Vie artificielle
This presentation is the property of its rightful owner.
Sponsored Links
1 / 37

Vie Artificielle PowerPoint PPT Presentation


  • 152 Views
  • Uploaded on
  • Presentation posted in: General

Vie Artificielle. Beurier Grégory LIRMM. Historique. Automate du roi Mu ( Lieh Tzu III e avt JC) Homunculus Frankenstein Automates de Vaucanson Le complexe FRANKENSTEIN !!!. Vie Artificielle.

Download Presentation

Vie Artificielle

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Vie artificielle

Vie Artificielle

Beurier Grégory

LIRMM


Historique

Historique

  • Automate du roi Mu ( Lieh Tzu IIIe avt JC)

  • Homunculus

  • Frankenstein

  • Automates de Vaucanson

  • Le complexe FRANKENSTEIN !!!


Vie artificielle1

Vie Artificielle

« La vie artificielle est l’étude des systèmes construits de mains d’homme qui exhibent des comportements des systèmes naturels vivants. Elle vient en complément des sciences biologiques traditionnelles, en tentant de synthétiser des comportements semblables au vivant au sein d’ordinateurs et d’autres substrats artificiels. En étendant les fondements empiriques sur lesquels la biologie est basée au-delà de la vie a base de carbone qui a évolué sur Terre, la vie artificielle peut contribuer à la biologie théorique en positionnant la vie telle que nous la connaissons au sein d’un espace plus large: la vie telle qu’elle pourrait être »

C. Langton


Qu est que la vie

Qu’est que la vie ?

  • Ensemble de propriétés [Monod]

    • Téléonomie, morphogenèse, reproduction invariante

  • Extensions des propriétés [Mayr, Belin]

    • Structure, macromolécules, ADN, stabilité, évolution

  • Approche Thermodynamique [Schrödinger, Prigogine]

    • Structure dissipative

  • Autopoïèse [Maturana, Varela]

    • Réseau fermé d’éléments « auto-régénérant »


Compl ment de l approche ia dure

Pensée, cognitif

Systèmes Experts

Agents Rationnels

Ordinateur intelligent

Ordinateur intelligent

Gènes

Neurones

Fourmis

Calculs simples

Complément de l’approche IA Dure


Alan turing

Alan Turing

  • Intelligence Artificielle

    • Test de Turing

  • Idée de Morphogène

    • Travail sur les gradients

  • Machine de Turing

    • Équivalence théorique mathématique

    • Problème de Hilbert:

      • « Processus physiques  Computationnels donc calculés  sous forme de machine de Turing Universelle »


Machine de turing

Machine de Turing

1 2 3 …

A

Si A  B, Droite

Si B  B, Gauche


Vie artificielle

Plan

  • Vie Artificielle

    • Emergence

      • Principe

      • Jeu de la vie

      • Organoids

    • Récursion et génération

      • Principe

      • Biomorphes

      • L-Systems

  • Biomimétisme

    • Comportements Sociaux

      • Principe

      • Boids

      • Optimisation colonie de fourmis

      • Stimergie

    • Algorithmes génétiques

      • Principe

      • Voyageur de commerce

    • Programmation génétique

      • Principe

      • Morphogen


Mergence

Émergence

Émergence


Jeu de la vie

Émergence

Jeu de la vie

  • John Conway 1970

    Principe:

1 ou + de 3 voisins  MORT

3 voisins  NAISSANCE 2-3 voisins  survie


Vid os et explications

Émergence

Vidéos et explications

  • Apparitions d’émergences

    • Gliders

    • Attracteurs Fixes, cycliques, chaotiques, étranges.

  • Simulations phénomènes physiques


Syst mes multi agents

Systèmes Multi-Agents

  • Extensions de la notions d’objets

  • Inspirés des insectes sociaux

  • Agents : processus de traitements d’information situés autonomes

  • Ex: Robots, virus intelligent, tour de contrôle, vous, etc.

  • MASSIVE (LOTR)


Organo ds

Émergence

Organoïds

Principe

Multi-agents

Fourmis

Émergence

Multi-niveaux

Récursivité


Organo ds1

Émergence

Organoïds

Mais à quoi ça peut-il bien-t-il donc servir ?!?!?


Organo ds2

Récursion

Organoïds

Iterative Function System


R cursion et g n ration

Récursion

Récursion et génération

  • Fonctions récursives

    • Ex: f(n) = f(n-1) + f(n-2) f(0) = 1 f(1) = 4

  • Fractales

    • Géométrie récursive – fonctions itératives – suites géométriques


  • L systems

    Récursion

    L-Systems

    • Lindenmayer

    • Principe: idem fractales

      • Initiateur : F

      • Générateur : F[+F]F[-F]F

      • Angle : 22.5


    L systems1

    Récursion

    L-Systems


    Biomorphes

    Récursion

    Biomorphes

    Sélection d’individus selon la structure (RLLRLRRLRLRL)


    Comportements sociaux intelligence artificielle distribu e

    Biomimétisme

    Comportements SociauxIntelligence artificielle distribuée

    • Culture (fourmis, termites)

    • Régulation thermique (abeilles, termites)

    • Constructions pharaoniques (termites, fourmis)

    • Pièges démesurés (araignées)

    • Élevage (fourmis)

    • Colonisation (fourmis, abeilles, etc.)

    • Etc.

    • Il y a un bond de capacités réactives vers une émergence d’intelligence sociale.


    Boids les halls de gare

    Biomimétisme

    BoidsLes halls de gare

    Couple angle/ distanceAttraction RépulsionAlignement


    Optimisation colonie de fourmis

    Biomimétisme

    Optimisation colonie de fourmis


    Routage r seau p2p

    Biomimétisme

    Routage réseau & P2P


    Stigmergie r troaction environnementale

    Biomimétisme

    Stigmergierétroaction environnementale

    Phéromones


    Termites

    Biomimétisme

    Termites


    Algorithmes g n tiques

    Algo G

    Algorithmes Génétiques

    • Meilleur moyen de résoudre un problème est de s’y adapter.

    • Sélection naturelle : Sélection des individus les mieux « adaptés » à un milieu donné et qui auront une plus grande faculté de reproduction que les autres

    • Principe: Coder le problème à résoudre sous la forme d’un génome. Déterminer une fonction d’adaptation pour les solutions possibles. Faire se reproduire les individus viables.


    Terminologie

    Algo G

    Terminologie

    • Population (= génération):

      • Ensemble d’individus

  • Génome

    • Ensemble des chromosomes d’un individus

  • Chromosome (= un individu)

    • Groupe de gènes d’un individu

  • Gène

    • Caractère / caractéristique d’un individu

  • Allèle

    • Forme / valeur prise par une caractéristique


  • Principe voyageur de commerce

    Algo G

    PrincipeVoyageur de commerce

    • 1- On code la solution du problème a résoudre sous la forme de gènes (fonction d’encodage)

    • 2- On génère une population d’individu aléatoirement (initialisation)

    • 3- On teste les individus et on les fait mourir si leur génome n’est pas bon (fitness/sélection)

    • 4- On croise les survivants et on retourne en 3.

    • On recommence tant que le génome des survivants n’est pas une solution satisfaisante au problème


    Applications aux biomorphes

    Algo G

    Applications aux Biomorphes

    • Codage biomorphes: RGRRGGRGR (idem L-Systems)

    • Génome: RGRRGGRGR

    • Population: Rd

    • Croisement:

    • Fitness:

      % ressemblance

      % angles communs

    • Arrêt:

      Ressemblance = 100%

      1000 générations

    RGRRGGRGRGGRGRGRGGGGRRGGRGRR

    GRGGGGRGRGGGRR


    Programmation g n tique volutionnaire

    Algo G

    Programmation génétique & évolutionnaire

    Principe:

    Ne plus coder la solution dans le génotype (génome) mais la faire apparaître/émerger dans le phénotype (l’expression du génome)

    La solution devient le comportement ou le résultat de la fonction réalisée par le gène. Les croisements modifient alors non pas les solutions mais les comportements.


    Approche morphog n tique

    Algo G

    1011010011001011010

    Approche morphogénétique

    Divisions

    génome

    • Formation d’un organisme par:

    • Division

    • Différenciation spatiale et fonctionnelle

    • Croisement & Sélection

    Zones différenciées


    Fonctionnement

    Algo G

    1011010011001011010

    1011010011001011010

    Fonctionnement

    Gène 1

    Allèle positionAllèle couleur

    Allèle taille

    Gène 2

    Allèle DivisionAllèle Sécrétion

    Allèle Digestion


    Morphogen

    Algo G

    Morphogen

    Principe

    • Plusieurs gènes

    • Allèles

      • Répresseurs: liste de protéines qui inhibe la fonction du gène

      • Activateurs: liste de protéines qui active la fonction du gène

      • Protéines: liste de protéines que transcrit/émet le gène

      • Fonctions:

        • Division/Mitose: Crée une autre cellule

        • Métabolisme: Consomme de la nourriture pour fournir de l’énergie aux autres individus de l’organisme)

        • Quiescence: Reste inactive

        • Apoptose/Nécrose: Meure pour la morphogenèse ou de carences.

  • Population tirée au hasard mis dans un endroit avec nourriture


  • Morphogen1

    Algo G

    Morphogen

    • 1- Perceptions des protéines

    • 2- Fonctions

    • 3- Émissions –> Phéromones (gradients)

      On conserve les organismes qui vivent le plus longtemps c’est-à-dire qui consomment le moins vite la nourriture du milieu en grossissant et on les croise.


    Vie artificielle

    Algo G


    A quand la vie sur nos pc

    A quand la vie sur nos PC ?

    • Support physique (silicium) puce recombinantes - autoréplicantes

    • Exobiologie

    • Puces et Ordinateurs à ADN

    • Processeurs hybrides

    • Earth Simulator

    • De la vie à l’intelligence artificielle quelle distance y à t-il ?


  • Login