神經進化(neuroevolution)和深度學習(deep learning)的區別

在計算智慧領域中，一個最努力、最長久的目標就是創造出能夠模仿甚至超越人類智慧的智慧、自我感知的機器。一臺智慧機器可以學習，自我完善，然後走自己的路。從20世紀50年代的老式人工智慧系統到今天的人工神經計算，我們已經走過了漫長的道路。今天，這些智慧系統可以做各種各樣的事情，比如分析影象，控制無人機，駕駛你的汽車，成為你的虛擬助手。當今最先進的計算智慧方法是透過神經進化，這是一種受人腦啟發的深入學習的...

什麼是神經進化(neuroevolution)？

神經進化或神經進化是人工智慧和機器學習中的一個分支領域，它利用進化演算法來構建人工神經網路。神經進化是一種深入學習網路的進化方法，已成功應用於人工生命、生成系統、機器人控制和計算機遊戲等領域。它描述了一個進化過程，與**我們大腦的過程相似，只是在計算機內部。事實上，整個概念的靈感來源於人腦的結構。人們堅信，如果人腦能夠以某種方式複製，它將創造出人工智慧。人工神經網路這一術語表示由連線的節點組成的圖，每個連線具有特定的權重。這些節點很像人腦中神經元的組織方式。當今最先進的計算智慧方法是透過神經進化。這一概念已廣泛應用於遊戲領域。

什麼是深度學習(deep learning)？

深度學習是一種基於人工神經網路的機器學習技術，它模仿人腦的工作方式。以Google Translate為例，它能在幾秒鐘內將文字段落或整個頁面從一種語言翻譯成另一種語言。所以，你可以說Google翻譯是基於深度學習和人工神經網路（ANNs）的概念。人工神經網路是一種受生物啟發的計算智慧和機器學習方法。它使用多個層次從原始的感官輸入資料中提取高階特徵。它使計算機系統能夠利用經驗和資料進行改進。它是一種特殊的機器學習技術，用於建立能夠在複雜現實環境中執行的人工智慧系統。深度學習將世界表示為概念的巢狀層次結構，其中每個概念都是根據較簡單的概念定義的，而較抽象的表示則是根據較不抽象的概念計算的。

神經進化與深度學習的區別

概念

–深度學習是一種機器學習技術，是人工智慧的一個子集，旨在模仿人腦在資料處理方面的工作，用於語音識別、目標檢測、語言翻譯和決策。它是一種基於人工神經網路的人工智慧功能，是一種計算智慧和機器學習的仿生方法。另一方面，神經進化是人工智慧和機器學習的一種形式，它利用進化演算法構建人工神經網路。它是一種深入學習網路的進化方法，旨在簡化解決複雜任務的過程。

工作

–深度學習將世界表示為概念的巢狀層次結構，其中每個概念都是根據較簡單的概念來定義的，而更抽象的表示則是根據較不抽象的概念來計算的。它使計算機系統能夠利用類似於人腦處理圖片、文字或聲音形式的資訊的經驗和資料進行改進。神經進化的整個概念是受人腦結構的啟發——它利用進化演算法構建人工神經網路。神經進化有兩種方法，一種是隻考慮網路連線權值的進化，另一種是同時考慮網路連線權值和網路拓撲結構的進化。

應用

–神經進化已廣泛應用於遊戲領域中的角色，如評估遊戲的狀態-動作空間、建模對手策略、建模玩家體驗等。最常見的應用包括進化機器人、人工生命、生成系統、強化學習等。深度學習使用巨大的神經網路來理解大量資料中的複雜模式。常見的應用包括影象識別、欺詐檢測、自動駕駛汽車、虛擬助理、機器人、CRM系統、自然語言處理、工業製藥研究、超級計算等。

神經進化與深度學習：比較圖

總結

神經進化和深度學習都是高度分散式和並行的問題解決方法，對大多數問題和應用的成敗至關重要。神經進化的基本概念是利用進化演算法（一種基於種群的元啟髮式最佳化演算法）生**工神經網路。遺傳運算元是每一種進化演算法的核心，任何神經進化演算法的效能都依賴於遺傳運算元。進化演算法使用受生物進化啟發的機制，如變異和交叉。深度學習是一種基於人腦結構和功能的機器學習技術，它利用多個層次從原始的感覺輸入資料中挖掘出有意義的特徵。