Sự hội tụ của các hướng đi trí tuệ và nguồn gốc tính toán tiến hóa

Khi năng lực tính toán và năng lực mô hình không còn khan hiếm, sau “tính nhiều hơn” câu hỏi thực sự trở thành:tìm kiếm như thế nào, và liệu phương pháp tìm kiếm có thể được hệ thống cải tiến hay không. Phán đoán mà trang này muốn xác lập là — nhiều hướng phát triển trí tuệ như hiểu, biểu đạt, hành động và phản hồi sẽ hội tụ trở lại khi giải quyết các vấn đề mang tính hệ thống, vấn đề thực tế; và tính toán tiến hóa chính là nguồn gốc kỹ thuật trực tiếp nhất tại điểm hội tụ này: nó vừa là cơ chế tìm kiếm, vừa là đối tượng có thể bị tìm kiếm.

I. Chuyển hướng tiền đề: Từ “sinh một lần” đến “tìm kiếm liên tục”

Hạn chế của việc sinh một lần giờ đã bộc lộ đầy đủ: một lần sinh không thể tự chứng minh tính đúng đắn, cũng khó tiếp tục hiệu quả sau khi môi trường hoặc mô hình thay đổi. Sau khi năng lực được tăng cường, nút thắt đã dịch chuyển từ “sinh một lần câu trả lời tốt” sang “làm sao tìm kiếm, phản hồi và sàng lọc liên tục”. Nói cách khác, bản chất vấn đề đã chuyển từlấy mẫuthànhtìm kiếm——trọng tâm không còn là có câu trả lời hay không, mà là có thể liên tục đề xuất, kiểm chứng, giữ lại và tái sinh hay không.

II. Vì sao nhiều hướng đi lại hội tụ

Hệ thống trí tuệ không phải là một năng lực đơn nhất, mà bao gồm nhiều chiều như hiểu, biểu đạt, hành động, phản hồi và sàng lọc kết quả. Bất kỳ chiều nào cũng không thể khép kín vòng lặp một cách độc lập: hiểu cần phản hồi để hiệu chỉnh, hành động cần sàng lọc kết quả để hội tụ, biểu đạt cần môi trường để kiểm chứng. Vì thế các hướng đi này sẽ giao nhau trở lại ở cấp độ hệ thống, chứ không thay thế lẫn nhau. Có thể dùng một chuỗi quan sát giản dị nhất để hiểu sự phụ thuộc lẫn nhau này: đặt vấn đề → sinh ứng viên → phản hồi từ môi trường → đánh giá sàng lọc → giữ lại và tái sinh.

III. Định vị nguồn gốc: Vì sao là tính toán tiến hóa

Trong nhiều con đường hội tụ, tính toán tiến hóa cung cấp cơ chế trực tiếp nhất, dễ vận hành nhất——quần thể, đột biến, chọn lọc, lặp, tương ứng tự nhiên với vòng kín hệ thống “sinh — đánh giá — giữ lại — tái sản xuất”. Nó không phải là một kiểu năng lực biểu đạt khác, mà chính là bộ cơ chế khiến vòng kín thực sự vận hành, nên trang này định vị nó là nguồn gốc kỹ thuật trực tiếp nhất tại điểm hội tụ.

IV. Điểm mù của thuật toán tiến hóa truyền thống

Thuật toán tiến hóa truyền thống dùng đột biến, lai ghép, chọn lọc để thay đổi lời giải ứng viên, nhưng hiếm khi thay đổi “phương pháp sinh ra lời giải ứng viên”. Nói cách khác,siêu tầngcủa thuật toán đã dừng ở giai đoạn thiết kế thủ công trong thời gian dài. Nó giỏi tìm kiếm câu trả lời, nhưng không giỏi tìm kiếm chính mình.

Lấy tiến hóa vi phân làm một ví dụ cụ thể về cái giá phải trả: chọn chiến lược đột biến nào, chọn vector cơ sở ra sao, đặt hệ số đột biến và xác suất lai ghép thế nào đều ảnh hưởng đáng kể đến kết quả giải. Trước các vấn đề khác nhau, nhà nghiên cứu thường phải chọn lựa giữa vô số biến thể, rồi qua nhiều thí nghiệm để tinh chỉnh tham số lặp đi lặp lại. Những công việc này diễn ra bên ngoài quá trình tìm kiếm, không thể tái sử dụng, cũng khó đọng lại——đây chính là chú thích thực tế cho câu “thuật toán đang tìm kiếm câu trả lời, nhưng bản thân thuật toán lại không bước vào quá trình tìm kiếm”.

V. Bước ngoặt then chốt: Để thuật toán tối ưu thuật toán

Bước đi thực sự là để phương pháp giải tự nó cũng bước vào quá trình tìm kiếm, tức góc nhìn lồng ghép “thuật toán tối ưu thuật toán”. Lúc này thuật toán không còn chỉ là công cụ tìm kiếm câu trả lời, mà trở thành đối tượng bị tìm kiếm, bị cải tiến. EvoX sẽ được giới thiệu sau đây chính là phương tiện hệ thống hóa góc nhìn này (chi tiết kiến trúc xem ở các trang tiếp theo).