Kreativitas luar biasa dari evolusi digital

Artikel ini berisi deskripsi yang diterima langsung dari para peneliti yang mencatat situasi serupa di bidang kehidupan buatan dan pemodelan evolusi. Kami menyajikan bukti substansial bahwa keberadaan dan pentingnya "kejutan evolusi" melampaui dunia satwa liar ...

Kumpulan kasus dari praktik komputasi evolusioner dan penelitian kehidupan buatan

Terjemahan singkat dari artikel berbahasa Inggris : Kreativitas Mengejutkan dari Evolusi Digital:
Kumpulan Anekdot dari Komputasi Evolusi dan Komunitas Riset Kehidupan Buatan

Anotasi

Proses evolusi adalah sumber mendidih dari beragam pilihan adaptasi. Potensi kreatif evolusi tidak terbatas pada dunia margasatwa: organisme buatan yang dihasilkan oleh pemodelan komputer dapat membingungkan pembuatnya sendiri.

Algoritma evolusi berkontribusi untuk melampaui kerangka kerja di mana mereka muncul. Selain itu, banyak peneliti di bidang ini dapat memberikan contoh bagaimana algoritma dan organisme buatan yang mereka ciptakan menghancurkan harapan dan niat. Hal ini terjadi karena manifestasi kesalahan yang tidak dikenal dalam kode program dan pembuatan opsi adaptasi yang tidak terduga. Atau dalam perilaku makhluk digital dan hasil penelitian, kesamaan dengan pengamatan dalam sifat hidup ditemukan. Kisah-kisah semacam itu mengejutkan dalam evolusi yang terjadi di dunia digital, tetapi jarang cocok dengan interpretasi ilmiah yang diterima. Sebaliknya, mereka sering ditafsirkan sebagai hanya beberapa hambatan untuk mendapatkan hasil dengan sengaja menetapkan tujuan.

Kesalahan dihilangkan, eksperimen mengubah arah, dan beberapa momen menakjubkan datang ke hasil tertentu. Cerita-cerita seperti itu ditransmisikan secara lisan di antara para peneliti, tetapi metode pengiriman informasi seperti itu tidak efektif, yang mengarah pada distorsi dan kehilangan. Selain itu, kisah-kisah seperti itu didistribusikan, sebagai aturan, di antara para peneliti itu sendiri, sehingga banyak peneliti satwa liar tidak
sering kali mungkin untuk mendapatkan gagasan tentang seberapa menarik dan realistis makhluk digital dan proses evolusinya.

Menurut data kami, koleksi deskripsi cerita seperti itu belum pernah dipublikasikan sebelumnya. Artikel ini berisi deskripsi yang diterima langsung dari para peneliti yang mencatat situasi serupa di bidang kehidupan buatan dan pemodelan evolusi.

Dalam hal ini, kami menyajikan bukti substansial bahwa keberadaan dan signifikansi "kejutan evolusi" melampaui batas-batas dunia satwa liar, dan ini sebenarnya dapat menjadi manifestasi dari sifat universal semua sistem evolusi yang kompleks.

Pendahuluan

Evolusi memberi kita banyak contoh cara-cara kreatif yang paradoks untuk mendapatkan keputusan-keputusan rumit mengenai keragaman alam yang hidup. Misalnya, beberapa jenis bunga memiliki fungsi yang mirip dengan suar akustik, untuk menarik kelelawar yang dipandu oleh ekolokasi, mikroba ekstrofil memodifikasi DNA mereka sendiri untuk pertumbuhan yang sukses dalam kondisi
radiasi yang kuat, kumbang bombardier mengusir predator dengan reaksi kimia yang keras, parasit memprogram ulang otak makhluk yang menjadi tempat tinggalnya, yang menyebabkan kematian makhluk ini, tetapi memastikan kesejahteraan parasit itu sendiri.

Banyak contoh lain terkait dengan berbagai sistem biologis. Dan bahkan ahli biologi dengan pengalaman hebat terkadang menunjukkan kejutan ketika mereka mempelajari cara adaptasi yang baru ditemukan. Jadi, proses evolusi biologis luar biasa untuk kreativitasnya yang luar biasa, setidaknya dalam arti menghasilkan solusi yang tak terbayangkan dan rumit yang, tampaknya, dapat dibandingkan dengan solusi yang dibuat oleh manusia. Terlebih lagi, kreativitas proses evolusi tidak terbatas pada lingkup dunia organik. Terlepas dari media fisik, manifestasi evolusi dapat diamati di mana-mana di mana fungsi seperti replikasi, variabilitas, dan seleksi saling terkait.

Dalam hal ini, evolusi dapat dikonfirmasikan dengan contoh-contoh dari dunia realitas digital - dalam bentuk program komputer yang dirancang untuk eksperimen pada studi evolusi atau dalam memecahkan masalah desain dengan menghasilkan makhluk digital. Seperti evolusi biologis, eksperimen evolusi digital sering kali menghasilkan hasil yang mengejutkan. Terkadang evolusi mengungkapkan kesalahan kode tersembunyi atau menampilkan konvergensi yang mencolok dengan manifestasi biologis. Dan kadang-kadang, melalui evolusi, keputusan muncul tentang mana peneliti tidak tahu atau yang dianggap mustahil.

Kisah-kisah yang terkait dengan evolusi digital dan "mengejutkan" para peneliti yang mempelajarinya lebih dari sekadar artefak kecil. Kasus-kasus tersebut berkontribusi pada tindakan wawasan dan perolehan pengetahuan yang berguna untuk kegiatan praktis, karena mereka menunjukkan keberadaan masalah tersebut di mana-mana dan kemungkinan untuk mengatasinya.
karena kebutuhan.

Selain itu, situasi seperti itu menunjukkan bahwa model evolusi digital yang telah terbukti tidak hanya mencerminkan persyaratan yang ditetapkan oleh pencipta, serta distorsi tertentu. Pada saat yang sama, mereka ternyata cukup dibuktikan untuk tujuan memperoleh hasil yang tidak terduga dan pengetahuan baru.

Evolusi dan Kreativitas

Evolusi kreativitas menjadi nyata ketika mengamati keanekaragaman dalam satwa liar. Pikiran yang sama dicerminkan oleh Darwin dalam kesimpulan terhadap Origin of Species, di mana disebutkan bahwa pengamatan berjuta-juta makhluk biologis yang hidup bersama dalam satu area menyebabkan pemikiran serius - “bentuk tak berujung paling indah”.

Variabilitas dalam satwa liar menyebar sepanjang sumbu seperti kompleksitas, organisasi, habitat, metabolisme, dan reproduksi. Pada saat yang sama, suatu hubungan dilacak - dari prokariota uniseluler ke organisme paus yang mengandung sel kuadriliun. Sejak asal usul kehidupan, keanekaragaman hayati telah merambah ke mana-mana, sementara evolusi telah menaklukkan laut, daratan, wilayah udara, dan semua ini dengan penciptaan opsi adaptasi yang tak terhitung jumlahnya.

Fungsionalitas yang disediakan oleh adaptasi semacam itu jauh melebihi kemampuan desain cerdas modern, yang sejauh ini ditujukan untuk menciptakan robot yang mampu mereproduksi diri sendiri, pengembangan independen dunia nyata, atau manifestasi kecerdasan pada tingkat yang sebanding dengan manusia. Namun, kata "kreativitas" semantik ambigu dan dapat memiliki banyak arti berbeda. Agar tidak tenggelam dalam diskusi tentang manifestasi semantik dan filosofis, dan mengakui keberadaan definisi lain dan pendapat yang sesuai, kami akan menerima "definisi standar": kreativitas menghasilkan sesuatu yang asli (baru) dan efektif (fungsional). Kriteria ini memenuhi banyak karya evolusi.

Dalam pemahaman ini, sumber kreativitas dalam satwa liar adalah filter pemutaran. Keberadaan filter semacam itu dapat diwujudkan dengan berbagai cara, dan sebagai hasil evolusi, massa hasil yang heterogen terbentuk. Misalnya, di alam ada banyak cara untuk mengekstraksi energi yang diperlukan untuk berfungsi dari sumber anorganik (seperti matahari, besi, amonia) atau berbagai struktur sayap untuk terbang di antara serangga, burung, mamalia, dan reptil.

Potensi kreativitas evolusi juga berkontribusi pada penyelarasan diri melalui interaksi lingkungan. Pada saat yang sama, penciptaan ceruk baru sering disertai dengan penemuan ceruk lain, melalui pemangsaan, simbiosis, parasitisme atau penangkapan. Meskipun evolusi mengungkapkan kurangnya pandangan ke depan dan intensionalitas (kualitas yang melekat dalam kreativitas manusia), struktur berevolusi bersama salah satu fungsi, seringkali dengan
Diadaptasi untuk tujuan lain, fenomena ini dikenal sebagai exaptation.

Sebagai contoh, teori bahwa evolusi pembawa bulu pertama kali mengubahnya menjadi dinosaurus karena termoregulasi dan kemudian membawanya ke kemampuan beradaptasi untuk terbang dan memelihara burung tersebar luas. Tetapi bahkan tanpa adanya pandangan ke depan langsung, penelitian tentang kapasitas perkembangan menunjukkan
bahwa arsitektur genom sendiri dapat berkontribusi pada bias terhadap peningkatan potensi kreativitas. Salah satu komponen evolusi adalah tekanan seleksi, yang menyebabkan adaptasi spesies untuk meningkatkan integrasi ke lingkungan, dan yang sering mengarah pada kreativitas dalam spesies yang diberikan. Yaitu, koeksistensi
perubahan evolusioner menghasilkan munculnya solusi yang efektif, seperti meningkatkan perlindungan terhadap pemangsa atau terhadap kejadian alam seperti angin atau radiasi.

Seiring dengan kreativitas dalam spesies, ada juga kekuatan evolusi yang berkontribusi pada divergensi kreativitas, yang mengarah pada akumulasi sifat-sifat baru atau ceruk. Salah satu kekuatan tersebut adalah pemilihan bergantung pada frekuensi negatif; faktor insentif seperti itu memanifestasikan dirinya ketika beberapa tanda beradaptasi hanya dalam kasus langka, yang berkontribusi pada evolusi organisme dengan demonstrasi berbagai jalurnya. Faktor divergensi lain yang didorong oleh kekuatan evolusi adalah radiasi adaptif. Ini memanifestasikan dirinya ketika mengakses peluang baru dan berkontribusi pada diversifikasi cepat tubuh dengan transformasi menjadi sejumlah spesies baru, misalnya, ketika baru
fitur seperti terbang.

Dengan demikian, evolusi diarahkan menuju efisiensi (kebugaran dan fungsionalitas yang berhasil), serta orisinalitas, melalui kekuatan yang mengoptimalkan gaya seleksi alam dan divergensi. Karena ini, artefak muncul yang memenuhi kedua kriteria definisi standar kreativitas. Salah satu tujuan artikel ini adalah untuk menekankan bahwa kreativitas semacam itu tidak terbatas pada lingkungan biologis, tetapi juga merupakan sifat umum untuk evolusi digital.

Evolusi digital

Dirangsang oleh studi evolusi biologis, para peneliti di bidang proses studi evolusi digital diilustrasikan oleh metode komputasi. Gagasan utamanya adalah bahwa ada prinsip-prinsip abstrak yang mendasari evolusi biologis yang tidak tergantung pada medium fisik, dan bahwa prinsip-prinsip tersebut dapat diterapkan dan dipelajari secara efektif melalui perangkat komputasi.

Dalam kata-kata salah satu peneliti Daniel Dennett, "evolusi selalu terjadi dan di mana-mana di mana tiga kondisi digabungkan: replikasi, variabilitas (mutasi) dan berbagai kebugaran (kompetisi)"; tidak memerlukan adanya molekul khusus (misalnya, DNA atau RNA) atau substrat (misalnya, membran fisik khusus).

Di alam, faktor keturunan diatur melalui replikasi molekul genetik, dan variabilitas melalui mekanisme yang mirip dengan yang menyalin kesalahan, serta rekombinasi genetik. Seleksi dalam evolusi biologis secara substansial tergantung pada seberapa banyak kelangsungan hidup dan reproduksi adalah kondisi logis untuk eksistensi
materi genetik tubuh. Perbandingan dengan evolusi digital mengarah pada pendapat bahwa proses yang melakukan fungsi replikasi, variabilitas dan seleksi dapat diimplementasikan pada komputer dalam bentuk algoritma evolusioner (EA).

Sebagai contoh, replikasi dapat disimulasikan hanya dengan menyalin struktur data (mis., Genom digital) ke dalam memori, variabilitas dapat diwakili oleh gangguan acak elemen dalam struktur data tersebut. Seleksi dalam EA dapat diperoleh dengan berbagai cara, sedangkan dua yang paling umum adalah analog digital buatan
dan seleksi alam dalam evolusi biologis. Persamaan dan perbedaan untuk jenis tekanan seleksi ini penting untuk memahami banyak hasil evolusi digital, yang dijelaskan secara lebih rinci di bawah ini.

Seleksi buatan dalam evolusi biologis digunakan, misalnya, oleh peternak kuda yang memutuskan breed mana untuk disatukan, dengan harapan meningkatkan karakteristik tertentu, misalnya, ketika mengurangi individu tercepat atau terkecil. Dengan metode ini, seleksi mencerminkan tujuan yang ditetapkan oleh orang-orang. Demikian pula, dalam evolusi digital, seorang peneliti dapat memperkenalkan fungsi kebugaran sebagai kriteria untuk melakukan seleksi secara otomatis. Fungsi kebugaran adalah metrik yang menggambarkan fenotipe mana yang lebih disukai di antara yang lain, dan ini mencerminkan tujuan untuk evolusi digital. Misalnya, ketika menggunakan EA untuk desain
Kiprah stabil dari robot berjalan, fungsi kebugaran visual akan membantu mengukur seberapa jauh robot yang dikendalikan akan berjalan sebelum jatuh. Pemilihan dengan EA seperti itu harus dikurangi menjadi pengendali robot yang menyadari jarak terbesar, dengan harapan bahwa keturunan mereka akan mampu mengatasi jarak yang lebih jauh. Metode seleksi yang serupa adalah yang paling umum dalam aplikasi teknik ketika penggunaan evolusi digital dimaksudkan untuk mencapai hasil yang diinginkan.

Cara umum pemilihan digital lainnya adalah menggunakan seleksi alam, mirip dengan biologis, ketika evolusi tidak dibatasi sebelumnya. Perbedaan utama dari yang sebelumnya adalah bahwa dengan metode ini tidak ada hasil yang ditentukan sebelumnya dan fungsi kebugaran yang diberikan. Pada saat yang sama, makhluk digital bersaing dalam perebutan sumber daya yang terbatas, seperti nutrisi buatan. Di sini, operasi siklik dari prosesor pusat diperlukan untuk mereplikasi kode makhluk atau lokasi penyimpanan pada media digital untuk merekam genom. Ketika menentukan variabilitas dalam suatu populasi, beberapa makhluk akan bertahan cukup lama untuk reproduksi dengan reproduksi materi genetik mereka, sementara yang lain akan menghilang, dan ini memberikan evolusi yang mirip dengan alam.

Biasanya, sistem evolusi digital dan eksperimen serupa tidak langsung diimplementasikan untuk tujuan rekayasa 4/30, tetapi digunakan sebagai sarana untuk mempelajari prinsip-prinsip dasar kehidupan dan evolusi dengan pengaturan yang lebih sederhana daripada dalam biologi; yaitu, mereka memberikan model kehidupan buatan untuk digunakan dalam eksperimen evolusi. Salah satu interpretasi terus-menerus dari evolusi digital adalah karena itu
Jika dimulai pada media komputer, maka kepatuhan dengan studi evolusi biologis akan hilang. Namun, baik melalui argumen filosofis dan publikasi yang relevan, telah disarankan bahwa evolusi digital dapat menjadi alat yang berguna untuk memfasilitasi dan melengkapi penelitian tentang evolusi biologis. Faktanya, sistem yang berkembang seperti itu dapat dianggap sebagai inkarnasi evolusi yang nyata, bukan hanya sebagai simulasi.

Algoritma dan simulasi - kejutan

Pertama, mungkin tampak tidak jelas bahwa suatu kelas algoritma secara sistematis mengejutkan kompiler mereka. Pada saat yang sama, kami memberikan definisi kejutan yang agak luas sebagai mengamati hasil yang berbeda secara signifikan dari harapan, baik itu harapan karena intuisi, prediksi sebagai hasil dari pengalaman yang diperoleh, atau karena
model teoritis. Karena algoritme adalah daftar formal instruksi yang tidak ambigu yang dieksekusi dalam urutan tertentu, tampaknya cukup memadai untuk memeriksa deskripsi algoritme untuk memprediksi berbagai kemungkinan hasil, menangkal kemungkinan kejutan. Selain itu, mengikuti dari teori ilmu komputer bahwa untuk banyak program komputer hasil dari eksekusi
tidak dapat diprediksi tanpa menjalankan program. Di bidang penelitian sistem yang kompleks, juga diketahui bahwa program sederhana dapat menghasilkan hasil yang kompleks dan kadang-kadang bahkan mengejutkan ketika dijalankan.

Ini adalah fakta dasar yang, di atas segalanya, bertentangan dengan intuisi. Interaksi antara beberapa produk perangkat lunak modern, yang secara khusus dirancang untuk memperoleh hasil yang dapat diprediksi, tampaknya menghalangi manifestasi kejutan apa pun di muka. Namun tetap saja, jika manifestasi dari inovasi yang mengejutkan adalah karakteristik
evolusi biologis, maka manifestasi serupa harus diharapkan dari model komputer yang menggambarkan aspek fundamental dari proses evolusi. Kami menawarkan bukti informal tentang potensi evolusi digital untuk menghasilkan hasil yang tidak terduga; dan beragam manifestasi yang disajikan di bawah ini menunjukkan seberapa umum dan luas hasil yang menakjubkan ini dalam praktik. Penting untuk dicatat juga aspek manusia
psikologi, sebagai kecenderungan untuk penilaian yang terlambat, yang sering membuatnya sulit untuk memahami pentingnya kejutan mengingat persepsi subjektifnya oleh orang lain.Artinya, orang sering membesar-besarkan bagaimana suatu peristiwa dapat diprediksi, setelah kejadiannya. Pada saat yang sama, banyak kasus yang disajikan di bawah ini dapat memulai pemahaman tentang
hasil setelah fakta, yang dapat menyebabkan pembaca menyangkal beberapa manifestasi yang mengejutkan.

Klasifikasi Kreativitas Evolusi Digital

Berikut ini adalah 27 kasus menarik terkait dengan karya 50 peneliti.
Kami membagi kasus-kasus ini secara bersyarat menjadi 4 kategori:

• amukan seleksi, ketika evolusi digital menunjukkan perbedaan antara apa yang diminta oleh para peneliti dan apa yang mereka pikirkan ketika ditanya;
• debugging yang tidak disengaja, evolusi digital mendeteksi dan menggunakan kesalahan perangkat lunak atau perangkat keras yang sebelumnya tidak dikenal;
• Melebihi harapan, evolusi digital menemukan solusi yang melebihi harapan;
• konvergensi dengan biologi, evolusi digital menemukan solusi yang konvergen dengan yang ditemukan di alam, meskipun ada perbedaan signifikan mengenai media dan kondisi.

Pilihan mengamuk

Ketika memecahkan masalah praktis, pendekatan yang paling umum di antara para peneliti adalah pilihan fungsi kebugaran, yang mencerminkan tujuan penelitian yang diinginkan. Seperti fungsi kebugaran seperti itu, pengukuran kuantitatif sederhana sering diatur yang tampak jelas untuk mencakup karakteristik dasar untuk mendapatkan hasil yang sukses.



Fig. 1 Gunakan energi potensial untuk bergerak. Evolusi mengungkapkan bahwa lebih mudah untuk membuat struktur tinggi yang melakukan kejatuhan rasional daripada mencari strategi untuk gerakan aktif. Kiri: makhluk pada awal upaya. Kanan: momen jatuh dan jungkir balik untuk menjaga momentum.

Prosedur tersebut adalah pemicu EA, karena berfungsi sebagai "saluran" untuk pencarian langsung. "Pembiakan" ditujukan untuk membiakkan makhluk dengan penilaian kebugaran yang lebih tinggi, dengan harapan hal ini akan mengarah pada peningkatan lebih lanjut dalam kebugaran dan tentunya akan mengarah pada hasil yang diinginkan. Ini mirip dengan proses pengembangbiakan breed hewan dan didasarkan pada prinsip evolusi yang sama untuk mendapatkan
hasil yang diberikan .

Namun, seperti yang ditunjukkan di bawah ini, pengukuran kuantitatif dilakukan dengan niat baik sering dimaksimalkan dengan cara yang tidak jelas. Selain itu, para peneliti sering melebih-lebihkan seberapa akurat pengukuran kuantitatif mencerminkan hasil kualitatif yang mendasarinya tersirat oleh para peneliti itu sendiri. Ini adalah kesalahan yang dikenal sebagai konflik peta dan wilayah (misalnya, metrik adalah peta, dan peneliti menyiratkan wilayah yang valid;).

Yaitu, sering untuk evolusi, eksploitasi kesenjangan dalam prosedur untuk melakukan pengukuran kuantitatif secara fungsional lebih sederhana daripada mencapai hasil yang diinginkan sebenarnya. Juga, sistem indikator yang dibuat secara tepat dalam masyarakat manusia dengan tujuan yang baik dapat dihancurkan dengan dampak langsung pada optimalisasi mereka (yang disebut hukum Campbell atau hukum Goodhart). Dan evolusi digital sering bertindak untuk memenuhi surat hukum (yaitu, tentang fungsi kebugaran)
sambil mengabaikan maknanya.

Mengapa berjalan jika Anda bisa berjungkir balik?

Dalam karya dasar (1994, Karl Sims), makhluk maya 3 dimensi berevolusi yang mampu menemukan perilaku seperti berjalan, berenang, dan melompat dalam lingkungan fisik yang disimulasikan. Tubuh makhluk terbuat dari balok yang terhubung. Otak mereka diwujudkan melalui jaringan saraf sederhana yang menghasilkan momen variabel pada sendi berdasarkan sensasi dari anggota badan, dengan eksekusi
gerakan yang terlihat realistis. Struktur dan sistem kontrol berevolusi secara bersamaan, yang memungkinkan untuk memperoleh semua jenis tubuh dan strategi gerakan. Faktanya, makhluk seperti itu tetap merupakan produk paling umum dari evolusi digital.

Namun, ketika Sims pertama kali mencoba menerapkan evolusi perilaku selama gerakan, kesulitan muncul. Di daerah simulasi dengan kehadiran gravitasi dan gesekan, kebugaran makhluk diukur sebagai kecepatan rata-rata pergerakan di atas permukaan selama rentang hidup 10 detik simulasi. Alih-alih menelurkan sendi pintar atau gerakan seperti ular, yang bisa membantu mendorong mereka
sepanjang permukaan (seperti yang diharapkan), makhluk itu tumbuh tinggi dan kaku. Selama simulasi, mereka cenderung terbalik, menggunakan energi potensial asli mereka sendiri untuk mencapai kecepatan tinggi. Dan beberapa bahkan jatuh untuk meningkatkan kecepatan horizontal (Gbr. 1). Untuk mencegah "trik" seperti itu, perlu untuk menetapkan interval waktu di awal setiap simulasi untuk melepaskan
energi potensial yang melekat pada makhluk di posisi awal sebelum gerakan mereka memberikan hasil apa pun.



Fig. 2. Penggunaan energi potensial untuk lompat galah.
Evolusi menemukan bahwa lebih mudah untuk menelurkan makhluk yang jatuh dan berguling daripada menciptakan mekanisme untuk mengaktifkan lompatan.

Berdasarkan karya penulis Sims, tetapi menggunakan platform simulasi yang berbeda, peneliti Krcah membawa makhluk untuk melakukan lompatan di atas permukaan ke ketinggian setinggi mungkin. Dalam rangkaian percobaan pertama, kesesuaian setiap organisme dihitung sebagai kenaikan maksimum dari pusat gravitasi ke ketinggian. Akibatnya, makhluk dengan ketinggian 15 cm diciptakan, memantul 7 cm dari permukaan. Pada saat yang sama, makhluk-makhluk juga secara tidak sengaja muncul, mencapai tingkat kebugaran yang tinggi dengan menciptakan tubuh dalam bentuk menara statis yang tinggi, memberikan kenaikan tanpa gerakan apa pun. Dalam upaya untuk memperbaiki celah seperti itu dalam seri percobaan berikutnya, kebugaran dihitung sebagai jarak terbesar dari permukaan ke simpul yang awalnya lebih dekat ke permukaan. Saat mengevaluasi hasil kuantitatif percobaan,yang mengejutkan para peneliti, beberapa makhluk menjadi sangat tinggi dan juga terlihat
peningkatan hampir sepuluh kali lipat dalam melompat! Pada saat yang sama, ternyata evolusi menunjukkan "trik" seperti jungkir balik tanpa lompatan apa pun. Tubuh yang berkembang terdiri dari beberapa blok besar, dan menyerupai kepala yang didukung oleh tiang vertikal panjang (Gbr. 2).

Pada awal simulasi, makhluk itu mendorong kakinya yang panjang dari permukaan dan mulai jatuh dengan kepalanya ke depan, dengan jungkir balik dari kakinya (awalnya titik yang lebih rendah dari mana nilai lompatan dihitung) dari permukaan. Ini menciptakan celah besar antara permukaan dan titik bawah, sambil mempertahankan nilai kebugaran tinggi tanpa pelatihan keterampilan melompat yang jelas.

Tautan ke video .

Debugging yang tidak disengaja

Contoh berikut menunjukkan bagaimana elemen gagal dari makhluk virtual dapat menjadi mampu beradaptasi secara tak terduga.

Pulihkan Fitur yang Dinonaktifkan

EA yang disebut MAP-Elites digunakan untuk menyelidiki kemungkinan interaksi lengan robot dengan sebuah kubus kecil yang diletakkan di atas meja. Tujuan dari penelitian ini adalah menghasilkan dan mengumpulkan berbagai pengendali yang dapat memindahkan kubus ke berbagai tempat di atas meja. Dengan pengaturan yang biasa, perangkat lunak MAP-Elites dapat memindahkan kubus di sekitar meja, meraihnya dan bahkan menjatuhkannya ke keranjang yang terletak di depan tangan
robot. Untuk percobaan selanjutnya, cengkeraman robot rusak, mencegah pembukaan / penutupannya. Diharapkan bahwa tangan akan dapat memindahkan kubus hanya dengan cara tertentu, yaitu, dengan bodoh mendorongnya. Namun, MAP-Elites menemukan cara yang sulit: dorong kubus dengan hanya meraih ke arah tertentu, mendorong pegangan untuk membuka sehingga
memegang kubus dengan aman (Gbr. 4)!



Fig. 4. (a) tangan robot pada posisi awal, dengan genggaman tertutup
(b) tangan mendorong kubus ke bagian bawah tangan
© tangan menggerakkan kubus lebih dekat ke pangkalan dan melakukan gerakan cepat,
meluncur di atas meja, menyebabkan jari-jari membuka dan
meraih kubus.
(D) tangan menggerakkan kubus yang dipegang dalam pegangan ke posisi baru.

Tautan ke video .

Mengungguli Hasil

Berlutut

Algoritma diperkenalkan yang memungkinkan robot yang rusak berhasil beradaptasi dalam dua menit. Kami mempelajari evolusi kerusakan pada robot keenam - berjalan dengan kaki atau mesin yang rusak (Gbr. 5). Sebelum tes, para peneliti menggabungkan evolusi digital dengan simulator robot untuk tujuan pelatihan utama dalam berbagai strategi berjalan. Setelah kerusakan, robot harus menggunakan pengalaman yang diperoleh dari evolusi simulasi untuk belajar dengan cepat selama tes di lingkungan nyata.

Untuk menerapkan evolusi berbagai metode berjalan, algoritma evolusi MAP-Elites digunakan, yang mencari organisme yang paling disesuaikan untuk setiap kombinasi spesifik dari dimensi yang diberikan (yaitu, metode yang mungkin diterapkan oleh fenotipe). Dalam hal ini, 6 dimensi variabilitas berhubungan dengan fraksi waktu (digunakan oleh masing-masing kaki); Fraksi relatif dari waktu permukaan kaki menyentuh setiap kaki diukur. Dengan demikian, algoritma evolusi mencari cara tercepat untuk berjalan pada setiap frekuensi tertentu menyentuh permukaan kaki setiap kaki robot keenam. Pada saat yang sama, opsi evolusi dianggap mustahil ketika tidak satu pun dari enam kaki menyentuh permukaan, yaitu, sentuhan berhubungan dengan interval waktu 0%.



Namun, robot itu berguling dan bergerak berlutut (berbalik), dengan kaki menggantung di udara! (gbr. 6).

Video tersebut menunjukkan berbagai pola berjalan yang ditemukan, termasuk yang disebutkan
(pada 1: 49).

Tautan ke video .

Perjalanan tercepat - tidak selalu dalam garis lurus

Peneliti Richard Watson dan Sevan Ficici mempelajari perilaku robot, dengan dua roda, dua mesin dan dua sensor. Robot jenis ini sangat terkenal, mereka disebutkan dalam buku ini, yang menyatakan bahwa koneksi input sensor dengan output motor, dibuat dengan cara tertentu, menyebabkan perilaku yang mirip dengan mengikuti sinar
. Misalnya, ketika momen mesin roda kanan sebanding dengan intensitas cahaya yang terdeteksi oleh sensor kiri, dan karenanya, untuk roda kiri, oleh sensor kanan, robot bergerak ke arah sumber cahaya. Dalam percobaan ini, bobot untuk koneksi antara input sensor dan kecepatan roda ditentukan oleh evolusi. Pada saat yang sama, kebenaran pernyataan yang disebutkan dalam buku itu diverifikasi.

Ketika robot yang berevolusi bergerak ke arah sumber cahaya, mereka sering bertindak dengan cara yang tidak terduga. Beberapa pindah kembali ke sumber ketika sensor gelap, yang lain mencari sumber menggunakan lintasan eksentrik, dan tidak sesuai dengan pernyataan yang diverifikasi (Gbr. 7). Ternyata lintasan dengan putaran seperti itu lebih mudah untuk disesuaikan karena lengkungan atau pelurusan kurva saat mengikuti sumber. Para penulis menemukan bahwa wilayah pencarian genetik yang mengarah pada berputar sangat luas, sedangkan solusi klasik menurut pernyataan di atas membutuhkan keseimbangan yang tepat (misalnya, dengan sedikit perubahan dari arah searah jarum jam ke arah yang berlawanan, Gambar 7) dan sesuai dengan wilayah yang relatif sempit. pencarian genetik. Selain itu, terlepas dari ketidakefisienan yang diamati,berputar tetap dipertahankan bahkan pada kecepatan yang lebih tinggi, berbeda dengan solusi klasik, ketika pengaturan yang cukup cepat tidak dimungkinkan pada kecepatan engine yang tinggi. Dan selain itu, berputar lebih dapat diandalkan ketika menggunakan berbagai drive di robot individu, dan pada saat yang sama, "menempel" mereka di sisi situs uji cenderung kecil kemungkinannya.



Fig. 7. Robot mengikuti sumber cahaya. Kiri: solusi klasik. Kanan: berputar melalui evolusi.

Konvergensi dengan Biologi

Diinduksi oleh studi evolusi biologis, evolusi digital secara alami menunjukkan prinsip dasar yang serupa, seperti seleksi, variabilitas, heritabilitas. Pada saat yang sama, tidak ada kepastian bahwa evolusi digital akan memanifestasikan dirinya dalam kasus-kasus perilaku spesifik dan juga di alam, karena berbagai faktor dari
tingkat yang lebih rendah: tingkat mutasi, ukuran genom, mengikuti fenotip ke genotipe (pemetaan), ukuran populasi, morfologi, jenis interaksi, kompleksitas lingkungan. Selain itu, dalam praktiknya menarik untuk mengamati kasus konvergensi tersebut.

Evolusi tulang dan otot

Dalam studi tentang makhluk virtual, evolusi menunjukkan strategi gerakan yang mirip dengan yang diamati dengan makhluk biologis (Gbr. 11). Di atas adalah gerakan makhluk yang mirip dengan cacing tanah. Evolusi menemukan kembali manfaat menggunakan kelompok otot komplementer (anti-directional), seperti bisep dan trisep pada manusia, dan penempatan optimal mereka. Hasil evolusi bahan seperti tulang untuk mendukung simpul yang lebih tipis ditunjukkan di bawah ini, yang memungkinkannya menjadi lebih panjang dan lebih tipis tanpa kehilangan daya dukung. Hasilnya adalah semacam gallop umum untuk kuda.

Fig. 11. Warna gambar tiga dimensi ditampilkan dalam warna berbeda:
merah dan hijau - kelompok otot bertindak dengan cara yang berlawanan,
biru dan biru - bahan pendukung keras dan lunak.



Di atas diperlihatkan bagaimana berbagai zona dari setiap otot berevolusi.

Crosspost