主题：【注意】请问水风道长 -- 睡虫
我对于计算机和电脑是蛤蟆跳井――不通，不懂啊。您就当给大家扫盲了。尤其是学习功能，我正头痛着手头的软件真是不好用呢。
先谢您了。
妖道对于计算机和电脑可是纯粹的外行。就是闲来无事，瞎说一通而已。计算机方面还要四月等行家来说一说。
看到您的网名，我就想起了非的签名，视睡如归，你们以后可要多亲近亲近。哈哈哈。 
大学时代的东西嘛, 年代久远, 当时硬件还不行, 做不到完全的 parallel operating, 只能以软件和 time-sharing 来 simulation. 学习功能是一块, 但还有一大堆无法克服的东西, 如电脑基本的 Von Neumann logic 就很难跨越. 也因如此, 要电脑做右脑的事儿实在是强电脑所难啊. 
后来这个词儿被滥用得厉害, 什么东西都来搭一脚. 我在学经济分析时教授说想要用 neural, chaos 或是 genetic 来算计量预测, 我歪着头想: 你们这些数学不大好最多只会到统计学的人搞得懂这些吗? 后来证明, 他们只用了其中的一些数学式, 没触及核心.
这件事还要多找几个人来，把大掌柜，二掌柜，你克我服他们都找来，
不过俺也欠了一屁股的债，这可咋办呢，还是拔腿就溜吧。
祝您晚安！
我来这里之前就和小非侠是朋友，还是她引了路我才找到河里来的。亲近，那是没得说，就是不爱版主已经产生过不良联想了，呵呵。
唉，人爱睡，有药可救么？我同学曾经“吓唬”我说有一种病――嗜睡症。我当时吓了一跳，可是过后，照睡不误。
AN 最初在 EE 里发展, 硬件办不到后转由软件, 后来在网络上找到 cluster 的运算方式后算是解决 parallel operating 的问题 (这个在 AN 上相当重要), 所以学 EE 老些的有可能会从最初的理论一路学上来. 国家级研究单位里有人做这个, 但似乎没多大成就, 虽然 AN 最初的用途在于军事 (如潜舰的声纳侦测) , 气象与太空. 这些都需要有模式判别的功能, 但电脑只会告诉你概率. 比如说, 我认得妖道的人 (3D), 看到妖道偷腥的照片 (2D) 就知道凶手就是他, 可电脑不会.
正如阁下所述，进化需要：
一定概率的基因突变：这完全可以用可控制的模型，以一定的可控概率来引入。
突变基因对个体特征的表达：实际上是一个模型中的控制参数对程序的控制。
相当数量基因不同的个体：在计算机内很容易实现。
对个体适应性的评估：对于某一参数集合，用目标函数对系列组合（不同基因的个体）评分，得分高的个体获得交配的权利: 如：
基因集：X Y Ｚ
Ｘ 有值x0, x1, x2
Y 有值y0,y1,y2
Z 有值z0,z1,z2.
引入评估函数F(X,Y,Z) 对一系列个体评估：
F(x0, y0, z0)...
对评估结果进行排序：得到优化集
x0, y1, z0
x0, y1, z1,
x1, y0, z0,
x1, y1, z0
使用一定的算法（交配）得到下一代个体，注意如果上面的每种组合的个体相同，下一代个体中 x0,y1,?? 的个体可能更加占优势，达到了进化的目的。
我觉得使用基因算法，程序的进化虽然还很粗糙，但与自然的选择已经没有质的差距。基因算法在解决大参数空间优化问题中已经有广泛的应用：
ＥＤＡ
A GENETIC ALGORITHM FOR VLSI PHYSICAL DESIGN AUTOMATION
The Santa Fe Institute
希望有基因算法的专业人士给出进一步的阐述
印象中基因法比较不难, 相对于神经网络或 Chaos 来说. 基因法也是神经网络中学习进化规则的一环, 但要演化不难, 难的是哪个演化方向才是正确的 (不一定是大数法则), 因为人类不想要自然界的 fail rate, 想挑战神来着.
不回也是没天理的。
恳请版主还是开个系列贴好好讲讲吧！
妖道对人工类神经网络的期许明显高了, 其实这也是研究这个主题的人心中的痛. 人们想要 AN 的好, 但不想要自然界的坏. 也就是说人们想要的是电脑可以学习可以演化, 但不要自然界存在的失败演化与淘汰, 也不要花那么长的进化时间, 甚至想要一个可控制可预测可抹去归零可回溯重复的学习进化结果.
水风说的计算机架构基本问题, 广的来说会命中计算机基础理论的Von Neumann logic, 这是死穴, 除非推翻现有计算机架构. 但这位伟大数学家 (以及 N 种学家) 的基础逻辑却是analog / digital 计算的根本, 没了它等于没了计算机的功能, 有违利用计算机的强项加入神经学的优点统合出兼两家之长的研究目的.
那么, 这是要驳妖道啥呢? (1) 这类研究发展的目的并非是要完全模仿生物, 而是取生物之长, 为电脑锦上添花. (2) 这类研究是以实用为目的, 也就是必然依附在现有信息技术可及之处着眼, 也就是研究结果的可行性优先于完整性.
所以, 即使存在有不可行或是理论缺憾, 只要能补足增强一些现有电脑的不足之处, 还是有意义的.
PS. 我不是穷究万物之理的理科生, 而是实用主义的工科生, 后来又变成奸邪狡诈的商科生. 所以, 呵呵, 看这个事情是以增进信息技术为主, 与水风求实求真的理念或有不同.
俺是工科生，对基因算法是业余爱好者量级的。上面的例子只是我看的一本书的回忆。我想表达的是，进化不是在现阶段不可想象的事。
评估函数只是高度理想化的模型。我想，只要算法中有：
遗传
变异
竞争
就应该符合进化的定义，所差的是算法的优劣。
因为病毒程序能够自我复制且具有强烈的自我复制倾向，类似于基因，可以成为进化的主体。如果有某个病毒程序在复制过程中出现错误，但其复制出的新程序仍然能够自我复制甚至更好的自我复制，那末进化就开始了
我知道有种软件是用来虚拟生态的, 透过实验者建立生态结构, 物种特性与背景环境, 在电脑中形成生态系做为观察研究用途. 妖道有兴趣的是这个, 不是 IT 技术的发展吧?
不会是 both of them 吧? 
我对于纯粹的计算机方面的冬冬更感兴趣。您可以讲述一下计算机学习阿，自我评价并进化的冬冬，从理论上入手，再给我这个门外汉一些简单的例子就可以了。比方说，图形识别与数据处理什么的。妖道先谢过了。
我对于计算机虚拟的生物程序很不感冒，因为如果从生物上了解得足够透彻，就不要虚拟了，而了解的半吊子的虚拟肯定是漏洞百出，对我来说没有什么意义。
违反人道或环保主义的研究, 被绿色人士知道了会被钉在十字架上放火烧的那种.
嗯, 事忙, 又给自己找事忙, 真是...