导读2022年1月14日整理发布：作为一名神经生物学家，他毕生致力于研究基因如何编码大脑，主流人工神经网络中缺乏增长和自组织思想确实是我接触
2022年1月14日整理发布：“作为一名神经生物学家，他毕生致力于研究基因如何编码大脑，主流人工神经网络中缺乏增长和自组织思想确实是我接触 AI 和 Alife 社区的动力，”海辛格告诉TechTalks。
近年来，人工生命(Alife) 科学家一直在探索基于基因组的发育过程，尽管该领域的进展在很大程度上被深度学习的成功所掩盖。在这些架构中，神经网络经历了一个迭代创建其架构并调整其权重的过程。由于该过程比传统的深度学习方法更复杂，因此计算要求也高得多。
“这种努力需要一些理由——基本上是证明真正的人工神经网络进化编程可以产生当前深度学习所不能产生的东西。这样的示范还不存在，”Hiesinger 说。“原则上证明进化编程是有效的并且具有有趣的特性(例如，在适应性方面)，但资金和注意力集中在成为头条新闻的方法上(想想 MuZero 和 AlphaFold)。”
在某种程度上，Hiesinger 所说的让人想起 2000 年代之前的深度学习状态。当时，深度神经网络在理论上被证明是有效的。但是计算能力和数据可用性的限制阻止了它们直到几十年后才被主流采用。
“也许几年后，新计算机(量子计算机?)会突然打破这里的玻璃天花板。我们不知道，”希辛格说。