ถ้าอ่านประวัติศาสตร์ของระบบอัจฉริยะเป็นเส้นตรงเส้นเดียว จะประเมินภาพลักษณ์ของมันในปัจจุบันผิดไปอย่างรุนแรงสัญลักษณ์นิยม คอนเนกชันนิสม์ ไซเบอร์เนติกส์และการคำนวณเชิงวิวัฒนาการกระแสเทคโนโลยีเหล่านี้ต่างแยกกันสำรวจไปตามสมมติฐานที่แตกต่างกันมาเป็นเวลานาน จนกระทั่งในทางปฏิบัติทางวิศวกรรมร่วมสมัยจึงได้หลอมรวมกลับเข้าหากันอย่างแท้จริง การเข้าใจจุดหลอมรวมนี้คือเงื่อนไขเบื้องต้นของการเข้าใจว่าเหตุใด EvoX จึงออกแบบสถาปัตยกรรมให้เป็นเช่นในปัจจุบัน
สี่สายธารต้นกำเนิดแก้ปัญหาอะไรไปบ้าง
- สัญลักษณ์นิยม:อธิบายความอัจฉริยะด้วยการแทนความรู้อย่างชัดแจ้งและการอนุมานเชิงตรรกะ เน้นกฎที่อธิบายได้และการดำเนินการกับสัญลักษณ์อย่างมีโครงสร้าง โดยให้ความสำคัญกับ «การอธิบายให้ชัดเจน» มากกว่า «การคำนวณออกมาได้» แลกมาด้วยข้อจำกัดในการจัดการกับโลกจริงที่มีความคลุมเครือ มิติสูง และเต็มไปด้วยสัญญาณรบกวน
- คอนเนกชันนิสม์:ยึดโครงข่ายประสาทเทียมและการแทนค่าแบบกระจายเป็นแกนกลาง ใช้การเรียนรู้พารามิเตอร์ที่ขับเคลื่อนด้วยข้อมูลเพื่อเข้าใกล้ฟังก์ชันเป้าหมาย เชี่ยวชาญในการปรับพอดีกับการแมปที่ซับซ้อนจากข้อมูล แต่โดยทั่วไปต้องมีเป้าหมายและป้ายกำกับที่ระบุไว้อย่างชัดเจน
- ไซเบอร์เนติกส์:ยึดการป้อนกลับ การปรับแต่ง และการปฏิสัมพันธ์กับสภาพแวดล้อมเป็นแกนกลาง เข้าใจความอัจฉริยะว่าเป็นกระบวนการวงปิดระหว่างระบบกับสภาพแวดล้อม มันให้กลไกของ «การแก้ไขอย่างต่อเนื่อง» แต่กลับทิ้งคำถามที่ว่า «ควรสำรวจอะไร» ไว้ให้กลยุทธ์การค้นหา
- การคำนวณเชิงวิวัฒนาการ:ใช้ประชากรเป็นตัวแบกความหลากหลาย ใช้การกลายพันธุ์และการรวมกลับสร้างความเปลี่ยนแปลง ใช้การประเมินและการคัดเลือกคงโครงสร้างที่ได้ผล โดยไม่กำหนดคำตอบที่เหมาะสมที่สุดเพียงหนึ่งเดียวล่วงหน้า มันไม่ตอบว่า «คำตอบที่ถูกต้องคืออะไร» แต่ตอบว่า «จะดีขึ้นอย่างต่อเนื่องในพื้นที่เปิดได้อย่างไร»
ทำไมจึงกล่าวว่าพวกมันหลอมรวมกันอีกครั้งในวันนี้
เส้นทางคลาสสิกทั้งสามให้ความสามารถในด้านการแทนค่า การสร้าง และการปรับพอดี ส่วนการคำนวณเชิงวิวัฒนาการให้กลไกของการค้นหาแบบเปิด การปรับตัว และการปรับปรุงอย่างต่อเนื่อง เมื่อนำสองส่วนมาซ้อนกัน ก็ครอบคลุมคำถามสองระดับที่แตกต่างกัน ได้แก่ «รู้ว่าจะคำนวณอย่างไร» และ «รู้ว่าจะมุ่งไปทางไหน» พอดี ด้วยเหตุนี้จึงได้ข้อตัดสินที่สำคัญที่สุดของหน้านี้: ความอัจฉริยะสามารถถูกมองเป็น «ผลิตภัณฑ์ที่กำหนดไว้ล่วงหน้า» เพื่อส่งมอบ — กำหนดป้ายกำกับและผลลัพธ์ที่เหมาะสมที่สุดเพียงหนึ่งเดียวไว้ก่อน แล้วให้โมเดลเข้าใกล้ค่านั้น หรือจะถูกมองเป็น «กระบวนการของสภาพแวดล้อม» เพื่อเพาะบ่ม — กำหนดเพียงพื้นที่การค้นหาและเกณฑ์การประเมิน ให้ประชากรค้นพบคำตอบที่ใช้ได้ด้วยตนเองผ่านการทำซ้ำEvoX เลือกแนวทางหลัง
