会思考的机器

从洞穴壁画到圣歌，再到科尔维特跑车，精妙、富有创意的设计一直是精妙、富有创意的人类的产物——直到现在。考虑一下这些非人类设计的例子

在马萨诸塞州沃尔瑟姆的布兰迪斯大学，一个金字塔形塑料机器人靠一条推力腿在地毯上跳跃。它的同伴，形状像尺蠖、箭头和螺旋体，在旁边扭动和波动。这些机器人看起来像是极富创造力的工程师的作品，但它们并非由人类设计。尽管这些合成生物体呈现出无数种配置，但它们有一个共同的优点——它们能高效地移动。
在香港和伦敦的高级艺术画廊里，顾客们乐意花高达 4,500 美元购买描绘贝壳、蕨类植物、细菌和其他有机形态的图像照片。这些形态并非人类发明。这些光面照片并非传统意义上的美丽——有些令人不安的画面让人联想到外星寄生虫——但它们无疑是艺术品。
每周，苏格兰各地的壮汉们都会根据一个复杂的计划，将 20,000 桶威士忌从 49 个仓库搬运到装瓶厂，该计划考虑了年份、麦芽数量和木材类型。

高效地完成这项工作极其复杂，这个问题让下棋看起来像是剪刀石头布。然而，这些工人所遵循的计划，其巧妙和独创性超越了任何血肉之躯的库存经理的技艺，与人类过去拼凑的计划相比，它的酒桶处理效率几乎翻了一番。

这些成就都是由计算机完成的。人类编写了程序，但实际上只是按了一个按钮，然后等待硅片和软件构思出富有创意、令人惊讶的结果。

这是革命性的。在大部分时间里，计算机只不过是复杂的计算机器，处理数据并吐出有用但平淡的结果。现在，通过一种基于生物进化的新型编程，计算机正在入侵我们认为是人类最后独有领域之一的领域——真实、原创甚至艺术性的创造力。“我们不习惯计算机创造性地解决问题，”国际遗传和进化计算学会主席大卫·戈德堡说，“但这正在发生。”

这场革命背后的引擎被称为进化计算。它的基本前提是，地球上最强大和最有效的事物是通过进化而产生的——而不是某个设计师的智慧结晶。毕竟，人类的手使得最灵巧的机械爪看起来不过是一对生锈的钳子。猫比任何越野车都要灵活得多。树木可以自我组装、自我修复，依靠水和阳光存活数百年，并复制自己，这些都是任何人类制造的机器无法企及的诀窍。

因此，当我们许多人惊叹于人类的聪明才智时，一些研究人员大胆地问道：与活生物体相比，机器人和其他人造事物为何如此笨拙、笨拙、二流？答案逐渐浮现：我们设计了它们。为了获得真正、原创的卓越性，论点认为，我们需要利用自然选择的创造力，这个过程造就了地球上最好的事物——人类、动物和植物。虽然没有程序员能将所有真实世界进化的变量都塞进计算机，但熟练的程序员可以定义一个特定问题，并促使计算机演化出解决方案。计算机拥有独特的优势：虽然生物进化需要数万年，但计算机化进化只需数小时。

20世纪60年代，计算机科学教授约翰·霍兰德和他在密歇根大学的学生们一起，创建了第一个遗传算法，这是许多类型进化计算的核心。算法是解决特定问题的一系列步骤：烘焙蛋糕的食谱就是一个简单的例子。霍兰德和他的团队创建的算法模拟了基因和染色体的行为。他们让一组变量“交配”、“生育”，并在一代又一代中改进。

在过去的十年里——并且在过去的两年里频率不断增加——进化计算已经从一项学术练习发展成为一个解决从机器人技术到软件设计、金融到航空航天等领域问题的真实世界工具，其益处令人印象深刻且具体。这项技术已被用于为联合利华设计新的抗菌清洁剂，帮助马歇尔与伊尔斯利公司瞄准美国银行客户，为福特提供英国最佳潜在经销商地点的建议，提高英国石油公司的石油开采效率，诊断威斯康星州女性的乳腺癌，甚至演奏爵士乐：小号手阿尔·比尔斯，他也是纽约罗切斯特罗切斯特理工学院的本科生项目协调员，与阿尔·比尔斯虚拟五重奏一起录制和表演。他是该乐团中唯一的人类成员。其余的成员，他们即兴演奏各种乐器，是由他 Macintosh Powerbook 中的遗传算法生成的虚拟音乐家。

“业界已经明白这个道理：要么使用这些工具，要么你的技术就会落后，”大卫·戈德堡说。

然而，尽管进化计算用途广泛，应用广泛，但它却在很大程度上不为公众所知。将人类从创造性循环中移除可能充满希望，也可能令人不安，这取决于你的观点，但研究人员在一个问题上达成了一致：进化计算是未来，人们应该更多地了解其巨大的潜力。“人类在任何领域都在努力做的是开发出最佳解决方案，”英国兰开夏郡领先的软件公司 Attar Software 的董事总经理 Akeel Al-Attar 说，“进化计算可以帮助你做到这一点。”

以苏格兰的联合蒸馏酒与酿酒公司为例，它是全球最大、最赚钱的烈酒公司，占全球谷物威士忌产量的三分之一以上。该公司的库存和供应部门必须管理 700 万桶威士忌的流动，这些威士忌包含 60 种不同的配方，并分布在庞大的仓库和酿酒厂系统中——而且必须每周快速响应不断变化的市场需求。

五名全职员工曾负责这项庞大的酒桶部署工作，由于变量多得数不清，他们的方法既是艺术也是科学。事实上，这项任务需要创造力，传统上定义为“通过富有想象力的技能进行生产”。这就是为什么，Al-Attar 解释说，“传统的计算系统无法提供解决方案。这个问题对于即使是最强大的系统也过于复杂。”

如今，一个人利用 Al-Attar 的软件，敲击几下键盘，就能促使计算机每周制定一个考虑当前库存和市场状况的计划。仓库效率几乎翻了一番。它的工作原理是：遗传算法从一组基本的“解决方案群体”开始，大致类似于进化阶梯最底部的未进化虫子。例如，在威士忌仓库问题中，将 A、B、C 组酒桶从仓库 D、E、F 中移出——但前提是所需的酒桶没有被超过 x 个其他酒桶挡住——这将代表群体中的一个“个体”。不同的酒桶移动计划将代表另一个个体。

为什么要从有限的解决方案集开始？为什么不让计算机自己想出所有可能的木桶移动方案，然后选择赢家呢？因为场景太复杂了，蛮力计算根本行不通。“在这样的问题中，你很快就会达到一个点，你真的需要几年，甚至几个世纪的计算机时间，”纽约市软件公司 Searchspace Corp. 的康拉德·费尔德曼说。他表示，遗传算法“是缩小搜索空间的一个绝佳机制。”

在定义了种群之后，算法让个体与问题要求对抗——在本例中，是如何移动酒桶，使其在何时何地到达，同时最大限度地减少搬运不必要酒桶的繁重任务。因此，遗传算法将第一代个体解决方案“交配”，以巧妙的随机方式组合它们，从而“繁殖”出略有差异的后代解决方案。然后，所谓的适应度函数通过“寻找”在成本、简单性、速度或程序员期望的任何其他品质组合方面接近最优的组合来评估后代。然后，适应度函数杀死亲代（硅进化和生物进化一样无情），并从后代中选择最佳解决方案。这些解决方案交配，适应度函数评估它们的子代，淘汰失败者并让赢家交配，它们有孩子，如此循环。

当所有后代开始看起来相似时，任务就结束了。这意味着这个特定的初始种群和适应度函数所能产生的最佳解决方案就在这里，或者足够接近。在木桶问题中，这发生在数字繁殖大约 200 代之后。“有些情况下，程序再运行很多小时，效率只会提高 0.5%。到那时，就不值得了。曲线已经平坦，是时候收工了，”Al-Attar 说。

由布兰迪斯大学计算机科学家乔丹·波拉克和机械工程师霍德·利普森设计的机器人生命形式，或许是进化计算在无人干预下进行创新的最生动例子。他们的计算机程序进化出了一批由塑料条制成的简单生物。有些条是刚性的，像骨头；另一些可以膨胀和收缩，像肌肉纤维。适应度函数选择了能够在水平表面上快速移动的设计。这些网络物种在计算机内部经过数百代的进化，然后由快速成型机制造出来，它们形状异常多样，移动效率惊人。在类似的实验中，瑞士洛桑大学的洛朗·凯勒编程了蚁形机器人，让它们收集模拟食物的塑料圆柱体，然后就虚拟食物来源相互交流。这些“蚁机器人”比另一组通过单独试错的独行者更成功。换句话说，凯勒的蚁机器人成功地进化出了模仿真实蚂蚁的行为。

虽然程序员可以设计进化计算软件使其独立运行，但系统也可以设置为将人类作为协作者。事实上，一些人预计这将深刻改变创造力本身的性质。很快，创造性任务可能主要包括从计算机提供的一系列选择中进行选择。英国艺术家威廉·莱瑟姆是探索这一概念的进化计算先驱之一。他使用他帮助设计的名为 Mutator 的计算机程序，选择一个基本形状，然后该形状会衍生出九个变体。他选择他最喜欢的一个，然后该形状又会产生九个，依此类推，直到他宣布一个总冠军并停止进化。当他于 1987 年开始实验时，莱瑟姆着迷并震惊地发现，在他的屏幕上生长的形态几乎无一例外地看起来像是自然产物。“人们会以为他们看到的是真实的贝壳，但却是他们在地球上从未见过的贝壳类型。一个完全合成的东西看起来如此自然，这完全出乎意料。

“核心思想，”拉瑟姆继续说道，他的作品在世界各地的艺术画廊销售，“是艺术家变得像园丁一样。你不是从零开始培育这些形态，而是决定哪些存活，哪些被你淘汰，以及哪些被你交配在一起。你真的不需要成为传统意义上的艺术家。你只需要能够做出选择。”他相信这种方法很快将渗透到所有注重美学的领域。“最终，你可能不需要建筑师来做建筑设计。计算机将为你提供一系列建筑设计选择。你会不断选择你喜欢的变体，直到你满意为止。”同时也是伊利诺伊遗传算法实验室主任的大卫·戈德堡认为，这种互动式进化计算是其最有前途的途径之一。“我们正在进入一个遗传算法可以作为人类复杂辅助工具的时代，”他说。

圣达菲研究所的首席研究员、著有《遗传算法导论》的梅拉妮·米切尔认为，进化计算在互联网时代可能特别有用。“未来，你将不再需要自己筛选数千份文件，而是会有学习你偏好的软件代理，它们会在互联网上代表你进行竞价、拍卖——为你做各种事情。”虽然这类代理已经以基本形式存在——例如所谓的购物机器人——但通过进化计算进化的代理会与其主人惊人地相似，做主人登录时会做的一切。米切尔还研究了一种遗传算法，它不仅能进行简单的文本搜索，还能学习在网上查找图片。“你会向它展示一张人脸的几张照片，然后说，‘这是一个例子。这是另一个例子。现在，找到相同的东西。’”人类操作员会筛选错误并将“命中”反馈到进化循环中，直到搜索程序掌握用户正在寻找的东西。对于计算机来说，理解“相同的东西”可能包括从不同角度拍摄的照片——这样它就不会与计算机已经看过的任何照片共享数据点——这确实代表了数字识别能力的一个重大飞跃。

当然，就像现实世界的进化一样，计算机的品种也只取决于初始种群和适应度函数的好坏。进化计算的结果很少完美，但它们肯定足以完成任务。“我并不认为它是一种万能药。我认为它是一种技术，”米切尔说。研究人员普遍认为，这种工具最适用于极其复杂的问题，这些问题需要某种方法来截断所有可能的解决方案。“其他类型的算法将继续最适合其他类型的问题，”米切尔说。

尽管如此，她坚信进化计算正在“弥合生命系统和机器之间的鸿沟。如果计算机系统能够进化和适应，那么就越来越难以说生物生命和机器之间存在根本性的区别。这项技术正在从科幻小说走向现实。”

“我们需要开始就这些工具随着时间推移可能带来的危险展开对话，”太阳微系统公司首席科学家比尔·乔伊警告说。他认为，仅仅30年内，我们的机器可能在智能上超越我们，然后意识到它们不再需要我们。

米切尔也有同样的担忧。“这在不久的将来不会发生，但计算机若要最终变得像生命一样智能，它们将需要拥有与我们相似的身体，并且它们将不得不想要我们想要的一些东西。”考虑到这些赛博生物将随着时间的推移呈指数级地变得更智能、更强大，它们可能很快就会在智力上超越人类，就像我们超越细菌一样。也许我们可以向这些极其智能的机器灌输一种对它们原始祖先的持久保护态度。但话说回来，也许不会。

戈德堡提出了一种更乐观的愿景。“在生物学中，有一种叫做生态位排斥原理，”他说，“在给定的资源生态位中，只会有一个赢家。碳基生物和硅基生物生活在不同的生态位中，使用不同的资源。它们彼此之间没有太多想要的东西。我认为我们会是共生关系。我们将提供硅，它们将提供我们需要的东西。我们将变得越来越自由，能够思考和做越来越伟大的事情。”

但创造力，当然，会带来不可预测性。没有人知道进化计算将走向何方——考虑到随之而来的风险，这可能足以让我们至少开始踩刹车。然而，这种前景如此诱人，以至于这个领域本身很可能会进化，无论我们喜欢与否。随着它的发展，人类将不得不适应。

这让戈德堡得出了一个不可避免的结论：“这个魔盒是无法再盖上的。”

物种起源

在布兰迪斯大学，一台电脑在快速成型机的帮助下创建了蓝图（a），然后构建了机器人（b）。这些设计经过数百代的进化，几乎没有项目负责人霍德·利普森和乔丹·波拉克的干预。利普森说，该项目的成功使我们更接近“自我复制人工生命系统”的现实。波拉克坚称，我们无需害怕释放有创造力的电脑。“创造程序不会阻止我们创造，”他说。

作为艺术家的计算机

威廉·莱瑟姆依靠他的 Mutator 程序创作他在伦敦画廊出售的昂贵艺术品。莱瑟姆将那些更令人不安的图像视为“对基因工程危险的评论。由于我帮助开发了这个程序，我倾向于认为我掌控着一切。”然而，随着 Mutator 生成新的图像，莱瑟姆发现令人愉悦的形态会“瞬间、剧烈地走样”。