进化论与人工智能

达尔文的进化论可以说是人类思想的一次解放，进化论的普及和被广泛接纳的过程，是进化论的坚定拥护者一起去面对陈腐的宗教势力抗争的结果，到了今天，进化论已经是主流的观点，任何挑战进化论的观点往往会受到打压。

进化论当年挑战的是神创论，而现在挑战进化论的是（智能）设计论。设计论随着生命科学的发展深入不断被强化，尤其是生物化学的不断深入，我们对生物的细致机制了解越多，越发地让人感叹生命的神奇，也越加怀疑那些粗糙的无生命的东西怎么可能进化出这么精妙的生命系统？设计论的代表作之一是《达尔文的黑匣子》，作者Michael J. Behe原来是生物化学领域的研究人员，虽然在自己的生物化学领域没有醒目的建树，却因为这本书而出名。这本书从进化论的软肋入手：进化的过程目前看还是一个黑匣子，不同进化状态之间的跃迁还存在着很多缺失的环节，尤其生物化学的所取得的研究成果让这些缺失越发像“天堑”一般难于逾越。生物化学揭示了很多看似简单、其实无比复杂的机制，比如气管中的纤毛，涉及超过200种不同性质的蛋白质协同工作，其复杂性远超我们的想象，作者称之为“不可简化的复杂性”，意思是这种精密配合的组织，不可能是成千上万种蛋白质在随机组合的情况经过选择而形成的，唯一可以接受的解释是纤毛这样的“复杂装置”是被高等级都生物设计出来的。所以作者的结论是，既然一个生命体中有这么多让我们目眩神迷的“不可简化的复杂性”，那么我们还是不要像达尔文一样给一个简单粗暴的结论。

设计论带来的另外一个问题，是谁设计了这么多千姿百态的不同种类的生命，虽然设计论支持者针对这个问题也有一些猜想（比如外星生命不小心的散播），显然这些猜想也都是无法证实的。

最近几年火爆的基于深度学习的人工智能，也许能让我们从另外一个角度来认识进化论。人工智能的典型的训练过程如下图所示：

如图中所示的“智能处理器”，在外面看也是一个黑匣子，里面其实是一层一层的数据转换模块，每层数据转换模块都包含大量的权重参数，“智能处理器”的训练过程就是这些权重参数的最优化的过程。最开始“智能处理器”只有一个初始值（可以随机设置），“输入样本”是用来训练的数据，比如大量的图片数据，“输出结果”是当前的“智能处理器”识别的结果，经过结果验证和优化器来进一步优化权重参数。由于近几年深度学习技术的兴起，“智能处理器”内部的层数可以大量的增加，使得“智能处理器”的复杂度也几何级数的增加，权重参数的数量很轻易地达到几千万的级别，从而使得经过训练后的“智能处理器”的能力显著提高，比如现在对图片的识别能力已经达到或者超过了普通人类的水平。

看到上图中的这样一个过程，最直观的感受是它太像“优胜劣汰”这个进化论的核心过程了，每一次学习，都类似于一次存优去劣的过程。而且对于我们普通人，打开最终训练成功的这个“智能处理器”的黑匣子，看到几千万个权重参数，看到不同层级之间的协同工作（比如低层的主要识别局部的纹理轮廓特征，越高层的识别的内容越抽象），应该也有类似面对生物化学的研究成果的感觉。

也许有人要说，“智能处理器”的架构是人“设计”的，可是按照人工智能目前发展的历时看，人工智能其实没有真正的理论基础，与其说是“设计”出来的，不如说是人类不断摸索总结出来的，靠实践经验堆出来的，看起来也许更像是进化论描述的结果。

从人工智能的发展轨迹看，从一穷二白发展到繁复精妙，不是那么不可描述的，会在某个阶段出现显著加速把复杂度和功能水平提升几个等级，那些以前看起来宛若天堑的困难，在某个阶段就会变得如履平地，比如我们在十年前就无法想象，让机器自动学习后就能够在图像识别的能力方面超过人类。

与其相信外星人或者神仙，我更相信进化的力量，至少在宏观的层面。