Thuật toán tiến hóa truyền thống hoạt động trongcơ chế sinh cố định: các quy tắc "tạo ra đáp án như thế nào" như chọn lọc, lai ghép, đột biến đều do con người viết sẵn; tìm kiếm chỉ di chuyển trong không gian đáp án, và đối tượng được tối ưu hóa luôn làlời giải ứng viên. Khi quy mô sức mạnh tính toán được mở rộng, chính sự định sẵn này lại trở thành giới hạn trần — nếu phương pháp sinh ứng viên không đổi, hệ thống chỉ có thể lặp lại mãi lối mòn đã định.
Tiến hóa phương pháp (Meta-Evolution)đẩy bài toán lên một tầng cao hơn: thuật toán không chỉ xuất ra đáp án tốt hơn, mà còn thông qua tìm kiếm ở tầng ngoài để liên tục cải tiếnchiến lược, tham số và thành phần tạo ra đáp án, hoàn thành bước tiến hóa từ "tìm đáp án" sang "cải tiến phương pháp". EvoX chính là công trình đi theo hướng này, đưa chính phương pháp sinh ứng viên (như chiến lược đột biến và thiết lập tham số của tiến hóa vi phân) vào đối tượng tiến hóa.
Hai tầng logic: tầng trong tìm đáp án, tầng ngoài cải tiến phương pháp
- Tầng trong: DùngPhương pháp hiện tạiđể giải bài toán cụ thể, sinh ra lời giải ứng viên.
- Tầng ngoài: Dựa trên phản hồi về chất lượng lời giải, tín hiệu sở thích, độ ổn định hoặc chi phí để cải tiến phương pháp dùng cho vòng tiếp theo.
- Đối tượng được đưa lên không gian tìm kiếm không phải là một lời giải nào đó, mà chính làbản thân cơ chế sinh ứng viên; chính vì vậy, nó mới trở thành đối tượng có thể đánh giá, có thể chọn lọc và có thể cập nhật.
Tối ưu hóa sở thích nên đặt ở tầng nào
Tối ưu hóa sở thích có thể tham gia vào phản hồi ở tầng trên, nhưng phải tách biệt hai loại mục tiêu:đánh giá đáp án hiện tạivàcải tiến phương pháp sinh ra đáp án. Việc đọc thẳng "lời giải này được ưa thích hơn" thành "chiến lược này tốt hơn" chính là lấy sở thích về đáp án để mạo danh chất lượng của phương pháp, khiến tìm kiếm ở tầng ngoài bị dắt mũi bởi nhiễu từ một kết quả đơn lẻ.
Được gì, mất gì
Sự chuyển dịch này đưa thiết kế thuật toán từ việc tinh chỉnh thủ công một lần sang thích ứng bền vững, nhưng cái giá cũng không kém phần rõ ràng:không gian tìm kiếm phình to(không gian phương pháp lớn hơn không gian lời giải rất nhiều),chi phí đánh giá tăng cao(mỗi phương pháp ứng viên đều phải chạy tác vụ ở tầng trong, thường phải dựa vào đánh giá song song theo lô trên GPU để chia nhỏ chi phí),độ phức tạp kiểm chứng gia tăng(cải tiến ở tầng ngoài có thực sự khái quát hóa hay không đòi hỏi một thiết kế kiểm chứng độc lập).
Sơ đồ logic tiến hóa hai tầngSơ đồ chia tiến hóa thành hai tầng trong và ngoài: tầng trong dùng phương pháp hiện tại để giải bài toán cụ thể và sinh ra lời giải ứng viên; tầng ngoài dựa trên phản hồi về chất lượng lời giải, sở thích, độ ổn định hoặc chi phí để cải tiến chiến lược, tham số và thành phần sinh ứng viên cho vòng tiếp theo; nhờ đó đối tượng được tìm kiếm được nâng từ lời giải lên cơ chế sinh ứng viên.
