Vida Artificial

1. Vida Artificial Miriam Ruiz

2. Índice • Introducción • Patrones emergentes • Autómatas celulares • Modelos basados en agentes • Inteligencia distribuida • Evolución artificial • Química artificial • Ejemplos • Bibliografía

3. ¿Qué es la vida? • No existe una definición aceptada universalmente de lo que es la vida. • En general, se puede decir que la condición que distingue un organismo vivo de los objetos inorgánicos o de organismos muertos es el crecimiento a través de un metabolismo, un medio de reproducción, y la regulación interna en respuesta al ambiente. • Aunque la capacidad de reproducción se considera necesaria para la vida, esto quizás sea más cierto para las especies que para organismos individuales. Algunos animales son incapaces de reproducirse (mulas, hormigas soldado o simplemente organismos infértiles). ¿Quiere esto decir que no están vivos? INTRODUCCIÓN > Qué es la Vida

4. ¿Qué es la vida artificial? • Estudio de sistemas artificiales que muestran comportamientos característicos de los sistemas vivos reales. • Término acuñado a finales de los 80s por Christopher Langton al realizar la primera conferencia sobre el tema en Los Alamos National Laboratory in 1987, bajo el nombre de "International Conference on the Synthesis and Simulation of Living Systems". INTRODUCCIÓN > Qué es la Vida Artificial

5. ¿Qué es la vida artificial? Los investigadores en vida artificial a menudo son divididos en 2 grandes grupos: • La posición "fuerte" defiende que la vida es un proceso que puede ser abstraído de cualquier medio concreto. • La posición "suave" niega la posibilidad de que pueda existir un proceso vivo fuera de la química del carbono. Los investigadores que trabajan en esta línea intentan emular procesos relacionados con la vida para conseguir entender fenómenos simples. INTRODUCCIÓN > Qué es la Vida Artificial

6. ¿Qué es la vida artificial? • El objetivo del estudio de la vida artificial no es solamente crear modelos biológicos de seres vivos, sino investigar los principios fundamentales de la vida en sí misma. • Estos pueden ser estudiados incluso a través de modelos de los que no exista un equivalente físico directo. INTRODUCCIÓN > Qué es la Vida Artificial

7. Las bases de la vida artificial • La vida artificial intenta trascender las limitaciones del estudio de la vida en la tierra, basada en la química del carbono, basándose en la premisa de que la vida es una propiedad de la organización de la materia, más que una propiedad de la materia en sí misma. INTRODUCCIÓN > Bases de la Vida Artificial

8. Las bases de la vida artificial • Método sintético: Síntesis de sistemas complejos a partir de un conjunto de elementos simples que interactúan entre ellos. • Si conseguimos capturar el espíritu esencial del comportamiento de una hormiga, las hormigas virtuales en una colonia simulada se comportarán como las hormigas reales en una colonia real. INTRODUCCIÓN > Bases de la Vida Artificial

9. Las bases de la vida artificial • Autoorganización: Formación espontánea de patrones o de comportamientos complejos que emergen de la interacción de elementos u organismos más simples. • Emergencia: Propiedad de un sistema en su conjunto que no está contenida en ninguna de sus partes, sino que resulta de la interacción de elementos de ese sistema que actúan siguiendo reglas locales y a un nivel inferior. INTRODUCCIÓN > Bases de la Vida Artificial

10. Las bases de la vida artificial • Niveles de organización: La vida, tal y como la conocemos en la tierra, está organizada al menos en 4 niveles diferentes: • Nivel molecular. • Nivel celular. • Nivel de organismo. • Nivel de población o ecosistema. INTRODUCCIÓN > Bases de la Vida Artificial

11. Las bases de la vida artificial • Hay que distinguir entre la perspectiva de un observador externo y la del propio ente analizado. • En concreto, las descripciones del comportamiento de una criatura desde la perspectiva del observador no deben ser tomadas como una descripción de los mecanismos internos del comportamiento de esa criatura. • El comportamiento de una criatura es siempre el resultado de una interacción entre el sistema y el entorno. No puede nunca ser explicado únicamente en términos del mecanismo interno de la propia criatura. • Comportamientos aparentemente complejos no necesitan forzosamente mecanismos internos complejos. De igual forma, comportamientos sencillos no son necesariamente el resultado de mecanismos internos simples. INTRODUCCIÓN > Bases de la Vida Artificial

12. Modelos lineales vs. no lineales • Los modelos lineales son incapaces de describir muchos fenómenos naturales. • En un modelo lineal, el todo es igual a la suma de las partes, y pequeños cambios en cualquier parámetro del modelo tiene poca influencia sobre el comportamiento global del mismo. • Se puede observar como numerosos fenómenos como el tiempo atmosférico, el crecimiento de las plantas, los atascos de trafico, las bandadas de aves, los movimientos de los mercados financieros o de stocks, el desarrollo de organismos pluricelulares, la formación de patrones en la naturaleza (como en las conchas de mar o las mariposas), la evolución, la inteligencia y demás han sido imposibles de representar con un modelo lineal. INTRODUCCIÓN > Modelos lineales

13. Modelos lineales vs. no lineales • Los modelos no lineales, por el contrario, muestran unas características totalmente diferentes de las que muestran los modelos lineales: • Caos: Cambios muy pequeños en algún parámetro o en las condiciones iniciales conducen a situaciones cualitativamente diferentes. • Fenómenos emergentes: Aparición de fenómenos en niveles superiores que no fueron explícitamente modelizados. • Como principal inconveniente, los modelos no lineales habitualmente no pueden ser resueltos de forma analítica, al contrario que los modelos lineales. El estudio de los modelos no lineales solamente ha sido posible mediante ordenadores. • Los modelos que estudia la vida artificial son siempre no lineales. INTRODUCCIÓN > Modelos no lineales

14. Índice • Introducción • Patrones emergentes • Autómatas celulares • Modelos basados en agentes • Inteligencia distribuida • Evolución artificial • Química artificial • Ejemplos • Bibliografía

15. Sistemas de Lindenmeyer • Los sistemas de Lindenmayer o L-systems son un formalismo matemático propuesto en 1968 por el biólogo Aristid Lindenmayer como base para una teoría axiomática sobre el desarrollo biológico. • La idea básica es el concepto de reescritura, de tal forma que las partes de un objeto simple son reemplazadas utilizando unas reglas determinadas de reescritura. • Su aplicación es fundamentalmente para el modelado realista de plantas y en fractales. • Se basan en reglas simbólicas de generación de estructuras gráficas a partir de cadenas de caracteres. • Solamente hace falta una pequeña cantidad de información para representar objetos muy complejos. PATRONES EMERGENTES > L-Systems

16. Sistemas de Lindenmeyer PATRONES EMERGENTES > L-Systems

17. Sistemas de Lindenmeyer PATRONES EMERGENTES > L-Systems • Aunque los sistemas de Lindenmeyer no generan directamente imágenes, sino secuencias enormes de símbolos, se puede interpretar de tal forma que permitan visualizarse gráficamente como gráficos de tipo tortuga (los gráficos tipo tortuga fueron creados por Seymour Papert para el lenguaje LOGO).

18. Sistemas de Lindenmeyer PATRONES EMERGENTES > L-Systems

19. Agregación por difusión (DLA) • "Diffusion limited aggregation, a kinetic critical phenomena“, Physical Review Letters, num. 47, publicado en 1981. • Permite reproducir el crecimiento de algunas entidades vegetales como musgos, algas o líquenes, y de procesos químicos como la electrolisis o la cristalización de ciertos compuestos. • Consiste en liberar un número de partículas móviles dentro de un recinto acotado donde previamente hemos fijado una o más partículas. • Las partículas liberadas permanecen en movimiento browniano hasta que alcancen alguna célula contigua fija, en cuyo caso se fijan también. PATRONES EMERGENTES > DLA

20. Agregación por difusión (DLA) PATRONES EMERGENTES > DLA

21. Agregación por difusión (DLA) PATRONES EMERGENTES > DLA

22. Agregación por difusión (DLA) PATRONES EMERGENTES > DLA

23. Agregación por difusión (DLA) PATRONES EMERGENTES > DLA

24. Índice • Introducción • Patrones emergentes • Autómatas celulares • Modelos basados en agentes • Inteligencia distribuida • Evolución artificial • Química artificial • Ejemplos • Bibliografía

25. Autómatas celulares • Modelo discreto estudiado en la teoría de la computabilidad y en matemáticas. • Consiste en una matriz o rejilla regular e infinita de células, cada una en un estado determinado dentro de un conjunto finito de ellos. • La matriz puede tener cualquier numero finito de dimensiones. • El tiempo también es tratado de forma discreta, y el estado de una celda de la rejilla en el instante de tiempo t es una función de los estados de un subconjunto finito de celdas denominado vecindario en el instante t-1. • El vecindario de una celda determinada esta definido por un subconjunto de las celdas situadas en ciertas posiciones relativas a la celda analizada, y no cambia. • Cada celda tiene las mismas reglas para su evolución, dependientes de los valores de sus vecinos. • En cada instante de tiempo se aplican dichas reglas a toda la rejilla, produciéndose una nueva generación. AUTÓMATAS CELULARES > Descripción

26. Autómatas celulares de Wolfram AUTÓMATAS CELULARES > Wolfram • Estudiados por Stephen Wolfram a principios de los 80. • Autómatas unidimensionales con un vecindario de 1 celda alrededor de la analizada. • Hay 256 autómatas celulares elementales, cada uno de ellos con un “número de Wolfram” asociado.

27. Autómatas celulares de Wolfram AUTÓMATAS CELULARES > Wolfram

28. Autómatas celulares de Wolfram AUTÓMATAS CELULARES > Wolfram

29. Las 4 clases de CAs de Wolfram • Clase I (Vacía): El sistema tiende a ser espacialmente homogéneo. Las formas o patrones desaparecen con el tiempo. Pequeños cambios en las condiciones iniciales no ocasionan cambios en el estado final. • Clase II (Estable o periódica): Conduce a una secuencia simple estable o periódica. Corresponde a un atractor puntual o a un atractor periódico. Los cambios pequeños en las condiciones iniciales producen cambios solamente en una región de tamaño finito. • Clase III (Caótica): Surge un comportamiento caótico no periódico. Las formas o patrones crecen indefinidamente a una velocidad constante. Los cambios en las condiciones iniciales producen cambios en una región de tamaño creciente. • Clase IV (Compleja): Corresponden a complicadas estructuras localizadas, algunas de las cuales se expanden. Las formas o patrones crecen y se contraen con el tiempo. Cambios pequeños en las condiciones iniciales ocasionan cambios irregulares. AUTÓMATAS CELULARES > Wolfram

30. Ejemplos de CAs de clase IV AUTÓMATAS CELULARES > Wolfram

31. Conchas de mar AUTÓMATAS CELULARES > Wolfram

32. El juego de la vida de Conway • Inventado por el matemático inglés John Conway y publicado en un artículo de Martin Gardner en la revista Scientific American en 1970. • Retícula bidimensional, en cada casilla puede haber una o ninguna célula (binario). • El vecindario son las 8 casillas de alrededor. • Reglas muy simples: • Supervivencia: Una célula sobrevive si en su vecindario hay 2 ó 3 células vivas. • Muerte: Una célula rodeada por otras 4 muere por superpoblación. Si está rodeada por una o ninguna, muere por aislamiento. • Nacimiento: Una casilla vacía rodeada por exactamente tres células da lugar al nacimiento de una nueva célula. • El resultado es un sistema Turing-Complete. AUTÓMATAS CELULARES > Juego de la vida

33. El juego de la vida de Conway AUTÓMATAS CELULARES > Juego de la vida

34. El juego de la vida de Conway AUTÓMATAS CELULARES > Juego de la vida

35. Índice • Introducción • Patrones emergentes • Autómatas celulares • Modelos basados en agentes • Inteligencia distribuida • Evolución artificial • Química artificial • Ejemplos • Bibliografía

36. Modelos basados en agentes • Es un modelo computacional basado en el análisis de individuos específicos situados en un medio, para el estudio de sistemas complejos. • El modelo fue desarrollado conceptualmente a finales de los 40s, y tuvo que esperar a la llegada de los ordenadores para poder realizarse adecuadamente. • La idea es construir los agentes o dispositivos computacionales y simularlos en paralelo para conseguir modelar el fenómeno real que de quiere analizar. • El proceso que resulta es la emergencia desde los niveles mas bajos del sistema social (micro) hasta los niveles mas altos (macro). AGENTES > Descripción

37. Modelos basados en agentes • Las simulaciones basadas en agentes tienen dos componentes esenciales: • Agentes • Medio • El medio tiene cierta autonomía respecto a lo que hacen los agentes, aunque puede ser modificado por el comportamiento de éstos. • Se simula la interacción de los agentes entre ellos, así como la interacción de los agentes con el entorno que les rodea. AGENTES > Descripción

38. Sociedades artificiales • Charlotte Hemelrijk investigó (1998) la estructura emergente en sociedades de primates reales y simuladas. • Las criaturas son capaces de moverse y verse mutuamente. Si alguna criatura nota que otra está en su espacio, entran en un enfrentamiento. • Las relaciones de dominación se rigen por un principio de auto-refuerzo: quien gana una pelea tiene más posibilidades de ganar la siguiente, y al contrario. • Si no hay enfrentamiento, siguen ciertas reglas básicas de movimiento para mantenerles juntos, ya que son criaturas que viven en grupos. • Es innecesario considerar la representación de una estructura jerárquica en las mentes individuales de los chimancés, ya que surge espontáneamente como estructura emergente. AGENTES > Chimps

39. Sociedades artificiales AGENTES > Chimps

40. Sociedades artificiales • Las interacciones entre los chimpancés artificiales están causadas únicamente por la proximidad, no por consideraciones estratégicas. • Surge una jerarquía de dominación y una estructura social y espacial en la que los dominantes están en el centro y los subordinados en la periferia, semejante a la que existe en algunas especies de primates. • Para un observador externo, da la impresión de que el apoyo en las peleas es recompensado, a pesar de la ausencia de motivación explícita para hacerlo. • Esto es consecuencia de que al huir del rango de ataque del oponente, la víctima entra en el espacio de otro oponente diferente. Esta situación termina de forma habitual cuando la estructura espacial ha cambiado y las dos criaturas cooperantes se atacan entre sí. AGENTES > Chimps

41. Sociedades artificiales AGENTES > Chimps

42. Índice • Introducción • Patrones emergentes • Autómatas celulares • Modelos basados en agentes • Inteligencia distribuida • Evolución artificial • Química artificial • Ejemplos • Bibliografía

43. Inteligencia distribuida • Estrategias complejas de comportamiento de un grupo en las que no existe un mando central. • Surgen a partir de “comportamientos emergentes”. • Se producen en un grupo como conjunto, pero no están programadas explícitamente en ninguno de los miembros del grupo. • Reglas simples de comportamiento en los miembros del grupo pueden dar como resultado un comportamiento complejo del grupo en general. • El grupo es capaz de solucionar problemas complejos a partir únicamente de información local. • Ejemplos: Insectos sociales, sistemas inmunológicos, procesamiento en redes neuronales. INTELIGENCIA DISTRIBUÍDA > Descripción

44. Didabots • Experimento llevado a cabo en 1996, estudiando el comportamiento colectivo de robots simples, llamados Didabots. • La idea principal es comprobar que patrones aparentemente complejos de comportamiento pueden ser consecuencia de reglas muy simples que guíen las interacciones entre las entidades y el entorno. • Esta idea ha sido aplicada con éxito por ejemplo al estudio del comportamiento de insectos sociales. INTELIGENCIA DISTRIBUÍDA > Didabots

45. Didabots • Sensores de infrarrojos para detectar proximidad en un rango de unos 5 cm. • Programados únicamente para esquivar obstáculos. • Estimulación sensorial a la izquierda causa un pequeño giro a la derecha y viceversa. INTELIGENCIA DISTRIBUÍDA > Didabots

46. Didabots INTELIGENCIA DISTRIBUÍDA > Didabots

47. Didabots • Inicialmente los cubos están distribuidos aleatoriamente. • Con el tiempo, se empiezan a formar agrupaciones de cubos. Al final, hay dos grandes montones de cubos y algunos otros dispersos por los bordes de la pista. • El experimento fue repetido muchas veces y el resultado es muy consistente. • Aparentemente los Didabots están limpiando la pista, agrupando los bloques, visto desde la perspectiva de un observador externo. • La programación real de los robots fue únicamente evitar obstáculos. • Esto ocurre porque cuando el Didabot tiene un cubo exactamente delante no es capaz de detectarlo y lo empuja hasta que colisiona con otro cubo que lo desvía ligeramente y entra en el campo de uno de los sensores, el Didabot cambia ligeramente su rumbo entonces y lo abandona. INTELIGENCIA DISTRIBUÍDA > Didabots

48. Los insectos sociales • La principal cualidad de los llamados insectos sociales, hormigas o abejas, es la de formar parte de un grupo auto-organizado, cuya palabra clave es la simplicidad. • Estos insectos resuelven los problemas complejos gracias a la suma de interacciones simples entre cada individuo. INTELIGENCIA DISTRIBUÍDA > Insectos sociales

49. Las abejas • La distribución de las crías y del alimento en un panal de abejas no es al azar. • La región central en que se sitúan las crías está cerca de una región que contiene polen y de otra que contiene néctar (aportando proteínas y carbohidratos a las éstas). • La distribución a nivel local está cambiando constantemente debido a la entrada y salida de polen y néctar, pero se mantiene estable a nivel global. INTELIGENCIA DISTRIBUÍDA > Insectos sociales

50. Las abejas • Esto no es resultado de que una abeja esté coordinando el proceso, sino de la interacción entre ciertas reglas simples que sigue cada abeja a nivel local: • Depositar las crías en celdas cercanas a las que ya tengan crías. • Depositar néctar y polen en celdas cualesquiera, pero vaciar antes las celdas más cercanas a donde estén las crías. • Extraer más polen que néctar. INTELIGENCIA DISTRIBUÍDA > Insectos sociales