談及“人工智能”的話題，科幻電影中的那些相關畫面與場景總能立刻浮現于我們的腦海中。從《銀翼殺手2019》中的能夠像真人一樣行動與思考的復制人，到《黑客帝國》中的AI與機器，藝術作品往往將人工智能塑造成擁有人類外觀、卻能以運算、推演等機械性能超越人類智能的造物。

　　回歸現實，進入21世紀，人工智能在經歷了兩次低潮后迎來了第三次浪潮：信息技術更迭發展出的諸如物聯網、云計算、大數據等眾多革命性的新興技術，帶來了算力的提升、大數據的獲得、算法的進步，支撐并促進了人工智能深度學習技術的興起及應用，標志著人工智能正進入快速發展時期。不同于電影的人型機器，現實中的“AI”存在形式更加多變，從刷臉支付到輔助駕駛，從手術機器人到智能家居，作為引領新一輪科技革命和產業變革的戰略性技術，人工智能已經融入了人們的生活。

　　然而，深度學習本身存在一定局限性。整體而言，深度學習依賴于“人工”，需要高成本的標記數據、高能耗的訓練過程，本質上是對人類已有知識與能力的理解和學習，無法達到對人工智能的期望——企及人類難以做到的事情，諸如優化、調度、規劃、預測等等。深度學習框架 Keras 庫的作者、谷歌人工智能研究員 Chollet談道：“僅僅通過擴大今天的深度學習技術，我們無法實現通用智能。”

　　而同樣是人工智能領域的重要分支、通過模擬自然界的進化現象和生物的群體智能行為實現對問題求解的進化計算，是一種具有行為可觀察、可感知、可認識、可解釋和可調控等優勢的動態人工智能算法，無需大量數據，即可在可接受的時間內獲得問題的最優解或次優解。進化計算也依靠這些特性成為發展新一代人工智能算法、有望實現直覺、頓悟、涌現、創造等高階人類智能、引領人工智能新一輪浪潮的核心方向之一。