ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ ΙΙ

 

1.7     Τι προκαλει δυσπιστια

 

Η τεχνολογία των Γ.Α., αν και δεν αποτελεί πρόσφατη ανακάλυψη, άρχισε ουσιαστικά να εφαρμόζεται τα τελευταία χρόνια. Η δυσπιστία με την οποία αντιμετώπιζαν οι επιστήμονες το όλο θέμα έχει αρχίσει πλέον να υποχωρεί.. Ποιοι είναι όμως οι κυριότεροι λόγοι που ίσως θα μπορούσαν να σταθούν εμπόδιο στην εξάπλωση αυτής της τεχνολογίας; Παρακάτω παρουσιάζονται μερικοί, με τα αντίστοιχα αντεπιχειρήματα τους [46]:

 

1)        Προβλήματα εξοικείωσης με τη Γενετική. Για τους περισσότερους, που ασχολούνται με την Επιστήμη των Υπολογιστών, οι έννοιες της Εξέλιξης και της Φυσικής Επιλογής μπορεί να μην ηχούν παράξενα, αλλά δεν είναι και από τις πιο οικείες. Η Βιολογία δεν έχει άμεση σχέση με τους υπολογιστές, γι' αυτό και οι γνώσεις σχεδόν όλων είναι σε πολύ γενικό επίπεδο. Παρ' όλ' αυτά, δεν απαιτούνται γνώσεις Γενετικής και Βιολογίας. Εκείνο που συμβαίνει με τους Γ.Α. είναι ότι μιμούνται με αφαιρετικό τρόπο κάποιες διαδικασίες που παρατηρούνται στη φύση, χωρίς να ενδιαφέρει σε μεγάλο βαθμό λεπτομέρειας η λειτουργία τους και χωρίς να είναι απαραίτητο το γνωστικό υπόβαθρο που έχουν οι βιολόγοι για να μελετήσουν αυτά τα φαινόμενα. Οι όροι είναι δανεισμένοι από τη βιολογία με σκοπό την καλύτερη εισαγωγή και κατανόηση του θέματος και όχι την παραπομπή του μελετητή στα άγνωστα πεδία μιας ξένης επιστήμης και, τελικά, τη σύγχυσή του. Θα μπορούσε ίσως, να παραληφθεί η αναφορά στη Γενετική και να γίνει μια παρουσίαση των Γ.Α. ως "προσωπικές διαδικασίες για αναζήτηση και βελτιστοποίηση", αυτό όμως μάλλον θα έκανε τα πράγματα δυσκολότερα. Εξάλλου, είναι συνηθισμένο το φαινόμενο θεωρίες που είναι δανεισμένες από άλλες επιστήμες να διατηρούν την αυθεντική τους ορολογία (π.χ. στα Νευρωνικά Δίκτυα: νευρώνες, συνάψεις, κ.τ.λ.). Επιπλέον, το μέλλον και η εξέλιξη των Γ.Α. δεν εξαρτώνται σε καμία περίπτωση από τις αντίστοιχες θεωρίες της Βιολογίας. Το αρχικό μοντέλο είναι δανεισμένο από εκεί, όμως η εφαρμογή του στα Τεχνητά Συστήματα έγινε με πλήθος διαφοροποιήσεων, προσαρμόσεων και "παρεκτροπών" με στόχο πάντα τη βελτίωση της απόδοσης. Πλέον, μπορούμε να μιλάμε για εξέλιξη και απογόνους των πρώτων Γ.Α. και για μια πορεία τους στο χρόνο που είναι πλήρως ανεξάρτητη και αυτοδύναμη.

 

2)        Το πρόβλημα του χρόνου. Στη φύση ως γνωστό, η εξέλιξη λειτουργεί με ρυθμούς πολύ αργούς. Χρειάζονται να περάσουν χιλιάδες γενιές, άρα και αρκετός χρόνος, για να αλλάξουν τα χαρακτηριστικά των ειδών και να διαφοροποιηθούν οι ικανότητες και η συμπεριφορά τους. Θέτουν έτσι ορισμένοι το ερώτημα: πώς είναι δυνατό ένα μοντέλο αναζήτησης λύσεων να έχει καλές επιδόσεις χρόνου, όταν είναι εμπνευσμένο από μια φυσική διαδικασία που εξελίσσεται με ρυθμούς απίστευτα αργούς; Η απάντηση εδώ είναι απλή. Κατ' αρχήν, ακόμη και στη φύση, η εξέλιξη δεν είναι από μόνη της μια αργή διαδικασία. Εξέλιξη των ειδών συμβαίνει όταν αλλάζει τα περιβάλλον τους και πρέπει να προσαρμοστούν στα καινούργια δεδομένα, ώστε να επιβιώσουν. Αλλαγές όμως του περιβάλλοντος γίνονται με πολύ αργούς ρυθμούς και κατά συνέπεια και η εξέλιξη ακολουθεί αυτούς τους ρυθμούς. Αν οι αλλαγές του περιβάλλοντος γίνονται με γρηγορότερο τρόπο, τότε επιταχύνεται και η εξέλιξη. Αυτό άλλωστε παρατηρείται και στα βιολογικά εργαστήρια, όπου μικροοργανισμοί αλλάζουν την συμπεριφορά τους αμέσως, όταν τοποθετούνται σε νέες συνθήκες. Επιπλέον, στο πεδίο των υπολογιστών τα άτομα κωδικοποιούνται συνήθως ως συμβολοσειρές και οι συνθήκες του περιβάλλοντος μοντελοποιούνται με απλές μαθηματικές σχέσεις. Έτσι, το μοντέλο με το οποίο δουλεύει ο υπολογιστής δεν παρουσιάζει ιδιαίτερο υπολογιστικό φόρτο, συγκρινόμενο πάντα με αντίστοιχες μεθόδους. Το πλήθος των ατόμων που κάθε φορά εξετάζεται είναι από λίγες δεκάδες έως μερικές χιλιάδες, δηλαδή αρκετές τάξεις μεγέθους κάτω από το πλήθος των γονιδίων των χρωμοσωμάτων μιας έμβιας οντότητας. Ο ρυθμός που μπορούν να ζευγαρώνουν τα άτομα στους πιο γρήγορους υπολογιστές μπορεί να φτάσει το ένα εκατομμύριο ανά δευτερόλεπτο. Όσο μεγάλος και αν είναι ο χώρος που καλείται ο αλγόριθμος να ψάξει, η επεξεργασία μερικών μόνο ατόμων αρκεί, γιατί, όπως θα αναπτυχθεί και παρακάτω, τα άτομα αυτά θεωρούνται αντιπρόσωποι ολόκληρων κλάσεων. Έτσι λοιπόν, οι ταχύτητες που μπορούν να επιτύχουν οι Γ.Α. είναι πολύ υψηλές.

 

 

ΑΡΧΗ ΚΕΦΑΛΑΙΟΥ