Recientemente, los científicos de Sakana AI han logrado un avance revolucionario en el campo de la inteligencia artificial. Por primera vez, han utilizado con éxito modelos de base de lenguaje visual (vision-language foundation models, FMs) para lograr la búsqueda automática de simulaciones de vida artificial (Artificial Life, ALife). Este nuevo método, llamado ASAL (Automated Search for Artificial Life, búsqueda automática de vida artificial), representa una transformación revolucionaria para la investigación en vida artificial y promete acelerar el desarrollo de este campo.
Tradicionalmente, la investigación en vida artificial dependía del diseño manual y el método de prueba y error. ASAL cambia esta situación. El núcleo del método consiste en utilizar modelos de base para evaluar los vídeos generados por la simulación y, de esta manera, buscar automáticamente simulaciones de ALife interesantes. ASAL utiliza principalmente tres mecanismos para descubrir formas de vida:
Búsqueda de objetivos supervisada: Busca simulaciones que produzcan fenómenos específicos mediante indicaciones de texto. Por ejemplo, los investigadores pueden establecer objetivos como "una célula" o "dos células", permitiendo que el sistema encuentre automáticamente las simulaciones que cumplen con las condiciones. Búsqueda abierta: Busca simulaciones que produzcan novedad incesante en el tiempo. Este método ayuda a descubrir simulaciones que resultan continuamente interesantes para los observadores humanos. Búsqueda heurística: Busca un conjunto de simulaciones interesantes y diversas, revelando así "mundos extraterrestres".
La versatilidad de ASAL permite su aplicación efectiva en diversas matrices de ALife, incluyendo Boids, Vida de Partículas (Particle Life), Juego de la Vida (Game of Life), Lenia y Autómatas Celulares Neuronales (Neural Cellular Automata). Los investigadores han descubierto formas de vida nunca antes vistas en estas matrices; por ejemplo, patrones de agrupación extraños en Boids, nuevas células autoorganizadas en Lenia y autómatas celulares abiertos similares al Juego de la Vida de Conway.
Además, ASAL permite el análisis cuantitativo de fenómenos que antes solo podían analizarse cualitativamente. Los modelos de base poseen una capacidad de representación similar a la humana, lo que permite a ASAL medir la complejidad de una manera más acorde con la cognición humana. Por ejemplo, los investigadores pueden cuantificar las fases estacionarias en las simulaciones de Lenia midiendo la velocidad de cambio de los vectores CLIP durante el proceso de simulación.
La innovación de esta investigación radica en el uso de modelos de base preentrenados, especialmente el modelo CLIP (Contrastive Language-Image Pre-training), para evaluar los vídeos de la simulación. El modelo CLIP, mediante el aprendizaje por contraste, alinea las representaciones de imágenes y texto, permitiéndole comprender el concepto humano de complejidad. El método ASAL no se limita a modelos de base o matrices de simulación específicas, lo que significa que es compatible con modelos y matrices futuras.
Los investigadores también han verificado la eficacia de ASAL mediante experimentos, utilizando diferentes modelos de base (como CLIP y DINOv2) y diferentes matrices de ALife. Los resultados muestran que CLIP es ligeramente superior a DINOv2 en la generación de diversidad acorde con la cognición humana, pero ambos son claramente superiores a las representaciones de píxeles de bajo nivel. Esto destaca la importancia del uso de representaciones de modelos de base profundos para medir el concepto humano de diversidad.
Esta investigación abre nuevas vías en el campo de la vida artificial, permitiendo a los investigadores concentrarse en problemas de mayor nivel, como cómo describir mejor los fenómenos que deseamos que aparezcan y luego dejar que el proceso automatizado busque esos resultados. La aparición de ASAL no solo ayuda a los científicos a descubrir nuevas formas de vida, sino que también permite analizar cuantitativamente la complejidad y la apertura en las simulaciones de vida. En última instancia, esta tecnología podría ayudar a la humanidad a comprender la esencia de la vida y todas las formas en que podría existir en el universo.
Código del proyecto: https://github.com/SakanaAI/asal/
Dirección del artículo: https://arxiv.org/pdf/2412.17799
