以深度学习结合有性演化 加国大学发表无须网络的AI技术

结合深度学习与有性演化合成(sexual evoluTIonary synthesis)的新型态人工智能(AI)技术，由于具备效率高、精简、耗能低、互联网依赖度低的特性，可直接安装在低效能行动装置执行实时、关键性的应用，因此非常适合电力匮乏的环境，如低度开发区域，以及因急难情况导致电力供应不足或中断的地区。

据报导，加拿大安大略省滑铁卢大学(University of Waterloo)研究团队最近在意大利威尼斯举行的计算机视觉国际会议(ICCV)发表开创性的深度学习AI技术，由于性能强大且执行资源需求低，因此有广泛应用于各种产业的潜力。

例如在健康照护产业，可成为功能强大的辅助工具，能将更高质量的健康照护系统扩展至全球各地。相关技术将于2018年由新创公司DarwinAI商业化。

这项创新的AI技术尝试在一个或然性架构(probabilisTIc framework)内，模仿生物演化的程序，将神经网络置于虚拟环境中，然后不断地逐渐减少AI能够获取的资源，于是AI不断改变自己来适应环境，生成了特征更加紧凑的后代，因此研究小组以有性演化合成名之。

研究结果显示，有性演化合成的网络，其结构效率(architectural efficiency)是采用无性(Asexual)演化合成方式网络的2倍，而这两类深度神经网络的测试正确性(tesTIng accuracy)都可达到97%。

该技术共同发明人Alexander Wong表示，由于有性演化合成的深度神经网络非常精简，可在低效能装置执行，因此非常适合用于创建，直接安装在智能型手机、平板计算机及其它手持装置执行的AI软件。

不仅可协助临床执业医师随时随地进行更正确、快速的临床诊断与拟定治疗计画，在临床专家较稀少的地区，也能作为远程医疗的辅助工具。

由于有性演化合成的深度神经网络执行时所需的电力较低，因此更适合仅能使用有限备援电力或电池的停电时期；而能直接安装在行动装置执行，则未来在遭逢飓风与洪水等危机时刻，也可让低效能装置大量派上用场，纾解医院的窘境。

此外，由于实时、关键性的手术机器人应用，不适合倚赖互联网，且对落后与延迟极为敏感，因此可将有性演化合成的深度神经网络直接内建于手术机器人，将对导引机器人进行手术的外科医师极有助益。

研究小组在试验时，将有性演化合成的深度神经网络内建于手机与平板计算机的小型芯片中，发现可开启其它新的可能性。例如低度开发国家由于安全的饮水匮乏，而多数人有机会使用低成本智能型手机，因此可以深度神经网络AI软件进行水质检测，有助于改善公众健康。