Vida artificial
La vida artificial (a menudo abreviada ALife o A-Life) es un campo de estudio en el que los investigadores examinan sistemas relacionados con la vida natural, sus procesos y su evolución, mediante el uso de simulaciones con modelos informáticos, robótica y bioquímica. La disciplina fue nombrada por Christopher Langton, un biólogo teórico estadounidense, en 1986. En 1987, Langton organizó la primera conferencia sobre el campo, en Los Álamos, Nuevo México. Hay tres tipos principales de vida viva, llamados así por sus enfoques: suave, de software; duro, de hardware; y mojado, de la bioquímica. Los investigadores de vida artificial estudian la biología tradicional tratando de recrear aspectos de los fenómenos biológicos.
Visión general
La vida artificial estudia los procesos fundamentales de los sistemas vivos en entornos artificiales para obtener una comprensión más profunda del procesamiento de información complejo que define dichos sistemas. Estos temas son amplios, pero a menudo incluyen dinámicas evolutivas, propiedades emergentes de sistemas colectivos, biomímesis, así como cuestiones relacionadas con la filosofía de la naturaleza de la vida y el uso de propiedades similares a la vida en obras artísticas.
Filosofía
La filosofía de modelado de la vida artificial difiere mucho del modelado tradicional al estudiar no solo "la vida tal como la conocemos", sino también "la vida como podría ser".
Un modelo tradicional de un sistema biológico se centrará en capturar sus parámetros más importantes. Por el contrario, un enfoque de modelado de vida real generalmente buscará descifrar los principios más simples y generales que subyacen a la vida e implementarlos en una simulación. La simulación ofrece entonces la posibilidad de analizar sistemas reales nuevos y diferentes.
Vladimir Georgievich Red'ko propuso generalizar esta distinción al modelado de cualquier proceso, lo que lleva a la distinción más general de "procesos como los conocemos" y "procesos como podrían ser".
En la actualidad, la definición de vida comúnmente aceptada no considera que las simulaciones o el software actuales de vida viva estén vivos, y no constituyen parte del proceso evolutivo de ningún ecosistema. Sin embargo, han surgido diferentes opiniones sobre el potencial de la vida artificial:
- La posición de vida viva fuerte (cf. IA fuerte) establece que "la vida es un proceso que puede abstraerse de cualquier medio en particular" (John von Neumann). En particular, Tom Ray declaró que su programa Tierra no está simulando la vida en una computadora sino sintetizándola.
- La posición de vida débil niega la posibilidad de generar un "proceso vivo" fuera de una solución química. En cambio, sus investigadores intentan simular los procesos de la vida para comprender la mecánica subyacente de los fenómenos biológicos.
Basado en software ("suave")
Técnicas
- Los autómatas celulares se utilizaron en los primeros días de la vida artificial y todavía se utilizan a menudo para facilitar la escalabilidad y la paralelización. La vida viva y los autómatas celulares comparten una historia estrechamente unida.
- Las redes neuronales artificiales a veces se utilizan para modelar el cerebro de un agente. Aunque tradicionalmente se trata más de una técnica de inteligencia artificial, las redes neuronales pueden ser importantes para simular la dinámica de población de organismos que pueden aprender. La simbiosis entre aprendizaje y evolución es central en las teorías sobre el desarrollo de los instintos en organismos con mayor complejidad neurológica, como en, por ejemplo, el efecto Baldwin.
- neuroevolución
Simuladores notables
Esta es una lista de simuladores de vida artificial/organismos digitales, organizados por el método de definición de criatura.
Nombre | Conducido por | Empezado | Terminado |
---|---|---|---|
Aevol | ADN traducible | 2006 | en curso |
Codicioso | ADN ejecutable | 1993 | en curso |
Criaturas | red neuronal y bioquímica y genética simuladas | 1996-2001 | Fandom sigue activo hasta el día de hoy, algunos intentos fallidos de nuevos productos. |
Ecosse | Mapa cognitivo borroso | 2009 | en curso |
framsticks | ADN ejecutable | 1996 | en curso |
Reserva genética | ADN ejecutable | 1997 | en curso |
Gusano abierto | Gepeto | 2011 | en curso |
polimundo | red neuronal | 1990 | en curso |
Tecnoesfera | módulos | 1995 | |
Tierra | ADN ejecutable | 1991 | 2004 |
Evolución de criaturas virtuales en 3D | red neuronal | 2008 | QUE |
Basado en programas
Las simulaciones basadas en programas contienen organismos con un lenguaje de ADN complejo, generalmente Turing completo. Este lenguaje tiene más a menudo la forma de un programa de computadora que el ADN biológico real. Los derivados de ensamblaje son los lenguajes más comunes utilizados. Un organismo "vive" cuando se ejecuta su código y, por lo general, existen varios métodos que permiten la autorreplicación. Las mutaciones generalmente se implementan como cambios aleatorios en el código. El uso de autómatas celulares es común pero no obligatorio. Otro ejemplo podría ser un sistema/programa de inteligencia artificial y multiagente.
Basado en módulos
Los módulos individuales se agregan a una criatura. Estos módulos modifican los comportamientos y las características de la criatura, ya sea directamente, codificando en la simulación (la pata tipo A aumenta la velocidad y el metabolismo), o indirectamente, a través de las interacciones emergentes entre los módulos de una criatura (la pata tipo A se mueve hacia arriba y hacia abajo con una frecuencia de X, que interactúa con otras piernas para crear movimiento). Generalmente, estos son simuladores que enfatizan la creación de usuarios y la accesibilidad sobre la mutación y la evolución.
Basado en parámetros
Los organismos generalmente se construyen con comportamientos predefinidos y fijos que están controlados por varios parámetros que mutan. Es decir, cada organismo contiene una colección de números u otros parámetros finitos. Cada parámetro controla uno o varios aspectos de un organismo de forma bien definida.
Basado en redes neuronales
Estas simulaciones tienen criaturas que aprenden y crecen usando redes neuronales o un derivado cercano. A menudo, aunque no siempre, se hace hincapié en el aprendizaje más que en la selección natural.
Modelado de sistemas complejos
Los modelos matemáticos de sistemas complejos son de tres tipos: de caja negra (fenomenológicos), de caja blanca (mecanicistas, basados en los primeros principios) y de caja gris (mezclas de modelos fenomenológicos y mecanicistas). En los modelos de caja negra, los mecanismos individuales (mecanicistas) de un sistema dinámico complejo permanecen ocultos.
Los modelos de caja negra son completamente no mecánicos. Son fenomenológicos e ignoran una composición y estructura interna de un sistema complejo. Debido a la naturaleza no transparente del modelo, no se pueden investigar las interacciones de los subsistemas. Por el contrario, un modelo de caja blanca de un sistema dinámico complejo tiene 'paredes transparentes' y muestra directamente los mecanismos subyacentes. Todos los eventos en los niveles micro, meso y macro de un sistema dinámico son directamente visibles en todas las etapas de la evolución de un modelo de caja blanca. En la mayoría de los casos, los modeladores matemáticos utilizan métodos matemáticos pesados de caja negra, que no pueden producir modelos mecánicos de sistemas dinámicos complejos. Los modelos de caja gris son intermedios y combinan enfoques de caja negra y caja blanca.
La creación de un modelo de caja blanca de un sistema complejo está asociada con el problema de la necesidad de un conocimiento básico a priori del tema del modelado. Los autómatas celulares lógicos deterministas son condición necesaria pero no suficiente de un modelo de caja blanca. El segundo requisito previo necesario de un modelo de caja blanca es la presencia de la ontología física del objeto en estudio. El modelado de caja blanca representa una inferencia hiperlógica automática a partir de los primeros principios porque se basa completamente en la lógica determinista y la teoría axiomática del sujeto. El propósito del modelo de caja blanca es derivar de los axiomas básicos un conocimiento mecanicista más detallado y concreto sobre la dinámica del objeto bajo estudio. La necesidad de formular un sistema axiomático intrínseco del sujeto antes de crear su modelo de caja blanca distingue los modelos de autómatas celulares de tipo caja blanca de los modelos de autómatas celulares basados en reglas lógicas arbitrarias. Si las reglas de los autómatas celulares no se han formulado a partir de los primeros principios del tema, entonces dicho modelo puede tener una relevancia débil para el problema real.
Basado en hardware ("duro")
La vida artificial basada en hardware consiste principalmente en robots, es decir, máquinas guiadas automáticamente capaces de realizar tareas por sí mismas.
De base bioquímica ("húmedo")
La vida de base bioquímica se estudia en el campo de la biología sintética. Implica investigaciones como la creación de ADN sintético. El término "húmedo" es una extensión del término "wetware". Los esfuerzos hacia la vida artificial "húmeda" se centran en la ingeniería de células mínimas vivas a partir de bacterias vivas Mycoplasma laboratorium y en la construcción de sistemas bioquímicos similares a células no vivas desde cero.
En mayo de 2019, los investigadores informaron de un nuevo hito en la creación de una nueva forma sintética (posiblemente artificial) de vida viable, una variante de la bacteria Escherichia coli, al reducir el número natural de 64 codones en el genoma bacteriano a 59 codones. para codificar 20 aminoácidos.
Problemas abiertos
¿Cómo surge la vida de lo no vivo?
- Generar un protoorganismo molecular in vitro.
- Lograr la transición a la vida en una química artificial in silico.
- Determinar si pueden existir organizaciones vivas fundamentalmente novedosas.
- Simule un organismo unicelular durante todo su ciclo de vida.
- Explicar cómo se generan reglas y símbolos a partir de la dinámica física en los sistemas vivos.
¿Cuáles son los potenciales y límites de los sistemas vivos?
- Determinar lo que es inevitable en la evolución abierta de la vida.
- Determinar las condiciones mínimas para las transiciones evolutivas de sistemas de respuesta específicos a genéricos.
- Cree un marco formal para sintetizar jerarquías dinámicas en todas las escalas.
- Determinar la previsibilidad de las consecuencias evolutivas de la manipulación de organismos y ecosistemas.
- Desarrollar una teoría de procesamiento de información, flujo de información y generación de información para sistemas en evolución.
¿Cómo se relaciona la vida con la mente, las máquinas y la cultura?
- Demostrar el surgimiento de la inteligencia y la mente en un sistema de vida artificial.
- Evaluar la influencia de las máquinas en la próxima gran transición evolutiva de la vida.
- Proporcionar un modelo cuantitativo de la interacción entre la evolución cultural y biológica.
- Establecer principios éticos para la vida artificial.
Temas relacionados
- El modelado basado en agentes se utiliza en la vida artificial y otros campos para explorar la emergencia en los sistemas.
- La inteligencia artificial ha utilizado tradicionalmente un enfoque de arriba hacia abajo, mientras que una vida generalmente funciona de abajo hacia arriba.
- La química artificial comenzó como un método dentro de la comunidad de vida para abstraer los procesos de las reacciones químicas.
- Los algoritmos evolutivos son una aplicación práctica del principio de vida débil aplicado a problemas de optimización. Se han elaborado muchos algoritmos de optimización que toman prestados o reflejan fielmente las técnicas de la vida real. La principal diferencia radica en definir explícitamente la aptitud de un agente por su capacidad para resolver un problema, en lugar de su capacidad para encontrar comida, reproducirse o evitar la muerte. La siguiente es una lista de algoritmos evolutivos estrechamente relacionados y utilizados en la vida:
- Optimización de colonias de hormigas
- Optimización de colonias bacterianas
- Algoritmo genético
- programación genética
- Inteligencia de enjambre
- Sistema de múltiples agentes: un sistema de múltiples agentes es un sistema computarizado compuesto por múltiples agentes inteligentes que interactúan dentro de un entorno.
- El arte evolutivo usa técnicas y métodos de la vida artificial para crear nuevas formas de arte.
- La música evolutiva utiliza técnicas similares, pero aplicadas a la música en lugar de a las artes visuales.
- La abiogénesis y el origen de la vida a veces también emplean metodologías de vida.
- La vida artificial cuántica aplica algoritmos cuánticos a los sistemas de vida artificial.
Contenido relacionado
HTML
Leet
Curl (lenguaje de programación)