2

วิวัฒนาการทางเทคโนโลยีและรากเหง้าทางประวัติศาสตร์ของระบบอัจฉริยะ

AI999第5课:方法演化:从优化解到优化算法本身
00:00

ถ้าอ่านประวัติศาสตร์ของระบบอัจฉริยะเป็นเส้นตรงเส้นเดียว จะประเมินภาพลักษณ์ของมันในปัจจุบันผิดไปอย่างรุนแรงสัญลักษณ์นิยม คอนเนกชันนิสม์ ไซเบอร์เนติกส์และการคำนวณเชิงวิวัฒนาการกระแสเทคโนโลยีเหล่านี้ต่างแยกกันสำรวจไปตามสมมติฐานที่แตกต่างกันมาเป็นเวลานาน จนกระทั่งในทางปฏิบัติทางวิศวกรรมร่วมสมัยจึงได้หลอมรวมกลับเข้าหากันอย่างแท้จริง การเข้าใจจุดหลอมรวมนี้คือเงื่อนไขเบื้องต้นของการเข้าใจว่าเหตุใด EvoX จึงออกแบบสถาปัตยกรรมให้เป็นเช่นในปัจจุบัน

สี่สายธารต้นกำเนิด → จุดหลอมรวมหนึ่งจุดจากการแยกกันสำรวจ สู่การหลอมรวมอีกครั้งสัญลักษณ์นิยมการแทนความรู้ · การอนุมานเชิงตรรกะคอนเนกชันนิสม์ขับเคลื่อนด้วยข้อมูล · การเรียนรู้การแทนค่าไซเบอร์เนติกส์วงปิดป้อนกลับ · การปฏิสัมพันธ์กับสภาพแวดล้อมการคำนวณเชิงวิวัฒนาการการค้นหาแบบเปิด · การคัดเลือกให้ปรับตัวจุดหลอมรวมระบบอัจฉริยะการแทนค่า · การสร้าง · การปรับพอดี+ การค้นหาแบบเปิด · การปรับตัว · การปรับปรุงอย่างต่อเนื่องจุดเชื่อมต่อของ EvoXการคำนวณเชิงวิวัฒนาการ × GPU × โมเดลขนาดใหญ่จุดแบ่งแยกสำคัญEvoX เลือก «กระบวนการของสภาพแวดล้อม»: ทำให้วิวัฒนาการอย่างต่อเนื่องกลายเป็นความสามารถของระบบที่รันได้จริงความอัจฉริยะ = ผลิตภัณฑ์ที่กำหนดไว้ล่วงหน้ากำหนดป้ายกำกับและผลลัพธ์ที่เหมาะสมที่สุดเพียงหนึ่งเดียวไว้ก่อน แล้วให้โมเดลเข้าใกล้ค่านั้นความอัจฉริยะ = กระบวนการของสภาพแวดล้อมกำหนดเพียงพื้นที่การค้นหาและเกณฑ์การประเมิน ให้ประชากรค้นพบคำตอบผ่านการทำซ้ำ

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

จุดยืนทางสถาปัตยกรรมของ EvoX
EvoX ยืนอยู่ที่จุดหลอมรวม: นำการคำนวณเชิงวิวัฒนาการมาเป็นสายธารเทคโนโลยีโดยตรง ผสานกับฐานรากทางวิศวกรรมร่วมสมัยอย่าง GPU และโมเดลขนาดใหญ่ ทำให้ «วิวัฒนาการอย่างต่อเนื่อง» กลายเป็นความสามารถของระบบที่รันได้จริง หน้านี้เพียงปูพื้นฐานเรื่องสายธารต้นกำเนิดและจุดยืนเท่านั้น ส่วนรายละเอียดอย่างฐานรากแบบเทนเซอร์ วิวัฒนาการของวิธีการ และ MetaDE จะขยายความในหน้า�ถัดไป