1700526530
1700526531
同神经网络一样，进化算法是对混乱的数据中包含的细微而深奥的模式加以利用的方法，这一方法最需要的就是大量有待解决的问题的案例。在金融界从不缺乏大量混乱的信息——交易市场分分秒秒发生的变化都可以在网络上找到。
1700526532
1700526533
进化算法擅长解决包含多种变量的问题，得出精确的计算结果。比如设计喷气式飞机引擎时，涉及100种变量和几十种限定条件，通用电气公司的研究人员利用进化算法，轻而易举地设计出引擎，比传统方法设计出的引擎更符合限定条件。
1700526534
1700526535
进化算法作为混沌或复杂理论领域的一部分，也越来越多地被用来解决一些棘手的商业问题。通用汽车公司利用进化算法协调了汽车的喷漆过程，它将昂贵的换漆工序（以前，更换汽车油漆颜色时整个喷漆棚都要暂停使用）成本降低了50%。沃尔沃利用进化算法详细制定了沃尔沃770型小型卡车的生产流程。资产30亿美元的水泥工厂西麦斯也采用类似方法对其复杂的物流运输进行管理。进化算法在工业生产中逐步取代传统的分析方法。
1700526536
1700526537
进化算法这一进化模式还擅长模式识别。现有的进化算法在指纹、人脸、笔迹等识别领域的应用效果都要优于神经网络。进化算法还可以用于编写电脑软件程序，尤其是那些需要处理大量数据的程序，最典型的例子便是微软的Windows 95系统，其中的软件便能很好地处理资源数据，而该过程均为软件通过自我演化而成，并非人工详细编写的。
1700526538
1700526539
使用进化算法时，你得明白自己想要达到什么效果。约翰·科扎尝试用一个进化程序解决“堆积木”的问题。该程序演化出一种解决方案，符合问题的各个限制条件，除了如下一条：该程序将木块移动了2 319次，人们要实际操作不太现实。很明显这是程序设计员的设计漏洞，忘了限定使用最少的移动次数。科扎说：“我们想要什么，进化算法就给了我们什么，不多不少刚刚好。”
1700526540
1700526541
自组织
1700526542
1700526543
神经网络和进化算法都被视为新兴的自组织方法，因为其产生的结果不可预测，并且常常出乎设计者的意料。不仅结果无法预料，其解决问题的过程也经常无法预测。比如，神经网络或进化算法在解决一个问题时反反复复运行了上百次却几乎没有进展，但在某一瞬间——似乎程序也会灵光一现，将所有事情梳理开来，解决方法也便水到渠成了。
1700526544
1700526545
在制造智能机器时，我们会越来越倾向于将复杂的问题（如理解人类语言）分解成一个个小问题，每个部分都有自己的自组织程序。这类新兴的分层系统的专业界线会越来越模糊，在解决真实世界的各类复杂问题时也会有更大的灵活性。
1700526546
1700526547
人类记忆的全息特性
1700526548
1700526549
求知领域的“圣杯”就是将学习过程自动化，让机器走进现实世界（或者对于新型机器来说，走进网络世界）并能自主获得知识。
1700526550
1700526551
这也是“混沌理论”的诸多方法（包括神经网络、进化计算及其衍生数学方法）允许范畴之内的功能。一旦这些方法汇总为一个最佳方案，神经连接的强度或者电子染色体的进化模式都代表了一种知识形式，可以存储以备日后使用。
1700526552
1700526553
然而，这类知识很难阐述清楚。一个已能识别人脸的神经网络软件包含了网络结构和神经元连接强度的相关知识。比如识别系统能正确识别出张三的脸部，但它无法说明因为这张面孔有着目光深邃的眼睛、高挺的鼻子，从而识别这是张三。我们也能让神经网络学会识别棋局中的巧妙棋步，但它同样无法阐述走这步棋的理由。
1700526554
1700526555
人类记忆同样如此。我们能轻易认出一把椅子，并不是因为脑中有相关具体描述——椅子是一个水平面下方垂直连接多处支撑架构的结构，该水平面上方又有一个垂直面，而是因为神经网络中存储着无数次看到椅子的经验，虽无法细化到每次看到椅子的具体时间地点，但是这些经验已经留在神经连接模式中，形成了有关椅子的知识。同理，我们大脑中也没有一块特定区域存储着朋友的相貌，是突触的部位辨析及整合功能让我们记住了朋友的样貌。
1700526556
1700526557
虽然我们仍无法理解人类记忆的精确运行机制——有可能人脑各区域的结构还不尽相同，但我们知道大多数人脑存储的大部分信息分散在特定的区域。如果你接触过全息图，就会知道分散存储组织信息的好处。全息图是利用两束光波互相干涉的原理在胶片上生成的图像。这两束光波一束来源于被激光照明的背景，另一束直接来自同一束激光本身。在光的照射下，全息图的两束光波可以呈现出两个图像，用肉眼来看似乎就是原物体的立体投影。但不同于普通投影的是，如果我们将全息图遮住一半，所呈现的投影并不会随之消失一半，而是仍会呈现完整的物象，改变的仅是投影成像的清晰度。也就是说，图像中每个点中都存储着整张图片的信息，只是清晰度接近于零。如果不小心刮花了全息图，用激光照射它也并不会影响成像效果，只会影响清晰度而已，立体投影的图像中不会有任何刮痕，也就是说，全息图的质量相对稳定，单从成像形式无法看出损坏和瑕疵。
1700526558
1700526559
人类记忆也是同理。人脑每小时会损耗数千个神经元，但因为思维进程的高度分散性，这点损耗对整体几乎没有影响。31在人类的脑细胞中，没有哪个细胞比其他细胞更重要，不存在所谓的CEO（首席执行官）细胞。
1700526560
1700526561
能够说明记忆是以分散模式存储的另一个例证，就是我们几乎不了解或者根本就不了解自己是如何完成大多数识别任务、掌握大多数识别技能的。打棒球时，我们看到球飞出视野就知道要往后退，但大部分人不会通过计算说明这个规则，因为这条信息已被编码存入我们的接球神经网络了。
1700526562
1700526563
不过，确实有一个优化的大脑器官负责理解及清晰地表达逻辑过程，那就是大脑的外层结构，即大脑皮层。不同于大脑其他部分，大脑皮层的进化时间较短，速度较缓，厚度也仅有0.3厘米多一点，所含神经细胞也只有800万个。32但这层布满褶皱的器官却为我们提供了理解能力，能够让我们知道做什么、怎么做。
1700526564
1700526565
人脑存储长期记忆的方法是当下人们热议的话题。然而，我们最近的感觉印象以及当下活跃的识别能力与技巧似乎被译成了密码，嵌入各个分散的突触连接中，而长期记忆则似乎以化学编码的形式编入了核糖核酸或肽等类似荷尔蒙的化学物质当中。然而，即使长期记忆以化学形式存在于大脑中，它也同其他思维进程一样拥有全息特性。
1700526566
1700526567
记忆力和洞察力都是典型的分散存储模式（不管是人脑还是机器都是如此），要真正理解并对此做出解释并非易事。除此之外，人类面临的另外一项挑战便是提供必要的实践机会让人们学以致用。对于人类来说，这是教育机构的任务；对于机器来说，创造合适的学习环境也是一个巨大的挑战。比如，库兹韦尔应用智能公司（现已被Lernout & Hauspie Speech Products公司收购）通过让系统自行学习语言语音模式，尝试以电脑为基础开发其语音识别功能（不过这个过程中仍需要人为花费数千个小时为系统录制语音、书写上百万字的文本），使其形成自己的知识体系。33所以，针对神经网络的教学大概是计算机工程中最艰苦的工作了。
1700526568
1700526569
某位最伟大的浪漫主义诗人的女儿成为首位电脑编程师，我觉得很合适。
1700526570
1700526571
没错，她也是探究电脑的艺术创作能力的先驱之一，是第一个尝试将技术转变为现实的人。
1700526572
1700526573
但这项技术从未成功过。
1700526574
1700526575
你说对了，确实有些遗憾。
1700526576
1700526577
说到技术，你曾经说过“战争是发明之父”，因为在两次世界大战期间，许多技术在短时间内得到了完善。
1700526578
1700526579
包括电脑，这项技术对“二战”的欧洲战场产生了巨大的影响。
[
上一页 ]
[ :1.70052653e+09 ]
[
下一页 ]