演化計(jì)算經(jīng)常用到智能優(yōu)化和機(jī)器學(xué)習(xí)當(dāng)中，但是這種機(jī)器學(xué)習(xí)跟大家平常說的深度學(xué)習(xí)的機(jī)器學(xué)習(xí)不是很一樣。演化計(jì)算在機(jī)器人的腦體一體化設(shè)計(jì)中應(yīng)該有相當(dāng)大的用武之地。演化計(jì)算可能是人工智能的下一個(gè)熱點(diǎn)。本文整理自2018深圳國際機(jī)器人與智能系統(tǒng)院士論壇上IEEEFellow南方科技大學(xué)計(jì)算機(jī)科學(xué)與工程系主任姚新教授名為《為什么要研究演化計(jì)算？》的演講稿。

    大家可能不太知道南方科技大學(xué)下屬的計(jì)算機(jī)科學(xué)與工程系，該系是由2016年8月份開始設(shè)立，2017年我們就有了第一批國家正式承認(rèn)的本科畢業(yè)生，去年我們還招了19位碩士生和21位博士生，一年半以后，我們現(xiàn)在有了19位老師，未來計(jì)劃達(dá)到55位。

    南方科技大學(xué)計(jì)算機(jī)科學(xué)與工程系的研究領(lǐng)域分五大塊，包括人工智能、數(shù)據(jù)科學(xué)、理論、系統(tǒng)與網(wǎng)絡(luò)、認(rèn)知與自主系統(tǒng)。人工智能小組里面有5位老師，我是其中的一位，其他幾位老師都是來自不同的地方，背景也不完全一樣，但都跟計(jì)算智能、神經(jīng)演化有關(guān)系。除此之外，我們還有一些來自五湖四海的博士。我們主要從事很多機(jī)器學(xué)習(xí)、優(yōu)化和它們交叉之間的研究工作，光學(xué)習(xí)不做優(yōu)化是不全面的，學(xué)習(xí)的目的是用來做決策，所以需要把學(xué)習(xí)和優(yōu)化結(jié)合在一起。優(yōu)化考慮的方面很多，如多目標(biāo)優(yōu)化、動(dòng)態(tài)優(yōu)化和不確定環(huán)境中的優(yōu)化等等。機(jī)器學(xué)習(xí)考慮較多的是機(jī)器學(xué)習(xí)、數(shù)據(jù)流的在線學(xué)習(xí)和不平衡類學(xué)習(xí)等。我們另外一個(gè)研究小組的課題是認(rèn)知與自主系統(tǒng)，這里面有硬件和軟件，硬件是無人機(jī)、群體機(jī)器人；軟件是軟件機(jī)器人。

為什么研究演化計(jì)算？

    首先，我們來看看什么是演化計(jì)算？我不知道這年頭還有多少人在自己寫程序，寫程序這個(gè)東西跟吃臭豆腐一樣，要么特別喜歡、要么特別恨它。你要是特別喜歡或者特別恨寫程序的話，有什么感覺呢？哪怕現(xiàn)在的計(jì)算機(jī)或者機(jī)器人聰明到如此程度，你通常會(huì)很使勁的敲鍵盤。為什么敲鍵盤呢？你寫一個(gè)什么程序，不就是少一個(gè)逗號(hào)或者括號(hào)，編輯總是出錯(cuò)。大家寫過程序就知道，空格有的編譯的時(shí)候不一樣，編譯總出錯(cuò)，你就覺得這個(gè)很苦惱。你說人工智能智能到現(xiàn)在，人很少同樣的錯(cuò)誤犯兩次，碰到這種人，這種人就無藥可救了，但是計(jì)算機(jī)有時(shí)候就很麻煩，你說不就是少一個(gè)逗號(hào)嗎，但實(shí)際上計(jì)算機(jī)不懂，所以計(jì)算機(jī)非常不靈活，還非常脆弱。

    另外，制式與能力比較差。大家現(xiàn)在還有幾個(gè)人在用十年前的電腦？沒有，電腦三年換一次。人隨著年齡的增長越來越聰明，機(jī)器人和計(jì)算機(jī)過幾年一定要換掉。機(jī)器發(fā)展的道路和人發(fā)展的道路還不太一樣，自然系統(tǒng)可以看作是一套計(jì)算系統(tǒng)，相比之下，自然系統(tǒng)中有一些特點(diǎn)的確非常好，但現(xiàn)在的計(jì)算機(jī)科學(xué)暫時(shí)還做不了，例如自我恢復(fù)功能，還有自適應(yīng)能力等等。自然界有很多值得做計(jì)算機(jī)科學(xué)的人學(xué)習(xí)的地方，所以從自然界里面找靈感也不是計(jì)算機(jī)科學(xué)專有的，工程界也經(jīng)常從自然界找靈感，比如說飛行器，從鳥的飛行到雙固定機(jī)翼的飛機(jī)再到螺旋槳飛機(jī)，都是從鳥類的飛行中找尋靈感。

    為何要向大自然借鑒？自然系統(tǒng)的問題求解方法跟計(jì)算機(jī)的問題求解方法互補(bǔ)，而且通常解出來的還比較簡單，不是特別復(fù)雜。這就是為什么要對(duì)演化計(jì)算這種技術(shù)進(jìn)行研究的原因。實(shí)際上，這種研究并不簡單，并且不僅針對(duì)演化計(jì)算，而且也對(duì)深度應(yīng)用的神經(jīng)網(wǎng)絡(luò)進(jìn)行研究，而人工神經(jīng)網(wǎng)絡(luò)也是受到大腦的啟發(fā)和影響，這個(gè)演化計(jì)算或者演化算法是通過生物的進(jìn)化而來的。世界上所有的生物都是演化過來的，背后有一定的規(guī)律，哪怕從規(guī)律里面找出萬分之一或者千分之一，就有可能對(duì)計(jì)算機(jī)設(shè)計(jì)帶來不同的思路，這是做演化計(jì)算的一個(gè)出發(fā)點(diǎn)。

演化計(jì)算是做什么的？

    下面舉四個(gè)例子進(jìn)行說明。

    第一個(gè)例子，喜歡做機(jī)器學(xué)習(xí)的人就把這個(gè)東西叫做機(jī)器學(xué)習(xí)，實(shí)際上它是數(shù)據(jù)驅(qū)動(dòng)建模型。給你一大堆實(shí)驗(yàn)數(shù)據(jù)，然后問你產(chǎn)生數(shù)據(jù)背后的抽象模型是什么，你幫我找出來，就是從數(shù)據(jù)中找規(guī)律。以鋁合金材料的設(shè)計(jì)為例，計(jì)算機(jī)科學(xué)是一個(gè)很有趣的領(lǐng)域，我們看鋁合金材料的設(shè)計(jì)，以前是建模，現(xiàn)在是盡量用演化算法，盡量減少在實(shí)驗(yàn)室的時(shí)間。假設(shè)我們知道合成這個(gè)鋁合金，可以做初步的實(shí)驗(yàn)，在實(shí)驗(yàn)室里面以一定的力量去拉它和壓它，失力以后看這個(gè)鋁錠變形的情況，做實(shí)驗(yàn)的專家可以寫成一組方程組，這里有四個(gè)方程組。這個(gè)例子里面有6個(gè)材料的常數(shù)，這個(gè)材料常數(shù)是真正設(shè)計(jì)新材料大家特別想知道的值，實(shí)際上我們不知道，這個(gè)值對(duì)材料科學(xué)家來說是材料，對(duì)做數(shù)學(xué)的計(jì)算機(jī)科學(xué)家來說相當(dāng)于變量。我現(xiàn)在給你方程組，給你實(shí)驗(yàn)的數(shù)據(jù)，說這個(gè)材料在實(shí)驗(yàn)中是什么表現(xiàn)行為，你能不能把材料的常數(shù)找出來？這就是有點(diǎn)像解方程。解這個(gè)方程跟做計(jì)算機(jī)科學(xué)有什么關(guān)系？跟演化算法有什么關(guān)系？這個(gè)方程沒有解析解，只能用數(shù)字解，有一種辦法就是我們把它變成一個(gè)優(yōu)化的方法，找數(shù)字解的時(shí)候看方程的左邊和右邊的差別是多少，加入方程兩邊的差別為零就找到了。怎么找呢？我找一點(diǎn)軟件包，我去買一個(gè)世界上最好的軟件包，牛津大學(xué)出來的軟件包，把要找的6個(gè)變量的初始值給初始化，然后輸進(jìn)化，你就發(fā)現(xiàn)在這個(gè)問題上你得到的結(jié)果永遠(yuǎn)跟你輸進(jìn)去的初始值一樣，因?yàn)楹芏鄶?shù)字軟件包里面做的假設(shè)條件在實(shí)際問題中是不成立的，這種條件下你就可以用演化算法來做優(yōu)化，這個(gè)優(yōu)化就是解方程、找數(shù)字圖。這個(gè)找出來的解，對(duì)設(shè)計(jì)鋁錠、鋁合金來說是最好的，就是最精確的數(shù)字常數(shù)、材料常數(shù)。

    第二個(gè)小例子，前面講了優(yōu)化，但是優(yōu)化的時(shí)候往往有一個(gè)不成文的假設(shè)，優(yōu)化的環(huán)境和需要優(yōu)化的目標(biāo)是一成不變的，但是實(shí)際生活中是會(huì)變的。你給我一個(gè)目標(biāo)和指標(biāo)讓我去做，我做一半把這個(gè)指標(biāo)突然改掉，說這個(gè)不行，實(shí)際過程中是有可能發(fā)生的。例如在北方到了冬天，路上一定要撒鹽化凍，不同國家有不同的法律，如英國有一個(gè)法律，A路在兩個(gè)小時(shí)之內(nèi)只要天氣預(yù)報(bào)說路面溫度2度以下一定要撒鹽?，F(xiàn)在有一個(gè)具體的問題，我有車隊(duì)，有A路的路網(wǎng)，這個(gè)車隊(duì)怎么把車派出去，使得兩小時(shí)之內(nèi)把所有路網(wǎng)走一遍。這里面各種各樣的限制條件就使得實(shí)際遇到的問題在運(yùn)籌學(xué)或者數(shù)學(xué)書中找不到。數(shù)學(xué)中說的是：假設(shè)卡車的容量是Q，但是我們看到的這個(gè)問題是一個(gè)政府、車隊(duì)不大，就11輛車，而且路況不可以假設(shè)車以均勻的速度往前走，尤其是冬天。你有11輛車，做一個(gè)調(diào)度，走一半就剩10輛車了，有1輛車壞掉了，但是你還是要完成任務(wù)，怎么動(dòng)態(tài)地完成，用數(shù)學(xué)優(yōu)化方法已經(jīng)解決不了，我們還是用演化算法，從自然界來的靈感做的算法能夠解決這個(gè)復(fù)雜性問題。

    第三個(gè)小例子，說一下多目標(biāo)優(yōu)化。“多、快、好、省”是70年代的口號(hào)，大家喜歡說，但是很難做到，多、快、好、省，不能單看一個(gè)指標(biāo)，要幾個(gè)指標(biāo)同時(shí)滿足，作為決策者需要選擇各種各樣的折中方案，這就是多目標(biāo)優(yōu)化的一個(gè)很典型的場(chǎng)景。

    一個(gè)具體的例子是無人駕駛系統(tǒng)。無人駕駛系統(tǒng)真正靠的是軟件在控制。你無論是買了一套軟件系統(tǒng)還是自己開發(fā)一套軟件系統(tǒng)，你必須論證這套軟件系統(tǒng)是正確的。那就要做軟件證明，如果證明不了，就要做軟件測(cè)試，各種各樣的環(huán)境都要試，但一個(gè)關(guān)鍵點(diǎn)是，要想把所有可能性都做到是不可能的。在有限的資源和有限的時(shí)間里，對(duì)大軟件系統(tǒng)的各個(gè)模塊進(jìn)行測(cè)試，使得系統(tǒng)的測(cè)試準(zhǔn)確率最大化，把有限的人和有限的錢分配到軟件的大模塊，目標(biāo)是整個(gè)軟件準(zhǔn)確率最高，這些都需要用到演化計(jì)算的方法。

演化計(jì)算與機(jī)器人有什么關(guān)系？

    最后講到演化計(jì)算跟機(jī)器人的關(guān)系，在這一領(lǐng)域，有一個(gè)分支叫演化機(jī)器人。世界上的生物，包括人類的大腦都是演化出來的。既然生物界的大腦可以演化出來，為什么機(jī)器人不可以演化出來？

    用演化的方法設(shè)計(jì)機(jī)器人或許有一點(diǎn)好處，那就是可以同時(shí)設(shè)計(jì)機(jī)器人的控制系統(tǒng)和機(jī)器人的形態(tài)。大部分時(shí)候做這兩個(gè)領(lǐng)域的研究是由不同學(xué)科的人，一部分做機(jī)器學(xué)習(xí)，一部分做機(jī)器人，但實(shí)際上應(yīng)該把設(shè)計(jì)控制器和設(shè)計(jì)控制形態(tài)的小組結(jié)合在一起，不應(yīng)該分開。

    給大家做一個(gè)模擬實(shí)驗(yàn)，這是人工構(gòu)造一個(gè)游泳的線圖，這個(gè)線圖一節(jié)一節(jié)的，每一節(jié)都一樣，除了有一個(gè)頭在左邊，一個(gè)尾巴在右邊，中間每一節(jié)都一樣。我要做一個(gè)很簡單的實(shí)驗(yàn)，設(shè)計(jì)或者演化出來一個(gè)線圖，能夠游泳，從A游到B，越快越好，但是我又不告訴這個(gè)線圖應(yīng)該怎么游泳。我這里沒有額外的信息告訴這個(gè)線圖應(yīng)該怎么游泳，只是告訴你給你這個(gè)任務(wù)，你從A游到B，直線游，游得越快越好。這個(gè)線圖怎么控制呢？線圖一節(jié)一節(jié)的，每一節(jié)都控制神經(jīng)元運(yùn)動(dòng)，跟神經(jīng)網(wǎng)絡(luò)的神經(jīng)元的位置有關(guān)系，這個(gè)線圖上有圓孔，神經(jīng)元分布在圓孔的物理位置上。我演化出一個(gè)線圖，這個(gè)線圖原來什么都不懂，就是從A到B，演化神經(jīng)網(wǎng)絡(luò)上的控制器。另一個(gè)實(shí)驗(yàn)中，我人為地把這個(gè)線圖左邊的線圖往右偏，不是自己偏的，人為偏的，而右邊的線圖往左偏，伸不直。我做這個(gè)實(shí)驗(yàn)，同樣的任務(wù)都是從A游到B，目標(biāo)同樣，都是游得越快越好，用的方法是用演化的方法。就是慢慢游，哪個(gè)游得快，適者生存，就傳到下一代，一代一代慢慢傳。我想看這兩組實(shí)驗(yàn)出來神經(jīng)網(wǎng)絡(luò)的控制怎么樣。你會(huì)發(fā)現(xiàn)非常有趣，在第一種情況下，這個(gè)線圖沒有變的情況下，形態(tài)還是一開始直的時(shí)候，最后演化出來的神經(jīng)網(wǎng)絡(luò)是右下角的圖，紅點(diǎn)是神經(jīng)的位置，非常對(duì)稱。人根本沒有告訴它什么東西，唯一反饋信息就是游得快和慢。左上角是初始畫的線圖，怎么游是隨機(jī)的，一開始在水里打轉(zhuǎn)轉(zhuǎn)。時(shí)間比較長，1190代以后，它找到一個(gè)非?？焖俚挠斡揪€程。在第二種情況下，我把這個(gè)線圖形態(tài)變掉，用這個(gè)虛線代表，這個(gè)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)正好補(bǔ)充了這個(gè)形態(tài)上的缺陷，看你是往左歪還是往右歪。

    這里面有三個(gè)很淺顯的道理：第一點(diǎn)，不同的形態(tài)需要不同的神經(jīng)網(wǎng)絡(luò)。大家假如構(gòu)造一個(gè)機(jī)器人控制器，你一定要考慮這個(gè)機(jī)器人控制器是用輪子還是用腳，是用兩個(gè)輪子、三個(gè)輪子、四個(gè)輪子還是八個(gè)輪子；假如用腳，是兩只腳還是八只腳，這個(gè)腳長在頭上還是長在下面，這個(gè)形態(tài)跟你的神經(jīng)網(wǎng)絡(luò)怎么設(shè)計(jì)非常有關(guān)系。第二點(diǎn)，這個(gè)演化過程是腦體一塊設(shè)計(jì)的，一塊設(shè)計(jì)出來的系統(tǒng)就比分開設(shè)計(jì)更有效。第三點(diǎn)，整個(gè)過程驅(qū)動(dòng)就是演化算法，沒有數(shù)據(jù)，沒有一百萬幅圖像或者視頻，是一種非常不一樣的形式。

    綜上所述，有三點(diǎn)需要總結(jié)：第一，演化計(jì)算經(jīng)常用在智能優(yōu)化和機(jī)器學(xué)習(xí)當(dāng)中，但是這種機(jī)器學(xué)習(xí)跟大家平常說的深度學(xué)習(xí)的機(jī)器學(xué)習(xí)是很不一樣。第二，演化計(jì)算在機(jī)器人的腦體一體化設(shè)計(jì)中應(yīng)該有相當(dāng)大的用武之地。第三，演化計(jì)算可能是人工智能的下一個(gè)熱點(diǎn)。人們都希望盡量少做事，但是回報(bào)最高，演化計(jì)算正是能夠達(dá)到這一目的的一項(xiàng)技術(shù)，不需要數(shù)據(jù)和標(biāo)號(hào)，不需要對(duì)確或錯(cuò)誤指令，只要就把任務(wù)交給我，就能夠進(jìn)行演化計(jì)算。