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( 五 )

从本质上看，一个研究方向的规模大小与其在商业上的成功有着莫大关联。比方说，深度学习兴起的最大推手就是企业，深度学习之所以能成功，是因为其在产业中孵化出许多应用，能给企业带来经济效益，而演化计算对产业的影响力有限，「即使用演化计算设计天线，也只是设计直径为1cm的天线，而不是所有天线。」
而第二个原因，是了解演化计算的人不多。姚新感叹：「演化计算在许多场景中适用，但大家一般是先尝试了许多其他方式、发现行不通了，才会想到演化计算。」
为此，作为演化计算的忠实研究者，科研之余，姚新也将一部分的精力放在了演化计算的「布道」上，让更多人了解到研究演化计算的重要性：
在图灵发表于1948年的报告中，他就专门花了2页的篇幅探讨演化计算的思想，这也说明从很早开始，演化计算就已经是计算机科学与人工智能中不可分割的一部分。一直到2015年，Nature推出人工智能专刊时，收录了6篇长文，其中1篇（如下）就是专门讲演化计算。

文章插图

论文链接：https://research.vu.nl/en/publications/from-evolutionary-computation-to-the-evolution-of-things
姚新介绍，演化计算与机器学习的关系，就相当于自适应的两个基础模式。机器学习是个体学习，研究如何在最短的时间内适应一个训练集，时间粒度比较短，而演化计算是群体学习，通过对解空间采样、做比较与淘汰，时间粒度比较长，两者互补，对人工智能缺一不可。
「在研究演化计算时，你是避不开机器学习的，因为从一开始，演化计算就包含在机器学习领域。早期的演化计算论文也是发表在与机器学习相关的会议与期刊。」姚新回忆，「我与张成奇认识，就是因为参加了他1993年在澳大利亚举办的全澳人工智能会议。」
姚新认为，在未来的人工智能发展中，当个体的快速学习已经研究得差不多时，人们迟早会意识到，个体的学习距离通用人工智能是有一定距离的。这时，人们一定会考虑其他的途径，演化计算便是其中的一个选择。
比方说，南京大学的周志华团队虽然一直研究机器学习，但近年来也在演化计算上有所造诣。2019年，周志华便与他的两个学生（钱超、俞扬）出版了《演化学习：理论和算法的进展》英文版一书。
除了周志华团队，中国研究演化计算的学者还有西安电子科技大学焦李成的研究团队、徐宗本院士团队、原先武汉大学康立三教授的部分学生，以及中国科技大学陈国良院士与王旭法教授所带领的学生。
在即将召开的CNCC分论坛「演化计算的下一代发展趋势」中，姚新便邀请了数位能到现场作演讲的嘉宾，包括徐宗本、焦李成、唐珂、丁庆良等学者。
据姚新介绍，此次论坛的演讲内容颇符合李国杰院士所提出的「顶天立地」的口号。徐宗本院士主要从基础理论出发，解析演化计算与机器学习的关系；丁庆良介绍如何将演化算法应用到工业控制中，解决实际问题；唐珂探讨如何用演化计算自动设计算法，而焦李成则从理论到实践系统地研究演化计算及其应用。
论坛的时长只有3个小时，姚新明白，一次「布道」并不能将问题真正吃透。所以，他更希望这个论坛是一次「播种」，将「演化计算」的种子播撒在参会者的心里。
就姚新个人而言，国内演化计算研究发展的关键点有两个：
一是做有影响力的应用，解决实际问题。与此同时，也要找到适合演化算法解决的问题，「比如2006年NASA的研究员想到用演化计算来设计直径1cm的小型卫星天线就很巧妙。当一个问题无法用数学方程描述、只能通过采样的方法做模拟优化时，演化算法的优越性便显示出来了。」