¿Qué depara el futuro para los algoritmos genéticos y qué tan relevantes serán en 20 años?

Dependerá de muchos factores como:

  1. Progreso en recursos computacionales (CPU, GPU, computación cuántica, datos, almacenamiento, paralelismo, etc.)
  2. Progreso en los algoritmos utilizados en el aprendizaje profundo (propagación hacia atrás, aprendizaje por refuerzo) y otros algoritmos heurísticos competitivos (programación genética, inteligencia de enjambre, etc.)
  3. Disponibilidad de problemas de la industria adecuados para diferentes variantes del algoritmo genético solo o en composición con otros algoritmos.

En 2036, los expertos suponen que la computadora cuántica estará disponible. Por lo tanto, la principal competencia será entre el algoritmo genético cuántico y la retropropagación cuántica.

La investigación será cada vez más automatizada, por lo tanto, se realizará una identificación automática del algoritmo. El algoritmo genético será el mejor, ya que puede usarse de forma desacoplada.

En 2036, la mayoría del problema industrial actual se resolverá (habla, visión, lenguaje, traducción) y la investigación industrial relacionada con los datos del genoma estará en su apogeo. La búsqueda en el espacio genómico se realizará utilizando un algoritmo genético ya que la representación del genoma es directa en dicho algoritmo.

Veinte años es mucho tiempo. Sin embargo, los algoritmos genéticos han sobrevivido durante más de 40 años, y todavía son algoritmos de referencia en problemas de ingeniería y optimización en los que el tiempo computacional no es un gran problema. Los algoritmos genéticos proporcionan soluciones globales a los problemas de optimización, que no son fáciles de encontrar en la gran cantidad de algoritmos de optimización. Nuevos desarrollos y extensiones de algoritmos genéticos (como los algoritmos genéticos de inspiración cuántica, o QIGA) están ganando terreno en estos días, y supongo que continuarán siendo refinados y explorados para mejorar los tiempos de cómputo y la precisión. QIGA es una vía de investigación interesante, y creo que este enfoque tiene el potencial de resolver algunos de los inconvenientes de los algoritmos genéticos.