人工智能|IEEE Fellow姚新：在多目标动态优化问题中，演化计算仍有独特优势

隔多年，再看图灵在1948年撰写的报告——《Intelligent Machinery》，我们仍然会为这位数学天才对智能机器的想象与痴迷所折服。
在这份报告中，图灵将婴儿的大脑皮层比喻为一台「无组织机器」（an unorganized machine），如同婴儿在后天的教育（或「干预」训练）中能逐渐成为一个「有组织的」成年人，行为规划符合社会人类共识，无组织机器也能通过外界的信息交流干预（「paper interference」），成为一台具有人类特征的、甚至会思考的「有组织机器」。
在第16页，图灵抛出一个观点：
从进化与遗传学的角度来看，将大脑皮层看作「无组织机器」的设想是非常令人满意的。
图灵将机器看作一个生命。如同物种在大自然中经历「优胜劣汰」的选择般，图灵设想了一种「智能搜索」（intellectual searches），在解决包含多类型问题的大类问题 n 时，通过淘汰的方式选出适合的方案：
……按顺序取整数并测试每个整数是否具有所需的属性，直到找到具有某属性的整数... 在各个阶段，下一步的选择可能都不止一个。不过，我们可能会将所有可能的选择按顺序排列，直到机器证明一个定理，并能按自己的方式验证该定理以给出问题的解决方案。
在这份仅有20页的报告中，图灵的许多观点成为现代人工智能的基础。比如，无组织机器的进化思想，便奠定了后来「演化计算」（Evolutionary Computation）的学科基础。演化编程、遗传算法、演化硬件等等不可思议的概念，均沿袭于此。
不过，在90年代以神经网络为代表的连接主义兴起后，演化计算逐渐成为计算机科学、甚至人工智能领域的一个小众分支。从2003年创办至今的CNCC，也是在今年才首次开设了以演化计算为主题的分论坛。
该论坛名为「下一代演化计算发展趋势」，由南方科技大学计算机科学与工程系的系主任、IEEE Fellow姚新出任主席，并请到了徐宗本院士、焦李成院士、丁进良、唐珂与罗文坚等学者作演讲。

文章插图

图注：姚新
姚新的本科就读于中国科学技术大学少年班，师从陈国良院士与李国杰院士，从上世纪90年代博士期间开始研究演化计算，至今已有三十多年，是我国少数研究演化计算的国际知名学者之一，也是历史上首位获得神经网络最高奖「IEEE Frank Rosenblatt Award」的华人学者。
AI科技评论有幸邀请到姚新教授作为「Fellow来了」系列的第 02 期人物，与我们分享演化计算的研究特点、发展现状与研究意义，尤其是演化计算与神经网络的结合。

1、什么是演化计算？

简单来说，演化计算是一种基于自然选择和遗传变异等生物进化机制的全局性概率搜索算法，能够在不要求函数连续、可微与单峰的情况下，找到问题的近似全局最优解。
基于这些优点，演化计算被广泛用于NP与NPC难题求解、神经网络优化、多目标优化问题求解与其他众多领域。

文章插图

图注：演化计算示例，通过程序迭代模拟，将要解决的问题看作一个环境，在一些可能的解组成的种群中，通过自然演化寻求最优解。
追溯历史，演化计算与人工智能的发展历程很相似。
1958年的达特茅斯会议被称为「人工智能」的起点，而演化计算方向的许多奠基性工作也是在上世纪60年代末、70年代初出现。继图灵讨论「无组织机器」如何成长后，1966年，Lawrence J. Fogel 在其著作《Artificial Intelligence through Simulated Evolution》中提出「演化编程」，基于有限状态机，用演化计算的方法设计一台学习机，预测1、3、5、7、11……中的下一个整数是不是素数。