A incrível criatividade da evolução digital

Este artigo contém descrições recebidas diretamente de pesquisadores que registraram situações semelhantes no campo da vida artificial e modelagem evolutiva. Apresentamos evidências substanciais de que a existência e o significado das "surpresas da evolução" transcendem o mundo da vida selvagem ...

Uma coleção de casos da prática da computação evolutiva e da pesquisa de vida artificial

Uma tradução abreviada de um artigo em inglês : A Surpreendente Criatividade da Evolução Digital:
Uma coleção de anedotas das comunidades de computação evolutiva e de vida artificial

Anotação

O processo evolutivo é uma fonte fervilhante de diversas opções de adaptação. O potencial criativo da evolução não se limita ao mundo da vida selvagem: organismos artificiais gerados pela modelagem computacional podem confundir seus próprios criadores.

Os algoritmos evolutivos contribuem para ir além da estrutura em que eles surgem. Além disso, muitos pesquisadores neste campo podem fornecer exemplos de como os algoritmos e organismos artificiais que eles criaram destroem notavelmente as expectativas e intenções. Isso ocorre devido à manifestação de erros não reconhecidos no código do programa e à criação de opções de adaptação imprevistas. Ou no comportamento dos seres digitais e nos resultados da pesquisa, é encontrada uma semelhança com as observações na natureza viva. Tais histórias são surpreendentes na evolução que ocorre no mundo digital, mas raramente se encaixam na interpretação científica aceita. Em vez disso, são frequentemente interpretados como apenas alguns dos obstáculos à obtenção de resultados com objetivos definidos deliberadamente.

Os erros são eliminados, os experimentos mudam de direção e alguns momentos surpreendentes se resumem a um resultado específico. Tais histórias são transmitidas oralmente entre os pesquisadores, mas esse método de transmissão de informações não é eficaz, o que leva a distorções e perdas. Além disso, essas histórias são distribuídas, via de regra, entre os próprios pesquisadores, muitos pesquisadores da vida selvagem não
muitas vezes é possível ter uma idéia de como seres digitais interessantes e realistas e seus processos evolutivos podem ser.

Segundo nossos dados, coleções de descrições de tais histórias não foram publicadas antes. Este artigo contém descrições recebidas diretamente de pesquisadores que registraram situações semelhantes no campo da vida artificial e modelagem evolutiva.

Nesse sentido, apresentamos evidências substanciais de que a presença e o significado de "surpresas da evolução" vão além dos limites do mundo da natureza viva, e isso de fato pode ser uma manifestação das propriedades universais de todos os sistemas complexos em evolução.

1. Introdução

A evolução nos apresenta inúmeros exemplos de maneiras paradoxalmente criativas de obter decisões complexas em relação à variabilidade da natureza viva. Por exemplo, alguns tipos de flores têm uma função semelhante a um farol acústico, para atrair morcegos guiados pela ecolocalização, os micróbios extremófilos modificam seu próprio DNA para obter um crescimento bem-sucedido sob condições
radiação forte, besouros bombardeiros repelem predadores por violentas reações químicas, os parasitas reprogramam o cérebro das criaturas em que se instalam, o que causa a morte dessas criaturas, mas garante o bem-estar dos próprios parasitas.

Muitos outros exemplos estão relacionados a uma ampla gama de sistemas biológicos. E mesmo biólogos com grande experiência às vezes se surpreendem quando aprendem sobre as novas formas de adaptação descobertas. Portanto, o processo de evolução biológica é notável por sua incrível criatividade, pelo menos no sentido de gerar soluções inimagináveis ​​e complexas que, ao que parece, podem ser comparadas com soluções criadas por pessoas. Além disso, a criatividade dos processos evolutivos não se limita à esfera do mundo orgânico. Independentemente do meio físico, manifestações da evolução podem ser observadas em todos os lugares onde funções como replicação, variabilidade e seleção estão entrelaçadas.

Nesse sentido, a evolução pode ser confirmada por exemplos do mundo da realidade digital - na forma de programas de computador projetados para experimentos no estudo da evolução ou na solução de problemas de design devido à geração de criaturas digitais. Como a evolução biológica, os experimentos de evolução digital geralmente produzem resultados surpreendentes. Às vezes, a evolução revela erros ocultos de código ou exibe uma convergência impressionante com manifestações biológicas. E, às vezes, através da evolução, surgem decisões sobre as quais os pesquisadores não tinham idéia ou quais eram consideradas impossíveis.

As histórias associadas à evolução digital e “surpreendentes” aos pesquisadores que a estudam são mais do que pequenos artefatos. Tais casos contribuem para os atos de insight e a aquisição de conhecimentos úteis para atividades práticas, pois mostram a onipresença de tais problemas e a possibilidade de superá-los.
por necessidade.

Além disso, tais situações mostram que os modelos evolutivos digitais comprovados não refletem apenas os requisitos estabelecidos pelos criadores, bem como certas distorções. Ao mesmo tempo, eles se mostram suficientemente substanciados com o objetivo de obter resultados inesperados e novos conhecimentos.

Evolução e Criatividade

A evolução da criatividade se torna aparente ao observar a diversidade da vida selvagem. Pensamentos semelhantes foram refletidos por Darwin na conclusão sobre a Origem das espécies, onde é mencionado que a observação das miríades de criaturas biológicas que vivem juntas em uma única área é motivo de reflexão séria - “infinitas formas mais bonitas”.

A variabilidade na vida selvagem se espalha ao longo de eixos como complexidade, organização, habitat, metabolismo e reprodução. Ao mesmo tempo, é traçada uma relação - de procariontes unicelulares a organismos de baleias contendo quadrilhões de células. Desde a origem da vida, a biodiversidade penetrou em todos os lugares, enquanto a evolução conquistou o mar, a terra, o espaço aéreo e tudo isso com a criação de inúmeras opções de adaptação.

A funcionalidade fornecida por essa adaptação excede em muito as capacidades do design inteligente moderno, que até o momento tem como objetivo criar robôs capazes de auto-reprodução confiável, desenvolvimento independente do mundo real ou manifestação de inteligência em um nível comparável ao humano. No entanto, a palavra “criatividade” é semanticamente ambígua e pode ter muitos significados diferentes. Para não se afogar nas discussões sobre manifestações semânticas e filosóficas, e reconhecendo a existência de outras definições e opiniões correspondentes, aceitaremos a "definição padrão": a criatividade gera algo original (novo) e eficaz (funcional). Este critério atende a muitos trabalhos de evolução.

Nesse entendimento, a fonte de criatividade na vida selvagem é o filtro de reprodução. A existência de um filtro desse tipo pode ser realizada de várias maneiras diferentes e, como resultado da evolução, uma massa de resultados heterogêneos é formada. Por exemplo, na natureza existem muitas maneiras de extrair a energia necessária para o funcionamento de fontes inorgânicas (como o sol, ferro, amônia) ou várias estruturas das asas para o vôo entre insetos, pássaros, mamíferos e répteis.

O potencial criativo da evolução também contribui para o auto-alinhamento por meio da interação ambiental. Ao mesmo tempo, a criação de um novo nicho é frequentemente acompanhada pela descoberta de outros nichos, por meio de predação, simbiose, parasitismo ou captura. Embora a evolução revele falta de previsão e intencionalidade (qualidades inerentes à criatividade humana), estruturas evoluindo ao longo de uma das funções, freqüentemente com
Adaptado para outros fins, esse fenômeno é conhecido como exaptação.

Por exemplo, a teoria de que a evolução dos porta-penas primeiro os transformou em dinossauros devido à termorregulação e mais tarde os levou a se adaptar ao voo e à criação de pássaros é generalizada. Mas mesmo na ausência de previsão direta, a pesquisa sobre capacidade de desenvolvimento sugere
somente a arquitetura do genoma pode contribuir para um viés no sentido de aumentar o potencial de criatividade. Um dos componentes da evolução é a pressão da seleção, que faz com que a adaptação das espécies melhore a integração ao meio ambiente e que muitas vezes leva à criatividade dentro das espécies. Ou seja, coexistência
A mudança evolutiva gera o surgimento de soluções eficazes, como melhorar a proteção contra predadores ou contra ocorrências naturais, como vento ou radiação.

Juntamente com a criatividade dentro das espécies, também existem forças evolutivas que contribuem para a divergência da criatividade, o que leva ao acúmulo de novos traços ou nichos. Uma dessas forças é a seleção dependente da frequência negativa; esse fator de incentivo se manifesta quando alguns dos sinais se adaptam apenas em casos raros, o que contribui para a evolução dos organismos com uma demonstração de seus vários caminhos. Outro fator de divergência impulsionado por forças evolutivas é a radiação adaptativa. Ela se manifesta ao acessar novas oportunidades e contribui para a rápida diversificação do corpo com a transformação em várias novas espécies, por exemplo, quando uma nova
recursos como voar.

Assim, a evolução é direcionada à eficiência (adequação e funcionalidade bem-sucedidas), bem como à originalidade, através das forças de otimização da seleção natural e das forças de divergência. Devido a isso, surgem artefatos que satisfazem ambos os critérios da definição padrão de criatividade. Um dos objetivos do artigo é enfatizar que essa criatividade não se limita ao ambiente biológico, mas também é uma propriedade comum da evolução digital.

Evolução digital

Estimulados pelo estudo da evolução biológica, pesquisadores do campo da evolução digital estudam processos ilustrados por métodos computacionais. A idéia principal é que existem princípios abstratos subjacentes à evolução biológica que são independentes do meio físico e que tais princípios podem ser efetivamente aplicados e estudados através de dispositivos de computação.

Nas palavras de um dos pesquisadores de Daniel Dennett, “a evolução acontece sempre e em todos os lugares onde três condições são combinadas: replicação, variabilidade (mutações) e várias condições físicas (competição)”; não requer a presença de moléculas especiais (por exemplo, DNA ou RNA) ou substratos (por exemplo, membranas físicas especiais).

Na natureza, a hereditariedade é organizada através da replicação de moléculas genéticas e a variabilidade através de mecanismos semelhantes aos que copiam erros, bem como a recombinação genética. A seleção na evolução biológica depende substancialmente de quanto sobrevivência e reprodução são condições lógicas para a existência
material genético do corpo. A comparação com a evolução digital leva à opinião de que processos que desempenham as funções de replicação, variabilidade e seleção podem ser implementados em computadores na forma de algoritmos evolutivos (EA).

Por exemplo, a replicação pode ser simulada simplesmente copiando uma estrutura de dados (isto é, um genoma digital) na memória, a variabilidade pode ser representada por perturbações aleatórias de elementos dentro dessa estrutura de dados. A seleção no EA pode ser obtida de várias maneiras, enquanto os dois mais comuns são análogos digitais de
e seleção natural na evolução biológica. As semelhanças e diferenças para esses tipos de pressão de seleção são importantes para a compreensão de muitos resultados da evolução digital, descritos em mais detalhes abaixo.

A seleção artificial na evolução biológica é usada, por exemplo, por criadores de cavalos que decidem quais raças reunir, na esperança de melhorar certas características, por exemplo, ao reduzir os indivíduos mais rápidos ou menores. Com esse método, a seleção reflete os objetivos estabelecidos pelas pessoas. Da mesma forma, na evolução digital, um pesquisador pode introduzir uma função de condicionamento físico como critério para executar automaticamente uma seleção. A função de condicionamento físico é uma métrica que descreve quais fenótipos são preferidos entre outros, e isso reflete o objetivo da evolução digital. Por exemplo, ao usar o EA para design
Uma marcha estável de um robô ambulante, uma função de condicionamento visual ajudaria a medir até onde o robô controlado vai antes de cair. A seleção com esse EA deve ser reduzida a controladores de robôs que alcançam a maior distância, na esperança de que seus descendentes sejam capazes de superar distâncias ainda maiores. Um método de seleção semelhante é mais comum em aplicações de engenharia quando o uso da evolução digital se destina a alcançar o resultado desejado.

Outra maneira comum de seleção digital é usar a seleção natural, semelhante à biológica, quando a evolução não é limitada antecipadamente. A principal diferença em relação ao anterior é que, com esse método, não há resultado predeterminado definido e uma determinada função de condicionamento físico. Ao mesmo tempo, os seres digitais competem na luta por recursos limitados, como nutrientes artificiais. Aqui, são necessárias operações cíclicas do processador central para replicar o código das criaturas ou o local de armazenamento em um meio digital para a gravação de genomas. Ao especificar a variabilidade em uma população, algumas criaturas sobreviverão o tempo suficiente para a reprodução com a reprodução de seu material genético, enquanto outras desaparecerão, e isso fornece uma evolução semelhante à natural.

Normalmente, sistemas de evolução digital e experimentos semelhantes não são implementados diretamente para fins de engenharia 4/30, mas são usados ​​como um meio de estudar os princípios básicos de vida e evolução com configurações mais simples do que na biologia; isto é, eles fornecem modelos de vida artificiais para uso em experimentos evolutivos. Uma interpretação incorreta persistente da evolução digital é porque
Se for iniciado em um computador, a conformidade com os estudos de evolução biológica será perdida. No entanto, através de argumentos filosóficos e publicações relevantes, foi sugerido que a evolução digital pode ser uma ferramenta útil para facilitar e complementar a pesquisa sobre evolução biológica. De fato, esses sistemas em evolução podem ser considerados como encarnações reais da evolução, e não apenas como simulações.

Algoritmos e simulações - surpresas

Em primeiro lugar, pode parecer óbvio que uma classe de algoritmos possa surpreender sistematicamente seus compiladores. Ao mesmo tempo, damos uma definição bastante ampla de surpresa, pois observamos um resultado que difere significativamente das expectativas, sejam elas devido à intuição, previsões como resultado da experiência adquirida ou devido a
modelos teóricos. Como o algoritmo é uma lista formal de instruções inequívocas executadas em uma ordem específica, parece bastante suficiente verificar a descrição do algoritmo para prever toda a gama de resultados possíveis, contrariando qualquer possibilidade de surpresas. Além disso, decorre da teoria da ciência da computação que, para muitos programas de computador, o resultado da execução
não pode ser previsto sem a execução de um programa. No campo da pesquisa de sistemas complexos, também é conhecido que programas simples podem produzir resultados complexos e, às vezes, até surpreendentes, quando executados.

Esse é um fato básico que, acima de tudo, contradiz a intuição. A interação entre vários produtos de software modernos, projetada especificamente para obter resultados previsíveis, parece impedir antecipadamente a manifestação de qualquer surpresa. Mas ainda assim, se a manifestação de inovações surpreendentes é característica de
evolução biológica, devem-se esperar manifestações semelhantes em modelos de computador que ilustrem os aspectos fundamentais do processo de evolução. Oferecemos evidências informais do potencial da evolução digital para produzir resultados imprevisíveis; e as diversas manifestações apresentadas abaixo demonstram como esses resultados surpreendentes são comuns e generalizados na prática. É importante observar também esse aspecto do ser humano
psicologia, como uma tendência para julgamentos tardios, o que muitas vezes dificulta a compreensão do significado da surpresa em vista de sua percepção subjetiva por outra pessoa.Ou seja, as pessoas costumam exagerar a previsibilidade de um evento, após sua ocorrência. Ao mesmo tempo, muitos dos casos apresentados abaixo podem iniciar uma compreensão dos
resultados após o fato, o que pode levar o leitor a negar alguma manifestação surpreendente.

Classificação da Criatividade da Evolução Digital

A seguir, 27 casos interessantes relacionados ao trabalho de 50 pesquisadores.
Dividimos esses casos condicionalmente em 4 categorias:

• seleção furiosa, quando a evolução digital mostra uma discrepância entre o que os experimentadores pedem e o que pensam quando solicitados;
• depuração inadvertida, a evolução digital detecta e usa erros de software ou hardware anteriormente desconhecidos;
• Excedendo as expectativas, a evolução digital descobre soluções que excedem as expectativas;
• convergência com a biologia, a evolução digital descobre soluções convergentes às encontradas na natureza, apesar de discrepâncias significativas em relação à mídia e às condições.

Seleção furiosa

Ao resolver problemas práticos, a abordagem mais comum entre os pesquisadores é a escolha da função de condicionamento físico, que reflete o objetivo desejado do estudo. Como tais funções de condicionamento físico, muitas vezes são definidas medidas quantitativas simples que parecem óbvias, a fim de cobrir as características básicas para obter um resultado bem-sucedido.



Fig. 1 Uso de energia potencial para movimento. A evolução revela que é mais fácil criar estruturas altas que realizam uma queda racional do que procurar estratégias para o movimento ativo. Esquerda: criatura no início da tentativa. Direita: momentos de queda e cambalhota para manter o momento.

Esses procedimentos são acionadores de EA, pois servem como "funis" para pesquisas diretas. O "melhoramento" é destinado a criar criaturas com uma avaliação mais alta da aptidão física, na esperança de que isso leve a mais melhorias na aptidão física e certamente leve ao resultado desejado. Isso é semelhante ao processo de criação de raças de animais e é baseado nos mesmos princípios de evolução para obter um determinado
resultado.

No entanto, como mostrado abaixo, as medições quantitativas realizadas com boas intenções geralmente são maximizadas por meios não óbvios. Além disso, os pesquisadores geralmente superestimam a precisão com que as medidas quantitativas refletem o resultado qualitativo subjacente implícito pelos próprios pesquisadores. Este é um erro conhecido como conflito de mapa-território (por exemplo, a métrica é um mapa e o pesquisador implica um território válido;)

Ou seja, frequentemente para a evolução, a exploração de lacunas no procedimento para realizar medições quantitativas é funcionalmente mais simples do que alcançar o resultado real desejado. Além disso, sistemas de indicadores criados com precisão na sociedade humana com bons objetivos podem ser destruídos com um impacto direto em sua otimização (a chamada lei de Campbell ou a lei de Goodhart). E a evolução digital geralmente age para cumprir a letra da lei (ou seja, sobre a função da aptidão)
, ignorando seu próprio significado.

Por que andar se você pode dar cambalhotas?

No trabalho fundamental (1994, Karl Sims), evoluem criaturas virtuais tridimensionais capazes de descobrir comportamentos como caminhar, nadar e pular em um ambiente físico simulado. Os corpos das criaturas são feitos de blocos conectados. Seus cérebros são realizados através de redes neurais simples que geram um momento variável nas articulações com base nas sensações dos membros, com a execução de um
movimento que parece realista. Os sistemas de estrutura e controle evoluíram simultaneamente, o que possibilitou a obtenção de todos os tipos de corpos e estratégias de movimento. De fato, essas criaturas continuam sendo os produtos mais comuns da evolução digital.

No entanto, quando os Sims tentaram implementar a evolução do comportamento durante o movimento, surgiram dificuldades. Em uma área simulada com presença de gravidade e atrito, a aptidão das criaturas foi medida como a velocidade média de movimento sobre a superfície durante um período de vida de 10 segundos simulados. Em vez de gerar articulações inteligentes ou movimentos semelhantes a cobras, o que poderia ajudar a empurrá-las
ao longo da superfície (como esperado), as criaturas cresceram altas e rígidas. Durante a simulação, eles tendiam a virar, usando sua própria energia potencial original para obter alta velocidade. E alguns até caíram para aumentar a velocidade horizontal (Fig. 1). Para evitar esses “truques”, é necessário atribuir um intervalo de tempo no início de cada simulação para liberar a
energia potencial inerente às criaturas na posição inicial antes que seus movimentos produzam resultados.



Fig. 2. Uso de energia potencial para salto com vara.
A Evolution acha que é mais fácil gerar criaturas que caem e rolam do que criar mecanismos para ativar saltos.

Baseado no trabalho do autor de Sims, mas usando uma plataforma de simulação diferente, o pesquisador Krcah trouxe criaturas para realizar saltos acima da superfície até a maior altura possível. Na primeira série de experimentos, a aptidão de cada organismo foi calculada como a elevação máxima do centro de gravidade a uma altura. Como resultado, criaturas com uma altura de 15 cm foram criadas, saltando 7 cm da superfície. Ao mesmo tempo, os seres também se levantaram acidentalmente, atingindo um alto grau de condicionamento, criando um corpo na forma de uma torre estática alta, proporcionando ascensão sem nenhum movimento. Em uma tentativa de corrigir essa lacuna na próxima série de experimentos, a adequação foi calculada como a maior distância da superfície ao nó que estava originalmente mais próximo da superfície. Ao avaliar os resultados quantitativos de um experimento,para surpresa dos pesquisadores, algumas criaturas se tornaram muito altas e também mostraram
melhoria quase dez vezes maior no salto! Ao mesmo tempo, descobriu-se que a evolução mostra um "truque" como cambalhota sem saltos. O corpo em evolução consistia em vários blocos grandes e lembrava uma cabeça apoiada por um longo mastro vertical (fig. 2).

No início da simulação, a criatura empurrou a perna longa para fora da superfície e começou a cair de cabeça primeiro, com um salto mortal da perna (inicialmente o ponto mais baixo a partir do qual o valor do salto foi calculado) da superfície. Isso criou uma grande lacuna entre a superfície e o ponto inferior, mantendo um alto valor de condicionamento físico, sem qualquer treinamento em habilidades óbvias de salto.

Link para o vídeo .

Depuração inadvertida

Os exemplos a seguir mostram como elementos com falha de criaturas virtuais podem se tornar capazes de adaptação imprevista.

Recuperar recursos desativados

Um EA chamado MAP-Elites foi usado para investigar a possível interação do braço do robô com um pequeno cubo colocado na mesa. O objetivo do estudo é a geração e o acúmulo de vários controladores que podem mover o cubo para vários lugares da mesa. Com as configurações usuais, o software MAP-Elites é capaz de mover o cubo ao redor da mesa, agarrá-lo e até soltá-lo na cesta localizada na frente da mão
do robô. Para um experimento subseqüente, o punho do robô foi danificado, impedindo sua abertura / fechamento. Era esperado que a mão fosse capaz de mover o cubo apenas de uma certa maneira, ou seja, estupidamente empurrá-lo. No entanto, o MAP-Elites descobriu uma maneira complicada: empurre o cubo com a garra apenas em uma determinada direção, solicitando a abertura da garra para que
ele segure o cubo com segurança (Fig. 4)!



Fig. 4. (a) o braço do robô em sua posição inicial, com um punho fechado
(b) a mão empurra o cubo em direção à base da mão
© a mão move o cubo para mais perto da base e executa um movimento rápido,
deslizando sobre a mesa, fazendo com que os dedos se abram e
agarrem o cubo.
(d) a mão move o cubo preso na garra para uma nova posição.

Link para o vídeo .

Resultados Superados

Ajoelhado

Foi introduzido um algoritmo que permitiu que um robô danificado se adaptasse com êxito em dois minutos. Estudamos a evolução dos danos ao sexto robô - andando com pernas ou motores danificados (Fig. 5). Antes do teste, os pesquisadores combinaram a evolução digital com um simulador de robô com o objetivo de treinamento primário em várias estratégias de caminhada. Após o dano, o robô teve que usar a experiência adquirida com a evolução simulada para aprender rapidamente durante os testes em um ambiente real.

Para implementar a evolução de vários métodos de caminhada, foi utilizado o algoritmo evolutivo MAP-Elites, que buscava o organismo mais adaptado para cada combinação específica de determinadas dimensões (ou seja, possíveis métodos implementados por fenótipos). Nesse caso, 6 dimensões de variabilidade correspondiam a frações de tempo (usadas por cada uma das pernas); A fração relativa do tempo em que a superfície dos pés tocou em cada pé foi medida. Assim, o algoritmo evolutivo procurou a maneira mais rápida de caminhar a cada frequência específica de tocar a superfície dos pés de cada perna do sexto robô. Ao mesmo tempo, a opção de evolução foi considerada impossível quando nenhuma das seis pernas tocou a superfície, ou seja, o toque correspondeu a um intervalo de tempo de 0%.



No entanto, o robô rolou de costas e se ajoelhou (virado para trás), com os pés no ar! (fig. 6).

O vídeo demonstra os vários padrões de caminhada encontrados, incluindo o mencionado
(no tempo 1: 49).

Link para o vídeo .

Viagem mais rápida - nem sempre em linha reta

Os pesquisadores Richard Watson e Sevan Ficici estudaram o comportamento dos robôs, com duas rodas, dois motores e dois sensores. Robôs deste tipo são bem conhecidos, são mencionados no livro, onde é afirmado que a conexão das entradas do sensor com as saídas do motor, feitas de certa maneira, causa um comportamento semelhante ao de seguir um feixe de
luz. Por exemplo, quando o momento do motor da roda direita é proporcional à intensidade da luz detectada pelo sensor esquerdo e, consequentemente, para a roda esquerda, pelo sensor direito, o robô se move na direção da fonte de luz. Nesta experiência, os pesos para as conexões entre as entradas do sensor e as velocidades das rodas foram determinados pela evolução. Nesse caso, a verdade da declaração mencionada no livro foi verificada.

Quando os robôs em evolução se moviam na direção da fonte de luz, eles geralmente agiam de maneira imprevisível. Alguns voltaram para a fonte quando o sensor foi escurecido, outros procuraram a fonte usando uma trajetória excêntrica, e não de acordo com a afirmação verificada (Fig. 7). Verificou-se que essa trajetória com turbilhão é mais fácil de ajustar devido à curvatura ou ao endireitamento da curva ao seguir a fonte. Os autores descobriram que a região da pesquisa genética que leva ao turbilhão é muito ampla, enquanto a solução clássica de acordo com a afirmação acima requer um equilíbrio preciso (por exemplo, com uma ligeira mudança da direção horária para a oposta, Fig. 7) e corresponde a uma região relativamente estreita pesquisa genética. Além disso, apesar da ineficiência observada,o turbilhão é mantido mesmo em velocidades mais altas, em contraste com a solução clássica, quando a regulação suficientemente rápida é impossível em altas velocidades do motor. Além disso, o giro é mais confiável ao usar várias unidades em robôs individuais e, ao mesmo tempo, é menos provável que eles fiquem presos nas laterais do local de teste.



Fig. 7. O robô seguindo a fonte de luz. Esquerda: solução clássica. Certo: girando através da evolução.

Convergência com Biologia

Induzida por estudos de evolução biológica, a evolução digital exibe naturalmente princípios básicos semelhantes, como seleção, variabilidade e herdabilidade. Ao mesmo tempo, não há certeza de que a evolução digital se manifeste nos casos de comportamento específico e também na natureza, devido a uma ampla variedade de fatores de
nível inferior : o grau de mutações, o tamanho do genoma, o seguimento de fenótipos a genótipos (mapeamento), tamanhos populacionais, morfologia, tipos de interações, a complexidade do ambiente. Além disso, na prática, é interessante observar casos dessa convergência.

Evolução óssea e muscular

No estudo de criaturas virtuais, a evolução mostrou estratégias de movimento semelhantes às observadas nas criaturas biológicas (Fig. 11). Acima está o movimento de uma criatura semelhante a uma minhoca. O Evolution redescobre os benefícios do uso de grupos musculares complementares (anti-direcionais), como bíceps e tríceps em humanos, e sua colocação ideal. O resultado da evolução de um material semelhante ao osso para suportar nós mais finos é mostrado abaixo, o que permite que eles sejam mais longos e mais finos sem perda de capacidade de suporte. O resultado é um tipo de galope comum aos cavalos.

Fig. 11. Cores diferentes mostram os elementos da imagem tridimensional:
vermelho e verde - grupos musculares agindo de maneira oposta,
azul e azul - materiais de suporte duros e macios.



Acima, é mostrado como várias zonas de cada músculo evoluem.

Crosspost