独家采访 | 智能源于自发产生而非计划：进化论拥趸，前OpenAI研究经理、UBC大学副教授Jeff Clune...

导读：

“通用智能的发展依赖于构建能够自行生成算法的AI，只有这样才能让AI摆脱人类的手工规划，真正地走向自主发展的道路。”

对于如何实现通用智能，前OpenAI研究经理、英属哥伦比亚大学副教授Jeff Clune认为，达尔文进化论已经给了我们答案——从单细胞生命到人类文明，智能的发展似乎暗示着一个规律——智能或许并不是被计划好的。它诞生于智能体自身的不断迭代和进步。在这个过程中，智能体自身会产生有利于其发展的进化方法（算法）。

作为进化论的拥趸，Clune早年为了探究智能的本质，完成了哲学的学习。之后又因为阅读了美国进化算法科学家Hod Lipson的报道，毅然投入到人工智能的学习和研究中。之后他与同事们联合成立了Uber AI Lab，并担任过OpenAI研究团队的负责人。近日在AI学界引起关注的VPT（Video Pretrained）模型便有Clune的贡献。

此外，Clune教授还在2022年智源大会上做了题为“Improving Robot and Deep Reinforcement Learning via Quality Diversity, Open-Ended, and AI-Generating Algorithms”演讲，回看详见文末。

近日，智源社区采访了Clune教授，请他谈谈自己早年的科研经历，并为读者解读AI-GAs的核心思路。

（图片来源：智源大会官网）

Jeff Clune 

前OpenAI研究经理、英属哥伦比亚大学副教授

Jeff Clune主要研究深度学习，包括深度强化学习。此前，他是OpenAI研究团队负责人，Uber人工智能实验室的高级研究经理和创始成员，怀俄明大学计算机科学的哈里斯副教授，以及康奈尔大学的研究科学家。他获得了密歇根州立大学（博士、硕士）和密歇根大学（学士）的学位。自 2015 年以来，他获得了白宫颁发的科学家和工程师总统早期职业奖，在《Nature》发表了两篇论文，在PNAS发表了一篇论文，获得了NSF CAREER奖，十年杰出论文和杰出青年研究员奖，并在顶级机器学习会议（NeurIPS、CVPR、ICLR 和 ICML）上获得了最佳论文奖、口头报告和邀请讲座。他的研究经常被媒体报道，包括《纽约时报》、NPR、NBC、《连线》、BBC、《经济学家》、《科学》、《自然》、《国家地理》、《大西洋》和《新科学家》。

采访撰稿：戴一鸣

编辑：李梦佳

从哲学生到计算机博士，孜孜追求解答进化与智能两大问题

1. 达尔文进化论的忠实拥趸，想通过哲学理解智能本源

Jeff Clune并非一开始就进入计算机科学的领域。在本科阶段，他在密歇根大学学习哲学。根据Uber Engeering在2019年的采访文章[1]，Clune一直对于两个问题非常痴迷：

1. 地球上如此复杂的生命形式是如何演化出来的？比如说，自然界为何有美洲豹、鹰、海豚、鲸鱼等各种各样不同形式的生命？什么样的方式能够诞生出如此无穷无尽的生命工程奇迹？达尔文的进化论回答了一些问题，但还有很多人类没有理解的地方。

2. “思考”是如何发生的？我们是否能够构建一个有思想的机器？

为此，Clune选择哲学作为大学专业。令他感到失望的是，尽管哲学非常有趣，他却无法检验自己的观点是否正确并通过迭代的方式改进。[1]

2000年代初，Clune阅读了一篇介绍时任康奈尔大学教授Hod Lipson[7]使用进化算法开发机器人的文章[2]。他深受影响，打算选择研究机器学习和计算机科学，因为他终于有机会能够通过构建智能系统，从而来理解它。Clune认同美国理论物理学家Richard Feynman的名言：“What I cannot create, I do not understand.”（我所不能创造的，我便不能理解。）在Clune看来，人工智能研究是可以解答进化和思考问题的绝佳途径。

2. 跨专业申请博士屡遭拒绝，八年求学为与偶像共事

怀着一腔热情的Clune首先联系了Hod Lipson，希望能够加入他的实验室。遗憾的是，实验室需要申