“聚焦南科大之前沿科技”系列报道——新型高效智能算法:推动智能技术像互联网一样无处不在

Release Time:2017-10-27

人工智能(Artificial Intelligence,AI)脚步声越来越近,正在渗透到我们的日常工作和生活中。在不远的未来,互联网、大数据、硬件的发展和软件的优化,乃至全社会的参与,人工智能将真正从实验室走进生活,成为改变我们生活的一部分。智能算法决定了任何一个智能系统的基本运行模式,是人工智能的核心要素之一。因此,结合日新月异的硬件平台,面向生产生活中不断膨胀的智能化需求,研究新型高效的智能算法,是人工智能领域永恒的主题,同时对于研发具有类人工智能的机器、实现更好的人机协同将起到不可或缺的作用。

南方科技大学计算机科学与工程系教授姚新实验室团队以演化计算为切入点,在智能算法领域开展了卓有成效的工作,已经建立起一套能解决多种智能任务的智能算法,以及相关的智能系统实现平台,并取得了一系列初步应用成果。

姚新教授课题主图.jpg

让智能技术无处不在

实现人工智能所需解决的大多数计算问题,都已被从理论上被证明是NP(非确定性多项式复杂程度的)难题。即无法通过简单地堆砌计算资源、提升计算机运行速度(如采用高性能计算机),在可接受的时间内得到最优解。另一方面,今天的人类在经过亿万年的进化后,似乎具备了许多“与生俱来”的智能,例如在相对较短的时间内完成认知、分析事物并作出最优决策的能力等。因此,从图灵提出“智能机器”这一人工智能原始概念以来,通过以计算的方式模拟演化的过程、设计智能的算法,就成为了实现机器智能化的一个重要手段。

姚新教授团队研究课题的主要目的是探索演化计算的基本原理、设计更加智能的算法。团队近期的工作是专注于面向不同场景下的各类智能化需求,研究和设计出更高效的智能算法。中期任务则是立足于研究通用智能的构建方法,使演化智能广泛地满足各行各业的智能化需求,让智能技术未来像互联网、云计算一样,在人们的生活中无处不在。

利用演化计算实现人类智能的两类能力

姚新教授团队主要立足于利用演化计算实现人类智能最常见的两类能力,即(1)(数据的)分析与学习、(2)决策与优化。

在智能分析与学习方面,姚新教授在国际上率先开展了基于演化计算的神经网络学习算法(简称演化神经网络)研究,并提出了一种新型的神经网络学习算法。这种算法的提出,为解决困扰神经网络、深度学习等领域的瓶颈问题(如网络结构设计、多极值、多鞍点的网络参数学习等)提供了重要的手段。在此基础上,姚新教授将演化计算与集成学习相结合,提出了演化神经网络集成的思想,突破了以往仅演化单个神经网络的局限,实现了神经网络性能的进一步提升。其相关成果先后获得2001 IEEE Donald G. Fink论文奖(当年全球仅1篇)、2011 IEEE Transactions on Neural Networks杰出论文奖(当年全球仅1篇),并在Nature机器智能专刊的演化计算综述中被评价为“地标性论文”。

在决策与优化方面,针对多峰优化、约束优化、动态优化、多目标优化等各类复杂的优化问题,在演化算法的分析与设计方面取得了大量成果。例如:率先针对种群规模为N(N>2)的演化算法开展了时间复杂性分析的工作,提出了漂移分析(Drift Analysis)技术,弥补了演化算法理论分析与实践之间的鸿沟。柯西变异算子及其一般形式——Lèvy 变异算子的提出,丰富了演化算法可选的算子库,使得演化算法具备在不同性质的算子之间进行选择的能力,奠定了多策略自适应演化算法的基础框架。随机排序的约束处理技术的提出,消解了基于罚函数的约束处理技术中,难以确定罚函数权值、约束与目标函数尺度难以统一等难点。目前这些成果已成为演化算法设计的标准组件。漂移分析技术被称为理论上的一个突破。

基于演化算法的基础研究成果,姚新教授团队在软件工程、工业设计、智能交通、智慧物流等方面也开展了大量的应用研究。例如:与伦敦大学学院(UCL)的M. Harman教授等人共同提出了“基于搜索的软件工程”这一演化计算与软件工程领域的交叉研究方向。同时,在针对软件模块聚类、软件开发流程规划、软件缺陷预测、软件测试样例生成与测试资源分配等软件工程领域的重要问题上提出了一系列高效的智能算法。工业方面,与本田公司合作,针对汽车设计中的若干难点问题提出了智能辅助设计算法。2017年6月,深圳市科创委批准姚新教授团队成立深圳市计算智能重点实验室,力争在低能耗计算智能、计算智能的自主演化技术、智能计算系统可靠性等方面取得突破性进展。

102408691.jpg

演化智能面临前所未有的机遇

在AI2.0时代发展下,利用演化计算手段构建的新型智能系统——演化智能系统面临着前所未有的机遇。一方面,可演化新型终端的涌现、互联网技术的普及,将极大丰富演化计算的内涵。而面向智慧城市、智能制造、智能医疗等关键领域,构建涵盖各类异构终端,甚至人类智能的人机融合演化系统正逐渐成为可能。另一方面,高性能计算、云计算技术的发展,使我们能够以远低于过去长时间尺度下观测和调整系统演化趋势的代价,进一步为演化智能系统的实用化奠定基础。姚新教授团队在演化智能技术方面的不断进展,有望为智能制造和装备、智慧物流、智慧城市、人机协同与交互等相关应用领域带来革命性的发展。



供稿:姚新教授课题组