Evolución en la vida artificial
A la hora de explicar qué son los seres vivos, en los libros de texto se ofrecen listados de sus características a falta de una mejor definición (Tabla 1). Además, la vida no es un fenómeno homogéneo, sino que una de las características más importantes de la vida es su abundancia. En la actualidad, las especies vivas en la tierra son aproximadamente unos 5 millones (los vertebrados sólo son 50.000). A pesar de la fascinante fascinación que nos produce la vida, hasta ahora el sistema artificial más complejo desarrollado por la ciencia o la ingeniería no ha podido igualar a los vivos. O lo parecía.
- La vida es un patrón que se da en el tiempo espacial.
- La vida necesita reproducción (el ser vivo se crea a sí mismo o es resultado del proceso reproductivo).
- Contiene la información necesaria para que el ser vivo se cree.
- Los seres vivos obtienen de la materia y la energía del entorno la materia interna y la energía interna a través del metabolismo.
- Los seres vivos interactúan funcionalmente con el entorno.
- Los seres vivos dependen mucho de sus partes.
- Los seres vivos son estables a la acción exterior.
- La vida evoluciona.
En 1987 se celebró en Los Alamos (EEUU) un congreso con un curioso título. A la hora de estudiar la vida y sus características surgió un nuevo campo: Vida Artificial (BA). Hasta ahora la Biología ha estudiado la vida que conocemos y la función del BA es investigar la posible vida. De esta manera, mientras que la biología estudia las características contingentes que han aparecido en la historia de la evolución de la Tierra (es decir, las que no son imprescindibles y podían haber sido de otra manera), BA tiene como objetivo formar la ciencia universal de la vida.
Esta tarea tiene dos objetivos: por un lado, analizar las consecuencias que los nuevos sistemas de computación pueden tener en las ciencias de la vida y, por otro, idear nuevos tratamientos para muchos problemas que hasta ahora no tenían resultados claros, considerando los seres vivos y sus características como fuente de inspiración. Se han desarrollado tres tipos de sistemas artificiales: en software se programan sistemas que presentan las características de los seres vivos, en hardware se construyen robots o se diseñan los chips para computadores a través de la evolución, y en wetware se crean componentes artificiales formados por moléculas (por ejemplo, la síntesis de nuevas moléculas de RNA en el tubo de ensayo).
-3800 millones de años
- 2000 millones de años
- 700 millones de años
- 400 millones de años
- 7,5 - 5 millones de años
LA VIDA CÉLULAS EUCARIOTAS (Reproducción
sexual) ORGANISMOS PLURICELULARES
ANIMALES VERTEBRADOS PRESENCIA
DE HOMÍNIDOS
En los últimos años han sido muchos los investigadores que se han acercado hasta el BA para crear vida artificial, fortalecer las bases de la biología teórica, encontrar modelos más adecuados para explicar sistemas complejos, utilizar estrategias naturales para el desarrollo de sistemas de computación, desarrollar máquinas o robots que se comporten adecuadamente en entornos desconocidos (por ejemplo, otro planeta) y, por último, ampliar la posibilidad de presentar problemas filosóficos en ámbitos más sofisticados que el instrumental conceptual. De este modo, en BA se desarrollarían prótesis que abrirían los límites de nuestro pensamiento.
El objetivo de este artículo es presentar los estudios de evolución desarrollados por la Vida Artificial. Centrándonos en la evolución artificial, analizaremos tres escenarios diferentes. En la primera, Informática utiliza la evolución biológica para resolver los problemas que aparecen en su campo. En la segunda se presenta la situación inversa, es decir, la Biología se sirve de herramientas informáticas para simular los procesos evolutivos que se producen en la naturaleza. Y en el último ejemplo no queda muy claro dónde está la frontera entre Informática y Biología.
Algoritmos genéticos
La naturaleza de la Tierra es consecuencia de un proceso evolutivo y ha pasado mucho tiempo para que aparezcan las formas que hoy conocemos (Tabla 2). Antes de considerar la evolución, no se necesitaba una escala temporal por millones de años: XVIII. Hasta el siglo XIX, la edad de la Tierra se calculaba desde Adán y sumando las duraciones de los perfiles bíblicos, por lo que se consideraba mucho más joven (según estos estudios, a. C.). El 23 de octubre del año 4004 la creación finalizó a las 9 de la mañana). Algunos investigadores actuales han mostrado una actitud similar, como si el BA fuera una tarea de hoy a mañana. Pero ante el tiempo que ha necesitado la evolución, esa es una mentalidad ingenua.
Aunque la idea de evolución es anterior a Darwin, él propuso el mecanismo más aceptado para explicar la evolución: la selección natural. Darwin era un experto naturalista que pasó cinco años explorando la naturaleza y las diferentes especies de todo el mundo. Sin embargo, el mecanismo evolutivo se basó en la observación de las técnicas utilizadas para el cultivo de palomas o ganado en las casas rurales. Los criadores juegan con pequeños cambios para conseguir una mezcla adecuada que genere una característica determinada. En la naturaleza el proceso sería similar, pero, salvo el consciente, la fuerza ciega y desorientada manda y elige los cambios más adecuados.
En BA este proceso darwindar se ha utilizado para producir una evolución artificial en base a tres principios: herencia, variación y selección (Figura 1). En los modelos artificiales, al igual que en los casos artificiales que sugirieron la selección natural a Darwin, en los Algoritmos Genéticos el investigador decide hacia qué objetivo se dirige.
El Algoritmo Genético es útil para resolver un problema siempre que el espacio de solución sea conocido y limitado y sea viable proveer de una función objetiva que permita medir la idoneidad de cada solución. Es muy normal que la solución del problema sea un algoritmo codificado mediante programa, autómata, red neuronal o sistema experto.
Nuestra intención es encontrar la mejor solución posible. Para la aplicación de los principios de la evolución, primero generamos un conjunto de soluciones aleatorias que constituyen la generación inicial (la mayoría de las cuales podrían resultar inadecuadas). Para derivar de cada generación la siguiente seguiremos los siguientes pasos (Figura 2):
- Evaluación: se aplica la función de idoneidad a cada individuo de la población.
- Reproducción: los resultados de la evaluación indican que los individuos tienen la probabilidad de permanecer en la siguiente generación.
- Mutación: los seleccionados sufren cambios aleatorios locales.
- Cruce: varios tramos se intercambian por parejas.
Este método continuará hasta encontrar la solución óptima o llegar al número máximo de generaciones. Los resultados obtenidos son cada vez mejores (hasta qué punto podemos elegir). Además, para utilizar el algoritmo genético no necesitamos conocimientos sobre el problema concreto. De hecho, para muchos problemas que tienen grandes dificultades para desarrollar algoritmos eficaces al efecto, los algoritmos genéticos garantizan soluciones muy buenas, convirtiendo la industria del BA en una de las principales aplicaciones.
Mundos artificiales
Uno de los ejemplos más conocidos de BA es el mundo artificial, es decir, todo el mundo en su interior (seres vivos e inanimados, espacio estructurado, diferentes tiempos, etc.) Entornos simulados que recogen. En estos mundos desarrollarán toda su vida los organismos artificiales: nacer, aprender, alimentarse, huir de los depredadores... A menudo se ofrece la posibilidad de ver en directo el comportamiento y evolución de los organismos en la pantalla del computador. Conscientes de estos recursos, los investigadores han utilizado los mundos artificiales para investigar diferentes aspectos de la evolución: la relación entre evolución y aprendizaje, la selección sexual, la dinámica de las especies, la relación entre predadores y presas, la creación del lenguaje, etc.
Un buen ejemplo de este tipo de obras es el mundo inventado por Werner y Dyer. El problema que querían investigar es ¿cómo se puede crear un lenguaje de comunicación? Ante esta pregunta, no se basaron en el lenguaje humano, sino en el animal, y tomaron como fuente de inspiración el canto de las ranas para fecundarse. Para analizar la evolución de la comunicación se estudió el desarrollo de signos congénitos dentro de la especie.
Para ello definieron como residencia de animales artificiales una rejilla con cuadros. Cada ojo de esta rejilla puede estar vacío o lleno y tiene el mismo número de hembras y machos. La misión de estos animales es encontrar pareja para fecundarse y tener crías. Los machos son ciegos y no ven a las hembras, mientras que las hembras no pueden moverse y para atraer a los machos tienen que darles el camino a través de los cantos. El comportamiento de cada animal está regido por una red neuronal codificada en un genoma (Figura 3). Entonces, mediante un algoritmo genético se permite la evolución.
Para que haya comunicación, es decir, para que la hembra adquiera el macho, la hembra debe hacer signos que comprendan los machos y el macho debe aprender a interpretar los signos. La relación entre el signo de la hembra y el movimiento del macho es arbitraria. El objetivo es convertir a la población que está de acuerdo en una posible interpretación de los signos. Cuando los machos se encuentran con la hembra, la equiparan y hacen dos crías: una hembra y otra macho.
La evolución generacional de este experimento fue la siguiente: 1) el comportamiento de los machos y las hembras es aleatorio, 2) los machos que tienden a permanecer parados desaparecen, 3) si bien la mayoría tiende a prosperar, mientras que los que tienden a girar desaparecen, 4) los que aparecen en este nivel saben girar al llegar a la línea o columna de la hembra, mientras que las hembras que hacen signos significativos se han multiplicado disminuyendo. Los machos, cuando no oyen a las hembras, avanzan directamente y cuando están cerca, giran, 5) utilizan los signos para expresar más situaciones. La figura 4 muestra una historia posterior al desarrollo del lenguaje.
Ecosistemas de computación
Como hemos visto hasta ahora, en los mundos artificiales intenta reflejar de alguna manera las leyes físicas y biológicas de la naturaleza y el entorno informático se considera una abstracción de situaciones reales. El enfoque de la última aproximación que analizaremos, sin embargo, es muy diferente: en el paradigma de los ecosistemas de computación predominan los principios de la información digital, sin pretender reproducir el mundo real. Por tanto, los agentes que aparecen son simplemente programas (normalmente codificados con un lenguaje de ensamblaje específico) y su funcionalidad son medios informáticos (memoria, capacidad de ejecución, etc.) Se trata de una dinámica de gestión.
Scientific American
De las páginas de la revista, Dewdney propuso en 1983 el nuevo juego informático Core Wars. En la memoria de una computadora virtual llamada MARS (Martitz) se publicaban dos programas de lucha que buscan destruirse entre sí. Cada programa se consideraba un ser autónomo: el programador no sabe quiénes serán sus rivales cuando diseñe su “creatura” y después de liberarla dentro de los MARS, el programa tendrá que solucionarlo por su cuenta.
Además de crear muchos jugadores de juego, para destacar que las ideas de Dewdney fueron muy fructíferas en el ámbito informático, cabe mencionar que los primeros virus informáticos surgieron inspirados en estas teorías. Además, se comprobó que el programa puede funcionar en entornos desconocidos al igual que los organismos autónomos. Además, pronto se destacó la posibilidad de desarrollar estrategias sasibológicas de supervivencia: aparecieron programas agresivos, adaptativos, reproductivos y capaces de resolverse.
En 1990 Rasmussen, Knuds y Feldberg propusieron el sistema Venus. Se trataba de analizar si los programas que se diseñaban para el funcionamiento de los MARS, así como otros similares, podían ser generados por procesos propios. Al cumplir la memoria de Venus con mandatos desproporcionados al azar, algunos de ellos comienzan a ejecutarse y en ese proceso se pueden observar las estructuras de computación que se organizan de forma espontánea.
Mediante la aplicación de técnicas de sistemas dinámicos se pueden citar algunas conclusiones significativas: algunas órdenes muestran una tendencia a trabajar conjuntamente, forman unidades funcionales sencillas y aparecen comportamientos invariantes y atractores dinámicos. Los autores del sistema impulsaron la creación de programas que podrían ser considerados autónomos, pero en algunos experimentos se soslayó la distribución inicial, pero no consiguieron su objetivo.
Para leer más: Emmeche, C. (1994) The garden in the machine. The emerging science of Artificial Life, Princeton (NJ), Princeton University Press. |
Venus
Los resultados de fueron algo inferiores a lo esperado. Esto demostró que las estrategias de supervivencia que se pueden desarrollar en los ecosistemas de computación no son fáciles de crear desde las condiciones iniciales. Consciente de su equivocada convicción, el investigador Tom Ray utilizó una nueva aproximación al diseño del sistema Tierra (la Tierra), que, lejos de intentar obtener “organismos” del caldo primitivo, partió del programa Arbaso diseñado por él. Aunque esto parece un retroceso en el camino de Mars, destacan sus nuevas características:
- Arbaso es capaz de duplicarse una y otra vez (Figura 5), por lo que los fenómenos relevantes que se producen en Tierra se dan a nivel poblacional.
- La interacción directa entre programas está prohibida, ya que cada programa cuenta con una protección contra la escritura: otro programa puede leer y ejecutar su código, pero sin capacidad de transformación; al ser en principio invulnerables, se introduce un mecanismo segador para acabar con los programas más antiguos o apropiados.
- Existen varias opciones para provocar mutaciones: En Tierra cualquier bit puede cambiar aleatoriamente (“rayos cósmicos”), los mecanismos de copia fallan de vez en cuando (“errores genéticos”) y el comportamiento de órdenes puede fracasar (“errores funcionales”).
Tierra, que tiene mecanismos para hacer realidad la herencia, la selección y el cambio, es un buen escenario para la evolución. En realidad, la complejidad que se da en este ecosistema da lugar a un salto muy importante y a través de la evolución se producen comportamientos sasibológicos ricos. Los fenómenos cíclicos de parasitación inmunidad que se definen en la figura 6 son muy típicos.
Como conclusión
La Vida Artificial puede cambiar el punto de vista de la vida y, en consecuencia, mostrar de una manera nueva las relaciones entre naturaleza y culturas. Pero, sobre todo, la Vida Artificial nos demuestra que la actitud analítica de la Ciencia occidental ante el mundo puede ser inadecuada para desarrollar teorías de fenómenos complejos. Para ello, cuando intentamos descomponer los fenómenos a través de nuestro razonamiento, las partes extraídas son tan completas como complejas, o perdemos por el camino los elementos más ágiles para la explicación. Sin embargo, la Vida Artificial aprovecha la fuerza de la interacción de cosas sencillas para desentrañar el camino de lo que puede ser la nueva Ciencia de la Complejidad.
Zu idazle
Zientzia aldizkaria
