Onderzoek naar kunstmatige intelligentie kan veel leren van de natuur. Mijn werk verbindt elke dag biologie met rekenen, maar onlangs werd de rest van de wereld herinnerd aan het verband:de Nobelprijs voor Scheikunde 2018 ging naar Frances Arnold samen met George Smith en Gregory Winter voor het ontwikkelen van grote doorbraken die gezamenlijk 'gerichte evolutie' worden genoemd. Een van de toepassingen ervan is het verbeteren van de eiwitfuncties, waardoor ze betere katalysatoren zijn bij de productie van biobrandstoffen. Een ander gebruik ligt geheel buiten de chemie – zelfs buiten de traditionele levenswetenschappen.

Dat klinkt misschien verrassend, maar veel onderzoeksresultaten hebben zeer brede implicaties. Het is een van de redenen waarom zowat elke wetenschapper zich afvraagt ​​en hoopt, niet alleen dat ze misschien geselecteerd zouden worden voor een Nobelprijs, maar, veel waarschijnlijker, dat de winnaar misschien iemand is die ze kennen of waarmee ze hebben samengewerkt. In de collaboratieve academische wereld, dit is niet erg ongewoon:in 2002, Ik studeerde bij een geleerde die had gestudeerd bij een van de drie medewinnaars van de Nobelprijs voor Fysiologie of Geneeskunde van dat jaar. Dit jaar, het gebeurde weer - een van de winnaars heeft een paar papers geschreven met een geleerde met wie ik heb samengewerkt.

Naast het bevredigen van mijn eigen ijdelheid, de prijs herinnert me eraan hoe nuttig biologische concepten zijn voor technische problemen. Het bekendste voorbeeld is waarschijnlijk de uitvinding van klittenbandsluitingen, geïnspireerd op bramen die aan de broek van een man plakten terwijl hij buiten liep. In het werk van de Nobelprijswinnaars, het natuurlijke principe op het werk is evolutie - dat is ook de benadering die ik gebruik om kunstmatige intelligentie te ontwikkelen. Mijn onderzoek is gebaseerd op het idee dat evolutie leidde tot algemene intelligentie in biologische levensvormen, zodat hetzelfde proces ook zou kunnen worden gebruikt om geautomatiseerde intelligente systemen te ontwikkelen.

Bij het ontwerpen van AI-systemen die virtuele auto's besturen, bijvoorbeeld, misschien wilt u veiligere auto's die een breed scala aan obstakels weten te ontwijken - andere auto's, bomen, fietsers en vangrails. Mijn aanpak zou zijn om de veiligheidsprestaties van verschillende AI-systemen te evalueren. Degenen die het veiligst rijden, mogen zich voortplanten - door te worden gekopieerd naar een nieuwe generatie.

Maar net zoals de natuur geen identieke kopieën van ouders maakt, genetische algoritmen in computationele evolutie laten mutaties en recombinaties variaties in het nageslacht creëren. Door de veiligste stuurprogramma's in elke nieuwe generatie te selecteren en te reproduceren, worden mutaties gevonden en verspreid die de prestaties verbeteren. Gedurende vele generaties, AI-systemen worden beter door dezelfde methode die de natuur zichzelf verbetert - en op dezelfde manier waarop de Nobelprijswinnaars betere eiwitten maakten.

In de poging om de menselijke intelligentie te begrijpen, veel onderzoekers werken aan reverse-engineering van de hersenen, uitzoeken hoe het op alle niveaus werkt. Complexe gennetwerken besturen de neuronen die de lagen van de neocortex vormen die bovenop een snelweg van verbindingen zitten. Deze onderlinge verbindingen ondersteunen de communicatie tussen de verschillende corticale regio's die de meeste van onze cognitieve functies vormen. Dit alles is geïntegreerd in het fenomeen bewustzijn.

Deep learning en neurale netwerken zijn computergebaseerde benaderingen die proberen na te bootsen hoe de hersenen werken, maar zelfs zij kunnen alleen de equivalente activiteit bereiken van een klomp hersencellen kleiner dan een suikerklontje. Er valt nog enorm veel te leren over de hersenen - en dat is voordat je probeert de intens gecompliceerde software te schrijven die al die biologische interacties kan nabootsen.

Door te profiteren van evolutie kunnen systemen levensecht lijken en inherent net zo open en innovatief zijn als natuurlijke evolutie. Het is ook de belangrijkste methodologie die wordt gebruikt in genetische algoritmen en genetische programmering. De erkenning van het Nobelprijscomité benadrukt een technologie die evolutie als kern heeft. Dat rechtvaardigt indirect mijn eigen onderzoeksaanpak en het idee dat evolutie in actie een kritisch onderzoeksonderwerp is met een enorm potentieel.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.