Jika hendak memperbaiki sebuah airfoil, apa sebenarnya makna "lebih baik"?
Efisiensi jelajah (cruise) layak ditingkatkan, batasan desain juga harus dipenuhi, sementara setiap evaluasi berpresisi tinggi memakan anggaran komputasi. Satu kandidat mungkin lebih unggul pada suatu metrik, sementara kandidat lain mungkin menyisakan ruang gerak yang lebih besar. Menyusun semuanya dalam satu daftar lalu memilih peringkat pertama ternyata tidak sesederhana yang dibayangkan.
AI dapat ikut mengusulkan solusi baru dan menulis kode eksperimen. Setelah itu, yang harus dihadapi adalah bagaimana mengevaluasi, membandingkan, dan melanjutkan eksplorasi.
AI999《EvoX 智能演化系统与 AI Native 科研实践》dari EvoClass mengikuti alur ini: dari komputasi evolusioner masuk ke masalah multiobjektif, lalu membahas basis komputasi modern, evolusi metode, serta praktik riset dalam lingkungan AI Native. Fokusnya adalah bagaimana sebuah usulan masuk ke dalam eksperimen, dan bagaimana umpan balik mengubah usulan berikutnya.
Pertama-tama, jelaskan perbaikan seperti apa yang layak dipertahankan
Pelajaran 3《现实世界的复杂性与多目标权衡》 membahas hubungan antara tujuan, batasan, dan biaya evaluasi dengan mengambil konteks desain airfoil dan sejenisnya.
Sebagian metrik ingin dinaikkan sebesar mungkin, sementara sebagian kondisi harus mencapai ambang tertentu. Hanya setelah kedua jenis tuntutan ini dipisahkan, perbandingan memiliki dasar.
Ketika menghadapi sekumpulan kandidat, jika suatu solusi tertinggal secara menyeluruh pada metrik yang diperhatikan, ada alasan untuk mengeluarkannya; jika beberapa solusi masing-masing memiliki keuntungan dan biaya, mempertahankan perbedaan tersebut justru membuat pilihan selanjutnya lebih jelas. Pakar bidang dapat memadukan kondisi kerja dan preferensi spesifik untuk memutuskan arah mana yang layak dilanjutkan.
Hal ini juga mengingatkan peneliti untuk memeriksa cara mereka mengevaluasi. Bagaimana sebuah skor total dihitung? Mengapa bobotnya diatur demikian? Apakah batasan yang sebelumnya tidak dimasukkan akan membuat solusi berskor tinggi kehilangan nilai guna?
Pertanyaan-pertanyaan ini perlu dijawab dalam desain eksperimen. Jika tidak, pencarian dapat terus maju mengikuti skor, namun perlahan menjauh dari tugas yang sebenarnya diperhatikan.
Kandidat makin banyak, di mana anggaran evaluasi harus dibelanjakan?
Mempertahankan berbagai kemungkinan akan membawa biaya baru.
Pelajaran 3 juga membahas model surrogate: mempelajari hubungan antara parameter kandidat dan kinerja dari sampel yang sudah ada, memanfaatkan prediksi berbiaya rendah untuk membantu penyaringan, lalu mengirim kandidat yang layak diperiksa lebih dalam ke evaluasi berpresisi lebih tinggi, dan menggunakan hasilnya untuk pembaruan berikutnya.
Di sini perlu dibedakan bobot dari berbagai jenis bukti. Prediksi surrogate mengandung galat, dan verifikasi terutama diperlukan ketika pencarian memasuki wilayah yang belum dikenal. Skor prediksi yang tampak sangat tinggi tetap perlu menjalani pemeriksaan lanjutan.
Sebagian biaya lain berasal dari cara pengorganisasian komputasi. Pelajaran 4《现代计算底座与张量化并行演化》 membahas bagaimana mengorganisasi populasi, hasil evaluasi, dan status menjadi tensor, lalu memajukan komputasi secara batch.
Dapat dipahami demikian: parameter banyak kandidat disusun dengan struktur yang seragam, sehingga operasi yang dapat dieksekusi secara batch memprosesnya bersama-sama. Dokumentasi pengembangan masalah kustom EvoX juga menjelaskan pengorganisasian ini melalui antarmuka evaluasi yang menerima sekumpulan kandidat dan mengembalikan nilai objektif yang sesuai.
Manfaat nyatanya tetap harus diukur: waktu habis untuk pembangkitan kandidat, fungsi objektif, atau pemindahan data? Apakah batch yang lebih besar memakan memori GPU terlalu banyak? Hanya dengan mencatat biaya-biaya ini secara terpisah kita mengetahui di mana perbaikan berikutnya harus dilakukan.
Evaluasi berbantuan surrogate dan paralelisasi batch masing-masing menangani persoalan biaya evaluasi dan pengorganisasian komputasi. Memahami pembagian tugas keduanya lebih membantu daripada secara umum berharap bahwa "menjalankan lebih banyak akan lebih baik".
Ketika pencarian mandek, periksa juga cara menghasilkan kandidat
Setelah menjalankan lebih banyak iterasi, hasilnya tidak menunjukkan perbaikan yang jelas. Saat itulah yang layak diperiksa bukan hanya kandidatnya sendiri.
Bagaimana mutasi terjadi? Bagaimana parameter diatur? Apakah cara pencarian saat ini cocok untuk masalah ini?
Pelajaran 5《方法演化：从优化解到优化算法本身》 melalui materi seperti MetaDE dan AutoPSO, memasukkan metode yang menghasilkan kandidat ke dalam pembahasan.
Mengambil MetaDE sebagai contoh, lapisan dalam berupa differential evolution menyelesaikan masalah objektif, sedangkan lapisan luar mencari strategi dan konfigurasi parameter berdasarkan kinerja penyelesaian. Jadi, selain membandingkan "solusi apa yang diperoleh", kita juga dapat membandingkan "dengan cara apa solusi dicari".
Perubahan pada lapisan ini juga menuntut biaya. Ketika membandingkan metode, berapa kali evaluasi yang digunakan lapisan dalam dan luar serta berapa banyak waktu berjalan yang terpakai harus dihitung ke dalam anggaran; kesimpulannya juga harus dipahami kembali dalam konteks masalah dan kondisi yang diuji.
Bagi pembelajar, latihan yang dapat dicoba adalah membangun baseline yang jelas terlebih dahulu, lalu mengubah satu strategi, menyimpan konfigurasi dan hasil lengkap, serta melakukan pengulangan. Dengan begitu, perubahan kinerja berpeluang dijelaskan, dan lebih mudah menemukan perubahan mana yang hanya tampak bagus pada satu kali eksekusi.
Setelah kode ditulis, apa yang harus ditinggalkan oleh riset?
Ketika AI dapat ikut mengimplementasikan lebih banyak eksperimen, penilaian yang harus dibuat peneliti tidak berkurang karenanya.
Pembahasan Pelajaran 6 tentang Genesis dan evolusi perangkat lunak berkelanjutan mendorong fokus ke tingkat proyek: bagaimana tugas diuraikan, bagaimana perubahan kode diverifikasi, bagaimana hasil yang valid menjadi landasan pekerjaan berikutnya. Penjelasan resmi proyek Genesis juga mengorganisasi pembangunan, verifikasi, dan pengembangan lanjutan dalam satu jalur kerja.
Namun, kesimpulan yang didukung oleh keberhasilan kompilasi dan pengujian perlu dibedakan dari kesimpulan ilmiah. Keduanya dapat menunjukkan bahwa program memenuhi persyaratan yang telah diperiksa; apakah suatu metode lebih efektif masih harus dilihat dari rumusan masalah, eksperimen pembanding, metrik evaluasi, dan analisis hasil.
Pelajaran 7《AI Native 科研范式与 EvoX 实战切入》 mengembalikan tanggung jawab ini kepada peneliti: mengajukan pertanyaan, mendefinisikan evaluasi, menentukan arah, dan mengkritisi hasil yang sudah ada.
Dengan demikian, "selera riset" juga dapat menjadi konkret. Mengapa memilih masalah tertentu—karena penting, atau karena mudah memperoleh hasil yang tampak bagus? Apakah evaluasi mampu menguji klaim sendiri? Jika peneliti berikutnya menerima kode, penjelasan lingkungan, parameter, dan catatan eksekusi, apakah ia dapat memeriksa ulang eksperimen ini?
Jika Anda sudah mulai menulis kode eksperimen dengan bantuan AI, Anda dapat memulai dari masalah kecil yang dapat Anda periksa sendiri: tuliskan tujuan dan batasan terlebih dahulu, tentukan anggaran dan baseline, lalu jalankan, bandingkan, catat, dan putuskan apa yang dipertahankan pada putaran berikutnya. Ikhtisar kursus AI999 dari EvoClass menyediakan pintu masuk untuk melanjutkan pembelajaran sepanjang jalur ini.
Kembali ke kelompok kandidat airfoil di awal, hasil yang diperoleh dari riset mungkin untuk sementara berupa serangkaian trade-off yang berdasar: solusi mana yang layak dipertahankan, mana yang perlu evaluasi tambahan, dan arah mana yang sudah tidak layak dilanjutkan.
Ketika penilaian dan bukti ini dapat diwarisi oleh eksperimen berikutnya, sebuah solusi yang belum cukup baik memiliki titik awal untuk terus diperbaiki.
Pengantar kursus disusun berdasarkan materi AI999 EvoClass saat ini, sedangkan latar teknis juga merujuk pada materi proyek resmi yang ditautkan dalam artikel. Pembahasan airfoil digunakan untuk menjelaskan hubungan antara tujuan dan batasan; susunan eksperimen dalam artikel merupakan saran pembelajaran, bukan evaluasi kinerja yang dilaksanakan dalam tulisan ini. Tautan pelajaran mengarah ke materi pembelajaran berbahasa Mandarin Sederhana.