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 biólogo teórico 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]
.jpg/1280px-Braitenberg_vehicle_(simulation_made_with_breve).jpg)
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 ]
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 intentará 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 conduce 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:
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 .
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.
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.
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.
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.
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.
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]
Esta es una lista de simuladores de vida artificial y organismos digitales :
La vida artificial basada en hardware consiste principalmente en robots , es decir, máquinas guiadas automáticamente capaces de realizar tareas por sí mismas.
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]
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]
La intención de este trabajo es sintetizar la vida en lugar de simularla.
