'Вопросы к интервью
10 сентября 2019
Z Интервью Все выпуски

«Пифагоровы штаны». Эволюционные алгоритмы – что это такое?


Время выхода в эфир: 10 сентября 2019, 12:05

А. Петровская Добрый день! В студии Александра Петровская, в эфире программа «Пифагоровы штаны». Напротив меня Арина Буздалова, научный сотрудник международной лаборатории компьютерных технологий университета ИТМО, кандидат технических наук.
А. Буздалова Здравствуйте.
А. Петровская И Максим Буздалов, кандидат технических наук, доцент ИТМО.
М. Буздалов Добрый день.
А. Петровская У нас 10 минут на то, чтобы рассказать, что такое эволюционный алгоритм. И, если вы еще используете слово «нейросеть», забудьте его навсегда. Переходим к эволюционным алгоритмам. А теперь давайте серьезно и по делу: что такое эволюционный алгоритм? И как природа нам подсказывает различные пути для решения тех или иных задач, которые перед нами сегодня стоят?
А. Буздалова Все мы изучали биологию в школе, знаем теорию эволюции Дарвина и помним её основные принципы. Существует некая популяция особей: животных, растений, людей, которые находятся в некоторой среде и должны к ней приспосабливаться, чтобы выжить. Наиболее приспособленные особи дают потомство. С каждым новым поколением приспособленность растет. Эту идею, подаренную нам природой, можно использовать для решения инженерных, математических задач. Только здесь особями будут не живые организмы, а какие-то модели.
А. Петровская То есть, если мы из обезьяны превращаемся в человека, то робот должен в кого превратиться?
М. Буздалов Робот не обязан превращаться во что-то, что выглядит иначе, но одно поколение роботов может отличаться от другого еще больше, чем обезьяна отличается от человека. И все эти поколения, вместе взятые, могут дать человеку неплохую фору.
А. Петровская И я так понимаю, что это может происходить гораздо быстрее, чем эволюция человека?
М. Буздалов Разумеется. Эволюция на земле ускорялась все время. И определенные научные прогнозы, в которых звучит термин «точка сингулярности» и подобные вещи, утверждают, что может получиться так, что между появлением интеллекта, соразмерного человеческому и превосходящего все человеческие мощности, пройдет очень немного времени. Возможно, это количество будет измеряться в секундах.
А. Петровская Вот это будущее вы нам нарисовали! Арина, вы рассказывали нам, как работают эволюционные алгоритмы.
А. Буздалова Для наглядности приведу пример. Где-то в 90-е годы 20 века перед инженерами НАСА встала задача разработать антенну, которая наиболее эффективным образом передает сигнал в космосе. Сначала над этим работали инженеры. Но те антенны, которые они предлагали, плохо работали. И люди применили эволюционный алгоритм и получили антенну очень странной формы, но при этом она была намного эффективней, чем все то, что могли придумать инженеры. Антенны, как и в природной эволюции, составляли поколения. Из этой популяции антенн отбирались наиболее приспособленные, то есть наиболее хорошо передающие сигнал. Их начали скрещивать: часть формы от одной антенны, часть свойств от другой. Вносили мутации. Что очень важно, случайные мутации. На самом деле это все делает алгоритм, все запрограммировано автоматически, человек здесь уже не нужен. И вот так эта система живет сама в себе от поколения к поколению, что-то генерируется, создаются все новые и новые антенны, отбираются наиболее приспособленные. В итоге получается странная форма антенны, человек ее придумать не может, но она передает сигнал гораздо лучше, чем то, что создали инженеры.
А. Петровская Здесь играют важную роль случайные моменты, как вы, Максим, говорили. То есть то, что нам не может прийти в голову решает случайность, и это увеличивает перспективы использования именно эволюционных алгоритмов в сравнении с нейросетью.
М. Буздалов Да, можно очень кратко сказать, что нейросети предназначены для того, чтобы делать автоматически хорошо и быстро то, что может делать и человек, а генетические эволюционные алгоритмы предназначены для того, чтобы делать хорошо то, что человек хорошо делать не может.
А. Петровская То есть творческими способностями нейросеть наделена быть не может, эволюционный механизм в каком-то смысле творец?
М. Буздалов Я этого не говорил, потому что нейросети в определенном смысле копируют определенные структуры человеческого мозга, иногда они выдают креативные вещи.
А. Буздалова Да, но при этом нейросети обучаются на уже существующих примерах. Что в случае с музыкой, что с обработкой изображений. Эволюционный же алгоритм может дать что-то совершенно случайное. Не факт, что это будет творчеством с точки зрения человека, и нам это понравится. Одно дело измерить эффективность антенн, это легко, а вот измерить, получилось ли что-то эстетическое, если мы пытаемся сгенерировать картину, очень сложно. Эволюционный алгоритм, за счет случайности, может подбросить какую-то сумасшедшую идею, но дальше с ней надо работать человеку. То есть, и то, и другое может использоваться для творчества, но результат будет разным.
М. Буздалов С другой стороны, в эволюционных алгоритмах, относительно легко встроить такое понятие, как новаторство. Есть целая дисциплина, которую на русский можно перевести, как «генерация инноваций».
А. Петровская Когда кого-то пытаются критиковать за то, что ничего нового он не смог сказать своим изобретением, в ответ всегда можно услышать: «Новый велосипед изобрести невозможно». Я правильно понимаю, что эволюционный алгоритм, по сути, может создать что-то новое, в том числе и новый велосипед?
М. Буздалов Разумеется так! Но ему для этого потребуется время. Потому что мы с вами, как продукты большого эволюционного алгоритма, появились далеко не в первые часы существования жизни на земле.
А. Петровская А есть какой-то предел совершенству? Есть какая-то наивысшая точка, после которой уже нет смысла идти дальше?
А. Буздалова Вопрос хороший. Именно в области применения эволюционных алгоритмов, он стоит особенно остро. А когда собственно, нам остановить эволюционный алгоритм? Вот мы его запустили, с каждым поколением все лучше и лучше, а когда же остановить? И это открытый вопрос, если мы не знаем, к какому оптимуму стремимся. Могут быть какие-то косвенные признаки, например, если мы перестали получать все лучшее и лучшее решение, вошли в стагнацию, то надо либо изменить алгоритм, либо остановить его. А если этот вопрос рассматривать в плане области эволюционных алгоритмов, то зачем же в науке останавливаться?
А. Петровская Спасибо! До свидания.



Загрузка комментариев...

Самое обсуждаемое

Популярное за неделю

Сегодня в эфире