科技：进化在计算机和生命科学中起作用

导语：MSU综合生物学和计算机科学与工程助理教授ArendHintze为“对话”撰写了这篇文章，这是一个由编辑和学者组成的独立合作组织，为公众提供知情的新闻分析和评论。查看MSU教师为TheConversation撰写的完整文章列表。

人工智能研究有很多可以从自然中学习。我的工作每天都将生物学与计算联系起来，但最近世界其他地方被提醒了这种联系：2018年诺贝尔化学奖与弗朗西斯·阿诺德一起与乔治·史密斯和格雷戈里·温特一起发展了重大突破，统称为“定向进化”“它的一个用途是改善蛋白质功能，使其成为生物燃料生产中更好的催化剂。另一种用途完全在化学之外，甚至在传统的生命科学之外。

这可能听起来令人惊讶，但许多研究结果具有非常广泛的含义。这就是为什么几乎每个科学家都想知道并希望他们不仅可能被选为诺贝尔奖，而且更有可能的是，获胜者可能是他们认识或合作过的人。在协作学术界，这并不是非常罕见：2002年，我在一名学者的指导下学习，该学者曾在当年诺贝尔生理学或医学奖的三位共同获奖者之一学习。今年，它再次发生，其中一位获奖者与我合作过的一位学者写了几篇论文。

除了满足自己的虚荣心，该奖项还提醒我生物学概念对于工程问题是多么有用。最着名的例子可能是魔术贴钩环紧固件的发明，灵感来自在户外散步时粘在男士裤子上的毛刺。在诺贝尔奖获得者的工作中，工作中的自然原则是进化，这也是我用来开发人工智能的方法。我的研究基于这样一种观点，即进化导致生物生命形式的一般智能，因此同样的过程也可用于开发计算机智能系统。

例如，在设计控制虚拟汽车的人工智能系统时，您可能需要更安全的汽车，知道如何避免各种各样的障碍：其他汽车，树木，骑自行车者和护栏。我的方法是评估几个AI系统的安全性能。允许最安全驾驶的人通过复制到新一代来重现。然而正如大自然不能制作相同的父母副本一样，计算进化中的遗传算法让突变和重组在后代中产生变异。

选择和再现每个新一代中最安全的驱动程序可以发现并传播可以提高性能的突变。经过多代人工作，人工智能系统通过相同的方法获得了更好的性质，并且与诺贝尔奖获得者制造出更好的蛋白质的方式相同。为了理解人类智能，许多研究人员正在努力对大脑进行逆向工程，弄清楚它在各个层面的工作原理。复杂的基因网络控制着形成新皮层的神经元，这些神经层位于连接的高速公路之上。

这些互连支持构成我们大部分认知功能的不同皮层区域之间的通信。所有这一切都融入了意识现象。深度学习和神经网络是基于计算机的方法，试图重建大脑的工作方式，但即使它们只能达到比糖块小的脑细胞群的等效活动。仍然有大量的知识来学习大脑，而且在尝试编写可以模仿所有生物相互作用的极其复杂的软件之前。