然選擇的規(guī)則，適應“環(huán)境”和“訓練過程”的。訓練過程可以是監(jiān)督或無監(jiān)督學習、加強學習、聚類、決策樹或不同的深度學習方式。

與自然進化非常相似，不同的生物可以解決不同的問題。它們依賴不同的環(huán)境，但最終都能達到相同的效果。鯊魚和海豚有相似的抑制傷口機制，盡管這種機制最初的進化方向完全不同。在技術領域，我們也看到相同的模式。比如k-均值聚類算法，這種技術經(jīng)常被用于圖像分割，通過迭代過程把數(shù)據(jù)集劃分為不同的類別，使得評價聚類性能的準則函數(shù)達到最優(yōu)。

如果你給10個人相同的數(shù)據(jù)集，并要求他們使用不同的算法解決相同的問題。很有可能他們真的使用不同的方法，并獲得相同的結果。在某種意義上說，無論是在自然界還是機器身上，解決問題的原理非常相似。

那么，這對公司來說有何意義？隨著機器學習技術的發(fā)展，并被越來越多應用在商業(yè)領域，企業(yè)正面臨著相關挑戰(zhàn)，包括如何制定相關戰(zhàn)略、如何安全、高效低使用這種技術等。從歷史上看，技術專家經(jīng)常從大自然中獲得靈感。以下就是企業(yè)可以利用進化理論理解AI潛在應用的例證。

1.發(fā)散進化：即使是看似相關的數(shù)據(jù)集，你也很難在第一眼就看出相關性。即使你擁有可以訓練物體識別的ImageNet等數(shù)據(jù)庫，這也并非意味著你能夠掌握視頻識別或面部識別。

2.聚類進化：即使屬于不同的數(shù)據(jù)集，我們也總是在尋找在根本上相同的問題。比如，谷歌利用搜索查詢數(shù)據(jù)幫助建立更好的拼寫檢查程序。谷歌保持追蹤用戶的查詢內容，當他們注意到數(shù)百萬人采用與你不同的方式拼寫時，他們就會提醒你做相同的事情。

3.捕食者與獵物或寄生蟲與宿主共同進化：如果兩個AI共同進化，可能發(fā)生非常有趣的事情。網(wǎng)絡安全公司都在開發(fā)機器學習解決方案，并不斷訓練他們的系統(tǒng)發(fā)現(xiàn)新的威脅。

現(xiàn)在已經(jīng)有很多AI公司幫助我們更高效地工作，比如x.ai正幫助我們管理忙碌的生活，Diffbot幫助我們智能化地組織網(wǎng)頁等，但這些應用實際上依然處于起步狀態(tài)，需要根本性的改進。或許最好的方式，就是將它們投入我們已經(jīng)理解的現(xiàn)象中，即進化。

在AI領域，我們擁有巨大的機遇，自然進化可為我們學習和迎接未來機器進化提供框架。與此同時，公司領導層需要審慎考慮制定AI戰(zhàn)略，投資培養(yǎng)必要的人才和建設基礎設施，并將它們的數(shù)據(jù)變成具有變革意義的解決方案，這些都非常重要。

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。