演化计算在通用人工智能系统设计与丰富中的应用：综述与展望
神经与进化计算
2024-07-15 v1 人工智能
摘要
在人工智能领域，对于能够应对多样化学习任务、超越传统机器学习模型为单一任务服务的局限性的自适应模型需求日益增长。通用人工智能系统（GPAIS）的近期出现提升了模型配置和可适应性的挑战，远超传统机器学习模型优化设计的复杂度尺度。演化计算（EC）作为用于机器学习模型设计和优化的有用工具，赋予其自行配置和/或适应特定任务的能力。因此，其应用于GPAIS是自然的选择。本文旨在分析EC在GPAIS领域的作用，探讨EC用于其设计或丰富的应用。我们将GPAIS属性与EC已有贡献的机器学习领域相匹配，突出EC在GPAIS中的最新里程碑。进一步讨论了充分利用EC获益的挑战，提出了不同的策略来利用EC进行设计和改进GPAIS，覆盖相关领域，识别研究细胞，并为EC和GPAIS的潜在研究方向勾勒出前景。
引用
@article{arxiv.2407.08745,
title = {Evolutionary Computation for the Design and Enrichment of General-Purpose Artificial Intelligence Systems: Survey and Prospects},
author = {Javier Poyatos and Javier Del Ser and Salvador Garcia and Hisao Ishibuchi and Daniel Molina and Isaac Triguero and Bing Xue and Xin Yao and Francisco Herrera},
journal= {arXiv preprint arXiv:2407.08745},
year = {2024}
}