컴퓨터 그래픽을 위한 인공생명 Digital Contents 를 위한 인공생명 기술에 대한 overview 와 개념

1. 컴퓨터 그래픽을 위한 인공생명Digital Contents 를 위한 인공생명 기술에 대한 overview와 개념 발표자 : 차명희 Demitri Terzopoulos ACM 1999 인공지능/물리 기반 그래픽스로 유명한 Toronto 대학 교수였다가 지금은 NewYork 대학교에 석좌교수로 있는 Demitri Terzopoulos 1999년 article

2. 개요 • 이미지 합성, 애니메이션, 그리고 virtual reality을 위한 컴퓨터 그래픽 모델링은 motion picture, interactive game 그리고 multimedia 산업들을 혁명화 시켜가면서 지난 세기동안 급진적으로 발전해 왔다 • 그 분야는 1세대인 순수한 기하학의 방식부터 더 정교한 신체가 기본이 된 방식으로 발전했다. 우리는 이제 놀라운 realism으로 다양한 실제 세상, 신체적인 물건들을 실험하고 활동화 시킬 수 있다. • 그래픽 연구가들은 살아있는 물건들의 새로운 미개척분야 - 즉 기하학적인 그리고 신체적인 방식만을 통한 전형적으로 손에 넣기 쉬운 그것들 보다는 훨씬 대단한 복잡성의 물건들의 세상- 조사하고 있는 중이다. 컴퓨터 그래픽을 위한 움직이는 시스템의 방식과 실험은 인공지능, 즉 Alife라 불리는 과학적 요구와 합쳐지는 분야와 함께 같이 발전하고 있다. 이 Alife는 컴퓨터 과학과 생물과학의 전형적인 한계들을 초월하는 학문이다. 컴퓨터 그래픽과 인공지능의 공동 협동 작용은 이제 그래픽스 모델링을 이끌어나가고 있다.

3. 인공생명 컨셉은 이미지 합성, 애니메이션, 멀티미디어 그리고 virtual reality을 위한 발전된 그래픽 방식의 구조에서 중요한 역할을 한다. 새로운 그래픽 모델들은 식물이나 동물들 같은 작은 생물들로부터 혁명적인 인간에게 까지 다양한 살아있는 것들에 대한 과감한 방식을 취했다. 전형적으로, 이러한 모델들은 복잡한 모양을 취하고, 의학법에 적용되는 가상의 세상에 거주한다. 계속해서, 그들은 주로 최첨단 기하학과 신체중심의 모델링 기술들과 통합한다. 그러나 더 중요하게, 이러한 모델들은 탄생과 죽음, 성장과 발전, 자연적인 선택, 진화, 인식, 운동력, 조작, 적응적인 행동, 배움, 그리고 지성과 같은 독자적으로 살아있는 시스템을 특색 지어주는 수많은 자연적인 진행들과 반드시 실험을 해야 한다 • 이 연구는 self-creating, self-evolving(자신 진화, 발전), self-controlling, 그리고 self-animating 와 같은 것들을 자연적인 기본 기계화를 실생활에 자극함으로써 발전시키고 세련된 그래픽 모델들을 전개 시키는 것에 대한 연구다.

4. Signs of Alife • 컴퓨터 그래픽스를 위한 인공생명은 조사와 발전의 다양한 주요 수단들을 대량생산 해 왔다.인공생명 방식은 특히 발전된 애니메이션을 위한 효율성을 증명했다. 기술들은 실제적인 모델들과 애니메이팅된 식물들, 동물들, 그리고 인간들에게 이제 이용가능 해 졌다. • Behavioral modeling은 모션픽쳐 특수효과 산업에 있어서 주요한 유행이다. 컴퓨터 하드웨어의 발전은 개발자들의 관심을 인터렉티브 게임에서의 캐릭터 합성으로 기울이게 한다. 게다가, 인공적인 진화는 잠재적으로 모델 합성과 이미지 합성을 위한 파워 풀한 기술의 하나로 자리 매김 하고있다.

5. 인공 식물들 • 생물학적인 진행들에 영감을 받은 수학적 형식들은 식물들의 매우 복잡하고 실제적인 그래픽 모델들을 증가시키기 위해 쓰여져 왔다. 캘거리 대학의 Przemyslaw Prusinkiewicz은 이러한 방면의 그의 연구로 유명하다. 생물학자 Aristid Lindenmayer에 의해 1960년대에 소개되어진 형식적인 언어 체계,즉 단순 다세포 유기체의 발전을 연구하기 위한 이론적인 체계인 Lindenmayer systems( L-systems)은 morphogenesis의 좀 더 높은 식물들과 인상적인 결과의 연구를 위해 Prusinkiewicz와 다른 사람들에 의해 최근에 더욱 적용되어 왔다 (figure2 참조). L-systems은 패턴들을 실제적으로 브랜칭하고(여럿으로 가지를 내듯이 퍼져나가게하고) 번영 시키는 모형을 만들 수 있으며, 식물증가와 발전을 통제하는 내부 호르몬 신호의 번식 또한 모형을 만들 수 있다.

6. 인공 식물들 • L-systems의 사용이라 명시된 기하학적이고 추측통계학 적인 식물 모델들은 식물을 발전시키는 것과 빛과 영양물과 그리고 기계적 장애들을 포함한 그것의 환경 사이의 상호작용을 실험하기 위해 Prusinkiewicz와 그의 학생들에 의해 최근에 또한 제안되어 졌다. 이러한 환경적 요소에 민감한 L-systems는 식물을 그것의 환경과 함께 계속적인 상호작용내의 살아있는 유기체로 적절하게 간주한다. Prusinkiewicz은 figure2에서 보여지는 것처럼 합성 이미지에 영감을 받은 영국의 Levens Hall 정원 같은 Topiary 정원들에서 발견되어진 조각화 된 식물들의 실제의 합성 이미지를 만들어내는 식물들의 모델반응을 포함시키기 위해 그것들을 확장 시켰다.

7. 인공진화 • 1991년의 기계에 대한 생각은, Karl Sims가 자연 진화적인 진행들(7)에 의해 영감을 받은 매혹적인 컴퓨터 그래픽스의 접근을 개시하였다. 인공진화, 즉 다윈진화론의 디지털화, 는 복잡한 허상의 실체들이 자세한 디자인과 조립 없이도 만들어 질 수 있게 하는걸 허락한다. 예를 들자면, 진화예술가 Steven Rooke에 의해 Figure3에서 보여지는 디지털 이미지는 인공진화의 결과 물 이다. 인공진화는 그래픽과 애니메이션에 유용한 자동적으로 증가하는 실체들(phenotypes)을 위한 계산화된 절차들인 복잡한 유전자적인 codes( genotypes)를 진화 시킨다. 다행스럽게도, 그래픽 전문가들은 이러한 코드들을 이해하지 않아도 된다; 그들은 단지 실체들이 진화될 때에 phenotypes의 주관적인 바람직함을 구체화 시킬 수 있는 것이다. 컴퓨터가 대부분의 일을 처리하고, survival of fittest라는 원칙을 적용한다. 소프트웨어는 다양한 genotype으로부터 개인적인 phenotypes의 population을 구체적으로 나타내고, survival을 위한 바람직하지 못한 개개인의 부적당함을 제거하며 genotypes의 결합을 통해서 새로운 개개인을 적극적으로 재생산한다. • Sims은 많은 그래픽 실체들의 진화를 위한 엄청난 전제들을 인공진화가 보유하고 있다는 것을 보여 줬는데, 3D 조각과 가상 식물들 그리고 가상 생물들을 포함한 synthetic image art 을 추가한다.

8. Behavioral modeling and animation. • 1987년에, Symbolics Inc의 Craig Reynolds는 그의 획기적인 “boids”실험을 출판했는데, 그것은 인공지능과 컴퓨터 애니메이션[6] 사이의 차이를 이어주는 것이었다. 그의 연구는 캐릭터들이 어떻게 행동해야 하는 지를 통한 애니메이터들의 최소한의 노력과 함께 복잡한 애니메이션이 어떻게 발생하는지를 보여준다. 이러한 모델들은 가상 현실 내에서의 운동력과 인식능력이 가능한 다양한 자치 agents의 상호작용을 다스리는 행동 규칙들의 형식을 취한다. 반응 모델링과 애니메이션은 이제 컴퓨터 그래픽의 하나의 커다란 흐름으로 대표되어지고, 그 기술은 모션픽쳐 산업에 광범위하게 적용되어져 오고 있다.(테이블 1참조) 1987년에 애니메이트 된 짧은 필름인 Stanley and Stella에서 Reynolds에 의해 처음 실험적으로 보여줬던 Behavioral animation techniques은 주요작품 들의 특수효과를 만들어내는데 쓰여져 왔는데, Batman Returns의 애니메이트 된 박쥐 무리들과, 라이언 킹의 양 때들, 그리고 뮬란의 서사 비율(epic proportion)이 쓰인 군중 신들이 바로 그것들이다. Behavioral techniques 는 또한 interactive games 와 multimedia applications내의 multiful animated characters들을 컨트롤링 하는데 유명하게 쓰여진다.

9. 인공 동물들(Artificial Animals) • 애니메이션과 가상현실을 위한 동물들의 실제 모델링에 접근하는 포괄적인 인공지능은 확실한 결과들과 함께 드러난다[9]. 그것의 주된 요소들은 동물들의 몸뚱이와 두뇌들의 기능적인 모델들이다. 기능적인 몸뚱이 모델링은 그것의 세상내의 동물의 육체를 모의 실험하는 것, 운동력을 위한 생물 기계학의 쓰임, 그리고 눈과 같은 활동적인 감각기관의 작동 등에 관여한다. 기능적인 두뇌 모델링은 motor control, 인식, 행동, 배움, 그리고 수준 높은 동물들에게서 나타나는 인식력 등에 대해 책임을 지는 생물학적인 두뇌 중심부내에서 정보처리 과정을 경쟁하는 것과 관련이 있다. 나는 후에 더 자세히 인공동물 들에 대해서 다루는데, 내 리서치 그룹의 인공 해양 동물들에 대한 연구를 참고 하기 바란다.

10. 인공 인간들(Artificial Humans) • 전형적인 그래픽 애니메이터 들을 위한, 가장 중요한 동물 종류는 Homo sapiens이고, 이 가장 발전되고 알려진 살아있는 시스템에 막대한 노력이 모델링하고 애니메이팅 하는 데에 투자되어져 왔다. 특별히, Federic Parke의 1970년대에 유타대학 에서의 선구자적인 연구에서부터 최근의 바이오미케니컬 하면서 해부학적인 얼굴의 모델링 연구까지, 인간의 얼굴은 많은 관심을 일으켰다.(Figure4 참고)

11. 인공 인간들(Artificial Humans) • Lausanne의 스위스 연방 기술 기관의 Daniel Thalmann 와 스위츠랜드의 제네바대학의 Nadia Magnenat-Thalmann은 가상 인간들을 모델링하고 애니메이팅하는 것의 거대한 도전에 수년동안 도전했다. (ligwww.epfl.ch.와 www.miralab.unige.ch [8] 참고) Thalmann은 최근에 인간의 모델링과 가상 인간을 시각적으로, 입체감 있게, 그리고 청각적인 센서들을 통해 그들이 그들의 환경에 대해 인식하게 하기 위해서 설비(갖추게 함)하는 감각기관 인식의 증가하는 중요한 역할에 대해 조사했다. 감각기관의 인식은 시각적으로 조정되는 운동력, 물체 조작, 그리고 소리와 말에 반응 하는 인간 동작 같은 것들을 지원한다. 그들의 증명(시범)들은 센서 중심의 네비게이션, 비정규적 지형에서의 걸음, 욕심, 게임 플레잉, 가상 인간 군중의 행동, 그리고 더 많은 것들을 포함한다. 그들은 또한 가상 인간들과 실제 인간들 사이의 의사소통을 연구했는데, 서로 영향을 미치는 가상 인간의 합성을 실제의 장면에 합성하는 것을 포함한다. 팬실베니아 대학의 Norman Badler와 Dimitri Metaxas 와 애니메이션을 위한 인간 운동력의 동력 조절과 바이오미케니컬 한 모델링이 포함된 인상적인 연구를 한 조지아 기술사관의 Jessica Hodgins가 가상 인간 부분의 다른 조사자들이다.

12. Interactive synthetic characters(상호 작용이 가능한 합성된 캐릭터들) • 다가올 컴퓨터 중심의 상호 엔터테인먼트는 어떤 인공 생활 기술이 잘 어울리는지, 같은 풍부한 환경 내에서 실제와 같은 그래픽 캐릭터들과 함께 사용자들을 현혹시킬 것이다. 인공지능의 주된 컨셉들은 computer graphic Creatures(Figure5)와 같은 홈 엔터테인먼트 내의 신청을 찾아내는 것이다. Creatures는 사용자들이 귀여운 “norns”라 불리는 자율적인 에이전트와 상호작용을 이루게 하는데, norns의 행동은 유전학적으로 구체화된 신경계통 네트워크와 생화학에 의해 조정 되어 진다. 전 세계적으로 백만 카피 이상이 팔린 이 제목의 상업적인 성공은, 많은 사용자들이 믿음직한 인공지능 캐릭터들과 기꺼이 관계를 맺을 의향이 있음을 보여주는 관계를 반영한다. (www.creatures.co.uk참고)

13. Interactive synthetic characters(상호 작용이 가능한 합성된 캐릭터들) • 그래픽컬한 케릭터들을 위한 증가하는 유력한 인공지능 모델링 테크닉은 대학내에서 그리고 협동 연구소 내에서 연구되어진다.명백하게도, MIT Media Lab의 Bruce Blumberg 는 고용된 인공지능 형태에 의해 거주하게 된 그래픽컬한 세상과 인간 참가자들 사이의 full-body 상호작용을 가능하게 해주는 ALIVE(인공지능상호가상환경: Artificial Life Interactive Virtual Environment), 라는 본보기 시스템을 개발했다[1]. 이러한 케릭터들은 그들 나름의 동기를 갖고 마치 인간 참가자들이 그들의 실생활에서 반응하는 것처럼 다른 케릭터들의 행동들을 해석하고 느낄수 있다. 그의 가장 최근의 프로젝트는, 비슷한 목표를 가진, Swamped 이다(Figure5). • Figure1의 컴퓨터 그래픽스 모델링 피라미드의 정점은 이 부문의 초창기 시절부터 인공지능 조사자들을 도전하게 만들었던 분야인 인간 인식력 기능을 나타낸다. John Funge는 논리 중심의 지식주장, 결과론(reasoning), 계획론( planning) 과 같은 중심 인공지능 기술들의 컴퓨터 게임과 애니메이션 내에서의 사용을 선구화(개척) 하고 있다[2]. “동물논리”의 이 형식은. Figure5에서 보여지는 실험적인 상호 게임 환경인 Demosaurus의 주된 특색이다. 이 부분의 조직적인 인식력 모델은 궁극적으로 마치 인간 배우들과 같이 충분히 조정될수 있는 지식을 갖춘 다른 그래픽컬 케릭터들과 가상 인간을 self-animating할 수 잇는 수준으로까지 이끌 것이다.

14. Lifelike Autonomous Agents(실제 같은 자율적인 에이전트)1 • 컴퓨터 애니메이션을 위한 특별히 구체화된 인공지능 모델은 토론토 대학의 Xiaoyuan에 의해 발전 되었다[9]. (인공물고기 참고) • 인공 물고기는 내부 근육에 의해 작동되어지는 변형 가능한 몸과 함께하는 실제 같은 자율 에이전트 이다. 이 몸은 또한 옆에서 보여지는 것처럼 동력, 지각, 행동, 그리고 learning centers와 함께 하는 두뇌와 눈을 포함한다. 조절된 근육 action을 통해서, 인공 물고기는 유체역학 원칙에 따라 실험되어지는 물을 통해 수영한다. 그들의 관절이 있는 지느러미들은 그들이 운동하고, 발렌스를 유지하고, 물안에서 연습할수 있게끔 해준다. 이와 같이, 기능적인 인공지능 물고기 모델은 전통적인 컴퓨터 그래픽스 전시모델의 행식내에 있는 외형과 3D 모형만을 잡아내는 것이 아니다. 더 중요하게,동물들의 두뇌의 기능 뿐만 아니라 동물의 기본적인 실체(biomechanics)와 그것의 환경(hydrodynamics)을 잡아낸다. • 가상 세상의 지각 있는 인식에 따라서, 인공 물고기의 두뇌는 엉키고, 학교 가고, 먹이를 잡고, 무리를 짓고, 충돌을 피하는 등이 포함된 piscine 행동들의 레퍼토리를 중재한다. 비록 이러한 인공 두뇌들은 실제 동물들의 생물학적인 두뇌들에 비하면 미숙하지만, Radek Grzeszczuk가 토론토에 있을당시 보여줬던 것처럼 [3],그들은 주된 동력 기능들을 배울 수 있고 그리고 지각적으로 안내된 동력 일들을 수행 할 수 있다.

15. Lifelike Autonomous Agents(실제 같은 자율적인 에이전트)2 • 전시된 모델 인공 물고기들은. Sidebar에 있는 것처럼 , 실제 물고기의 형식과 외형을 타당한 시각적 신빙성과 함께 잡아야 한다. 이것을 끝내기 위해선, 실제 물고기 사진을 상호적인 이미지 중심의 모델링 방식을 이용한 3D spline surface body model 으로 전환시켰다. 물고기 바디의 모형과 질감은 컴퓨터 비젼 기술을 통한 디지털화된 사진으로부터 추출되어 진다. • 동력 시스템은 물고기 근육을 작동시키는 자와 동력 조절자들을 포함한 물고기의 다이내믹 모델이다. 바이오미케니컬 바디 모델은 오직 근육 작동시의 변형 아래 구조 보전을 유지하기 위해 상호 연관된 91개의 viscoelastic 요소들과 23개의 덩어리들을 이용한 실제적인 piscine 운동력을 제공한다. 인공 물고기의 운동력은 자연적인 물고기들 같다.- 대등한 방식에 그들의 근육을 자연스럽게 맺어줌으로써. 기계공들은 유체역학 힘에 의해 추진된 Lagrangian 등식의 동의(매 물고기마다 69개의 등식)에 의해 감독 되어진다. 평범하게 다른 등식The coupled, second-order 들은 수많은 모의조정 장치(안정적이고 내재적인 Euler time-integration 방식을 고용하는) 에 의해 계속해서 시간을 통해서 통합되어진다. 모델은 데이터를 이용한 동력 컨트롤러들의 디자인을 허용하는 것이 물고기 바이오미케닉스의 문학(?)으로부터 수집하는 동안에 리얼리즘과 컴퓨터화 된 효율성 사이에서의 좋은 타협점을 이룬다.

16. Lifelike Autonomous Agents(실제 같은 자율적인 에이전트)3 • 인공 물고기 두뇌의 동력센터 내의 한 쌍의 동력 컨트롤러는 구체적인 동력 기능(앞으로 수영하기, 왼쪽으로 돌기, 오른쪽으로 돌기 같은)들을 수행하기 위해 근육 동작들을 순서대로 정리한다. 추가적인 동력 컨트롤러는 가슴 지느러미의 행동들을 순서대로 정리하는데, 3D세상에서 자유롭게 항해할 수 있게 하기 위해 이것은 암수 구별이 없이 물에 잘 뜨는 인공물고기 들을 던지고, 구르고, 흔드는 것을 가능하게 해준다. • 인공 물고기들은 다이내믹 환경에 대한 정보를 얻기 위해 장착된 가상 센서들에 의존한 감각 인식 기관을 통해서 그들의 세상을 인식한다. 중립적인 sensorimotor 행동을 이룩하기 위해, 능력뿐만 아니라 동물 지각 시스템의 한계 의 모형을 만드는 것 또한 필요하다., 두뇌의 지각 센터는 인공 물고기들이 구체적인 일 진행 방향(task-specific way)내의 세상을 느낄 수 있게 허락하는 주의(attention) 미케니즘을 포함한다. 예를 들자면, 인공 물고기들은 그들이 때지어 모여있을 때 그들의 가까운 음식 소스에 반응한다.

17. Lifelike Autonomous Agents(실제 같은 자율적인 에이전트)4 • 인공 물고기의 두뇌 행동 센터는 그것의 지각시스템과 동력 시스템 사이를 중재한다. 한 쌍의 선천적인 캐릭터들은 그것이 남자인지 여자인지, 약탈자인지 아님 먹잇감인지, 그리고 더 많은 물고기의 유전적인 유산(legacy)들을 결정한다. 하나의 운동적인 정신 상태는 감각기관의 입력에 의존하는 배고픔과 공포 그리고 성적충동을 나타내는 다양성을 포함한다. 인공 물고기의 행동 레퍼토리는 장애물 피함 같은 근본적이고 반사적인 행동 반경을 포함하고 물고기들의 운동적인 정신상태에 의존하는 행동들인 학교가기, 짝짓기 같은 더 복잡하고 동기 유발적인 행동반경 또한 포함한다. 적절하게 간략해진(piscene) 인식력있는 수용량은 물고기들의 action-selection mechanism(기계장치)으로부터 생긴다. • 각각의 모의실험 과정에서, action selection은 정신적인 상황 그리고 , 장애물이나 약탈자 피하기, 먹이를 사냥하고 먹는 것, 그리고 잠재적인 친구들을 유혹하기 같은 분별있고 살아남기 위한 종속적인 목적들을 발생시키기 위한 물고기들의 감각적인 정보들의 다가오는 흐름, 같은 합쳐진 선천적인 특징들을 필요로 한다.(수반한다). 제한된, single-item 행동 기억은 더욱 더 연장된 떼짓기, 학교가기, 그리고 짝짓기 같은 행동들의 건강함을 더 발전시키기 위해 목적에 지속성 주는 것을 망설이는 것을 줄인다.

18. Lifelike Autonomous Agents(실제 같은 자율적인 에이전트)5 • 실제 동물들에 비해 미숙하지만, 인공 물고기들의 두뇌 또한 배울 수 있게 만든다. 예를 들자면, 인공 물고기는 실제적이고 감각적인 보충물을 통해 운동할 수 있는걸 배운다. 전진 움직임을 제공하는 조정된 근육 축소들은 기억되어 진다. 이러한 부분적인 성공들은 물고기들의 수영 기술의 계속되는 향상을 위한 기본들을 형성한다. 보다 명시적으로, 인공 물고기두뇌의 learning center는 효과적인 운동력을 생산해낼 수 있는 근육 컨트롤러를 완전하게 하고 발견할 수 있는 한쌍의 낙관 중심의(optimization-based)동력 learning 연산방식을 의미한다. 이러한 인공 동물들은 수족관 같은 곳에서 돌고래들이 훈련 받는 도약 묘기의 귀여운 부분 같은 더 높은 레벨의 감각적인 일을 수행하기 위해 배울 수 있다[3] • 1998년 2월, 토론토 대학의 Qinxin Yu에 의해 실행된 A-large-scale 가상 바다수족관(seaquarium)이 SMART Toronto(www.sto.org)에 설치되었다. 이 인공 물고기 가상 현실 모의실험의 실시간 버전은 사용자들로 하여금 가상 바닷속을 합성된 바닷속 세상을 통해서 안내할 수 있게끔 해준다. 참가자들은 가상 바닷속의 거대한 파노라마식 창을 통해 그들이 관찰한 실제 같은 수중 동물들에 매혹되어 진다.

19. Conclusion • 인공지능은 이미지 합성, 모델링, 애니메이션, 상호협력 게임, 멀티미디어, 그리고 가상현실 등을 포함한 컴퓨터 그래픽스 사이에서 증가하는 중요한 역할을 담당한다. 급속히 증가하는 기술적인 본체는 살아있는 실제적인 모델링과 물체 애니메이팅을 위해 이용 가능하다. 기술들은 기본적인 현상들에서부터 탄생, 성장, 그리고 죽음 같은 생물학적인 유기체들, 바이오미케닉들, 그리고 동력 컨트롤, 지각, 행동, 지능, 그리고 심지어 진화에까지 경쟁하고 다툰다. 그래픽 조사자들과 실무자들에게 흥미로운 도전은 세상의 기계장치를 모의실험 함으로써, 더욱 세련되어진 그래픽 모델들-self-creating, self controlling, self animating, and self evolving-을 발전시키고 창의적인 전력적 배치를 하는 것이다. 이러한 협동연구학문의 도달은 컴퓨터 그래픽스 내에서의 풍부한 영역의 한계를 확실하게 드러낼 수 있다.

20. 게임과 관련이 있는 인공생명 주제에 대한 웹사이트들 • http://www.evolva.com 인공생명 개념이 들어가 있는 게임. 외계인들과 싸우는 게임인데, 다른 외계인의 유전자를 흡수하여 자신의 기능으로 취할 수 있다고 합니다. • http://www.gamewaredevelopment.co.uk/creatures_index.php 다마고치와 비슷한 것 같은데, notch 란 알에서부터 부화시켜 귀여운 동물들을 키워내는 게임인 Creatures • http://www.aiwisdom.com/ 게임을 위한 인공지능 관련 기법들이 있는 서적입니다. 후반부에 진화 알고리즘, 신경망 등 인공생명 관련 기술들에 대해 나와 있습니다. • http://www.genarts.com/karl/ 인공생명 연구의 시각적인 결과 중 하나로 가장 유명한 Karl Sims 의 홈페이지 • http://red3d.com/cwr/ Boid 로 유명한 Craig Reynolds 의 홈입니다. Flocking behavior 의 창시자 • http://www.frams.alife.pl/ Karl Sims 의 연구를 시작으로 한많은 물리 시뮬레이션 기반 인공생명 연구 중 꽤 크고 시각적 효과가 뛰어난 프로젝트인 FramSticks • http://sodaplay.com/ Shockwave 로 만든 2D 기반 spring-damper 시뮬레이션인 Sodaplay • http://www.alife.org/ International Society of Artificial Life (ISAL) -- 인공생명 공식 학술 커뮤니티