五类受自然启发的AI算法

简介: 本文主要讲解了受自然启发的五类AI算法以及各自的实际用例:神经网络、遗传算法、群集集体智慧、强化学习、人体免疫。
567c1d278b36f08e95e83ac48f541443c8307f34

搜索/寻路算法

    搜索算法本质上是一个程序,旨在找到到达目标的最佳或最短路径。例如,旅行商问题(TSP)就是一个典型的搜索优化问题:给出城市列表以及城市之间的距离,寻找可以遍历每个城市,并花费最少的时间和开支的最佳路线。送货卡车就是这个问题的一个实际应用,假设在伦敦有100个人提交了网络订单,所有箱子都装进了一个货车里, 现在快递公司(比方说DPD)必须计算出最有效的路线(平衡距离/所花费的时间),以确保公司能够花费最少的时间,获得最大的利润。

预测建模算法

    如今,预测建模被大肆炒作,各地数据科学家试图用神经网络解决世界上的不同问题。其实本质上,预测建模是使用统计数据来预测结果。数据科学家一直试图解决两种预测建模问题:回归和分类。回归是发现两组变量之间的相关性,而分类是确定数据集属于不同组的概率。

受自然启发的五种算法

1、人工神经网络

c131df7923c3d37db15f1fe0f0cc77ccce37d63f 

前馈神经网络--最基本的神经网络类型

算法类型:预测建模

生物学启示:认知脑功能(神经元)

用例:情感分析、图像识别/检测、语言校正、机器人技术。

让我们从最广为人知的人工智能(AI)开始吧。神经网络是机器学习的子类的一部分。它们的设计和建造模仿了神经元层面的大脑功能,与轴突和树突相互作用,以便通过系统传递信息,通过一系列“层”产生预测结果并输出。每个图层都提供了一个额外的数据表示层,并允许您对最复杂的问题进行建模。

神经网络可能是被最广泛使用的机器学习算法,并且迄今为止是数据科学和机器学习最热门的趋势。神经网络可以用来解决各种各样的问题类型,包括自然语言处理和视觉识别。而且这种监督学习算法可以支持回归和分类问题。

2、遗传算法

6aec2dc9b581fda85f3fd42104b9c2e6eba9ec8b 

遗传算法中的个体繁殖

算法类型:搜索/寻路算法

生物学启示:适者生存/进化(细胞繁殖)

用例:数据挖掘/分析,机器人,制造/设计,过程优化

    遗传算法以“适者生存”的方式,在连续几代之间采用类似进化的方法来解决搜索问题。每一代中都包含一些类似于DNA中染色体那样的字符串。而每个个体都代表着搜索空间里的一个点,因此都有可能成为候选解决方案。为了提高解决方案的数量,我们将个体放入进化的过程中。

·物种中的每个个体都将争夺资源和伙伴。

·在每个竞争中最成功的个体(通常)会比那些表现不佳的产生更多的个体。

·成功的候选人“基因”能在物种中更多的传播,因此表现好的潜力更大。

3、群集/集体智慧

fd4d44216e664b8441296cb38a25334271865def 

蚁群优化的例子——一种集体智能算法

算法类型:搜索/寻路

生物学启示:蚁群/鱼群/鸟群

用例:机器人,视频游戏AI,制造,路径规划。

蚁群优化和粒子群优化是符合“集体智慧”概念的两种最常见的算法。它们(作为一个包)一起工作,以产生更复杂的、紧急的行为,来解决问题。

蚁群优化(ACO)与粒子群优化(PSO)非常不同。两者以不同的方式实现紧急行为。ACO是利用信息素气味引导代理寻找最短的路径。开始初始化一个随机信息素,信息素将以一个特定的速率进行衰减,单一代理人遍历搜索空间,根据信息素的强弱做出选择。最强的信息素气味将成为最有名的的解决方案。

PSO更多的是整体的方向。一些单一的代理人被初始化后选择随机的方向。最每个时间段都需要决定是否改变方向。这一决定将基于最著名的解决方案的方向(称pbest/global best),即最近邻(本地最好)的方向,以及当前的旅行方向。旅行的新方向通常是所有这些价值观的“妥协”。

4、强化学习

52ccf4c4a24bdab0f511b5b17328bf8b3eaf81e9 

 

强化学习环境中的代理行为

算法类型:预测建模

生物启示:经典条件作用

用例:视频游戏,控制自动车辆,生产线软件,金融系统

基于基础心理学和经典条件反射,强化学习(RL)支持为代理人采取的有力行动提供积极的数字响应。强化学习的经典案例:Pavlov’s Dogs,当狗被喂食时,会自动分泌唾液。从本质上讲,如果一个RL代理采取了好的行为,就会得到一个数字奖励。所以代理将使用策略不断学习,以争取在每个步骤最大限度的获得奖励。

RL算法与其他机器学习技术(如神经网络)相结合是很常见的。这通常被称为深度强化学习。神经网络常被用来估量应当给予RL代理人的奖励。Deep Mind采用深度Q学习方法来解决更为普遍的问题,例如处理特别复杂的游戏如“星际争霸II”。

作为参考,Q学习是一种无模型的强化学习算法。它可用于求解有限马尔可夫决策过程的最优行为选择策略。在程序初始化时,每个动作值对的Q值由开发者定义,并在每一步中由RL算法更新。下图是更新Q动作值对的示例。

44e4ea40d34eb2f1190249183cb892c2797d5380 

5、人工免疫系统

50177b458305120a06114729ae3232ca5492b42c 

人工免疫系统的组成部分

算法类型:预测建模

生物学启发:免疫系统

用例:安全软件,自主导航系统,调度系统,故障检测软件

免疫系统是一种通过产生免疫反应来保护机体免受物质和病原体侵害的系统。人工免疫系统(AIS)是自适应系统,受理论免疫学的启发并用于解决问题的免疫功能。AIS系统是一个与机器学习和人工智能有关联的,由生物启发的计算和自然计算的子领域。有多种算法与AIS相关:

·克隆选择

·树突细胞

·否定选择

·人工免疫识别

与生物免疫系统一样,AIS能够将系统内的所有细胞分类为“自体”和“非自体”细胞。参与免疫的两种最重要的细胞类型为B细胞和T细胞(白细胞)。T细胞分为三类,一种是激活B细胞,一种是结合并破坏入侵者,还有一种是抑制自身免疫问题。而B细胞负责产生能够与抗原结合成特定蛋白质的抗体。人工免疫系统能够监视入侵检测,所以被用来防御网络攻击,并经常集成到企业级的软件中。

 

本文由北邮@爱可可-爱生活 老师推荐,阿里云云栖社区组织翻译。

文章原标题5 Ways mother nature inspires artificial intelligence》

作者:Luke JamesFollow

译者:奥特曼,审校:袁虎。

文章为简译,更为详细的内容,请查看原文

 

相关文章
|
5天前
|
机器学习/深度学习 人工智能 算法
传统笔触与算法洪流:AI时代的艺术创作挑战
本文探讨了传统艺术与AI技术在创作中的共生关系及其对艺术生产力的赋能。研究表明,混合工作流能显著提升效率,而传统媒介带来的“意外美学”与AI生成的跨时空意象拼接相辅相成。AI通过快速生成视觉原型、优化色彩方案和提供即用元素,极大加速创作过程。同时,人机协同可实现风格融合、逆向思维训练及动态知识网络构建,但创作者需建立风格防火墙、验证机制和价值评估体系以守住创作主权。未来艺术教育将涵盖多层能力培养,具备跨维能力的艺术家市场竞争力将大幅提升。最终,真正成功的创作者是能够融合传统与科技、让艺术回归情感表达本质的“双脑创作者”。
44 0
|
18天前
|
数据采集 人工智能 编解码
算法系统协同优化,vivo与港中文推出BlueLM-V-3B,手机秒变多模态AI专家
BlueLM-V-3B是由vivo与香港中文大学共同研发的多模态大型语言模型,专为移动设备优化。它通过算法和系统协同优化,实现了高效部署和快速生成速度(24.4 token/s),并在OpenCompass基准测试中取得优异成绩(66.1分)。模型小巧,语言部分含27亿参数,视觉编码器含4000万参数,适合移动设备使用。尽管如此,低端设备可能仍面临资源压力,实际应用效果需进一步验证。论文链接:https://arxiv.org/abs/2411.10640。
38 9
|
20天前
|
机器学习/深度学习 自然语言处理 算法
生成式 AI 大语言模型(LLMs)核心算法及源码解析:预训练篇
生成式 AI 大语言模型(LLMs)核心算法及源码解析:预训练篇
130 0
|
23天前
|
人工智能 编解码 算法
DeepSeek加持的通义灵码2.0 AI程序员实战案例:助力嵌入式开发中的算法生成革新
本文介绍了通义灵码2.0 AI程序员在嵌入式开发中的实战应用。通过安装VS Code插件并登录阿里云账号,用户可切换至DeepSeek V3模型,利用其强大的代码生成能力。实战案例中,AI程序员根据自然语言描述快速生成了C语言的base64编解码算法,包括源代码、头文件、测试代码和CMake编译脚本。即使在编译错误和需求迭代的情况下,AI程序员也能迅速分析问题并修复代码,最终成功实现功能。作者认为,通义灵码2.0显著提升了开发效率,打破了编程语言限制,是AI编程从辅助工具向工程级协同开发转变的重要标志,值得开发者广泛使用。
7931 68
DeepSeek加持的通义灵码2.0 AI程序员实战案例:助力嵌入式开发中的算法生成革新
|
27天前
|
人工智能 算法
细思极恐,GPT-4竟串谋AI欺骗人类!哈佛PSU重磅揭秘算法共谋,AI教父预言正成真
近日,哈佛大学和宾夕大合著的重磅论文揭示,基于大型语言模型(如GPT-4)的算法可能自主串谋,损害消费者利益。研究发现,这些算法在虚拟市场中能迅速达成默契,提高价格以获取更高利润,类似于人类垄断行为。这一现象曾被DeepMind联合创始人Shane Legg预言,如今成为现实。论文呼吁加强对AI的监管,确保其透明性和可解释性,以防止潜在风险,并促进AI的可持续发展。
32 6
|
2月前
|
机器学习/深度学习 人工智能 算法
Transformer打破三十年数学猜想!Meta研究者用AI给出反例,算法杀手攻克数学难题
《PatternBoost: Constructions in Mathematics with a Little Help from AI》提出了一种结合传统搜索算法和Transformer神经网络的PatternBoost算法,通过局部搜索和全局优化交替进行,成功应用于组合数学问题。该算法在图论中的Ramsey数研究中找到了更小的反例,推翻了一个30年的猜想,展示了AI在数学研究中的巨大潜力,但也面临可解释性和通用性的挑战。论文地址:https://arxiv.org/abs/2411.00566
103 13
|
2月前
|
机器学习/深度学习 存储 人工智能
淘天算法工程师玩转《黑神话》,多模态大模型如何成为天命AI
淘天集团未来生活实验室的算法工程师们以ARPG游戏《黑神话:悟空》为平台,探索多模态大模型(VLM)在仅需纯视觉输入和复杂动作输出场景中的能力边界。他们提出了一种名为VARP的新框架,该框架由动作规划系统和人类引导的轨迹系统组成,成功在90%的简单和中等难度战斗场景中取得胜利。研究展示了VLMs在传统上由强化学习主导的任务中的潜力,并提供了宝贵的人类操作数据集,为未来研究奠定了基础。
|
3月前
|
机器学习/深度学习 人工智能 算法
Enhance-A-Video:上海 AI Lab 推出视频生成质量增强算法,显著提升 AI 视频生成的真实度和细节表现
Enhance-A-Video 是由上海人工智能实验室、新加坡国立大学和德克萨斯大学奥斯汀分校联合推出的视频生成质量增强算法,能够显著提升视频的对比度、清晰度和细节真实性。
151 8
Enhance-A-Video:上海 AI Lab 推出视频生成质量增强算法,显著提升 AI 视频生成的真实度和细节表现
|
3月前
|
人工智能 算法
AI+脱口秀,笑点能靠算法创造吗
脱口秀是一种通过幽默诙谐的语言、夸张的表情与动作引发观众笑声的表演艺术。每位演员独具风格,内容涵盖个人情感、家庭琐事及社会热点。尽管我尝试用AI生成脱口秀段子,但AI缺乏真实的情感共鸣和即兴创作能力,生成的内容显得不够自然生动,难以触及人心深处的笑点。例如,AI生成的段子虽然流畅,却少了那份不期而遇的惊喜和激情,无法真正打动观众。 简介:脱口秀是通过幽默语言和夸张表演引发笑声的艺术形式,AI生成的段子虽流畅但缺乏情感共鸣和即兴创作力,难以达到真人表演的效果。
|
3月前
|
机器学习/深度学习 缓存 人工智能
【AI系统】QNNPack 算法
QNNPACK是Marat Dukhan开发的量化神经网络计算加速库,专为移动端优化,性能卓越。本文介绍QNNPACK的实现,包括间接卷积算法、内存重排和间接缓冲区等关键技术,有效解决了传统Im2Col+GEMM方法存在的空间消耗大、缓存效率低等问题,显著提升了量化神经网络的计算效率。
75 6
【AI系统】QNNPack 算法