최근 몇 년 동안 기본 모델(FM)은 과학 연구에서 점점 더 많이 사용되어 많은 분야에서 변화에 대한 희망을 불러일으켰습니다. 그러나 인공생명(ALife) 분야에서 FM의 활용은 아직 초기 단계이며, 엄청난 발전 가능성이 남아 있다. 본 논문에서는 시각 언어의 기본 모델을 교묘하게 활용하여 인공생명 연구에 있어 장기적으로 매뉴얼 설계에 의존해야 하는 부담과 시행착오를 크게 줄이는 "인공생명 자동 탐색(ASAL)"이라는 새로운 방법을 소개하고, 제공 이 분야는 새로운 연구 패러다임을 제시합니다.
최근 몇 년 동안 노벨상을 수상한 단백질 발견의 획기적인 발전과 함께 대규모 조합 공간을 탐색하는 기본 모델(FM)의 잠재력이 점차 등장하여 여러 과학 분야에서 가능한 변화를 예고하고 있습니다. 그럼에도 불구하고 인공생명(ALife) 분야는 이러한 기본 모델을 완전히 활용하지 못하여 해당 분야에 엄청난 발전 기회를 제공하고 있습니다.
이를 위해 연구팀은 시각언어 기본모델을 통해 인공생명 분야가 겪는 매뉴얼 설계와 시행착오의 부담을 효과적으로 줄일 수 있는 '인공생명 자동탐색'(ASAL) 방법을 최초로 제안했다. 인공 생명체는 오랫동안 의존해 왔습니다.
ASAL 방법의 핵심 기능은 다음과 같습니다. 첫째, 특정 현상을 생성하는 시뮬레이션을 찾을 수 있고, 둘째, 시간적으로 열린 새로움을 생성하는 시뮬레이션을 발견할 수 있으며, 마지막으로 다양하고 흥미롭고 다양한 시뮬레이션 공간을 종합적으로 표시할 수 있습니다. 이 접근 방식의 다양성으로 인해 Boids, Particle Life, Game of Life, Lenia 및 “Neuronal Cellular Automata” 등을 포함한 다양한 인공 생명 기판에 효과적으로 적용할 수 있습니다.
연구 결과에 따르면 ASAL 방법은 이전에 볼 수 없었던 Lenia 및 Boids 생명체뿐만 아니라 Conway의 Game of Life와 유사한 개방형 세포 자동 장치를 성공적으로 발견한 것으로 나타났습니다. 또한, 기본 모델을 적용하면 과거에는 정량화만 가능했던 현상도 정량화할 수 있게 되었습니다. 이 새로운 연구 모델은 단순한 인간의 창의성을 넘어 인공생명 연구의 발전을 가속화할 것으로 기대된다.
또한 이 연구는 간단한 ASAL 구현을 제공하여 연구자들이 빠르게 시작할 수 있도록 합니다. 코드는 엔드 투 엔드 빠른 처리 기능을 갖춘 Jax 프레임워크를 사용하여 구현됩니다. 기본 코드에는 기본 모델 생성, 기판 생성, 시뮬레이션의 효과적인 확장 및 ASAL 지표 계산이 포함됩니다. 연구팀은 다양한 인공 생명 기질을 구현했으며, 사용자는 제공된 코드를 실행하여 시뮬레이션의 개방성을 평가할 수 있습니다.
프로젝트를 로컬에서 실행하려는 연구자의 경우 먼저 코드 베이스를 복제하고 Python 환경을 설정하고 관련 종속 라이브러리를 설치하는 것이 좋습니다. 동시에 연구팀은 사용자가 빠르게 시작할 수 있도록 Google Colab 플랫폼에서 사용 가능한 노트북을 제공합니다.
프로젝트 입구: https://github.com/sakanaai/asal
가장 밝은 부분:
연구팀은 전통적인 디자인의 부담을 줄이기 위해 기본 모델을 활용하는 '인공생명 자동탐색(ASAL)' 방식을 제안했다.
ASAL은 현상별 시뮬레이션, 개방형 신규 시뮬레이션, 다양한 시뮬레이션 공간의 제시를 가능하게 합니다.
연구 결과는 새로운 생명체의 발견과 기존의 질적 현상의 정량화에 성공해 인공생명 연구의 발전을 촉진했다.
ASAL 방법의 등장은 인공생명 연구가 자동화의 새로운 시대에 진입했음을 의미합니다. 이 방법은 연구 효율성을 향상시킬 뿐만 아니라, 더 중요한 것은 인공생명 현상에 대한 인간의 이해의 지평을 넓혀 향후 인공생명 연구 발전을 위한 강력한 도구와 새로운 관점을 제공한다는 점이다. 기술이 계속 발전할수록 ASAL 방식은 우리에게 더 많은 예상치 못한 발견을 가져다 줄 것이라고 믿습니다.