专栏首页AI研习社视频 | 论进化,计算可比生物厉害多了

视频 | 论进化,计算可比生物厉害多了

AI 研习社:这里是,雷锋字幕组编译的 Two minutes paper 专栏,每周带大家用碎片时间阅览前沿技术,了解 AI 领域的最新研究成果。 翻译 | 杨惠淳 字幕 | 凡江 整理 | 吴璇

无论是生物进化还是计算进化,都有其内在的创造性。

本期要介绍的论文有点特殊,它不是人工智能在某个领域的新理论或者实践,而是关于人工生命(Artificial Life)和进化计算(Evolutionary Computation)领域的奇闻轶事合辑。

以往这些故事只在实践者之间共享,许多自然科学家不会意识到数字有机体的逼真有趣,也不会发现它们的进化过程如此自然。

最近有研究人员专门汇编了人工生命和进化计算领域的研究人员提供的第一手资料,通过大量的事实证明,进化存在于自然界,更存在于数字领域。

视频内容

▷每周一篇 2 分钟论文视频解读

来自原论文The Surprising Creativity of Digital Evolution: A Collection of Anecdotes from the Evolutionary Computation and Artificial Life Research Communities的图片解说摘录:

图 1:利用潜在力量运动。进化发现:让一个体型庞大的生物有策略性地跪倒,比发现主动的运动策略更简单。左边的图显示了试验开始时的生物,右边的图显示了随着时间推移,生物跪倒和翻转以保持前向动量。

图 2:开发撑竿跳高的潜在能量。进化发现:造出会跌倒和颠倒的生物,比造出主动跳跃的机制更简单。

图 3:振动机器人。演进行为从左至右逐帧显示。一段长时间后,生物能够突破现实限制,穿过地平面,与碰撞检测系统结合产生排斥力,从而产生振动,推动生物体穿过地面。

图 4:强制抓取轨迹的快照。(a)机器人手臂处于初始位置时,其抓手关闭;(b)手臂将小盒子推向手臂的基部;(c)手臂移动抓手更靠近其底部,并执行快速移动,扫过桌子,强行打开其手指,抓住小盒子;(d)最后,手臂将夹具移动到保持小盒子的位置。

图 5:六腿机器人。机器人利用离线模拟演变的结果快速适应各种损坏情况,例如断腿。彩色地板上的每个点表示不同类型的步态,即:步态使用不同比例的机器人双腿。假定这张地图上的单元格需要机器人不用腿走路,那就很难填充了。但是,令研究人员惊讶的是,进化发现了一种方法。

图 6:手肘步态。模拟机器人的任务是快速行走而不触及地面,翻转并用肘部行走。随着时间推移,红线显示机器人的质心位置改变。注意:自从模拟的第几十秒被忽略之后,机器人就完成了任务,将重点放在极限环的步态上,而不是机器人的初始位置。

图 7:寻光机器人运动。走向光源时,手编 Braitenberg 式运动(左)和演变自旋运动(右)的路径。

图8:桌子设计。使用通用进化设计系统,演变出三种桌子设计。

图 9:创新驱动的图像生成。一系列通过创新驱动演变而来的图像。每幅图像下面是受到挑战生成的进化。

图 10:怀俄明大学艺术展。怀俄明大学艺术博物馆展出的一系列图像由创新驱动演变而来。

图 11:以静态运动视角看进化步态的小样本。这产生了惊人有效和逼真的行为,软机器人从面板左侧向右侧前进。

每个颜色都有对应的立体像素类型(红色和绿色分别表示相反收缩的肌肉组,黑色和浅蓝色分别代表坚硬和柔软的支撑材料)。

在顶部步态中,注意进化怎么产生各肌肉的不同区域。它使用这些相反的肌肉群来创造类似蠕虫的行为。在底部步态中,使用坚硬(骨头状)支撑材料允许进化产生相对较长的附肢,并做出像马一样飞驰动作。

想知道更多关于计算进化的案例?阅读论文吧:

https://arxiv.org/abs/1803.03453

本文分享自微信公众号 - AI研习社(okweiwu),作者:雷锋字幕组

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-05-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 如何通过交叉验证改善你的训练数据集?

    假设这样一种情况,你对一个样本不均匀的数据集做了一段时间的处理,在这期间你用其中一部分数据做试验,测试了n种机器学习方法,然后喜闻乐见的发现每次的准确率都高达9...

    AI研习社
  • 硅谷老司机 Siraj 教你找工作:简历写得好,工作跑不了

    大家好,这里是 Siraj 的新课,在教你如何成为一名自由职业者之后,我又将和大家分享如何写一份优秀的简历,来申请有关机器学习或者数据科学的职位。

    AI研习社
  • Open AI如何用“自我对局”训练AI机器人变身“摔角王”?

    OpenAI 于近日的一项研究中发现,在一个非明确的技能训练的环境中,AI 能够通过“自我对局”的训练掌握一系列动作技能,比如进攻、躲避、假动作、踢、抓等等。“...

    AI研习社
  • 《机器学习》笔记-强化学习(16)

    如今机器学习和深度学习如此火热,相信很多像我一样的普通程序猿或者还在大学校园中的同学,一定也想参与其中。不管是出于好奇,还是自身充电,跟上潮流,我觉得都值得试一...

    机器学习算法工程师
  • 动力系统视野下的马尔科夫链 :一个量化进化的案例

    【新智元导读】计算机领域里的理论“动力系统“和“马尔科夫链” 可用于搭建分析生物进化的模型,进而量化地理解进化,这对理解诸多经济、政治和文化现象有着显著的意义。...

    新智元
  • 2016中国大学排行榜100强公布,4所大学冠以7星称号

    2015年12月30日,艾瑞深中国校友会网正式发布《2016中国大学评价研究报告》,北京大学连续9年蝉联全国第1,雄居2016中国大学排行榜冠军;清华大学居第2...

    机器人网
  • 易观方舟V4.3发布,智能埋点治理、智能指标监控等亮点功能,让运营更安全、更简单、更高效

    数据猿官网 | www.datayuan.cn 今日头条丨一点资讯丨腾讯丨搜狐丨网易丨凤凰丨阿里UC大鱼丨新浪微博丨新浪看点丨百度百家丨博客中国丨趣头条丨腾讯云...

    数据猿
  • GPU编程(四): 并行规约优化

    如果之前没有用过gdb, 可以速学一下, 就几个指令. 想要用cuda-gdb对程序进行调试, 首先你要确保你的gpu没有在运行操作系统界面, 比方说, 我...

    SeanDepp
  • Spark2.0学习(二)--------RDD详解

    <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/...

    实时计算
  • xml基本知识点

    xml, Extensible Markup Language,可扩展的标记语言。 ? xml文档结构.jpg xml文档的规则 1.0 xml文档必须以一个...

    东风冷雪

扫码关注云+社区

领取腾讯云代金券