További Cyb cikkek
Legizgalmasabb terepnek, a Richard Dawkins munkásságának köszönhetően sokadik reneszánszát élő evolúciós biológia tűnik. A Dawkins műveiből kiinduló poszt-posztmodern (?) evolúció a tudomány szinte valamennyi szférájában meghatározó szerepet játszik. Hans Moravec és Kevin Warwick - egymástól eltérő - robotjövői, a mesterséges intelligencia (AI), vagy a mesterséges élet (A-Life) kutatása elképzelhetetlen nélküle.
Tény az is, hogy a számítógépes világban az evolúciós és a genetikai algoritmusok egyre nagyobb jelentőségre tesznek szert.
Az előbbi kategóriába azokat a (káosz- és komplexitás-elméletekhez szintén köthető) computeres problémamegoldó rendszereket soroljuk, melyek tervezése során az evolúció mechanizmusának számítógépes modellje a központi elem. A (nagyjából azonos) genetikus algoritmus a gépi tanulás azon modellje, mely viselkedésében a természetes evolúció folyamatát utánozza. Egy programon belül, mesterséges individuumokból álló "populációt" hozunk létre, és ezek - kompetitív, szimulált környezetben - az evolúció mechanizmusának "vetik alá magukat".
S hogy miért pont ezek az algoritmusok lehetnek sikeresek? Induljunk ki a biológiai modellből: a természetes kiválasztódáson alapuló evolúció komplex és intelligens létformákat generál. Sőt: egyre komplexebbeket és egyre intelligensebbeket. Továbbá, ellentétben a teremtés-elméletekkel, az evolúció az egyetlen olyan folyamat, mely bizonyíthatóan intelligenciát "hoz világra".
|
![](/img/spacer.gif)
A biológiai modellen túllépve, az eddigi kísérletek eredményei alapján megállapítható, hogy az evolúciós minta némely számítógépes területen / környezetben (gépi kódok, stb.) sikerrel alkalmazható. Szinte mindig "megtalálja" a kellő formákat és folyamatokat, s teszi ezt úgy, hogy közben maximálisan ki is használja a médium nyújtotta lehetőségeket.
A rendszertervezők egyetlen megoldást se programoznak be: a megoldások a (kíméletlen) verseny és a (szüntelen) bizonyítás során fejlődnek ki. Ne ijedjünk meg: a klasszikus modell évmillióihoz viszonyítva, felgyorsított folyamatról van szó. Több ezer generáció szimulálására - a hardware-kapacitás függvényeként - órák, napok, esetleg hetek alatt kerül sor. És a bonyolult iterációs mechanizmusokon is mindössze egyszer kell végigmennünk, utána már "csak" a kifejlődött, kifinomult szabályokat alkalmazzuk.
Önszerveződő, "valahonnan" felbukkanó módszereket... Hiszen az eredményt lehetetlen előre jelezni, sokszor még a tervezők számára is teljesen meglepő. Akárcsak a processzus, melyen a "diadalmas" programok keresztülmennek. Gyakran fordul elő, hogy már száz-kétszáz iteráción vagyunk túl, és látszólag szinte semmi nem történt. Aztán hirtelen, egyik pillanatról a másikra, kikristályosodik a megoldás.
A Tierra Hálózat
![]() |
Thomas Ray |
A lények egyrészt a mesterséges és kaotikus környezet limitált tereiért, másrészt a szintén limitált energiakészletekért küzdenek meg / versengenek egymással. Közben a legprimitívebb egysejtű formákból változatos, többsejtű, több funkciót végrehajtó szervezetekké alakulnak.
A projekt egyik célja, hogy a szimuláció segítségével a veszélyeztetett esőerdők megóvására életképes modelleket dolgozzunk ki. A másik, hogy jobban megértsük a hozzávetőleg hétszázötvenmillió évvel ezelőtti, Kambrium-kori eseményeket, az evolúció robbanásszerű "begyorsulását": a többsejtű állatok megjelenését, a különböző és rendkívül változatos életformák hirtelen, előzmények nélküli elszaporodását.