Dalam beberapa tahun terakhir, model fundamental (FM) semakin banyak digunakan dalam penelitian ilmiah, sehingga membawa harapan akan perubahan di banyak bidang. Namun, pemanfaatan FM di bidang kehidupan buatan (ALife) masih dalam tahap awal, dan potensi pengembangan yang besar masih harus dimanfaatkan. Artikel ini memperkenalkan metode baru yang disebut "Pencarian Otomatis untuk Kehidupan Buatan" (ASAL), yang secara cerdik memanfaatkan model dasar bahasa visual untuk mengurangi beban ketergantungan jangka panjang pada desain manual dan uji coba dalam penelitian kehidupan buatan, dan menyediakan Bidang ini membawa paradigma penelitian baru.
Dalam beberapa tahun terakhir, dengan terobosan besar dalam penemuan protein yang menghasilkan Hadiah Nobel, potensi model fundamental (FM) dalam mengeksplorasi ruang kombinatorial besar secara bertahap muncul, menandai kemungkinan perubahan dalam berbagai bidang ilmiah. Meskipun demikian, bidang kehidupan buatan (ALife) belum sepenuhnya memanfaatkan model dasar ini, sehingga memberikan peluang besar untuk pengembangan di bidang ini.
Untuk tujuan ini, tim peneliti untuk pertama kalinya mengusulkan metode yang disebut "Pencarian Kehidupan Buatan Otomatis" (ASAL) Melalui model dasar bahasa visual, secara efektif dapat mengurangi beban desain manual dan trial and error di lapangan kehidupan buatan telah lama diandalkan.
Kemampuan inti dari metode ASAL antara lain: pertama, dapat menemukan simulasi yang menghasilkan fenomena tertentu; kedua, dapat menemukan simulasi yang menghasilkan hal-hal baru yang terbuka secara temporal; dan terakhir, dapat menampilkan secara komprehensif berbagai ruang simulasi yang menarik dan beragam. Fleksibilitas pendekatan ini memungkinkannya diterapkan secara efektif pada berbagai substrat kehidupan buatan, termasuk Boids, Particle Life, Game of Life, Lenia ” dan “Neuronal Cellular Automata,” dll.
Hasil penelitian menunjukkan bahwa metode ASAL berhasil menemukan bentuk kehidupan Lenia dan Boids yang sebelumnya tidak terlihat, serta automata seluler terbuka yang mirip dengan Game of Life karya Conway. Selain itu, penerapan model dasar memungkinkan untuk mengukur fenomena yang sebelumnya hanya dapat diukur. Model penelitian baru ini diharapkan melampaui kreativitas manusia dan mempercepat kemajuan penelitian kehidupan buatan.
Studi ini juga menyediakan implementasi ASAL sederhana, yang memungkinkan peneliti untuk memulai dengan cepat. Kode ini diimplementasikan menggunakan kerangka Jax, yang memiliki kemampuan pemrosesan cepat ujung ke ujung. Kode utama mencakup pembuatan model dasar, substrat, perluasan simulasi yang efektif, dan penghitungan metrik ASAL. Tim peneliti telah menerapkan berbagai substrat kehidupan buatan, dan pengguna dapat mengevaluasi keterbukaan simulasi dengan menjalankan kode yang disediakan.
Bagi peneliti yang ingin menjalankan proyek secara lokal, disarankan untuk mengkloning basis kode terlebih dahulu, menyiapkan lingkungan Python, dan menginstal pustaka dependen yang relevan. Pada saat yang sama, tim peneliti juga menyediakan notebook di platform Google Colab untuk memudahkan pengguna memulai dengan cepat.
Pintu masuk proyek: https://github.com/sakanaai/asal
Highlight:
Tim peneliti mengusulkan metode "Pencarian Kehidupan Buatan Otomatis" (ASAL) dengan menggunakan model dasar guna mengurangi beban desain tradisional.
ASAL memungkinkan penemuan simulasi fenomena spesifik, simulasi baru terbuka, dan presentasi ruang simulasi yang beragam.
Hasil penelitian telah berhasil menemukan bentuk kehidupan baru dan mengkuantifikasi fenomena kualitatif sebelumnya, sehingga mendorong berkembangnya penelitian kehidupan buatan.
Munculnya metode ASAL menandai bahwa penelitian kehidupan buatan telah memasuki era baru otomatisasi. Metode ini tidak hanya meningkatkan efisiensi penelitian, namun yang lebih penting, memperluas batas pemahaman manusia terhadap fenomena kehidupan buatan, memberikan alat yang ampuh dan perspektif baru untuk pengembangan penelitian kehidupan buatan di masa depan. Saya yakin dengan kemajuan teknologi yang berkelanjutan, metode ASAL akan memberikan lebih banyak penemuan tak terduga kepada kita.