¿Podría la evolución de bacterias y virus inspirar el aprendizaje automático para que las computadoras puedan pensar de manera similar?

Ya hay aprendizaje automático utilizando ‘algoritmos genéticos (evolutivos)’, en su mayoría no son tan eficientes como los métodos de gradiente de descenso.

Dicho esto, DeepMind publicó recientemente un documento sobre ‘pathnet’ que utiliza algoritmos genéticos para elegir qué partes de una red neuronal reutilizar para aprender una nueva tarea.

PathNet de DeepMind: una arquitectura modular de aprendizaje profundo para AGI – máquina de intuición

En 1950, Alan Turing propuso una “máquina de aprendizaje” que sería paralela a los principios de la evolución. La simulación por computadora de la evolución comenzó ya en 1954 con el trabajo de Nils Aall Barricelli, que estaba usando la computadora en el Instituto de Estudios Avanzados en Princeton, Nueva Jersey. Su publicación de 1954 no fue ampliamente notada. A partir de 1957, el genetista cuantitativo australiano Alex Fraser publicó una serie de documentos sobre la simulación de la selección artificial de organismos con múltiples loci que controlan un rasgo medible. A partir de estos comienzos, la simulación por ordenador de la evolución por parte de los biólogos se hizo más común a principios de la década de 1960, y los métodos se describieron en los libros de Fraser y Burnell (1970) y Crosby (1973). Las simulaciones de Fraser incluyen todos los elementos esenciales de los algoritmos genéticos modernos.

– Algoritmo genético – Wikipedia

En otras palabras, sí, pero estamos, como, 70 años tarde en la fiesta 😀

Esto fue pensado casi inmediatamente después de que las computadoras modernas fueron pensadas (y, al parecer, también por el mismo tipo).