19、遗传与进化计算：实现人类竞争力成果的挑战与案例推理的进化视角

遗传与进化计算：实现人类竞争力成果的挑战与案例推理的进化视角

在当今科技飞速发展的时代，遗传与进化计算以及案例推理作为重要的技术领域，正不断展现出其独特的魅力和潜力。下面将深入探讨这两个领域的相关内容。

遗传与进化计算实现人类竞争力成果

图灵的预测

早在1948年，图灵在其论文《智能机器》中就指出了实现人类竞争力机器智能的三种途径。其中提到了“遗传或进化搜索”，即寻找基因组合，以生存价值为标准。不过，图灵并未详细说明如何进行这种搜索，也未提及像约翰·霍兰德在1975年《自然与人工系统中的适应》一书中所描述的基于种群的并行搜索与性重组（交叉）的概念。但在1950年的《计算机器与智能》论文中，图灵指出通过教学实验来尝试不同的机器，观察其学习效果，这一过程与进化存在明显联系，如将子机器的结构视为遗传物质，子机器的变化视为突变，自然选择视为实验者的判断。这表明图灵正确地认识到，实现机器智能的一种有效方法可能涉及一个进化过程，在自然选择（即如今所说的“适应度”形式的选择压力）的引导下，计算机程序的描述（遗传物质）会进行渐进式修改（突变）。

人类竞争力的定义

当评估自动化问题解决方法的结果时，“人类竞争力”这一术语的含义与机器学习先驱亚瑟·塞缪尔（1983）所使用的意义一致，即让机器展现出如果由人类完成则会被认为涉及智能运用的行为。一个自动创建的问题解决方案若满足以下八项标准中的一项或多项，则可被视为具有人类竞争力：
|序号|标准|
| ---- | ---- |
|1|等同于在同行评审的科学期刊上发表的新科学成果|
|2|解决长期存在或无可争议的难题|
|3|获得专利的发明|
|4|