计算机科学如何利用达尔文理论“进化”？学术资讯

亚利桑那州立大学生物计算、安全和社会生物设计中心主任Stephanie Forrest。

“机遇突变”和“自然选择”这对“进化”的简单原则，让大自然创造了多姿多彩的生命。尽管科学水平已经高度发达，工程设计仍在尽力模仿大自然，以获取更大进步。现在，这种情况也许将有所改变。

techxplore.com网站当地时间1月19日报道，美国亚利桑那州立大学计算、安全和社会生物设计中心主任Stephanie Forrest和德克萨斯大学奥斯汀分校研究人员Risto Miikkulainen探索了进化计算（EC）领域，在这一领域内，计算机系统可以模拟达尔文进化论的不同方面。相关研究成果刊登在《自然•机器智能》杂志中。

新研究强调了人类科技在复制进化过程方面所取得的进展，并讨论了这对工程设计、软件优化及医学的意义，以及对生物进化基础问题认知的促进作用。Forrest说：“现在，人类已坐拥大量计算资源。EC将推动人工智能的进一步发展。”

Forrest等人聚焦达尔文进化论六大特征（开放性、组织结构的重大转变、中立和随机漂移、多客观性、复杂的基因型到表型映射、共同进化），考察了数字系统能否成功对其进行复制。

达尔文揭示了随机迭代过程是如何在初始条件下，持续改善生物的适应性。通过实施EC机制，计算机科学家希望计算机也能通过类似的突变和选择过程，找出各种问题的解决方案。这样，解决方案也许会更加难以预测。EC的应用包括在计算机上创建一个初始的个体群体，然后根据变异、选择和遗传原则，让群体随时间推移自行进化。其基本理念很简单，但实施细节非常复杂。EC方法不仅能用于模拟生物系统（如生态学或癌症），还能模拟社会系统（如经济动态）。原则上讲，几乎任何系统（或技术）都有可能实现计算机自动化，这也是计算机科学的长期目标之一。

开放性（Openendness）是指在没有确定最终状态的情况下，无限推进转变过程的能力。Forrest在论文中列举了若干人工生命程序的例子，证实人类科技已经达到一定程度的开放性。多客观性（Multi-objectivity）暗示了生物适应性的复杂性，它是多种权衡的结果——例如：觅食还是求偶？繁衍大量后代还是保护少量幼仔？这些特征必须相互平衡，才能达到最大化的繁殖成功率。

最近，研究人员已经在多客观性的程序应用方面取得了进步。共同进化（Co-evolution）指多个物种通过复杂的合作和竞争在进化过程中相互作用的现象。这种动态已经成功找到融入EC应用的“入口”，包括游戏和机器人导航等。

尽管如此，大自然仍然保留着一些进化底牌——研究人员发现，某些达尔文式过程难以被计算机程序复制，用于解决实际问题。此外，EC技术模拟的过程，与自然界“本体”相比也存在显著差异。例如，与生物物种的达尔文进化论不同，EC倾向于通过对小种群（被抑制的基因漂变等神经过程更多）施加强大的选择压力来运作。

此外，由于人类对重要组织的变化策略仍知之甚少，因此，计算机也无法对其进行复制。在自然界，结构会自然地产生巨大变化——从自我复制的分子，到膜结合细胞、多细胞生物，再到有语言有文化的社会。要找出自然界组织变迁的细节，人类还有很多工作要做。

科界原创

编译：德克斯特

审稿：西莫

责编：陈之涵

期刊来源：《自然•机器智能》

期刊编号：2522-5839

原文链接：

https://techxplore.com/news/2021-01-cyber-evolution-science-harnessing-power-darwinian.html