第 51 节 小结

大自然经过亿万年物竞天择、优胜劣汰的演化，形成了复杂多元的生命现象，其中蕴含着丰富的信息处理机制，这些机制就是自然计算的基础；而人类对于自然智能最初的学习和利用，产生了仿生学及仿生计算。现在我们讨论的基于神经网络的 AI，属于自然计算和仿生计算范式中一个很小的部分。

这就是说，所谓的 AI 不但可以模仿生物大脑的神经网络机制，还可以模仿大自然里各种各样生物的信息处理机制。大自然是极为广阔的天地，自然智能现象带给人类无尽的智慧启迪，将会进一步优化和辅助目前正在兴起的 AI 技术。同时相关的新 AI 分支领域也一定会被开辟出来。

本章讨论了模拟退火、群体算法、自组织映射、领头羊算法等，介绍了它们在深度学习的超参数优化及神经架构搜索中的应用，以及粒子群优化和模拟退火的芯片实现例子。自然计算和仿生计算中的一个重要方法——进化算法，将在本书第 12 章进一步介绍。

自然计算和仿生计算型的 AI 芯片可以进行最优化计算，往往可以达到比较好的结果，但是基于这些智能算法的芯片还没有得到很好的商业化应用，这是因为这些算法和芯片能解决的优化问题的规模都不大，应用范围受到了限制。最近几年来，随着量子力学和量子计算研究的不断升温，受量子原理启发的 AI 芯片也已经崭露头角，为解决大型组合优化问题带来了新的曙光。本书第 10 章将专门介绍这类 AI 芯片的最新发展及它们的应用。

 
（本章节完结）