演化发育通用人工智能：探索突破传统AI局限的新路径

在人工智能技术迅猛发展的今天，通用人工智能（AGI）的探索已成为全球科技竞争的制高点。传统深度学习模型依赖海量数据、能耗高、结构单一的缺陷日益凸显，成为制约其向更高层次跃迁的关卡。西湖大学金耀初教授团队提出的“演化发育通用人工智能”（Evolutionary Developmental AGI）理论，通过模拟生物神经系统的演化、发育与学习机制，结合类脑脉冲神经网络和形态自组织技术，为探索AGI的开辟了一条创新路径。

自然启发的技术革新：三大机制释然AI现状

生物进化历经亿万年，其核心在于基因变异、自然选择和环境适应的动态平衡。金耀初团队从这一自然法则中汲取灵感，提出将演化（Evolution）、发育（Development）与学习（Learning）三大自适应机制有机融合，构建具备自主进化能力的智能系统。

演化机制：借鉴生物种群的遗传与变异原理，研究团队开发了动态优化算法，使AI系统能在不确定的复杂环境中自主筛选最优策略。例如，新型电力系统中的新能源发电量千变万化，给电网运行调度带来了巨大挑战。基于演化算法的智能调度算法能考虑未来天气不确定性，并给出满足不同需求的最优运行方案。

发育机制：生物发育的核心机制是是基因调控与细胞与细胞之间相互作用。生物的形态发生过程不但具有高度可扩展性，更是一个完美的可控自组织系统。团队通过构建形态发生自组织机制，赋予群机器人的自组织能力以及模块机器人的形态自重构能力。团队还模拟多细胞生物的发育生长过程，用于设计具有高度复杂结构的多孔材料。

学习机制：区别于传统深度学习的被动训练，演化发育AGI强调“具身交互学习”。团队基于大规模脉冲神经网络，模拟人脑的双通道机制及局部神经可塑性，使机器人能在动态环境中实时调整行为策略，提升具身智能系统的泛化能力，实现具身大模型的自我演进并最终获得自主学习能力。

类脑计算：构建符合人类价值观的下一代AI体系

传统大模型依赖GPU集群，训练一次GPT－3的能耗约为1，287兆瓦时，相当于120个家庭年均用电量。相比之下，具有近千亿神经元的大脑的能耗只有20瓦左右。脉冲神经网络与目前流行的大模型相比，不但采用更接近生物机制的脉冲信号进行信息处理，而且采用事件驱动及存算一体化实现稀疏计算。通过在脉冲神经网络中引入基因调控的神经可塑性机制，团队设计的脉冲神经网络不但大大降低了能耗，还能大幅度提升物体识别能力。团队正另辟蹊径，提出将类脑器官技术与人工智能中的储备池计算（Reservoir Computing）相结合，有望构建出能耗仅为传统模型1％的类脑计算系统。

在可信人工智能智能领域，团队结合联邦学习、同态加密等技术提出了一系列安全可信的智能优化与决策方法。同时，采用多目标演化架构搜索，构建稳健的深度神经网络模型，将安全可信的技术扩展到具身智能，以期构建符合人类价值观的自主智能系统。团队的这些研究方向与2023年国家科技部在《人工智能伦理治理宣言》中明确提出“构建安全可控、透明可信的智能系统”的理念不谋而合。

应用落地：跨领域发展

演化发育AGI的理论创新逐渐在解决实际复杂问题中发挥作用，涵盖工业、能源、健康医疗等关键领域。

团队开发的演化多目标优化算法在空客机体、高提升力机翼等空气动力学优化设计中得到了成功应用。在新能源汽车领域，其开发的混动控制器智能优化方案，实现7个目标的同时优化，助力某车企电池能效大幅提升。

在智慧能源领域，针对可再生能源出力波动难题，团队提出了“语言引导生成优化框架”。基于大模型求解电网运行调度问题，可在历史数据不足的情况下，动态生成鲁棒性方案，将调度失误率大幅降低。

在心理健康领域，团队正开发的多模态AI辅助的艺术诊疗系统，通过分析绘画笔触、微表情及脑电信号，提高筛查早期抑郁症的准确率。此外，采用生成式模型为患者定制个性化音乐疗法提高疗愈效果。

当前，在技术与政策的双轮驱动下，演化发育通用人工智能不仅为破解传统AI瓶颈提供了新解法，更将在智能制造、智慧医疗、绿色能源等领域，为高质量发展注入新的动能。（西湖大学：金耀初）

查看网址

分享到：