Avida lakói
A Thomas Ray által a 90-es évek elején megalkotott digitális lények olyan számítógépek belsejében „élő” programok, melyek egy mesterséges világban töltik be az élőlények szerepét. Az élőlények tulajdonságait kódoló DNS-t számítógépes utasítások helyettesítik bennük. Avida, a Michigan State University-n (MSU) dolgozó Richard Lenski biológus, Charles Ofria és Robert Pennock számítógépes szakemberek, valamint Christoph Adami fizikus által 1993-ban létrehozott szoftver, egy olyan számítógépes világ, melyet a valódi élőlényekhez hasonlóan szaporodni, programkódjaik változtatásával mutálódni és fejlődni képes digitális lények népesítenek be.
Avida „lakói” minden eddiginél sikeresebben utánozzák az élőlények evolúcióját, hiszen, mint kiderült számítógépes kódjuk változására a darwini evolúció ugyanolyan hatással van, mint a DNS-ére. Éppen ezért az Avida-program az élővilág kialakulásával, evolúciójával, a mutációkkal és ezek révén a környezethez való alkalmazkodással kapcsolatos vizsgálatokhoz adott hathatós módszertani segítséget. Az Avida-lényekkel kapcsolatos legújabb kutatási eredményeket a New Scientist egyik legutóbbi száma ismerteti.
Régóta érdekli a kutatókat, hogyan vált az ember intelligens lénnyé. Pennock szerint a többtényezős folyamat egyik lépése a memória megjelenése. Avidában szinte minden kísérlet a lehető legegyszerűbb, csupán önmaga klónozására képes „digitális lényekből” indul ki. Ahhoz, hogy ezek fejlődhessenek, a kutatók olyan versenykörnyezetbe helyezik őket, ahol a jutalom olyan mennyiségű „élelem” (a digitális lények „életben maradásához” szükséges energia és élelem megfelelője a gépidő), melynek hatására e „lények” több klónt képesek előállítani magukból.
A kezdeti memóriakísérletekben az amerikai Laura Grabowski különböző menynyiségű tápanyagot tartalmazó cellák halmazából álló számítógépes környezetben „tápanyag”-grádienst hozott létre. Az első generációs „lényeket” a „táplálék”-grádiens alsó részéhez, egy kevés „élelmet” tartalmazó cellába helyezte. Nem messze ettől a cellától, ott várakoztak a „tápanyagban” gazdagabbak. A digitális organizmusok közel 100 generáción keresztül ebben a cellában szaporodtak. Aztán az egyik „lényben” egyszer csak kialakult egy olyan számítógépes utasítás, hogy haladjon tovább. Amikor ez az egyed egy „táplálékban” gazdagabb cellába vándorolt sokkal gyorsabb szaporodásnak indult.
Többezernyi generációval később néhány leszármazottja a legtöbb tápanyagot tartalmazó celláig, azaz a „tápanyag” forrásáig követte a táplálék grádienst. A mesterséges lények azonban még ekkor sem egyenesen a forrás felé indultak. Cikcakkban haladtak a grádiens mentén, „észlelve” a tápanyag mennyiségét, míg el nem érték a legtáplálóbb cellát. Ez azt jelenti, hogy képessé váltak a tápanyag mennyiségének összehasonlítására. Ez viszont már némi intelligencia kialakulását feltételezi – állítja Pennock. Az kell hozzá, hogy a „lények” értékeljék a helyzetüket, rájöjjenek, hogy nem jó irányba haladnak, új irányt válasszanak, majd újra értékeljék a helyzetüket.
Később Grabowski megint első generációs „lényeket” indított „kincsvadászatra”. Ez alkalommal a cellák egy numerikus kóddal rendelkeztek, mely jelezte, hogy melyik irányba kell fordulniuk a több „tápanyag” megtalálásához. Annyit módosított még a programon, hogy néhány cella tartalmazta az „ismételd, amit legutoljára tettél” utasítást. A lények ez alkalommal is olyan formákat hoztak létre, melyek értelmezni tudták az utasítást, és végre is tudták hajtani. A környezet szelekciós nyomást fejtett ki, ezért a mesterséges organizmusok arra kényszerültek, hogy egyfajta memóriát használjanak.
Gabrowski munkája azt sugallja, hogy az egyszerű navigációs problémák megoldása egy egyszerű, rövid távú memória kialakulásán múlik, amit azonban még nem nevezhetünk tanulásnak.
A mesterséges lények tanulmányozásával azonban nem csupán a szerves élet evolúciójáról kaphatunk információt. Felhasználhatók mesterséges intelligencia létrehozására is. Az Avidával bemutatható, hogyan épülhet ki egy olyan komplex tulajdonság, mint a memória, egészen az alapoktól, a valóban nagyon egyszerű dolgoktól kiindulva. Ennek igazolásához Grabowski fényforrás irányába mozgó „lényeket” hozott létre. Ezután kollegái a létrejött „genomot” olyan kóddá alakították, mely irányítani tudott egy robotot. Kísérletük sikerült, a robotot magához vonzotta a ragyogó fényforrás.
Az MSU egy másik kutatója, Jeff Clune, aki robotok mozgatására képes mesterséges agyak létrehozásán fáradozik, szintén az egyszerűből indult ki. Egy HyperNEAT nevű rendszerrel dolgozik, mely a fejlődésbiológia elveit használja sok-sok digitális idegsejt (neuron) kisszámú utasítás alkalmazásával való létrehozásához. Egy valódi embrióban a sejtek jövőjét, vagyis azt, hogy a felnőtt egyedben mi lesz a feladatuk (pl. szív- vagy agysejtek lesznek-e), gyakran az embrióban lévő elhelyezkedésük határozza meg. Hasonlóképpen, a HyperNEAT-ben az egyes, koordinátákkal meghatározott mesterséges neuronokat egyenletek mátrixába helyezik, és az eredmény szabja majd meg, hogy mi lesz a feladatuk.
Clune szerint ez azt jelenti, hogy öszszetett agyak hozhatók létre viszonylag kisszámú számítógépesített utasításból, vagy „génekből”. Ezzel szemben a hagyományos idegi hálózatok egy az egyhez elv alapján működnek: a hálózat minden egyes sejtjét egyetlen utasítás kódolja, amit nem használnak fel újra. A Hyper-NEAT-tel azonban olyan agyak is létrehozhatók, melyek még szerkezetükben is hasonlítanak a valódiakhoz. Clune azt találta, hogy a korábbi elvek szerint létrehozott ideghálózatokkal szemben a Hyper-NEAT-tel létrehozott agyak általában szimmetrikusak és rendezettek, mint a valódi agyak. A szimmetria az utasítássorozatok kezdetekor ható parancsok eredménye. Annak teszteléséhez, hogy vajon az ilyen agyak jobban működnek-e, Clune egy virtuális robotba helyezte őket, majd a robotnak egy feladatot kellett végrehajtania. Ha a robot jól szerepel, az agyat kiválasztják, és továbbfejlesztik. Az Avidalakókhoz hasonlóan, az evolúció itt is magába foglalja az agy „génjeinek” másolását, véletlenszerűen hibák is történnek az agy előállítási folyamatában, ezért a végtermékek kissé eltérő kapcsolódásokkal vagy utasításokkal rendelkeznek. Clune nemrégiben ismertetett eredményei azt mutatják, hogy a szimmetrikus, rendezett mesterséges agyak jobban végzik el a feladatokat, mint a nem HyperNEAT-tel előállítottak. A HyperNEAT-agyakban kapcsolatok milliói találhatók, mégis jól végzik el a feladatokat, sőt a kapcsolatok száma tovább növelhető, ami nagyon fontos változás.
A működőképes agyak létrehozása lehetővé teszi, hogy a kutatók továbbfejleszszék a mesterséges ideghálózatok kapacitását, és olyan ösvényre vezet, melynek végén a valódi aggyal versenyképes mesterséges agyak fejleszthetők ki. Ez persze hosszú távú cél, de ezzel a technológiával épp e cél felé indultunk el.
