Como Charles Darwin escribió al final de su libro seminal de 1859 sobre el origen de las especies, "mientras este planeta ha ido en bicicleta de acuerdo con la ley de gravedad fija, desde un principio tan simple, formas infinitas más hermosas y maravillosashan evolucionado y están evolucionando ". Desde hace mucho tiempo, los científicos creen que la diversidad y el rango de las formas de vida en la Tierra proporcionan evidencia de que la evolución biológica innova espontáneamente de manera abierta, inventando constantemente cosas nuevas. Sin embargo, intentaLa construcción de simulaciones artificiales de sistemas evolutivos tiende a toparse con límites en la complejidad y novedad que pueden producir. Esto a veces se conoce como "el problema de la apertura abierta". Debido a esta dificultad, hasta la fecha los científicos no pueden hacer artificialmentesistemas capaces de exhibir la riqueza y diversidad de los sistemas biológicos.
en un nuevo estudio publicado en la revista vida artificial , un equipo de investigación dirigido por Nicholas Guttenberg y Nathaniel Virgo del Earth-Life Science Institute ELSI del Tokyo Institute of Technology, Japón, y Alexandra Penn del The Center for Evaluation of Complexity Across the Nexus CECAN, Universidad deSurrey, Reino Unido CRESS, examina la conexión entre la evolución biológica abierta y los estudios recientes en aprendizaje automático, con la esperanza de que al conectar ideas de la vida artificial y el aprendizaje automático, sea posible combinar redes neuronales con las motivaciones e ideas de la vida artificial.para crear nuevas formas de finalización abierta.
Una fuente de apertura en los sistemas biológicos en evolución es una "carrera armamentista" para la supervivencia. Por ejemplo, los zorros más rápidos pueden evolucionar para atrapar conejos más rápidos, que a su vez pueden evolucionar para ser aún más rápidos para alejarse de los zorros más rápidos.Esta idea se refleja en los desarrollos recientes que involucran la colocación de redes en competencia entre sí para producir cosas como imágenes realistas utilizando redes generativas de confrontación GAN y para descubrir estrategias en juegos como Go, que ahora pueden vencer fácilmente a los mejores jugadores humanos.evolución, factores como la mutación pueden limitar el alcance de una carrera armamentista. Sin embargo, como las redes neuronales se han ampliado, no parece existir tal limitación y la red puede continuar mejorando a medida que se introducen datos adicionales en sus algoritmos.
Guttenberg había estado estudiando la evolución abierta desde la escuela de posgrado, pero fue solo en los últimos años que su enfoque se centró en la inteligencia artificial y las redes neuronales. Alrededor de ese tiempo, se inventaron métodos como las GAN, que lo impresionaron muchosimilar a los sistemas coevolutivos abiertos en los que había trabajado anteriormente. De repente, vio la oportunidad de derribar una barrera entre las comunidades para ayudar a progresar en algo que para él había sido un problema persistentemente importante e interesante.
Los investigadores demostraron que si bien pueden usar análisis de escala para demostrar la apertura en contextos evolutivos y cognitivos, hay una diferencia entre hacer algo que, por ejemplo, se vuelve infinitamente bueno para hacer fotos de gatos y algo que, cansado de hacerlas imágenes de gatos deciden continuar haciendo música. En los sistemas evolutivos artificiales, el programador debe anticipar este tipo de saltos cualitativos importantes: tendrían que crear un mundo artificial en el que la música sea posible para los "organismos"decidir ser músicos. En sistemas como las redes neuronales, los conceptos como la abstracción se capturan más fácilmente, por lo que uno puede comenzar a imaginar formas en que las poblaciones de agentes que interactúan podrían crear nuevos problemas para ser resueltos entre ellos".
Este trabajo plantea algunas preguntas profundas e interesantes. Por ejemplo, si el impulso de una novedad cualitativamente diferente en un sistema computacional surge internamente de la abstracción, ¿qué determina el "significado" de la novedad que generan los sistemas artificiales? Se ha demostrado que el aprendizaje automático a vecesconducen a la creación de lenguajes artificiales al interactuar con los agentes computacionales, pero estos lenguajes aún se basan en la tarea que los agentes están cooperando para resolver. Si los agentes realmente confían en las interacciones dentro del sistema para impulsar la apertura abierta lejos de lo que se proporcionócomo material de partida, ¿sería posible reconocer o interpretar las cosas que salen, o tendría que ser un organismo que viva en un sistema de este tipo para comprender su riqueza?
En última instancia, este estudio sugiere que puede ser posible crear sistemas artificiales que inventen o descubran de manera autónoma y continua cosas nuevas, lo que constituiría un avance significativo en la inteligencia artificial y podría ayudar a comprender la evolución y el origen de la vida.
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de Tokio . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :