हाल के वर्षों में, प्रोटीन की खोज में महत्वपूर्ण सफलता के साथ नोबेल पुरस्कार प्राप्त करने के बाद, मूल मॉडल (FMs) बड़े संयोजन स्थान में अपनी क्षमता का पता लगाने में धीरे-धीरे सामने आ रहे हैं, जो कई वैज्ञानिक क्षेत्रों में क्रांति का संकेत देता है। फिर भी, कृत्रिम जीवन (ALife) क्षेत्र ने इन मूल मॉडलों का पूरी तरह से लाभ नहीं उठाया है, जो इस क्षेत्र के लिए एक बड़ा विकास अवसर प्रदान करता है।
इसलिए, शोध टीम ने पहली बार "कृत्रिम जीवन स्वचालित खोज" (ASAL) नामक एक विधि प्रस्तुत की है, जो दृश्य भाषा के मूल मॉडल के माध्यम से कृत्रिम जीवन क्षेत्र में लंबे समय से मैन्युअल डिज़ाइन और परीक्षण की निर्भरता के बोझ को प्रभावी ढंग से कम कर सकती है।
ASAL विधि के मुख्य कार्यों में शामिल हैं: पहले, यह विशेष घटनाओं के अनुकरण की खोज कर सकती है; दूसरे, यह समय में खुली नवीनता उत्पन्न करने वाले अनुकरणों की खोज कर सकती है; और अंत में, यह विभिन्न रोचक विविधता वाले अनुकरण स्थानों को व्यापक रूप से प्रदर्शित कर सकती है। इस विधि की सामान्यता इसे "झुंड व्यवहार" (Boids), "कण जीवन" (Particle Life), "जीवन का खेल" (Game of Life), "Lenia" और "तंत्रिका सेल ऑटोमेटा" जैसे विभिन्न कृत्रिम जीवन के आधार पर प्रभावी रूप से लागू करने की अनुमति देती है।
शोध परिणाम दिखाते हैं कि ASAL विधि ने पहले कभी नहीं देखे गए Lenia और Boids जीवन रूपों की खोज की है, साथ ही कॉनवे के जीवन के खेल के समान खुली सेल ऑटोमेटा की खोज की है। इसके अलावा, मूल मॉडल के उपयोग ने अतीत में केवल गुणात्मक घटनाओं को मात्रात्मक बनाने की संभावना को संभव बना दिया है। यह नया शोध मॉडल मानव की केवल रचनात्मकता को पार करने की संभावना को दर्शाता है और कृत्रिम जीवन अनुसंधान की प्रगति को तेज करता है।
यह शोध एक सरल ASAL कार्यान्वयन भी प्रदान करता है, जिससे शोधकर्ताओं को जल्दी से आरंभ करने में मदद मिलती है। कोड कार्यान्वयन Jax फ्रेमवर्क का उपयोग करता है, जिसमें एंड-टू-एंड त्वरित प्रसंस्करण क्षमता होती है, जिसमें मुख्य कोड मूल मॉडल, आधार, अनुकरण का प्रभावी विस्तार और ASAL के माप की गणना शामिल है। शोध टीम ने विभिन्न कृत्रिम जीवन के आधार का कार्यान्वयन किया है, और उपयोगकर्ता प्रदान किए गए कोड को चलाकर अनुकरण की खुलापन का मूल्यांकन कर सकते हैं।
जो शोधकर्ता इस प्रोजेक्ट को स्थानीय रूप से चलाना चाहते हैं, उन्हें पहले कोड रिपॉजिटरी को क्लोन करने, Python वातावरण सेट करने और संबंधित निर्भरता पुस्तकालयों को स्थापित करने की सिफारिश की जाती है। साथ ही, शोध टीम ने Google Colab प्लेटफार्म पर उपयोग के लिए एक नोटबुक भी प्रदान किया है, ताकि उपयोगकर्ता जल्दी से आरंभ कर सकें।
प्रोजेक्ट का प्रवेश द्वार: https://github.com/sakanaai/asal
मुख्य बिंदु:
🌟 शोध टीम ने "कृत्रिम जीवन स्वचालित खोज" (ASAL) विधि प्रस्तुत की, जो मूल मॉडल का उपयोग करके पारंपरिक डिज़ाइन के बोझ को कम करती है।
🔍 ASAL विशेष घटनाओं के अनुकरण, खुली नवीनता के अनुकरण और विविध अनुकरण स्थानों को खोजने में सक्षम है।
🚀 शोध परिणाम नए जीवन रूपों की सफल खोज और पूर्ववर्ती गुणात्मक घटनाओं को मात्रात्मक बनाने में सफल रहे, जो कृत्रिम जीवन अनुसंधान के विकास को बढ़ावा देते हैं।
