Ces dernières années, les modèles fondamentaux (FM) ont été de plus en plus utilisés dans la recherche scientifique, apportant un espoir de changement dans de nombreux domaines. Cependant, l’utilisation des FM dans le domaine de la vie artificielle (ALife) en est encore à ses balbutiements et un énorme potentiel de développement reste à exploiter. Cet article présente une nouvelle méthode appelée « Recherche automatique de la vie artificielle » (ASAL), qui utilise intelligemment le modèle de base du langage visuel pour réduire considérablement le fardeau de la dépendance à long terme à la conception manuelle et aux essais et erreurs dans la recherche sur la vie artificielle, et Ce domaine apporte de nouveaux paradigmes de recherche.
Ces dernières années, avec des percées majeures dans la découverte de protéines ayant abouti à l'attribution du prix Nobel, le potentiel des modèles fondamentaux (FM) dans l'exploration de grands espaces combinatoires a progressivement émergé, annonçant des changements possibles dans de multiples domaines scientifiques. Malgré cela, le domaine de la vie artificielle (ALife) n’a pas pleinement exploité ces modèles fondateurs, ce qui offre à ce domaine d’énormes opportunités de développement.
À cette fin, l'équipe de recherche a proposé pour la première fois une méthode appelée « Recherche automatique de vie artificielle » (ASAL), grâce au modèle de base du langage visuel, qui peut réduire efficacement le fardeau de la conception manuelle et des essais et erreurs que représente le domaine. la vie artificielle a longtemps compté.
Les principales capacités de la méthode ASAL sont les suivantes : premièrement, elle peut trouver des simulations qui produisent des phénomènes spécifiques ; deuxièmement, elle peut découvrir des simulations qui produisent des nouveautés temporellement ouvertes et enfin, elle peut afficher de manière exhaustive une variété d'espaces de simulation intéressants et diversifiés. La polyvalence de cette approche lui permet d’être appliquée efficacement à une variété de substrats de vie artificielle, notamment les Boids, Particle Life, Game of Life, Lenia » et « Neuronal Cellular Automata », etc.
Les résultats de la recherche montrent que la méthode ASAL a permis de découvrir des formes de vie inédites de Lenia et de Boids, ainsi que des automates à cellules ouvertes similaires au jeu de la vie de Conway. De plus, l’application de modèles de base permet de quantifier des phénomènes qui n’étaient quantifiables que dans le passé. Ce nouveau modèle de recherche devrait transcender la simple créativité humaine et accélérer les progrès de la recherche sur la vie artificielle.
Cette étude propose également une mise en œuvre simple d’ASAL, permettant aux chercheurs de démarrer rapidement. Le code est implémenté à l'aide du framework Jax, qui possède des capacités de traitement rapide de bout en bout. Le code principal comprend la création de modèles de base, de substrats, l'expansion efficace des simulations et le calcul des métriques ASAL. L'équipe de recherche a mis en œuvre une variété de substrats de vie artificielle et les utilisateurs peuvent évaluer l'ouverture de la simulation en exécutant le code fourni.
Pour les chercheurs qui souhaitent exécuter le projet localement, il est recommandé de d'abord cloner la base de code, configurer l'environnement Python et installer les bibliothèques dépendantes pertinentes. Parallèlement, l'équipe de recherche propose également des blocs-notes disponibles sur la plateforme Google Colab pour permettre aux utilisateurs de démarrer rapidement.
Entrée du projet : https://github.com/sakanaai/asal
Souligner:
L'équipe de recherche a proposé la méthode "Recherche automatique de vie artificielle" (ASAL) pour utiliser des modèles de base afin de réduire le fardeau de la conception traditionnelle.
ASAL permet la découverte de simulations spécifiques à des phénomènes, de nouvelles simulations ouvertes et la présentation d'un espace de simulation diversifié.
Les résultats de la recherche ont permis de découvrir de nouvelles formes de vie et de quantifier des phénomènes qualitatifs antérieurs, favorisant ainsi le développement de la recherche sur la vie artificielle.
L’émergence de la méthode ASAL marque l’entrée de la recherche sur la vie artificielle dans une nouvelle ère d’automatisation. Cette méthode améliore non seulement l’efficacité de la recherche, mais, plus important encore, elle repousse les limites de la compréhension humaine du phénomène de la vie artificielle, fournissant ainsi un outil puissant et une nouvelle perspective pour le développement futur de la recherche sur la vie artificielle. Je crois qu'avec les progrès continus de la technologie, la méthode ASAL nous apportera des découvertes encore plus inattendues.