網易科技訊11月22日消息，據TechCrunch報道，在生物中，進化是一個多世代的過程。在這個過程中，基因會發生突變，有些基因會增加，有些則會消失。能夠適應這個過程的生物可以幸存下來，運氣不好的最終會走向滅絕。這就是自然選擇。生物的適應能力是非常強大的，但在發生大洪水時，如果你不能及時進化出腮來，那么你可能面臨被淘汰的命運。

　　另一方面，基因工程是個緩慢而謹慎的過程，需要采取可靠措施達到既定目標。隨著人工智能（AI）的出現，我們看到進化和基因工程開始匯聚，而機器學習算法也開始進化。為了對自然進化與機器進化進行比較，讓我們首先考慮數據，以及它是如何遵循自然選擇的規則，適應“環境”和“訓練過程”的。訓練過程可以是監督或無監督學習、加強學習、聚類、決策樹或不同的深度學習方式。

　　與自然進化非常相似，不同的生物可以解決不同的問題。它們依賴不同的環境，但最終都能達到相同的效果。鯊魚和海豚有相似的抑制傷口機制，盡管這種機制最初的進化方向完全不同。在技術領域，我們也看到相同的模式。比如k-均值聚類算法，這種技術經常被用于圖像分割，通過迭代過程把數據集劃分為不同的類別，使得評價聚類性能的準則函數達到最優。

　　如果你給10個人相同的數據集，并要求他們使用不同的算法解決相同的問題。很有可能他們真的使用不同的方法，并獲得相同的結果。在某種意義上說，無論是在自然界還是機器身上，解決問題的原理非常相似。

　　那么，這對公司來說有何意義？隨著機器學習技術的發展，并被越來越多應用在商業領域，企業正面臨著相關挑戰，包括如何制定相關戰略、如何安全、高效低使用這種技術等。從歷史上看，技術專家經常從大自然中獲得靈感。以下就是企業可以利用進化理論理解AI潛在應用的例證。

　　1。發散進化：即使是看似相關的數據集，你也很難在第一眼就看出相關性。即使你擁有可以訓練物體識別的ImageNet等數據庫，這也并非意味著你能夠掌握視頻識別或面部識別。

　　2。聚類進化：即使屬于不同的數據集，我們也總是在尋找在根本上相同的問題。比如，谷歌利用搜索查詢數據幫助建立更好的拼寫檢查程序。谷歌保持追蹤用戶的查詢內容，當他們注意到數百萬人采用與你不同的方式拼寫時，他們就會提醒你做相同的事情。

　　3。捕食者與獵物或寄生蟲與宿主共同進化：如果兩個AI共同進化，可能發生非常有趣的事情。網絡安全公司都在開發機器學習解決方案，并不斷訓練他們的系統發現新的威脅。

　　現在已經有很多AI公司幫助我們更高效地工作，比如x。ai正幫助我們管理忙碌的生活，Diffbot幫助我們智能化地組織網頁等，但這些應用實際上依然處于起步狀態，需要根本性的改進。或許最好的方式，就是將它們投入我們已經理解的現象中，即進化。

　　在AI領域，我們擁有巨大的機遇，自然進化可為我們學習和迎接未來機器進化提供框架。與此同時，公司領導層需要審慎考慮制定AI戰略，投資培養必要的人才和建設基礎設施，并將它們的數據變成具有變革意義的解決方案，這些都非常重要。（小小）

　　AI新時代-產業新動能，【點擊報名】參加2016中國人工智能產業大會，搶占通往未來的年票！（如無法點擊請打開網址4BYwdQ）