1.3 演化智能：机遇与挑战

从宏观角度来看，利用演化计算的手段构建新型的智能系统——即演化智能——在AI2.0的时代将面临前所未有的机遇。一方面，可演化新型终端的涌现,物联网技术的普及，将极大丰富演化计算的内涵。面向智能城市、智能制造、智能医疗等关键领域，构建涵盖了各类异构终端，甚至人类智能的人机融合演化系统正逐渐成为可能。另一方面，高性能计算、云计算技术的发展，使我们能够以远低于过去的代价在长时间尺度下观测和调整系统演化的趋势，为演化智能系统的实用化奠定了基础。

从微观角度来看，要真正从演化计算走向演化智能，也还需要跨越一系列的技术挑战。例如，由于可接收多源、异构的大数据，对于一个待求解的问题进行精确建模将变得越来越困难。相应的，演化智能需要具备直接从数据中理解问题性质，同时在演化过程中不断积累问题求解经验的能力，从而将其问题求解模式从模型驱动变为数据驱动。又如，大数据几乎不可避免地会含有噪声，尽管演化计算的框架一般被认为对噪声有一定的鲁棒性，但要在求解具体问题时充分规避噪声的负面影响，也需要更深刻的理论和方法支持。此外，一个演化智能系统所面向的问题在规模上必然会远超现有的演化计算技术，且会涉及大量异构的计算单元。因此，如何在适当的计算平台上，设计、实现一个高效的大规模演化智能系统，同样具有重要意义。可以预期，随着在这些方面不断取得突破，演化计算将在迈向演化智能的道路上稳步前进。

南方科技大学教授，博士生导师。在演化计算及其应用领域发表论文 100 余篇，曾获教育部新世纪优秀人才、英国皇家学会牛顿高级学者、教育部自然科学二等奖、中国电子学会自然科学一等奖。担任 IEEE Transactions on Evolutionary Computation 等期刊编委。主要研究方向为大规模演化计算、演化多峰优化、演化学习等。