ในกระบวนการสำรวจหลายวัตถุประสงค์ของ EvoX ระบบอัตโนมัติและผู้เชี่ยวชาญในสาขาไม่ได้ทำหน้าที่แทนกัน แต่เป็นสองเครื่องยนต์ที่แบ่งงานกันทำงานร่วมกัน ระบบรับผิดชอบ "การสร้างและการคัดกรอง" ส่วนผู้เชี่ยวชาญรับผิดชอบ "การตัดสินใจและการเลือก" ระบบจะขยายขอบเขตความเป็นไปได้ให้กว้างออก ส่วนผู้เชี่ยวชาญจะรวบรวมความเป็นไปได้เหล่านั้นให้เหลือเป็นทางเลือกที่นำส่งมอบได้จริง
การแบ่งงานนี้สืบทอดรากฐานทางเทคโนโลยีจากบทที่ 2 โดยที่มาของ EvoX นั้นเกิดจากการหลอมรวมของสัญลักษณ์นิยม คอนเนกชันนิสม์ ไซเบอร์เนติกส์ และการคำนวณเชิงวิวัฒนาการกลับมาบรรจบกันอีกครั้ง โดยการคำนวณเชิงวิวัฒนาการเป็นรากฐานทางเทคโนโลยีที่ตรงที่สุด เพราะมันไม่ได้กำหนดคำตอบเพียงหนึ่งเดียวไว้ล่วงหน้า แต่ใช้การกลายพันธุ์และการคัดเลือกเพื่อปรับสมดุลเป้าหมายหลายอย่างที่ขัดแย้งกันในการประเมินจริง ด้วยเหตุนี้ ฝั่งระบบจึงเหมาะกับการประมวลผลแบบขนานโดยธรรมชาติ เนื่องจากCandidateในประชากรสามารถถูกสร้างและประเมินได้พร้อมกัน งานวิศวกรรมแบบดั้งเดิมต้องเผชิญข้อจำกัดเรื่อง "การรักษาความหลากหลายที่มีต้นทุนสูงและการจัดลำดับแบบอนุกรมที่ยุ่งยาก" มาเป็นเวลานาน การสำรวจแบบขนานขนาดใหญ่และการสร้างสรรค์อย่างชาญฉลาดที่ GPU และโมเดลขนาดใหญ่ (Large Model) นำมานั้น จึงเป็นรากฐานทางวิศวกรรมที่ช่วยบรรเทาความขัดแย้งนี้ได้พอดี
การแบ่งบทบาทหน้าที่: ใครรับผิดชอบการสร้าง ใครรับผิดชอบการตัดสินใจ
- ฝั่งระบบ: ทำการสร้างCandidateขนาดใหญ่ การพยากรณ์ด้วยโมเดลตัวแทน การอธิบายParetoฟรอนต์ และการรักษาความหลากหลาย ตอบคำถาม "มีความเป็นไปได้อะไรบ้าง"
- ฝั่งผู้เชี่ยวชาญ: กำหนดลำดับความสำคัญของเป้าหมาย ข้อจำกัดแบบแข็ง ระดับความเสี่ยงที่ยอมรับได้ และความเหมาะสมกับสถานการณ์จริง ตอบคำถาม "ควรเลือกอันไหน เพราะอะไร"
มิติการประเมิน: ที่สุดของเป้าหมายเดียวไม่เท่ากับทางเลือกที่นำส่งมอบได้
การประเมินทางเลือกต้องนำผลประโยชน์ด้านสมรรถนะและต้นทุนทางวิศวกรรมมาแปลงเป็นเกณฑ์การตัดสินใจที่อธิบายได้และตรวจสอบได้ นอกจากผลประโยชน์ด้านสมรรถนะแล้ว อย่างน้อยที่สุดยังต้องพิจารณาต้นทุนการคำนวณและการผลิต ความทนทาน ความสามารถในการบำรุงรักษา ความไม่แน่นอน และความน่าเชื่อถือของข้อสรุปภายใต้ผลตอบรับที่เบาบางไปพร้อมกัน การดูแค่ที่สุดของเป้าหมายเดียวมักจะเลือกทางเลือกที่นำไปใช้จริงทางวิศวกรรมไม่ได้ หรือเปราะบางต่อการรบกวนอย่างมาก แต่ในปัญหาที่เป้าหมายขัดแย้งกันและข้อจำกัดซับซ้อนนั้น การประเมินแบบหลายมิติเท่านั้นที่จะทำให้Candidateหลายรายการที่การค้นหาเชิงวิวัฒนาการเก็บไว้ต่างเผยให้เห็นสถานการณ์ที่เหมาะสมของตัวเอง
วิธีการตัดสินใจ: เปลี่ยนประสบการณ์ในสาขาให้เป็นตรรกะที่ตรวจสอบซ้ำได้
ด้วยความ偏好ที่ชัดเจน การประเมินแบบแบ่งชั้น เมทริกซ์การตัดสินใจ รายการปฏิเสธตามเกณฑ์ขั้นต่ำ และการวิเคราะห์ความอ่อนไหว ประสบการณ์ในสาขาสามารถแสดงออกเป็นกฎการเลือกที่ตรวจสอบได้และทำซ้ำได้ ลำดับที่ใช้บ่อยคือ: ใช้ข้อจำกัดแบบแข็ง "วีโต้" Candidateที่ละเมิดข้อกำหนดขั้นต่ำก่อน จากนั้นจึง权衡ผลประโยชน์–ต้นทุนกับCandidateที่เหลือ สุดท้ายใช้การวิเคราะห์ความอ่อนไหวเพื่อยืนยันว่าข้อสรุปมีความทนทานต่อการรบกวนของน้ำหนักหรือไม่
ผลตอบรับที่เบาบางและวงจรปิดความรับผิดชอบ
เมื่อการประเมินความแม่นยำสูงมีราคาแพงและผลตอบรับเบาบาง ผู้เชี่ยวชาญจำเป็นต้องอาศัยความเชื่อมั่นของโมเดลตัวแทน ความหลากหลายของCandidate และรูปแบบความล้มเหลวที่สังเกตพบ เพื่อตัดสินใจว่าจะตรวจสอบซ้ำ สุ่มตัวอย่างใหม่ หรือยุติการค้นหา แทนที่จะเชื่อ "คำตอบที่ดีที่สุด" ที่โมเดลตัวแทนให้มาโดยไม่ลืมหูลืมตา การเลือกทางเลือกขั้นสุดท้ายและการรับความเสี่ยงเป็นของผู้เชี่ยวชาญในสาขา เหตุผลการเลือกควรไหลกลับเป็นความ偏好 ข้อจำกัด หรือสัญญาณการประเมิน เพื่อชี้นำการค้นหาเชิงวิวัฒนาการครั้งถัดไป ก่อให้เกิดวงจรปิดความรับผิดชอบ
