主题：【注意】请问水风道长 -- 睡虫
怎么判定进化？机器人能自我复制了算不算进化？
隔壁信息技术有个主题：链接出处
很需要您来解惑，呵呵。
Humans do it, bacteria do it, even viruses do it: they make copies of themselves. Now US researchers have built a flexible robot that can perform the same trick.
It's not the first self-replicating robot ever built, says Hod Lipson of Cornell University, who led the study. But previous machines with the capacity for copying themselves have been very simple, often spreading out in only two dimensions. And more complex devices existed only in computer simulations, not reality.
Lipson's robot, which is made of four cubes stacked on top of each other, has a flexible, three-dimensional design. "There is a whole world of possible machines," says Lipson, pointing out that you could make much more complex robots in the same way simply by using more cubes.
The researchers envisage machines that automatically repair themselves, making them ideal for use in hazardous environments such as outer space. The current version of Lipson's robot isn't quite up to that futuristic goal. But it is a good step forward, says Moshe Sipper, a self-replication expert at Ben-Gurion University in Beer Sheva, Israel.
Cubic copy
Lipson's robot consists of four cubes, each 10-cm to a side, which are sliced diagonally into halves that can rotate against each other. This allows the robot to change shape, he reports in Nature1. Provided it is fed with cubes, the robot can create a copy of itself within a few minutes.
To build a replica, a 'parent' robot bends down and places its own uppermost cube on the table next to it. This becomes the base of the 'child' robot. The parent then picks up a new cube, using electromagnets powered from contacts on the surface of the table, and stacks it on top of the child base. During this process, the child bends down to help the parent add cubes whenever it becomes too tall for the parent to reach. In the end, two four-cube columns stand next to each other.
Lipson says the cubes contain the electronic equivalent of DNA: a microprocessor with a memory of the robot's body plan and instructions on what to do during self-replication. By adjusting this information, it should be possible to make reproducing machines in any number of shapes or sizes, says Lipson. A robot made up of hundreds of much smaller blocks would have a huge number of shape options available to it.
Transformers
Lipson's machines have some limitations. They are particularly dependent on being fed new blocks, for example. Unlike living creatures, they can't forage for food or building material. And because the process is preprogrammed, if extra blocks aren't in precisely the right place at the right time, then assembly will stop.
Next, Lipson hopes to test whether unprogrammed versions of the cubes could evolve the ability to self-replicate, by having random changes introduced to their electronic DNA. "It would be interesting to see if they spontaneously learn how to self-reproduce using evolutionary principles," he says.
Such studies may trouble those who fear that tiny self-replicating robots will one day run riot, as they do in thrillers such as Michael Crichton's Prey. "As a matter of public policy, artificial machine systems should not be built that evolve, so that there can be no danger of them escaping our control," says Robert Freitas, co-author of a book on self-replicating machines, who works at the Institute for Molecular Manufacturing in Palo Alto, California.
But Lipson adds that there really is no need to worry. "I don't think we're anywhere near that," he says.
http://www.nature.com/news/2005/050509/multimedia/050509-6-m1.html[URL][/URL]
http://www.nature.com/nature/journal/v435/n7039/suppinfo/435163a.html
You can watch the Supplemental QuickTime movie online
http://origin.www.nature.com:80/nature/journal/v435/n7039/extref/435163a-s4.mov
疑问么，还是存在，这个到底是不是进化呢？我觉得好像不是，好像。
呵呵，那篇报道讲的东西是发表在今年自然杂志上的一篇新闻报道。下面两篇是那篇原文以及文章所附的补充资料。
如果您仔细读一遍的话，就会发现那个所谓的机器人掌握了复制，纯粹就是一个吸引眼球的噱头。
这篇新闻的真正意义在我看来，不是机器人可以如何如何，而是我们可以设计出这么一个芯片，在指导机器人根据外界的环境，来调节自己的反应这个过程中，可以作出非常复杂的动作来。
目前计算机和机器人的结构和算法，已经决定了这些机器只能做人类赋予他们的，它们连真正的学习都没有。还是完全处于一种工具状态。就像我不认为从旧石器到新石器是工具本身的演化（那是我们的演化）一样，这个新闻所讲述的东西，在我看来，同样也跟演化沾不上边。
至于担心机器或者计算机或超越人类，那要看以后会不会出现一种全新的算法，可以自我学习进化。至少在那种算法出现之前，无论什么所谓的量子计算机，还是DNA计算机都只是纯粹的工具。
我看了你写得多个帖子，很有自己的思想。以后还希望能够多多交流。我这人说话比较冲，如有冒犯之处，尚请海涵。
电脑中自我学习或自我复制的技术或理论早已存在, 但还是上帝的手 (!?) 与数十亿年时间的进化比较厉害.
妖道也拱师兄出来写系列长篇如何? 标题我帮他想好了, 就叫 "闲磕画学". 
一语道破，我赞成。
神经网络在学习能力上比其他的算法要优越,不知道其未来发展会不会进一步突破。
说到进化，单细胞生物进化的基础是DNA。机器人进化是改进自己的程序。
DNA是一种非常稳定的结构，细胞内已经进化出了高保真的一整套体系。但是这套体系同时又保留了非常低概率的突变，使得整个体系的进化成为可能。一般生物的DNA突变率在十亿分之一到一百亿分之一之间每个特定的核苷酸位点每复制。也就是说，在一次复制过程中，给定一个位点突变的可能性是十亿分之一到一百亿分之一之间。其中，有效突变（就是突变会改变这个生物的生活或者功能）的概率是1/1000。在这里面，1/1000的可能会出现有益突变。
程序一旦开始运行，也必须是一种非常稳定的东西，要不然你的机器就会不定时的死机。但是在这个程序里面，机器运行时读取错误的可能性是多大？读取错误后将这个错误重新记录到原有正确的程序中（就是覆盖原有正确的程序）的可能性有多大？打错一个字符导致整个程序出错的可能性是多大？如果整个程序出错或者因为这个改变而更加有效率，那么这个改变会跟其它的改变累加的可能又有多大？
说到这里，我们就会明白，让程序本身来进化，在现在是完全不现实的。目前唯一一个有可能自我进化的机器产品就是计算机病毒，可惜被我们能杀得都杀死了，而且所有的变种病毒的创造者都是人类。
单细胞生物虽然进化的几率非常小，但是架不住他们个体多阿，目前全球的生物个体有大概10的34次方那么多，其中有90%的个体是单细胞。那么，每次复制产生有益突变的可能性是多少，是10的17次方。但是，除去其中重复的，除去不可以进行基因交流的，除去那些因为某种原因无法流传下来的，对于一个特定的物种，可能产生的有益突变的数量是多少？是几千个到几万个，几乎涵盖了所有已知基因。但是，这些突变是分散在10的20-24次方个体里面的。任何一个个体含有一个有益突变的可能性还是10的17-19次方分之一。这些有益基因，只有受到外界威胁的时候，就是把其他的个体都杀死的时候，才会逐步取得主导的地位。这也就是自然选择的过程。
那么，目前的计算机程序可能像现有的生物一样进化么？如果不能进化，他们靠什么来摆脱人类工具的身份呢？
我对此老早就开始感兴趣了，奈何找不到个明白人给我们讲一讲。四月，你身为班主，也该给我们做贡献吧。快给我们讲一讲啊。
多久了? 呵呵. AI 与 AN (或叫 ANN, 后一个 N 是网络) 一直在争, 会让你高兴的是, 在做 neural 前要先研究人类神经学, 了解神经运作后再用电脑做simulation. 这个是人类的原创吗? 不是, 是 copy from the god.
说实话，现在那些神经学家们对于神经系统是如何布线与工作的还是半通不通的状态，那么神经网络算法的水平比起自然的系统来就可想而知了。
这牵扯到了三个重大的问题，
一，人类是如何思维的？
二，人类是如何记忆的？
三，人类是如何感知的，就是如何协调处理外部信号，从而整合整理出主要的信息来的？
任何一个发现都足以媲美爱因斯坦的相对论，但是就目前来看，没有几百年好像是找不出最后的答案来啊。
我觉得电脑始终就是一个工具，因为它的发展完全依赖于人类对于自然的认识，不仅仅对于神经体系，对于其他的领域的认识也是不可少的。
我一直期待从数学上可以找出神经系统的组织方式来，看起来我们人类的小聪明还是不够啊。
有您出手，我不再担心隔壁的同学。
真理越辩越明，呵呵。
四月同学在经济管理里面通知我说要他有空，最早六月中，晚的话是明年六月中。
您老声望高，多给他点压力，身为班长，不主动做些贡献是不对的，这个坛子里估计对这个问题感兴趣的至少有一吨。
倒不是完全模仿. 如妖道所言, 神经学还是在半通不通的状态, 电脑也没有厉害到能完全 simulation, 何况限制还很多. 我当时的研究是针对一些对人很简单但是对电脑十分困难的东西, 如影像的 boundary condition, 模式判别, 以及自我学习功能做的. (其实这些是一体的, 没有学习功能就学不会前面的东西.)
后来又些研究把 AN 和专家系统混在一起, 是使用 AN 里头的 "专家学习法", 也就是连接会 update 的 data base 来处理的, 算是 AN 和 AI 的连结, 意义在于电 脑能办到人类办不到的所有人类共同学习, 电 脑上只要将 client terminal 所学得的 data 回存到 server 的 data base, 再由 server 过滤成单一的 knowledge, 让所有的 client terminal 都能享用.
妖道要了解这个, 狗狗搜一下应该很多吧.