大自然才是帮助你理解人工智能的最好导师 [社会]

据TechCrunch报道，在生物中，进化是一个多世代的过程。在这个过程中，基因会发生突变，有些基因会增加，有些则会消失。能够适应这个过程的生物可以幸存下来，运气不好的最终会走向灭绝。这就是自然选择。生物的适应...

据TechCrunch报道，在生物中，进化是一个多世代的过程。在这个过程中，基因会发生突变，有些基因会增加，有些则会消失。能够适应这个过程的生物可以幸存下来，运气不好的最终会走向灭绝。这就是自然选择。生物的适应能力是非常强大的，但在发生大洪水时，如果你不能及时进化出腮来，那么你可能面临被淘汰的命运。

另一方面，基因工程是个缓慢而谨慎的过程，需要采取可靠措施达到既定目标。随着人工智能（AI）的出现，我们看到进化和基因工程开始汇聚，而机器学习算法也开始进化。为了对自然进化与机器进化进行比较，让我们首先考虑数据，以及它是如何遵循自然选择的规则，适应环境和训练过程的。训练过程可以是监督或无监督学习、加强学习、聚类、决策树或不同的深度学习方式。

与自然进化非常相似，不同的生物可以解决不同的问题。它们依赖不同的环境，但最终都能达到相同的效果。鲨鱼和海豚有相似的抑制伤口机制，尽管这种机制最初的进化方向完全不同。在技术领域，我们也看到相同的模式。比如k均值聚类算法，这种技术经常被用于图像分割，通过迭代过程把数据集划分为不同的类别，使得评价聚类*能的准则函数达到最优。

如果你给10个人相同的数据集，并要求他们使用不同的算法解决相同的问题。很有可能他们真的使用不同的方法，并获得相同的结果。在某种意义上说，无论是在自然界还是机器身上，解决问题的原理非常相似。

那么，这对公司来说有何意义？随着机器学习技术的发展，并被越来越多应用在商业领域，企业正面临着相关挑战，包括如何制定相关战略、如何安全、高效低使用这种技术等。从历史上看，技术专家经常从大自然中获得灵感。以下就是企业可以利用进化理论理解AI潜在应用的例证。

1.发散进化：即使是看似相关的数据集，你也很难在第一眼就看出相关*。即使你拥有可以训练物体识别的ImageNet等数据库，这也并非意味着你能够掌握视频识别或面部识别。

2.聚类进化：即使属于不同的数据集，我们也总是在寻找在根本上相同的问题。比如，谷歌利用搜索查询数据帮助建立更好的拼写检查程序。谷歌保持追踪用户的查询内容，当他们注意到数百万人采用与你不同的方式拼写时，他们就会提醒你做相同的事情。

3.捕食者与猎物或寄生虫与宿主共同进化：如果两个AI共同进化，可能发生非常有趣的事情。网络安全公司都在开发机器学习解决方案，并不断训练他们的系统发现新的威胁。

现在已经有很多AI公司帮助我们更高效地工作，比如x.ai正帮助我们管理忙碌的生活，Diffbot帮助我们智能化地组织网页等，但这些应用实际上依然处于起步状态，需要根本*的改进。或许最好的方式，就是将它们投入我们已经理解的现象中，即进化。

在AI领域，我们拥有巨大的机遇，自然进化可为我们学习和迎接未来机器进化提供框架。与此同时，公司领导层需要审慎考虑制定AI战略，投资培养必要的人才和建设基础设施，并将它们的数据变成具有变革意义的解决方案，这些都非常重要。