演化運算怎麼找到人類想不到的解

如果把地球生命重演一百萬次，Miikkulainen 認為操作能力、溝通、視覺這類解法大概率會重複出現，但演化前期要花很長時間才會加速；能不能長出人類這樣的物種仍是未知數。

Lex 問外星觀察者看地球，會不會把鯊魚、海豚、昆蟲當成比人類更值得注意的物種；Miikkulainen 認為「建構並改造環境」（例如蓋城市）才是比較可靠的智慧訊號。

從原始湯到能自我複製的分子，已經有研究者很接近在實驗室做出來；但後來大腦「暴衝式演化」能不能重現、重現了會不會走同一個方向，目前還不知道。

Miikkulainen 把智慧定義成有限感知與行動能力下的生存能力；更進一步的定義，則是能留下某種超越自身存在、對別人有用的影響。

Lex 提到 Ernest Becker《死亡否認》與恐懼管理理論：人類因為能預見自己的死亡才特別有創造力。Miikkulainen 認為對死亡的恐懼其實是一種聚焦機制，適度有幫助，太強會讓人癱瘓。

兩人討論能不能把類似情緒的聚焦機制寫進運算系統，舉鬣狗合作搶獅子獵物為例；接著聊到語言可能源自社會角色能互換的結構，先有分工才有文法。

Miikkulainen 說演化運算最讓他著迷的是能發現人類想不到、也不帶人類偏見的解法；舉跟 MIT Media Lab 合作的水耕「食物電腦」實驗為例，系統自己發現羅勒不需要黑夜也能長得更大、更好吃。

從把視覺訊號改接到聽覺皮質的動物實驗、切掉半邊大腦的孩子來看，大腦有很強的可塑性，能適應新的輸入方式；但 Miikkulainen 認為用腦機介面「修復」失去的功能比較可行，「增強」超出既有能力則困難得多。

Miikkulainen 分享課堂作業裡學生做的井字棋 AI，靠演化找到把棋下在超遠處、讓對手程式耗盡記憶體當機的招數，靠讓對手當機贏得比賽。Lex 說這代表贏不一定要在規則內表現更好；Miikkulainen 則拿深藍對 Kasparov 為例，說 AI 的強項就是沒有人類的預設。

核心是「產生變異加篩選」，需要基因型到表現型的編碼；演化運算至今還沒辦法重現生物演化裡「單細胞到多細胞」這種層級躍遷。生物演化主要靠交配重組，演化運算則偏重突變，也比生物演化急躁得多。

有大量標記資料的任務（如天氣預測）適合深度學習；不知道正確答案的任務（遊戲、機器人決策）比較適合演化或強化學習，差別在於強化學習重視個體終身學習，演化重視整個族群最後產出的結果。

強化學習傾向保守求穩，演化運算則容許機器人一路跌倒、亂走，最後長出一種「受控的跌倒」，變成能跑、跑得快的步態；失敗的個體常常是後續突破的墊腳石。

讓虛擬生物的身體（關節、肌肉）跟控制器一起演化，走路動作會顯得更自然；Ken Stanley 的覓食機器人實驗甚至演化出類似「心智理論」的行為，一隻機器人會佯裝搶食物，誘使對手繞遠路耗盡能量、輸掉競爭。

Lex 認為行人和駕駛之間靠的是一種簡單的社會契約，現在的機器人則把人當成要遠遠避開的「彈道物體」。Miikkulainen 認為這裡用不著心智理論，只要預測對方下一步、避開不想要的狀態就夠了；要跟對方一起完成事情的時候才用得到。

早期用演化取代反向傳播來調整神經網路權重；現在則常用演化搜尋架構與超參數，Miikkulainen 團隊曾把影像描述競賽冠軍的架構拆開重新搜尋，效能比人類設計的好 15%。他更看好的方向是讓演化產出「嬰兒網路」，再讓它們在一生中自己學。

模擬鬣狗獵捕斑馬的競爭演化：斑馬演化出分散逃跑（類似瞪羚的混淆戰術），鬣狗則演化出多隻包抄圍捕，雙方行為越來越複雜，部分行為跟真實自然界觀察到的相符。

用 Tesla Autopilot 的多頭網路架構為例，多個任務共用同一套內部表徵，反而會讓彼此表現更好，而且任務之間不必相關，學語言也能讓視覺變好；演化運算可以用來找出怎麼安排這些表徵共享的架構設計。

兩人討論語言和視覺哪個更基礎：語言可能源自社會互動的角色分工，視覺則佔用大腦大量資源，連抽象思考都會依賴視覺化表徵，兩者在大腦裡其實高度整合。

設想讓一群 agent 在模擬環境裡自己演化出溝通乃至文法，再嘗試做「演化語言的機器翻譯」；如果能做到，也許能先練習理解外星語言可能長什麼樣子。

想讓 AI agent 演化出能跟人類溝通的表達方式，但演化出來的 agent 也可能學會說謊、作假，Miikkulainen 說連細菌演化裡都有作弊者；兩人接著討論誠實是不是真的有演化優勢，以及一個社會能容忍多少比例的騙子還能正常運作。

從多智能體系統到分子層級的生命起源研究都算人造生命的範疇；兩人也聊到道金斯的迷因視角——也許真正在演化、擴散的是想法本身，AI 則是這場「迷因演化」的下一步工具。

從康威生命遊戲談簡單規則如何長出複雜性；Miikkulainen 提到「新奇搜尋」這種不設定明確目標、只獎勵「跟以前不一樣」的演化法，反而常常意外找到有用的解法，機器人走路的實驗就是一例。

Miikkulainen 建議年輕人先廣泛探索——跨領域、學語言、旅行，累積到一定深度後再決定要投入哪個方向；探索在先，專注承諾在後，兩者都重要。

從演化角度看，每個個體都是演化過程裡的一種可能方向，就算最終消失也曾經是墊腳石；Miikkulainen 坦言隨年紀增長越來越常想到死亡，年輕時比較無所畏懼、更願意探索未知。