Lorsqu'il s'agit d'expliquer ce que sont les êtres vivants, les manuels offrent des listes de leurs caractéristiques en l'absence d'une meilleure définition (tableau 1). En outre, la vie n'est pas un phénomène homogène, mais l'une des caractéristiques les plus importantes de la vie est son abondance. Actuellement, les espèces vivantes sur terre sont environ 5 millions (les vertébrés ne sont que 50.000). Malgré la fascination fascinante que nous donne la vie, jusqu'à présent le système artificiel le plus complexe développé par la science ou l'ingénierie n'a pas pu égaler les vivants. Ou il semblait.
En 1987 a eu lieu à Los Alamos (USA) un congrès avec un titre curieux. Au moment d’étudier la vie et ses caractéristiques, un nouveau domaine émergea: Vie artificielle (BA). Jusqu'à présent, la biologie a étudié la vie que nous connaissons et le rôle du BA est d'enquêter sur la vie possible. Ainsi, alors que la biologie étudie les caractéristiques contingentes qui sont apparues dans l'histoire de l'évolution de la Terre (c'est-à-dire celles qui ne sont pas indispensables et qui auraient pu être autrement), BA vise à former la science universelle de la vie.
Cette tâche a deux objectifs: d'une part, analyser les conséquences que les nouveaux systèmes informatiques peuvent avoir sur les sciences de la vie et, d'autre part, concevoir de nouveaux traitements pour de nombreux problèmes qui jusqu'ici n'avaient pas de résultats clairs, considérant les êtres vivants et leurs caractéristiques comme source d'inspiration. Trois types de systèmes artificiels ont été développés : des systèmes qui présentent les caractéristiques des êtres vivants sont programmés en logiciel, des robots sont construits en matériel ou des puces pour ordinateurs sont conçues à travers l'évolution, et des composants artificiels formés par molécules sont créés dans wetware (par exemple, la synthèse de nouvelles molécules d'ARN dans le tube à essai).
-- --- ---- --------3800 millions d'années - 2000 millions d'années - 700 millions d'années - 400 millions d'années - 7,5 - 5 millions d'années
APPARITION DE LA VIE CELLULES EUCARIOTES (Reproduction sexuelle) ORGANISMES MULTICELLULAIRES ANIMAUX VERTÉBRÉS PRÉSENCE DES HOMINIDÉSCes dernières années, de nombreux chercheurs se sont approchés du BA pour créer une vie artificielle, renforcer les bases de la biologie théorique, trouver des modèles plus adaptés pour expliquer des systèmes complexes, utiliser des stratégies naturelles pour le développement de systèmes informatiques, développer des machines ou des robots qui se comportent correctement dans des environnements inconnus (par exemple, une autre planète) et, enfin, élargir la possibilité de présenter des problèmes philosophiques dans des domaines plus sophistiqués que les instruments conceptuels. Ainsi, dans BA se développeraient des prothèses qui ouvriraient les limites de notre pensée.
Le but de cet article est de présenter les études d'évolution développées par la vie artificielle. En nous concentrant sur l'évolution artificielle, nous analyserons trois scénarios différents. Dans la première, Informatique utilise l'évolution biologique pour résoudre les problèmes qui apparaissent dans son domaine. Dans la seconde, la situation inverse est présentée, à savoir la biologie sert d'outils informatiques pour simuler les processus évolutifs qui se produisent dans la nature. Et dans le dernier exemple, il n'est pas très clair où se trouve la frontière entre Informatique et Biologie.
La nature de la Terre est la conséquence d'un processus évolutif et a passé beaucoup de temps à faire apparaître les formes que nous connaissons aujourd'hui (Tableau 2). Avant de considérer l’évolution, il n’y avait pas besoin d’une échelle temporelle pour des millions d’années: XVIII. Jusqu'au XIXe siècle, l'âge de la terre a été calculé à partir d'Adam et additionnant les durées des profils bibliques, de sorte qu'il a été considéré comme beaucoup plus jeune (selon ces études, a. C.). Le 23 octobre 4004, la création s'est terminée à 9 heures du matin. Certains chercheurs actuels ont montré une attitude similaire, comme si le BA était une tâche d'aujourd'hui à demain. Mais avant le temps qu'a besoin l'évolution, c'est une mentalité naïve.
Bien que l'idée d'évolution soit antérieure à Darwin, il a proposé le mécanisme le plus accepté pour expliquer l'évolution : la sélection naturelle. Darwin était un expert naturaliste qui a passé cinq ans à explorer la nature et les différentes espèces du monde entier. Cependant, le mécanisme évolutif était basé sur l'observation des techniques utilisées pour la culture de pigeons ou de bétail dans les fermes. Les éleveurs jouent avec de petits changements pour obtenir un mélange approprié qui génère une caractéristique particulière. Dans la nature, le processus serait similaire, mais, sauf le conscient, la force aveugle et désorientée commande et choisit les changements les plus appropriés.
Dans BA, ce processus de darwindar a été utilisé pour produire une évolution artificielle basée sur trois principes : héritage, variation et sélection (Figure 1). Dans les modèles artificiels, comme dans les cas artificiels qui ont suggéré la sélection naturelle à Darwin, dans les algorithmes génétiques le chercheur décide de quel objectif il vise.
L'algorithme génétique est utile pour résoudre un problème tant que l'espace de solution est connu et limité et qu'il est viable de fournir une fonction objective qui permet de mesurer l'adéquation de chaque solution. Il est très normal que la solution du problème soit un algorithme codé par programme, automate, réseau neuronal ou système expert.
Notre intention est de trouver la meilleure solution possible. Pour l'application des principes de l'évolution, nous générons d'abord un ensemble de solutions aléatoires qui constituent la génération initiale (dont la plupart pourraient être inadéquates). Pour dériver de chaque génération, nous suivrons les étapes suivantes (Figure 2):
Cette méthode continuera jusqu'à trouver la solution optimale ou atteindre le nombre maximum de générations. Les résultats obtenus sont de mieux en mieux (à quel point nous pouvons choisir). En outre, pour utiliser l'algorithme génétique, nous n'avons pas besoin de connaissances sur le problème concret. En fait, pour de nombreux problèmes qui ont de grandes difficultés à développer des algorithmes efficaces à cet effet, les algorithmes génétiques garantissent des solutions très bonnes, faisant de l'industrie du BA l'une des principales applications.
L'un des exemples les plus connus de BA est le monde artificiel, c'est-à-dire tout le monde à l'intérieur (êtres vivants et inanimés, espace structuré, différents temps, etc.) Environnements simulés qui recueillent. Sur ces mondes, les organismes artificiels développeront toute leur vie: naître, apprendre, se nourrir, fuir les prédateurs... Il est souvent possible de voir en direct le comportement et l'évolution des organismes sur l'écran de l'ordinateur. Conscients de ces ressources, les chercheurs ont utilisé les mondes artificiels pour étudier différents aspects de l'évolution : le rapport entre évolution et apprentissage, la sélection sexuelle, la dynamique des espèces, le rapport entre prédateurs et proies, la création du langage, etc.
Un bon exemple de ce genre de travail est le monde inventé par Werner et Dyer. Le problème qu'ils voulaient étudier est comment créer un langage de communication? Face à cette question, ils ne se sont pas fondés sur le langage humain, mais sur l'animal, et ils ont pris comme source d'inspiration le chant des grenouilles pour se féconder. Pour analyser l'évolution de la communication, on a étudié le développement de signes congénitaux au sein de l'espèce.
Pour cela ils ont défini comme résidence d'animaux artificiels une grille avec des images. Chaque œil de cette grille peut être vide ou plein et a le même nombre de femelles et de mâles. La mission de ces animaux est de trouver un partenaire pour se féconder et avoir des petits. Les mâles sont aveugles et ne voient pas les femelles, tandis que les femelles ne peuvent pas bouger et pour attirer les mâles doivent leur donner la voie à travers les chants. Le comportement de chaque animal est régi par un réseau neuronal codé dans un génome (figure 3). Ainsi, un algorithme génétique permet l'évolution.
Pour qu'il y ait communication, c'est-à-dire pour que la femelle acquiert le mâle, la femelle doit faire des signes comprenant les mâles et le mâle doit apprendre à interpréter les signes. La relation entre le signe de la femelle et le mouvement du mâle est arbitraire. L'objectif est de convertir la population qui est d'accord sur une interprétation possible des signes. Quand les mâles rencontrent la femelle, ils l'équipent et font deux petits: une femelle et une autre mâle.
L'évolution générationnelle de cette expérience a été la suivante: 1) le comportement des mâles et des femelles est aléatoire, 2) les mâles qui tendent à rester debout disparaissent, 3) bien que la plupart tendent à prospérer, tandis que ceux qui tendent à tourner disparaissent, 4) ceux qui apparaissent à ce niveau savent tourner en atteignant la ligne ou la colonne de la femelle, tandis que les femelles qui font des signes significatifs se sont multipliées en diminuant. Les mâles, quand ils n'entendent pas les femelles, avancent directement et quand ils sont proches, tournent, 5) utilisent les signes pour exprimer plus de situations. La figure 4 montre une histoire après le développement du langage.
Comme nous l'avons vu jusqu'à présent, les mondes artificiels tentent de refléter en quelque sorte les lois physiques et biologiques de la nature et l'environnement informatique est considéré comme une abstraction des situations réelles. L'approche de la dernière approche que nous analyserons, cependant, est très différente: dans le paradigme des écosystèmes informatiques prédominent les principes de l'information numérique, sans prétendre reproduire le monde réel. Par conséquent, les agents qui apparaissent sont simplement des programmes (généralement encodés avec un langage d'assemblage spécifique) et leur fonctionnalité sont des moyens informatiques (mémoire, capacité d'exécution, etc.) Il s'agit d'une dynamique de gestion.
Scientific American
Des pages du magazine, Dewdney a proposé en 1983 le nouveau jeu informatique Core Wars. Dans la mémoire d'un ordinateur virtuel appelé MARS (Martitz), deux programmes de combat ont été publiés qui cherchent à se détruire. Chaque programme était considéré comme un être autonome : le programmeur ne sait pas qui seront ses rivaux lors de la conception de sa « créature » et après sa libération dans les MARS, le programme devra le résoudre sur son propre.
En plus de créer de nombreux joueurs de jeu, pour souligner que les idées de Dewdney ont été très fructueuses dans le domaine informatique, il convient de mentionner que les premiers virus informatiques ont émergé inspirés par ces théories. En outre, il a été prouvé que le programme peut fonctionner dans des environnements inconnus comme les organismes autonomes. En outre, la possibilité de développer des stratégies sasibologiques de survie a bientôt été soulignée : des programmes agressifs, adaptatifs, reproductifs et capables de se résoudre.
En 1990 Rasmussen, Knuds et Feldberg ont proposé le système Venus. Il s'agissait d'analyser si les programmes conçus pour le fonctionnement des MARS, ainsi que d'autres similaires, pouvaient être générés par des processus propres. En accomplissant la mémoire de Vénus avec des mandats aléatoires disproportionnés, certains d'entre eux commencent à s'exécuter et dans ce processus on peut observer les structures informatiques qui s'organisent spontanément.
En appliquant des techniques de systèmes dynamiques, on peut citer quelques conclusions significatives : certaines commandes montrent une tendance à travailler ensemble, forment des unités fonctionnelles simples et apparaissent des comportements invariants et attracteurs dynamiques. Les auteurs du système ont encouragé la création de programmes qui pourraient être considérés comme autonomes, mais dans certaines expériences la distribution initiale a été réduite, mais ils n'ont pas atteint leur objectif.
Pour en savoir plus: Emmeche, C. (1994) The garden in the machine. The emerging science of Artificial Life, Princeton (NJ), Princeton University Press. Fernández, J. y Moreno, A (1992) Vie Artificielle , Madrid, Eudema. |
Vénus
Les résultats étaient légèrement inférieurs à ce qui était prévu. Cela a montré que les stratégies de survie qui peuvent être développées dans les écosystèmes informatiques ne sont pas faciles à créer à partir des conditions initiales. Conscient de sa mauvaise conviction, le chercheur Tom Ray a utilisé une nouvelle approche de la conception du système Terre (la Terre), qui, loin d’essayer d’obtenir des «organismes» du bouillon primitif, est parti du programme Arbaso conçu par lui. Bien que cela semble un recul sur le chemin de Mars, ses nouvelles fonctionnalités se distinguent:
Terre, qui a des mécanismes pour réaliser l'héritage, la sélection et le changement, est un bon scénario pour l'évolution. En réalité, la complexité de cet écosystème conduit à un saut très important et à travers l'évolution se produisent des comportements sasibologiques riches. Les phénomènes cycliques de parasitage immunité qui sont définis dans la figure 6 sont très typiques.
La vie artificielle peut changer le point de vue de la vie et, par conséquent, montrer d'une manière nouvelle les relations entre nature et cultures. Mais surtout, la vie artificielle nous montre que l'attitude analytique de la science occidentale face au monde peut être inadéquate pour développer des théories de phénomènes complexes. Pour cela, lorsque nous essayons de décomposer les phénomènes à travers notre raisonnement, les parties extraites sont aussi complètes que complexes, ou nous perdons sur le chemin les éléments les plus agiles pour l'explication. Cependant, la vie artificielle exploite la force de l'interaction des choses simples pour démêler le chemin de ce qui peut être la nouvelle science de la complexité.