发布时间:2017-06-19 13:32:10 文章来源:互联网
微博 微信 QQ空间
    人们对计算机分析和学习技术进行了研究,并把它们用于了人工智能领域。人工智能代表了人们的雄心壮志:创造能够思考、学习、解决问题的机器。在应用方面,和人类的心智别无二致。

    显而易见,人工智能并不是什么新鲜事物。我们每一个人在日常生活中都会用到。我们发送电子邮件、使用信用卡、旅游或是上网时,人工智能系统是我们得以从事这些活动的基础。智能的算法不停地检测信用卡诈骗,关注航班的起降,时刻关注库存。在有的自动化工厂中,人工智能甚至能为人们生产货物。
 
    遗传算法
 
    这些人工智能算法基于机器学习、深度学习、人工神经网络和自然语言处理。人工智能的另一个组成部分就是用于制造他们的算法。遗传算法就是很好的一个例子。遗传算法是一种被用于人工智能以及计算领域的启发式搜索方式,理论基础是达尔文的进化论。基于自然选择和进化生物等理论(如选择、转化、遗传、重组),遗传算法可以被用于优化问题的解决方式。
 
    遗传算法基于这样一种观念:染色体是一连串的基因。R.A.Fisher采用了这种观点,建立了一系列数学公式,测算了某一条基因在某一种群中传播的速率。
 
    过去,传统的算法在解决优化问题时(不管有无约束条件),会为每一个循环生成一个单独的数据点,数据点所构成的序列就会成为一种解决方案。恰恰相反的是,遗传算法使用的方法与自然选择理论较为相似。这种算法通过重复修改某一种解决方案的每一个步骤,从现有的所有点中随机选取,并把他们作为“父点”,并基于其产生“子点”。经过了几代之后,人们就能得到一个优化了的“种群”——即解决方案。
 
    如图所示,AI的发展经历了四个主要的阶段:最初,AI只能被动的作出回应;此后,AI能够拥有有限的记忆。再然后,AI可以拥有自己的心智;到现在,AI甚至能够有自我意识。
 
    尽管过程是随机的,但遗传算法的结果绝不是随机的。恰恰相反,这种算法利用了过去的信息,指导人们的研究,提高算法的性能。遗传算法有效地模拟了人类社会中“适者生存”的原理,通过若干代的“繁殖”,解决我们的问题。每个人都代表研究中的一个点,也就是一种可能的解决方案。种群中的个体会经历进化的过程。

另一视角

换一换