5种生物进化启发工程，改进人工智能算法

人工神经网络

算法类型：预测建模

生物学启示：认知脑功能（神经元）

用例：情感分析，图像识别/检测，语言修正，机器人

神经网络可用于解决广泛的问题类型，包括自然语言处理和视觉识别。

遗传算法

算法类型：搜索/寻路

生物学启示：适者生存/进化（细胞繁殖）

用例：数据挖掘/分析，机器人，制造/设计，流程优化

解决搜索问题，遗传算法在一系列连续的迭代中采用“适者生存”：

人口中的每个人都将争夺资源和配偶。

在每场比赛中最成功的人将（往往）比那些表现不佳的人做出努力更多。

来自更多“理想”候选人的基因在整个人群中传播，因此这些优秀的父母往往会产生潜力更大的后代。

群集/集体智慧

算法类型：搜索/寻路

生物启示：蚂蚁殖民地/鱼群/鸟群

用例：机器人，视频游戏AI，制造，路线规划

蚁群优化和粒子群优化是符合“集体智慧”概念的最常见的算法。

加强学习

算法类型：预测建模

生物启示：古典调理

用例：视频游戏，自主车辆控制，生产线软件，金融系统

人工免疫系统

算法类型：预测建模

生物学启示：免疫系统

用例：安全软件，自主导航系统，调度系统，故障检测软件

常用算法：

克隆选择

树突状细胞

否定选择

人工免疫识别

大自然如何激发我们的研究和提高我们的技术，生物进化启发工程，改进人工智能算法。

本文参考

9ima.com

towardsdatascience