Tim Sakana AI telah membuat terobosan besar dalam penelitian simulasi kehidupan buatan (ALife) dan berhasil mengembangkan sistem ASAL (Automatic Search for Artificial Life), yang menggunakan model dasar bahasa visual (FM) untuk secara otomatis mencari simulasi ALife yang menarik, benar-benar berubah kehidupan buatan tradisional. Studi tentang kehidupan bergantung pada desain buatan dan model coba-coba. ASAL telah menemukan bentuk kehidupan yang belum pernah dilihat sebelumnya dalam matriks ALife yang berbeda melalui tiga mekanisme: pencarian target yang diawasi, pencarian terbuka dan pencarian heuristik, dan mendukung analisis kuantitatif terhadap fenomena yang hanya dapat dianalisis secara kualitatif di masa lalu penelitian di bidang ini.
Baru-baru ini, para ilmuwan di Sakana AI telah membuat kemajuan terobosan di bidang kecerdasan buatan. Untuk pertama kalinya, mereka berhasil menggunakan model dasar bahasa penglihatan (FM) untuk menerapkan simulasi pencarian otomatis kehidupan buatan (Artificial Life, ALife). Metode baru yang diberi nama ASAL (Automated Search for Artificial Life) ini telah membawa perubahan revolusioner pada penelitian di bidang kehidupan buatan dan diharapkan dapat mempercepat pengembangan bidang tersebut.
Penelitian kehidupan buatan tradisional terutama mengandalkan desain buatan dan trial and error, namun kemunculan ASAL telah mengubah situasi ini. Inti dari metode ini adalah secara otomatis mencari simulasi ALife yang menarik dengan mengevaluasi video yang dihasilkan simulasi melalui model yang mendasarinya. ASAL terutama menemukan bentuk kehidupan melalui tiga mekanisme:
Pencarian target yang diawasi: Gunakan petunjuk tekstual untuk menemukan simulasi yang menghasilkan fenomena tertentu. Misalnya, peneliti dapat menetapkan sasaran "satu sel" atau "dua sel" dan membiarkan sistem secara otomatis menemukan simulasi yang memenuhi kriteria. Pencarian terbuka: mencari simulasi yang menghasilkan kebaruan tanpa akhir dalam waktu. Pendekatan ini membantu menemukan simulasi yang tetap menarik bagi pengamat manusia. Pencarian Heuristik: Temukan serangkaian simulasi menarik dan beragam yang mengungkap "dunia asing".
Fleksibilitas ASAL memungkinkannya diterapkan secara efektif pada berbagai matriks ALife, termasuk Boids, Particle Life, Game of Life, Lenia, dan Neural Cellular Automata. Para peneliti telah menemukan bentuk kehidupan yang belum pernah dilihat sebelumnya dalam matriks ini, seperti pola pengerumunan yang aneh di Boids, sel baru yang dapat mengatur dirinya sendiri di Lenia, dan automata seluler terbuka yang mirip dengan Game of Life karya Conway.
Selain itu, ASAL memungkinkan analisis kuantitatif terhadap fenomena yang sebelumnya hanya mungkin dianalisis secara kualitatif. Model yang mendasarinya memiliki kemampuan representasi mirip manusia, yang memungkinkan ASAL mengukur kompleksitas dengan cara yang lebih konsisten dengan kognisi manusia. Misalnya, peneliti dapat mengukur dataran tinggi dalam simulasi Lenia dengan mengukur seberapa cepat vektor CLIP berubah selama simulasi.
Inovasi penelitian ini adalah penggunaan model dasar yang telah dilatih sebelumnya, khususnya model CLIP (Contrastive Language-Image Pre-training), untuk mengevaluasi video simulasi. Model CLIP menyelaraskan representasi gambar dan teks melalui pembelajaran kontrastif, memungkinkannya memahami konsep kompleksitas manusia. Pendekatan ASAL tidak terbatas pada model dasar atau matriks simulasi tertentu, yang berarti pendekatan ini kompatibel dengan model dan matriks masa depan.
Para peneliti juga secara eksperimental memverifikasi efektivitas ASAL, menggunakan model dasar yang berbeda (seperti CLIP dan DINOv2) dan matriks ALife yang berbeda untuk pengujian. Hasilnya menunjukkan bahwa CLIP sedikit lebih baik daripada DINOv2 dalam menghasilkan keragaman yang konsisten dengan kognisi manusia, namun keduanya secara signifikan lebih baik daripada representasi piksel tingkat rendah. Hal ini menyoroti pentingnya menggunakan representasi model yang mendasarinya untuk mengukur konsep keanekaragaman manusia.
Penelitian ini membuka jalan baru di bidang kehidupan buatan, memungkinkan peneliti untuk fokus pada pertanyaan tingkat tinggi, seperti cara terbaik untuk menggambarkan fenomena yang kita inginkan terjadi, dan kemudian membiarkan proses otomatis menemukan hasil tersebut. Kemunculan ASAL tidak hanya membantu para ilmuwan menemukan bentuk kehidupan baru, tetapi juga menganalisis kompleksitas dan keterbukaan simulasi kehidupan secara kuantitatif. Pada akhirnya, teknologi ini diharapkan dapat membantu manusia memahami hakikat kehidupan dan segala bentuk kehidupan di alam semesta.
Kode proyek: https://github.com/SakanaAI/asal/
Alamat makalah: https://arxiv.org/pdf/2412.17799
Kemajuan terobosan ASAL telah membawa kemungkinan-kemungkinan baru dalam penelitian kehidupan buatan. Kemampuan pencarian otomatisnya yang efisien dan metode analisis kompleksitasnya yang kuantitatif akan sangat mendorong pengembangan bidang ini dan memberikan peluang baru bagi kita untuk memahami hakikat kehidupan. Di masa depan, ASAL dapat digunakan di lebih banyak bidang dan berkontribusi dalam mengeksplorasi misteri kehidupan.