Mária
-7 °C
3 °C

Darwin és a számítástudomány

2006.03.05. 13:13
Kevés tudományos elmélet gerjesztett akkora vitákat, mint a darwini evolúció. Sokan még ma se akarják elfogadni, hogy az élővilág a fizikai-kémiai folyamatokból bármiféle speciális tervezés, intelligens beavatkozás nélkül alakult ki. Azt viszont senki nem vitatja, hogy az evolúció számítógépes közegbeli alkalmazása új perspektívákat villant fel.
Az evolúciós elvek által inspirált mérnöki módszerek, megközelítések jócskán átalakítják a számítástudományt - véli egyre több szakember.

Szerves és szervetlen rendszerek

Charles Darwin

Biológia és információtechnológia integrálódása az utóbbi évtized egyik legmarkánsabb trendje. A bioinformatika máris sikerdiszciplína. Nemcsak azért, mert a kutatók behatóbban tanulmányozhatják általa az immáron integrált egységekként felfogott élő rendszerek (korábban "elhanyagolt") komplexitását, hanem azért is, mert a természet rendezőelveinek mesterséges környezetben történő alkalmazásával a korábbiaknál intelligensebb gépi rendszerek hozhatók létre. A terebélyesedő adatbázisokból kinyert molekuláris információ nélkülözhetetlen kiindulási alap.

"Most tudatosul bennünk, hogy a természetben látszatra csak élő formákra érvényes mutáció és szelekció anorganikus területeken is alkalmazható" - jelentette ki az Avida mesterségesélet-rendszer kidolgozásában résztvevő Richard Lenski, a Michigani Állami Egyetem biológusa. "Meggyőződésem, hogy a biológiai elvek és a mérnöki, mind szoftver-, mind hardverszintű matériák házassága számos formában kivitelezhető, óriási technológiai potenciállal rendelkezik." A tudós elsősorban a másoló szintézis, mutáció, versengés algoritmikus eljárásokkal történő mesterséges megvalósítására utalt. (Előrejelzését igazolandó, a Motorola, az IBM és a Hewlett-Packard máris piacra dobott biológiai folyamatokat modellező termékeket.)

Genetikus algoritmusok

Az Avida és a többi hasonló rendszer tanulsága: az élővilágból ellesetteket másolva számítási módszerek (genetikus algoritmusok) dolgozhatók ki, folyamatok (mesterséges evolúció) generálhatók. Előbbiek története a hatvanas évekig (sőt, Neumann János sejtautomatájával áttételesen a negyvenesekig) vezethető vissza. John Koza, a témakör egyik specialistája huszonegy esetet tart nyilván, amikor az algoritmusok az emberi tervezőével egyenértékű, vagy jobb megoldást eredményeztek. A gépi újítást kétszer még szabadalmaztatták is.

"Alaposan meg kell még vitatnunk, miként kapcsolódnak a genetikus algoritmusok a biológiai rendszerekhez, az viszont tény, hogy ezek a szintetikus modellek analóg áramkörök tervezésekor, ahol minden folyamatos, jól alkalmazhatók" - állítja Lorenz Huelsbergen (Lucent Technologies).

A programozható logikai kapu blokkot tartalmazó FPGA (Field Programmable Gate Array) chipek újraprogramozhatósága, valósidejű flexibilitása sokat segít evolválható rendszerek fejlesztésében. Eddig általában munkaállomáson, vagy szuperszámítógépen lefuttattunk egy optimalizáló algoritmust, s az így nyert információt felhasználtuk az áramkör tervezése során. Huelsbergen felismerése: az FPGA chipekre genetikus algoritmusok tölthetők, melyek spontán módon áramköröket evolválnak.

"Kísérleti lombik helyett szilícium chipen kivitelezzük az evolúciót" - összegez a számítástudományi szakember.

Új tudomány születik?

"A bioinformatikába és a számítógépes biológiába máris komoly összegeket fektettek, ami remélhetőleg az alapvető élő rendszerek szerkezetének, működésének elemzéséhez, átalakításához használható egyre hatékonyabb számításokat eredményez" - fejtegeti Lenski. "A folyamat nagyon fontos, csakhogy egy még drámaibb, biológia és számítástudomány határán kibontakozó forradalmat álcáz. Egyelőre neve sincs, és még ki sem kristályosodott, miről van szó tulajdonképpen. Valami olyasminek hívnám, hogy kísérleti evolúció és mérnökség (experimental evolution and engineering)."

A biológiai szimulációk azért (is) rendkívül fontosak, mert az élő rendszerek komplexitásuk miatt rengeteg, egymással összekapcsolt, a rendszer különböző szintjein funkcionáló változóval rendelkeznek. Az általuk formált hálózatokról csak hatékony számítógépes módszerekkel készíthető modell. Miként ragadjuk meg, jelezzük előre dinamikus viselkedésüket? Hogyan kezeljék a szuperszámítógépek, például a proteinek reakciót leíró többezer differenciálegyenletet?

Genetikus algoritmusokkal, sejtautomatákkal, biológiai adatok szabványosításával...

Huelsbergen szerint az ilyesfajta hálózatiság által felvetett problémák megoldása lesz a közeljövő egyik legnagyobb kihívása.