数字进化的惊人创造力

本文包含直接从研究人员那里得到的描述,这些研究人员记录了人造生命和进化建模领域的类似情况。 我们提供了大量证据,证明“进化的惊奇”的存在和意义超越了野生动植物的世界……

从进化计算和人工生命研究实践中收集的案例

英语文章 “数字进化的惊人创造力” 的节略翻译
进化计算和人工生命研究社区的轶事集

注解


进化过程是多种适应选择的兴旺来源。 进化的创造潜力不仅限于野生动植物世界:计算机建模产生的人工生物可以迷惑自己的创造者。

进化算法有助于超越它们出现的框架。 此外,该领域的许多研究人员可以提供示例,说明他们创建的算法和人工生物如何惊人地破坏期望和意图。 发生这种情况的原因是程序代码中出现了无法识别的错误,并且创建了无法预料的适配选项。 或者,在数字生物的行为和研究结果中,发现了与自然界观察的相似之处。 这样的故事在数字世界的发展中令人惊讶,但很少适合公认的科学解释。 取而代之的是,它们通常被解释为故意设定目标来获得结果的一些障碍。

错误消除了,实验改变了方向,一些惊人的时刻归结为特定的特定结果。 这样的故事是在研究人员之间通过口头传播的,但是这种传递信息的方法并不有效,这会导致失真和损失。 而且,这类故事通常是在实验人员之间散布的,因此许多野生动植物研究人员没有
人们通常可能会想到有趣的,现实的数字生物及其进化过程。

根据我们的数据,此类故事的描述集合以前从未发布过。 本文包含直接从研究人员那里得到的描述,这些研究人员记录了人造生命和进化建模领域的类似情况。

在这方面,我们提供了充分的证据,证明“进化的惊奇”的存在和意义超越了自然界的界限,而这实际上可以证明所有复杂的进化系统的普遍特性。

引言


进化论为我们提供了无数反常创新方法的示例,这些方法获得了关于自然界可变性的复杂决策。 例如,某些类型的花具有类似于声学信标的功能,以吸引受回声定位引导的蝙蝠,极端微生物可修饰其自身的DNA以在条件下成功生长
强烈的辐射,庞巴的甲虫通过剧烈的化学反应驱赶天敌,寄生虫对它们所定居的生物的大脑进行重新编程,这导致这些生物死亡,但确保了寄生虫自身的福祉。

许多其他示例涉及广泛的生物系统。 甚至具有丰富经验的生物学家有时在了解新发现的适应方法时也会感到惊讶。 因此,生物进化的过程以其惊人的创造力而著称,至少在产生难以想象和复杂的解决方案的意义上如此,这似乎可以与人类创造的解决方案进行比较。 此外,进化过程的创造力不仅限于有机世界的范围。 不论物理介质如何,在诸如复制,可变性和选择等功能交织在一起的任何地方都可以观察到进化的表现。

在这方面,进化可以通过数字现实世界中的例子来确认,形式可以是设计用于实验研究进化的计算机程序,也可以是通过生成数字生物来解决设计问题。 像生物进化一样,数字进化实验通常会产生令人惊讶的结果。 有时进化会揭示隐藏的代码错误,或与生物学表现形式惊人地融合。 有时,通过进化,研究人员会做出决定,哪些决定使研究人员不知道,哪些认为不可能。

与数字进化相关的故事并“震惊”了研究数字进化论的研究人员,而不仅仅是些微的人工制品。 这些案例有助于洞察和获取对实践活动有用的知识,因为它们显示了此类问题的普遍性和克服这些问题的可能性。
根据需要。

而且,这种情况表明,经过验证的数字进化模型不仅反映了创作者提出的要求以及某些失真。 同时,为了获得意想不到的结果和新知识,它们被充分证实了。

进化与创造力


当观察野生动植物的多样性时,创造力的演变就变得显而易见。 达尔文在《物种起源》的结论中也反映了类似的想法,其中提到观察到在一个区域中生活在一起的无数生物的想法是认真思考的原因-“无休止的形式最美丽”。

野生生物的变异性沿着复杂性,组织,栖息地,新陈代谢和繁殖等轴心扩散。 同时,从单细胞原核生物到含有四极细胞的鲸鱼生物都可以追溯到这种关系。 自生命起源以来,生物多样性已渗透到各处,而进化则通过创造了无数种适应选择,征服了海洋,陆地,领空以及所有这些。

这种改编提供的功能远远超过了现代智能设计的能力,到目前为止,其目的是创建能够可靠地自我复制,真实世界独立发展或能够以与人类相当水平的智能体现的机器人。 但是,“创造力”一词在语义上是模棱两可的,可以有许多不同的含义。 为了避免淹没在关于语义和哲学表现形式的讨论中,并认识到其他定义和相应观点的存在,我们将采用“标准定义”:创造力产生原创性的(新的)和有效的(功能性的)东西。 这个标准符合许多进化的工作。

根据这种理解,野生动植物的创造力源是回放过滤器。 可以以许多不同的方式来实现这种滤波器的存在,并且作为进化的结果,形成了大量的异构结果。 例如,在自然界中,有许多方法可以从无机资源(例如太阳,铁,氨)或各种机翼结构中提取功能所需的能量,以在昆虫,鸟类,哺乳动物和爬行动物之间飞行。

进化的创造潜能还通过环境相互作用促进自我调整。 同时,通过掠食,共生,寄生或捕获,发现其他生态位通常伴随着新生态位的建立。 尽管进化表明缺乏远见和意图(人类创造力固有的素质),但结构沿一种功能演变,通常具有
出于其他目的,这种现象被称为逃避。

例如,羽毛承运人的进化首先由于温度调节而使其变成恐龙,然后使其适应飞行和繁殖鸟类的适应性理论得到了广泛的应用。 但是,即使没有直接的远见,对发展能力的研究也表明
单靠基因组架构会导致偏向于增加创造潜能。 进化的组成部分之一是选择的压力,选择的压力导致物种的适应性提高与环境的融合,并常常导致给定物种内的创造力。 即共存
进化的变化带来了有效的解决方案的出现,例如改善对天敌或自然风(例如风或辐射)的防护。

除物种内的创造力外,还存在促进创造力差异的进化力,这导致新性状或生态位的积累。 一种这样的作用力是负的频率依赖性选择。 当某些迹象仅在极少数情况下适应时,这种激励因素就会显现出来,从而通过各种途径证明了生物的进化。 由进化力驱动的另一个发散因子是自适应辐射。 它在获得新机会时表现出来,并通过转变为许多新物种,例如在
飞行之类的功能。

因此,通过优化自然选择力和发散力,进化都指向效率(成功的适应性和功能性)以及独创性。 因此,出现了满足创造力标准定义的两个标准的伪像。 本文的目标之一是强调这种创造力不仅限于生物环境,而且还是数字进化的共同属性。

数字进化


受生物进化研究的刺激,数字进化领域的研究人员通过计算方法说明了研究过程。 主要思想是存在生物学进化的抽象原理,这些抽象原理与物理介质无关,并且可以通过计算设备有效地应用和研究这些原理。

用丹尼尔·丹尼特(Daniel Dennett)的一位研究人员的话来说,“进化总是在结合了三个条件的任何地方发生:复制,可变性(变异)和各种适应性(竞争)”; 它不需要特殊分子(例如DNA或RNA)或底物(例如特殊物理膜)的存在。

在自然界中,遗传是通过复制遗传分子来组织的,而变异性则是通过类似于复制错误的机制以及遗传重组来实现的。 生物进化的选择很大程度上取决于生存和繁殖的多少是存在的逻辑条件
身体的遗传物质。 与数字进化的比较导致人们认为,可以在计算机上以进化算法(EA)的形式来执行执行复制,可变性和选择功能的过程。

例如,复制可以简单地通过将数据结构(即,数字基因组)复制到存储器中来模拟,可变性可以由这种数据结构内的元素的随机扰动来表示。 EA的选择可以通过多种方式获得,而最常见的两种是人工的数字类似物
生物进化中的自然选择。 这些类型的选择压力的相似性和差异对于理解许多数字进化的结果很重要,下面将对此进行详细描述。

例如,马匹育种者在生物进化中使用人工选择,他们决定将哪些品种放在一起,以期希望改善某些特征,例如减少最快或最小的个体。 通过这种方法,选择反映了人们设定的目标。 类似地,在数字进化中,研究人员可以引入适应度函数作为自动执行选择的标准。 适应度函数是一个度量标准,描述了哪些表型是首选的,这反映了数字进化的目标。 例如,使用EA进行设计时
步行机器人的步态稳定,视觉适应功能将有助于测量受控机器人在跌落之前要走多远。 使用这种EA的选择应该减少到实现最大距离的机器人控制器,以希望其后代能够克服更大的距离。 当使用数字进化来获得期望的结果时,类似的选择方法在工程应用中是最常见的。

数字选择的另一种常见方式是在不预先限制进化的情况下,使用类似于生物学的自然选择。 与前一种方法的主要区别在于,使用此方法没有明确的预定结果和给定的适应度函数。 同时,数字生物在争夺有限资源(例如人造营养素)的斗争中竞争。 在此,需要中央处理器的循环操作来复制生物代码或数字介质上的存储位置,以记录基因组。 当指定种群的变异性时,某些生物将随着其遗传物质的繁殖而存活足够长的时间,以进行繁殖,而另一些生物将消失,这提供了与自然相似的进化。

通常,数字进化系统和类似的实验不是直接为4/30工程目的而实现的,而是用于通过比生物学更简单的设置来研究生命和进化的基本原理的方法。 也就是说,它们提供了用于进化实验的人工生命模型。 对数字进化的一种持续的误解是因为它
如果它是在计算机介质上启动的,那么将失去对生物学进化研究的依从性。 但是,通过哲学论证和相关出版物,都提出了数字进化可以成为促进和补充生物进化研究的有用工具。 实际上,这样的进化系统可以被视为进化的真实体现,而不仅仅是其模拟。

算法和仿真-惊喜


首先,一类算法可能会系统地使编译器感到惊讶,这似乎并不明显。 同时,我们给出惊喜的一个相当宽泛的定义,即观察到的结果与预期有显着差异,无论是由于直觉,根据经验获得的预测,还是由于
理论模型。 由于该算法是按特定顺序执行的明确指令的正式列表,因此检查算法说明以预测可能的结果的全部范围似乎就足够了,从而消除了任何可能的意外情况。 而且,根据计算机科学理论,对于许多计算机程序来说,执行的结果
不运行程序就无法预测。 在复杂系统研究领域,众所周知,简单的程序在执行时会产生复杂的甚至是令人惊讶的结果。

这是一个基本事实,最重要的是与直觉相矛盾。 专门设计用于获得可预测结果的几种现代软件产品之间的交互似乎排除了任何意外的出现。 但是,如果令人震惊的创新的体现是
生物进化,那么应该从说明进化过程基本方面的计算机模型获得类似的表现。 我们提供了非正式证据,证明了数字进化产生不可预测结果的潜力; 下面展示的各种表现方式证明了这些惊人结果在实践中是多么普遍和广泛。 同样重要的是要注意人类的这一方面
心理学作为一种迟来的判断的倾向,鉴于另一个人的主观感知,常常使人们难以理解惊奇的重要性。 , , , . ,
, - .


27 , 50- .
4 :

  • , , , ;
  • , ;
  • , , ;
  • , , , .


— , . , .

图片

1 . , , , . : . : .

EA, «» . « » , , .
.

, , . , , . (, , ;).

, , . ( Campbell's law Goodhart's law). ( , )
.

, ?


(1994, Karl Sims) 3- , , . . , ,
, . , . , .

Sims , . , 10 . ,
( ), . , . (. 1). «»
, , - .

图片

2. .
, , , .

Sims, , Krcah . . 15 , 7 . , , - . , . , ,
! , , «» . , , (. 2).

, ( , ) . , - .

.


, .


EA MAP-Elites , . — , . MAP-Elites , ,
. , /. , , . MAP-Elites : , ,
(. 4)!

图片

4.(a) ,
(b)
© ,
, ,
.
(d) .


.

,



, . — (. 5). . , , .

MAP-Elites, ( , ). 6 ( ); . , . , , , 0%.

图片

( ), ! (. 6).

,
( 1:49).

.


Richard Watson Sevan Ficici , , . , , , , , ,
. , , , , — , . . .

, . , , (. 7). , , . , , , , (, , . 7) . , , , , . , «» .

图片

7. , . : . : , .



, , , , . , , , -
: , , (), , , , . , .


, (. 11). , . () , , . , . , .

11. :
— , ,
— .


图片

, .

c

Source: https://habr.com/ru/post/zh-CN438302/


All Articles