人工智能研究的另一個領域是進化計算，它借鑑了達爾文的自然選擇理論，並發現遺傳算法經歷了幾代人之間的隨機變異和組合，以試圖發展出針對給問題的最佳解決方案。
人工智能
這種方法甚至被用來幫助設計AI模型，有效地利用AI來幫助構建AI。進化算法用於優化神經網絡的這種使用稱為神經進化，並且隨著智能系統的使用變得越來越普遍，尤其是由於對數據科學家的需求經常超過供應時，在幫助設計高效AI方面可以發揮重要作用。Uber AI Labs最近展示了該技術，該實驗室發佈了有關使用遺傳算法訓練深度神經網絡以解決強化學習問題的論文。
人工智能
最終，有專家系統，其中用規則對計算機進行編程，使它們可以基於大量輸入來做出一系列決策，從而使該計算機能夠模仿特定領域中人類專家的行為。這些基於知識的系統的示例可能是，例如，自動駕駛飛機系統。
人工智能
是什麼推動了人工智能的復興？
近年來，人工智能研究的最大突破是在機器學習領域，尤其是在深度學習領域。
這在某種程度上是由於數據的易用性所驅動，但更重要的是，由於近年來並行計算能力的爆炸式增長，在此期間，使用GPU集群來訓練機器學習系統變得越來越普遍。
這些集群不僅為訓練機器學習模型提供了功能更強大的系統，而且現在可以作為Internet上的雲服務廣泛使用。隨著時間的流逝，主要的技術公司，例如Google和Microsoft，已經轉向使用專門針對運行和最近培訓機器學習模型的專用芯片。
分享到:
