En los últimos años, con los importantes avances en el descubrimiento de proteínas galardonados con el Premio Nobel, el potencial de los modelos fundamentales (FM) para explorar grandes espacios combinatorios se ha vuelto cada vez más evidente, presagiando una posible revolución en múltiples campos científicos. Sin embargo, el campo de la vida artificial (ALife) aún no ha aprovechado plenamente estos modelos fundamentales, lo que representa una enorme oportunidad para su desarrollo.
Por ello, un equipo de investigación propone por primera vez un método llamado "Búsqueda Automática de Vida Artificial" (ASAL), que utiliza modelos fundamentales de lenguaje visual para aliviar eficazmente la carga de diseño manual y prueba y error que ha caracterizado durante mucho tiempo el campo de la vida artificial.
Las funciones principales del método ASAL son: en primer lugar, buscar simulaciones que produzcan un fenómeno específico; en segundo lugar, descubrir simulaciones que produzcan novedad temporal abierta; y, por último, mostrar exhaustivamente una variedad de espacios de simulación interesantes y diversos. La naturaleza generalizada de este método permite su aplicación eficaz a una variedad de sustratos de vida artificial, incluyendo "comportamiento de enjambre" (Boids), "vida de partículas" (Particle Life), "Juego de la Vida" (Game of Life), "Lenia" y "autómatas celulares neuronales".
Los resultados de la investigación muestran que el método ASAL ha descubierto con éxito formas de vida Lenia y Boids previamente desconocidas, así como autómatas celulares abiertos similares al Juego de la Vida de Conway. Además, la aplicación de modelos fundamentales ha hecho posible la cuantificación de fenómenos que antes solo podían describirse cualitativamente. Este nuevo modelo de investigación promete superar la creatividad humana y acelerar el progreso de la investigación en vida artificial.
El estudio también proporciona una implementación sencilla de ASAL para que los investigadores puedan empezar rápidamente. La implementación del código utiliza el framework Jax, que ofrece un procesamiento rápido de extremo a extremo. El código principal incluye la creación de modelos fundamentales, sustratos, el despliegue eficiente de simulaciones y el cálculo de las métricas ASAL. El equipo de investigación ha implementado varios sustratos de vida artificial, y los usuarios pueden evaluar la apertura de las simulaciones ejecutando el código proporcionado.
Para los investigadores que deseen ejecutar este proyecto localmente, se recomienda clonar primero el repositorio de código, configurar el entorno Python e instalar las dependencias necesarias. El equipo de investigación también proporciona un Notebook utilizable en la plataforma Google Colab para facilitar el inicio rápido de los usuarios.
Enlace al proyecto: https://github.com/sakanaai/asal
Puntos clave:
🌟 El equipo de investigación propone el método "Búsqueda Automática de Vida Artificial" (ASAL), que utiliza modelos fundamentales para reducir la carga del diseño tradicional.
🔍 ASAL puede descubrir simulaciones de fenómenos específicos, simulaciones de novedad abierta y mostrar espacios de simulación diversos.
🚀 Los resultados de la investigación han descubierto con éxito nuevas formas de vida y han cuantificado fenómenos previamente cualitativos, impulsando el desarrollo de la investigación en vida artificial.
