Evolución na vida artificial
Á hora de explicar que son os seres vivos, nos libros de texto ofrécense listaxes das súas características a falta dunha mellor definición (Táboa 1). Ademais, a vida non é un fenómeno homoxéneo, senón que una das características máis importantes da vida é a súa abundancia. Na actualidade, as especies vivas na terra son aproximadamente uns 5 millóns (os vertebrados só son 50.000). A pesar da fascinante fascinación que nos produce a vida, até agora o sistema artificial máis complexo desenvolvido pola ciencia ou a enxeñaría non puido igualar aos vivos. Ou o parecía.
- A vida é un patrón que se dá no tempo espacial.
- A vida necesita reprodución (o ser vivo créase a si mesmo ou é resultado do proceso reprodutivo).
- Contén a información necesaria para que o ser vivo crese.
- Os seres vivos obteñen da materia e a enerxía da contorna a materia interna e a enerxía interna a través do metabolismo.
- Os seres vivos interactúan funcionalmente coa contorna.
- Os seres vivos dependen moito dos seus partes.
- Os seres vivos son estables á acción exterior.
- A vida evoluciona.
En 1987 celebrouse nos Alamos (EEUU) un congreso cun curioso título. Á hora de estudar a vida e as súas características xurdiu un novo campo: Vida Artificial (BA). Até agora a Bioloxía estudou a vida que coñecemos e a función do BA é investigar a posible vida. Desta maneira, mentres que a bioloxía estuda as características continxentes que apareceron na historia da evolución da Terra (é dicir, as que non son imprescindibles e podían ser doutra maneira), BA ten como obxectivo formar a ciencia universal da vida.
Esta tarefa ten dous obxectivos: por unha banda, analizar as consecuencias que os novos sistemas de computación poden ter nas ciencias da vida e, por outro, idear novos tratamentos paira moitos problemas que até agora non tiñan resultados claros, considerando os seres vivos e as súas características como fonte de inspiración. Desenvolvéronse tres tipos de sistemas artificiais: en software prográmanse sistemas que presentan as características dos seres vivos, en hardware constrúense robots ou se deseñan os chips paira computadores a través da evolución, e en wetware créanse compoñentes artificiais formados por moléculas (por exemplo , a síntese de novas moléculas de RNA no tubo de ensaio).
-3800 millóns de anos
- 2000 millóns de anos
- 700 millóns de anos
- 400 millóns de anos
- 7,5 - 5 millóns de anos
VIDA CÉLULAS EUCARIOTAS (Reprodución
sexual) ORGANISMOS PLURICELULARES
ANIMAIS VERTEBRADOS PRESENZA
DE HOMÍNIDOS
Nos últimos anos foron moitos os investigadores que se achegaron até o BA paira crear vida artificial, fortalecer as bases da bioloxía teórica, atopar modelos máis adecuados paira explicar sistemas complexos, utilizar estratexias naturais paira o desenvolvemento de sistemas de computación, desenvolver máquinas ou robots que se comporten adecuadamente en contornas descoñecidas (por exemplo, outro planeta) e, por último, ampliar a posibilidade de presentar problemas filosóficos en ámbitos máis sofisticados que o instrumental conceptual. Deste xeito, en BA desenvolveríanse prótese que abrirían os límites do noso pensamento.
O obxectivo deste artigo é presentar os estudos de evolución desenvolvidos pola Vida Artificial. Centrándonos na evolución artificial, analizaremos tres escenarios diferentes. Na primeira, Informática utiliza a evolución biolóxica paira resolver os problemas que aparecen no seu campo. Na segunda preséntase a situación inversa, é dicir, a Bioloxía sérvese de ferramentas informáticas paira simular os procesos evolutivos que se producen na natureza. E no último exemplo non queda moi claro onde está a fronteira entre Informática e Bioloxía.
Algoritmos xenéticos
A natureza da Terra é consecuencia dun proceso evolutivo e pasou moito tempo para que aparezan as formas que hoxe coñecemos (Táboa 2). Antes de considerar a evolución, non se necesitaba una escala temporal por millóns de anos: XVIII. Até o século XIX, a idade da Terra calculábase desde Adán e sumando as duracións dos perfís bíblicos, polo que se consideraba moito máis novo (segundo estes estudos, a. C.). O 23 de outubro do ano 4004 a creación finalizou ás 9 da mañá). Algúns investigadores actuais han mostrado una actitude similar, coma se o BA fóra una tarefa de hoxe a mañá. Pero ante o tempo que necesitou a evolución, esa é una mentalidade inxenua.
Aínda que a idea de evolución é anterior a Darwin, el propuxo o mecanismo máis aceptado paira explicar a evolución: a selección natural. Darwin era un experto naturalista que pasou cinco anos explorando a natureza e as diferentes especies de todo o mundo. Con todo, o mecanismo evolutivo baseouse na observación das técnicas utilizadas paira o cultivo de pombas ou gañado nas casas rurais. Os criadores xogan con pequenos cambios paira conseguir una mestura adecuada que xere una característica determinada. Na natureza o proceso sería similar, pero, salvo o consciente, a forza cega e desorientada manda e elixe os cambios máis adecuados.
En BA este proceso darwindar utilizouse paira producir una evolución artificial en base a tres principios: herdanza, variación e selección (Figura 1). Nos modelos artificiais, do mesmo xeito que nos casos artificiais que suxeriron a selección natural a Darwin, nos Algoritmos Xenéticos o investigador decide cara a que obxectivo diríxese.
O Algoritmo Xenético é útil paira resolver un problema sempre que o espazo de solución sexa coñecido e limitado e sexa viable prover dunha función obxectiva que permita medir a idoneidade de cada solución. É moi normal que a solución do problema sexa un algoritmo codificado mediante programa, autómata, rede neuronal ou sistema experto.
A nosa intención é atopar a mellor solución posible. Paira a aplicación dos principios da evolución, primeiro xeramos un conxunto de solucións aleatorias que constitúen a xeración inicial (a maioría das cales poderían resultar inadecuadas). Paira derivar de cada xeración a seguinte seguiremos os seguintes pasos (Figura 2):
- Avaliación: aplícase a función de idoneidade a cada individuo da poboación.
- Reprodución: os resultados da avaliación indican que os individuos teñen a probabilidade de permanecer na seguinte xeración.
- Mutación: os seleccionados sofren cambios aleatorios locais.
- Cruzamento: varios tramos intercámbianse por parellas.
Este método continuará até atopar a solución óptima ou chegar ao número máximo de xeracións. Os resultados obtidos son cada vez mellores (até que punto podemos elixir). Ademais, paira utilizar o algoritmo xenético non necesitamos coñecementos sobre o problema concreto. De feito, paira moitos problemas que teñen grandes dificultades paira desenvolver algoritmos eficaces ao efecto, os algoritmos xenéticos garanten solucións moi boas, convertendo a industria do BA nunha das principais aplicacións.
Mundos artificiais
Uno dos exemplos máis coñecidos de BA é o mundo artificial, é dicir, todo o mundo no seu interior (seres vivos e inanimados, espazo estruturado, diferentes tempos, etc.) Contornas simuladas que recollen. Nestes mundos desenvolverán toda a súa vida os organismos artificiais: nacer, aprender, alimentarse, fuxir dos depredadores... A miúdo ofrécese a posibilidade de ver en directo o comportamento e evolución dos organismos na pantalla do computador. Conscientes destes recursos, os investigadores utilizaron os mundos artificiais paira investigar diferentes aspectos da evolución: a relación entre evolución e aprendizaxe, a selección sexual, a dinámica das especies, a relación entre predadores e presas, a creación da linguaxe, etc.
Un bo exemplo deste tipo de obras é o mundo inventado por Werner e Dyer. O problema que querían investigar é como se pode crear unha linguaxe de comunicación? Ante esta pregunta, non se basearon na linguaxe humana, senón no animal, e tomaron como fonte de inspiración o canto das ras paira fecundarse. Paira analizar a evolución da comunicación estudouse o desenvolvemento de signos congénitos dentro da especie.
Paira iso definiron como residencia de animais artificiais una rejilla con cadros. Cada ollo desta rejilla pode estar baleiro ou cheo e ten o mesmo número de femias e machos. A misión destes animais é atopar parella paira fecundarse e ter crías. Os machos son cegos e non ven ás femias, mentres que as femias non poden moverse e paira atraer aos machos teñen que darlles o camiño a través dos cantos. O comportamento de cada animal está rexido por unha rede neuronal codificada nun xenoma (Figura 3). Entón, mediante un algoritmo xenético permítese a evolución.
Para que haxa comunicación, é dicir, para que a femia adquira o macho, a femia debe facer signos que comprendan os machos e o macho debe aprender a interpretar os signos. A relación entre o signo da femia e o movemento do macho é arbitraria. O obxectivo é converter á poboación que está de acordo nunha posible interpretación dos signos. Cando os machos atópanse coa femia, equipásena e fan dúas crías: una femia e outro macho.
A evolución xeracional deste experimento foi a seguinte: 1) o comportamento dos machos e as femias é aleatorio, 2) os machos que tenden a permanecer parados desaparecen, 3) aínda que a maioría tende a prosperar, mentres que os que tenden a virar desaparecen, 4) os que aparecen neste nivel saben virar ao chegar á liña ou columna da femia, mentres que as femias que fan signos significativos multiplicáronse diminuíndo. Os machos, cando non ouven ás femias, avanzan directamente e cando están cerca, viran, 5) utilizan os signos paira expresar máis situacións. A figura 4 mostra una historia posterior ao desenvolvemento da linguaxe.
Ecosistemas de computación
Como vimos até agora, nos mundos artificiais tenta reflectir dalgunha maneira as leis físicas e biolóxicas da natureza e a contorna informática considérase una abstracción de situacións reais. O enfoque da última aproximación que analizaremos, con todo, é moi diferente: na paradigma dos ecosistemas de computación predominan os principios da información dixital, sen pretender reproducir o mundo real. Por tanto, os axentes que aparecen son simplemente programas (normalmente codificados cunha linguaxe de ensamblaje específico) e a súa funcionalidade son medios informáticos (memoria, capacidade de execución, etc.) Trátase dunha dinámica de xestión.
Scientific American
Das páxinas da revista, Dewdney propuxo en 1983 o novo xogo informático Core Wars. Na memoria dunha computadora virtual chamada MARS (Martitz) publicábanse dous programas de loita que buscan destruírse entre si. Cada programa considerábase un ser autónomo: o programador non sabe quen serán os seus rivais cando deseñe o seu “creatura” e despois de liberala dentro dos MARS, o programa terá que solucionalo pola súa conta.
Ademais de crear moitos xogadores de xogo, paira destacar que as ideas de Dewdney foron moi frutíferas no ámbito informático, cabe mencionar que os primeiros virus informáticos xurdiron inspirados nestas teorías. Ademais, comprobouse que o programa pode funcionar en contornas descoñecidas do mesmo xeito que os organismos autónomos. Ademais, pronto se destacou a posibilidade de desenvolver estratexias sasibológicas de supervivencia: apareceron programas agresivos, adaptativos, reprodutivos e capaces de resolverse.
En 1990 Rasmussen, Knuds e Feldberg propuxeron o sistema Venus. Tratábase de analizar se os programas que se deseñaban paira o funcionamento dos MARS, así como outros similares, podían ser xerados por procesos propios. Ao cumprir a memoria de Venus con mandatos desproporcionados ao azar, algúns deles comezan a executarse e nese proceso pódense observar as estruturas de computación que se organizan de forma espontánea.
Mediante a aplicación de técnicas de sistemas dinámicos pódense citar algunhas conclusións significativas: algunhas ordes mostran una tendencia a traballar conxuntamente, forman unidades funcionais sinxelas e aparecen comportamentos invariantes e atractores dinámicos. Os autores do sistema impulsaron a creación de programas que poderían ser considerados autónomos, pero nalgúns experimentos se soslayó a distribución inicial, pero non conseguiron o seu obxectivo.
Paira ler máis: Emmeche, C. (1994) The garden in the machine. The emerging science of Artificial Life, Princeton (NJ), Princeton University Press. |
Venus
Os resultados de foron algo inferiores ao esperado. Isto demostrou que as estratexias de supervivencia que se poden desenvolver nos ecosistemas de computación non son fáciles de crear desde as condicións iniciais. Consciente da súa equivocada convicción, o investigador Tom Ray utilizou una nova aproximación ao deseño do sistema Terra (a Terra), que, lonxe de tentar obter “organismos” do caldo primitivo, partiu do programa Arbaso deseñado por el. Aínda que isto parece un retroceso no camiño de Mars, destacan as súas novas características:
- Arbaso é capaz de duplicarse unha e outra vez (Figura 5), polo que os fenómenos relevantes que se producen en Terra danse a nivel poboacional.
- A interacción directa entre programas está prohibida, xa que cada programa conta cunha protección contra a escritura: outro programa pode ler e executar o seu código, pero sen capacidade de transformación; ao ser en principio invulnerables, introdúcese un mecanismo segador paira acabar cos programas máis antigos ou apropiados.
- Existen varias opcións paira provocar mutacións: En Terra calquera bit pode cambiar aleatoriamente (“raios cósmicos”), os mecanismos de copia fallan de cando en vez (“erros xenéticos”) e o comportamento de ordes pode fracasar (“erros funcionais”).
Terra, que ten mecanismos paira facer realidade a herdanza, a selección e o cambio, é un bo escenario paira a evolución. En realidade, a complexidade que se dá neste ecosistema dá lugar a un salto moi importante e a través da evolución prodúcense comportamentos sasibológicos ricos. Os fenómenos cíclicos de parasitación inmunidade que se definen na figura 6 son moi típicos.
Como conclusión
A Vida Artificial pode cambiar o punto de vista da vida e, en consecuencia, mostrar dunha maneira nova as relacións entre natureza e culturas. Pero, sobre todo, a Vida Artificial demóstranos que a actitude analítica da Ciencia occidental ante o mundo pode ser inadecuada paira desenvolver teorías de fenómenos complexos. Paira iso, cando tentamos descompor os fenómenos a través do noso razoamento, as partes extraídas son tan completas como complexas, ou perdemos polo camiño os elementos máis áxiles paira a explicación. Con todo, a Vida Artificial aproveita a forza da interacción de cousas sinxelas paira desentrañar o camiño do que pode ser a nova Ciencia da Complexidade.
Zu idazle
Zientzia aldizkaria
