|
|
Le radici dell'ARTIFICIAL LIFE possono essere rinvenute negli
automi cellulari di John Von Neumann e Arthur W. Burks. Von Neuman si chiedeva:
"Quale tipo di organizzazione logica è sufficiente ad un automa per riprodurre
se stesso?";
egli aveva in mente il fenomeno naturale dell'autoriproduzione quando la pose,
ma non tentò di simulare l'autoriproduzione di un sistema naturale a livello
genetico e biochimico. Egli voleva astrarre dal problema naturale dell'autoriproduzione
la sua forma logica. Il formalismo che permise lo studio in quest'ambito, fu
proposto da un suo collega, Stan
Ulam, con il nome di AUTOMA CELLULARE (1962). Un automa
cellulare è semplicemente un SISTEMA che può avere un NUMERO FINITO DI STATI
ed il cui STATO è determinato dallo stato di altri automi che lo circondano.
Il comportamento degli automi cellulari diventa interessante proprio perché
formano una RETE DI INTERAZIONI, il cui COMPORTAMENTO GLOBALE, nel tempo, NON
è PREVEDIBILE, anche se le LEGGI che governano i passaggi di stato per ogni
singolo automa sono SEMPLICI e BEN DETERMINATE. Con gli automi cellulari, Von
Neumann impostò un sistema capace di autoreplicarsi e stabilì che, qualunque
sistema capace di fare ciò, doveva FARE USO DI INFORMAZIONI contenute nella
sua descrizione in due modi fondamentalmente differenti: sia INTERPRETANDO,
che NON INTERPRETANDO. INTERPRETATE LE INFORMAZIONI ESSE DOVEVANO TRADURSI IN
AZIONI DA COMPIERE per realizzare il replicante, non interpretate dovevano essere
soltanto copiate, perché sarebbero state l'analoga descrizione per il replicante.
Quando, in seguito, si scoprì la struttura ed il funzionamento del DNA emerse
che erano proprio i modi in cui la cellula fa uso delle informazioni contenute
in esso durante i suoi processi di trascrizione e traduzione da una parte e
replicazione dall'altra. UN AUTOMA DEVE APPRENDERE AD AGIRE IN UN AMBIENTE e,
in linea di principio, non fa molta differenza se questo ambiente è REALE O
SIMULATO. L'ambiente simulato, però, non deve essere stato progettato in modo
da rendere il più semplice possibile "la vita" all'automa. Questa semplificazione
spesso finisce per rendere ancora più difficile operare in tale ambiente. Ciò
è legato al fatto che quello che è riportato dai sensori, nella vita reale,
è sempre molto incerto. Quell'imprecisione che, a prima vista, sembrerebbe un
problema, IN REALTA' PORTA AD APPRENDIMENTI PIU' FLESSIBILI IN PARTENZA, porta
in maniera più naturale a prendere IL PUNTO DI VISTA DEL ROBOT, INVECE DI FORNIRGLI
LA PROPRIA VISIONE DELL'AMBIENTE. Questa è appunto la posizione fondamentale
del filone che va sotto il nome di agenti situati. Per quanto riguarda l'apprendimento,
possiamo distinguere un apprendimento genetico ed uno individuale, proprio come
negli esseri viventi reali. Nelle simulazioni che si fanno in questo campo,
si utilizzano in genere alternativamente strategie che possiamo considerare
ispirate all'APPRENDIMENTO IN VITA (tramite backpropagation principalmente,
ma anche con l'apprendimento competitivo o comunque apprendimenti basati sulla
modifica dei valori delle connessioni tra neuroni); oppure all'APPRENDIMENTO
SU BASE GENETICA, che si compie di generazione in generazione (algoritmi genetici).
Gli ALGORITMI GENETICI consistono fondamentalmente in varie tecniche, che portano
alla selezione dei metodi che danno (in base ad un determinato criterio) i risultati
migliori ed alla ricombinazione casuale di alcune loro porzioni e/o alla mutazione
di alcune loro parti. In genere si parte con una certa popolazione di automi
che hanno leggere differenze tra loro e si fanno agire in un ambiente per un
certo numero di cicli. In seguito quelli che si saranno comportati meglio avranno
la possibilità di riprodursi. Cioè si prenderà, ad esempio, il venti per cento
della popolazione che si è comportato nel modo migliore e da questi, con mutazioni
casuali e ricombinazioni, si otterrà anche il restante ottanta per cento di
automi; con questa nuova popolazione si farà un altra sessione di cicli, al
termine dei quali, si ripeterà lo stesso procedimento. Oggi si possono distinguere
nell'Artificial Life due grossi filoni che si intrecciano tra loro: quello della
robotica e quello delle simulazioni. Un altro tipo di distinzione che si può
fare è tra gli approcci che potremmo definire top-down, quali quelli della tradizione
cognitiva o dell'Intelligenza Artificiale, e quelli bottom-up nel quale troviamo
connessionismo (in particolare il filone degli agenti situati) e automi cellulari.
Tutto quanto riportato in questa pagina è a puro scopo informativo personale. Se non ti trovi in accordo con quanto riportato nella pagina, vuoi fare delle precisazioni, vuoi fare delle aggiunte o hai delle proposte e dei consigli da dare, puoi farlo mandando un email. Ogni indicazione è fondamentale per la continua crescita del sito.