stringtranslate.com

Vida artificial

La vida artificial ( 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 . [1] La disciplina fue nombrada por Christopher Langton , un científico informático estadounidense , en 1986. [2] En 1987, Langton organizó la primera conferencia sobre el campo, en Los Álamos, Nuevo México . [3] Hay tres tipos principales de vida artificial, [4] llamados así por sus enfoques: suave , [5] de software ; duro , [6] de hardware ; y húmedo , de bioquímica. Los investigadores de la vida artificial estudian la biología tradicional tratando de recrear aspectos de los fenómenos biológicos. [7] [8]

Una simulación de vehículo de Braitenberg , programada en breve, un simulador de vida artificial

Descripción general

La vida artificial estudia los procesos fundamentales de los sistemas vivos en entornos artificiales con el fin de obtener una comprensión más profunda del procesamiento complejo de la información que define a dichos sistemas. Estos temas son amplios, pero a menudo incluyen dinámicas evolutivas , propiedades emergentes de sistemas colectivos, biomimetismo , así como cuestiones relacionadas con la filosofía de la naturaleza de la vida y el uso de propiedades similares a las de la vida en obras artísticas. [ cita requerida ]

Filosofía

La filosofía de modelado de la vida artificial difiere fuertemente del modelado tradicional al estudiar no sólo "la vida como la conocemos" sino también "la vida como podría ser". [9]

Un modelo tradicional de un sistema biológico se centrará en captar sus parámetros más importantes. En cambio, un enfoque de modelado de vida artificial buscará generalmente 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 nuevos y diferentes que parecen vivos.

Vladimir Georgievich Red'ko propuso generalizar esta distinción al modelado de cualquier proceso, lo que llevó a la distinción más general de "procesos como los conocemos" y "procesos como podrían ser". [10]

En la actualidad, la definición comúnmente aceptada de vida no considera que ninguna simulación o software de vida artificial esté vivo, y no forman parte del proceso evolutivo de ningún ecosistema . Sin embargo, han surgido diferentes opiniones sobre el potencial de la vida artificial:

Basado en software ("suave")

Técnicas

Basado en programas

Las simulaciones basadas en programas contienen organismos con un lenguaje "genómico". Este lenguaje suele adoptar la forma de un programa informático completo de Turing en lugar de ADN biológico real. Los derivados del ensamblaje son los lenguajes más utilizados. Un organismo "vive" cuando se ejecuta su código y, por lo general, existen varios métodos que permiten la autorreplicación . Las mutaciones se implementan generalmente 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

Se añaden módulos individuales a una criatura. Estos módulos modifican los comportamientos y las características de la criatura, ya sea directamente, mediante codificación en la simulación (el tipo de pata A aumenta la velocidad y el metabolismo), o indirectamente, a través de las interacciones emergentes entre los módulos de una criatura (el tipo de pata A se mueve hacia arriba y hacia abajo con una frecuencia de X, que interactúa con otras patas para crear movimiento). Por lo general, estos son simuladores que enfatizan la creación y la accesibilidad del usuario por sobre la mutación y la evolución.

Basado en parámetros

Los organismos generalmente están construidos 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 una manera bien definida.

Basado en redes neuronales

En estas simulaciones se utilizan criaturas que aprenden y crecen mediante redes neuronales o un derivado cercano. El énfasis se pone a menudo, aunque no siempre, en el aprendizaje más que en la selección natural.

Modelado de sistemas complejos

Los modelos matemáticos de sistemas complejos son de tres tipos: caja negra (fenomenológicos), caja blanca (mecanicistas, basados ​​en los primeros principios ) y caja gris (mezclas de modelos fenomenológicos y mecanicistas). [12] [13] En los modelos de caja negra, los mecanismos basados ​​en el individuo (mecanicistas) de un sistema dinámico complejo permanecen ocultos.

Modelos matemáticos para sistemas complejos

Los modelos de caja negra son completamente no mecanicistas. Son fenomenológicos e ignoran la composición y la estructura interna de un sistema complejo. Debido a la naturaleza no transparente del modelo, no se pueden investigar las interacciones de los subsistemas. En cambio, 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 los pesados ​​métodos matemáticos de caja negra, que no pueden producir modelos mecanicistas de sistemas dinámicos complejos. Los modelos de caja gris son intermedios y combinan los enfoques de caja negra y caja blanca.

Modelo de autómatas celulares determinista lógico basado en individuos del crecimiento de la población de una sola especie

La creación de un modelo de caja blanca de un sistema complejo está asociada al problema de la necesidad de un conocimiento básico a priori del sujeto que lo modela. Los autómatas celulares lógicos deterministas son una condición necesaria pero no suficiente de un modelo de caja blanca. El segundo prerrequisito 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 modelado de caja blanca es derivar de los axiomas básicos un conocimiento mecanicista más detallado y más concreto sobre la dinámica del objeto en 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 sujeto, entonces dicho modelo puede tener una relevancia débil para el problema real. [13]

Modelo de autómatas celulares determinista lógico basado en individuos de competencia interespecífica por un único recurso limitado

Simuladores notables

Esta es una lista de simuladores de vida artificial y organismos digitales :

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 ("húmeda")

La vida basada en bioquímica se estudia en el campo de la biología sintética . Implica investigaciones como la creación de ADN sintético . El término "wet" es una extensión del término " wetware ". Los esfuerzos por lograr una vida artificial "húmeda" se centran en la ingeniería de células mínimas vivas a partir de bacterias vivas como Mycoplasma laboratorium y en la construcción de sistemas bioquímicos no vivos similares a células 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 en su lugar, para codificar 20 aminoácidos . [16] [17]

Problemas abiertos

¿Cómo surge la vida de lo no viviente? [18] [19]
¿Cuáles son los potenciales y límites de los sistemas vivos?
¿Cómo se relaciona la vida con la mente, las máquinas y la cultura?

Temas relacionados

  1. El modelado basado en agentes se utiliza en la vida artificial y otros campos para explorar la emergencia de sistemas.
  2. La inteligencia artificial ha utilizado tradicionalmente un enfoque de arriba hacia abajo , mientras que la vida real generalmente funciona de abajo hacia arriba. [20]
  3. La química artificial comenzó como un método dentro de la comunidad de vida real para abstraer los procesos de las reacciones químicas.
  4. Los algoritmos evolutivos son una aplicación práctica del principio débil de la vida autóctona aplicado a los problemas de optimización . Se han elaborado muchos algoritmos de optimización que toman prestadas técnicas de la vida autóctona o las imitan fielmente. 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. [ cita requerida ] La siguiente es una lista de algoritmos evolutivos estrechamente relacionados con la vida autóctona y utilizados en ella:
  5. Sistema multiagente : Un sistema multiagente es un sistema computarizado compuesto por múltiples agentes inteligentes que interactúan dentro de un entorno.
  6. El arte evolutivo utiliza técnicas y métodos de la vida artificial para crear nuevas formas de arte.
  7. La música evolutiva utiliza técnicas similares, pero aplicadas a la música en lugar de al arte visual.
  8. La abiogénesis y el origen de la vida a veces también emplean metodologías abiogénicas.
  9. La vida artificial cuántica aplica algoritmos cuánticos a los sistemas de vida artificial.

Historia

Crítica

La vida artificial ha tenido una historia controvertida. John Maynard Smith criticó ciertos trabajos sobre vida artificial en 1994 calificándolos de "ciencia sin hechos". [21]

Véase también

Referencias

  1. ^ "Definición de Dictionary.com" . Consultado el 19 de enero de 2007 .
  2. ^ La Enciclopedia de Ciencias Cognitivas del MIT, The MIT Press, pág. 37. ISBN 978-0-262-73144-7 
  3. ^ "El Dr. Frankenstein de la industria del videojuego". Next Generation . N.º 35. Imagine Media . Noviembre de 1997. pág. 10.
  4. ^ Mark A. Bedau (noviembre de 2003). "Vida artificial: organización, adaptación y complejidad desde abajo" (PDF) . Tendencias en ciencias cognitivas. Archivado desde el original (PDF) el 2008-12-02 . Consultado el 19 de enero de 2007 .
  5. ^ Maciej Komosinski y Andrew Adamatzky (2009). Modelos de vida artificial en software. Nueva York: Springer. ISBN 978-1-84882-284-9.
  6. ^ Andrew Adamatzky y Maciej Komosinski (2009). Modelos de vida artificial en hardware. Nueva York: Springer. ISBN 978-1-84882-529-1.
  7. ^ Langton, Christopher. "¿Qué es la vida artificial?". Archivado desde el original el 17 de enero de 2007. Consultado el 19 de enero de 2007 .
  8. ^ Aguilar, W., Santamaría-Bonfil, G., Froese, T. y Gershenson, C. (2014). El pasado, el presente y el futuro de la vida artificial. Frontiers in Robotics and AI, 1(8). https://dx.doi.org/10.3389/frobt.2014.00008
  9. ^ Véase Langton, CG 1992. Vida artificial Archivado el 11 de marzo de 2007 en Wayback Machine . Addison-Wesley. ., sección 1
  10. ^ Véase Red'ko, VG 1999. Modelado matemático de la evolución. en: F. Heylighen, C. Joslyn y V. Turchin (editores): Principia Cybernetica Web (Principia Cybernetica, Bruselas). Para la importancia del modelado de la vida artificial desde una perspectiva cósmica, véase también Vidal, C. 2008. El futuro de las simulaciones científicas: de la vida artificial a la cosmogénesis artificial. En Muerte y antimuerte, ed. Charles Tandy, 6: Treinta años después de Kurt Gödel (1906–1978) págs. 285-318. Ria University Press.)
  11. ^ Ray, Thomas (1991). Taylor, CC; Farmer, JD; Rasmussen, S (eds.). "Un enfoque a la síntesis de la vida". Vida artificial II, Santa Fe Institute Studies in the Sciences of Complexity . XI : 371–408. Archivado desde el original el 11 de julio de 2015 . Consultado el 24 de enero de 2016 . La intención de este trabajo es sintetizar la vida en lugar de simularla.
  12. ^ Kalmykov, Lev V.; Kalmykov, Vyacheslav L. (2015), "Una solución a la paradoja de la biodiversidad mediante autómatas celulares deterministas lógicos", Acta Biotheoretica , 63 (2): 1–19, doi :10.1007/s10441-015-9257-9, PMID  25980478, S2CID  2941481
  13. ^ ab Kalmykov, Lev V.; Kalmykov, Vyacheslav L. (2015), "Un modelo de caja blanca de crecimiento poblacional de especies individuales en forma de S y doble S", PeerJ , 3:e948: e948, doi : 10.7717/peerj.948 , PMC 4451025 , PMID  26038717 
  14. ^ [1] Archivado el 30 de marzo de 2012 en Wayback Machine Aevol
  15. ^ [2] El Proyecto Bibites
  16. ^ Zimmer, Carl (15 de mayo de 2019). "Los científicos crearon bacterias con un genoma sintético. ¿Es esto vida artificial? En un hito para la biología sintética, las colonias de E. coli prosperan con ADN construido desde cero por humanos, no por la naturaleza". The New York Times . Consultado el 16 de mayo de 2019 .
  17. ^ Fredens, Julius; et al. (15 de mayo de 2019). "Síntesis total de Escherichia coli con un genoma recodificado". Nature . 569 (7757): 514–518. Bibcode :2019Natur.569..514F. doi :10.1038/s41586-019-1192-5. PMC 7039709 . PMID  31092918. 
  18. ^ "Libarynth" . Consultado el 11 de mayo de 2015 .
  19. ^ "Caltech" (PDF) . Consultado el 11 de mayo de 2015 .
  20. ^ "AI Beyond Computer Games". Archivado desde el original el 1 de julio de 2008. Consultado el 4 de julio de 2008 .
  21. ^ Horgan, J. (1995). "De la complejidad a la perplejidad". Scientific American . pág. 107.

Enlaces externos