Собрание случаев из практики эволюционных вычислений и исследований искусственной жизни
Сокращенный перевод с английского
<arxiv.org/pdf/1803.03453.pdf> статьи: The Surprising Creativity of Digital Evolution:
A Collection of Anecdotes from the Evolutionary Computation and Artificial Life Research Communities
*Аннотация*
Процесс эволюции представляет собой бурлящий источник разнообразных вариантов адаптации. Созидательный потенциал эволюции не ограничивается миром живой природы: искусственные организмы, порождаемые при компьютерном моделировании, способны озадачить собственных создателей.
Эволюционные алгоритмы способствуют выходу за пределы основы, на которой они возникают. Более того, многие исследователи в данной области могут предоставить примеры, как созданные ими алгоритмы и искусственные организмы, поразительным образом разрушают ожидания и замыслы. Это случается за счет проявления нераспознанных ошибок в программном коде и создания непредвиденных вариантов адаптации. Или же в поведении цифровых
существ и результатах исследований обнаруживается сходство с наблюдениями в живой природе. Подобные истории вызывают удивление эволюцией, происходящей в цифровом мире, но они редко вписываются в принятую научную интерпретацию. Вместо этого они часто трактуются как всего лишь некоторые препятствия для получения результатов с заведомо
поставленными целями.
Ошибки устраняются, эксперименты изменяют направление, и отдельные удивительные моменты сводятся к конкретному частному результату. Такие истории передаются в среде исследователей устно, но подобный способ передачи информации не является эффективным, что приводит к искажению и потерям. При этом, подобные истории распространяются, как правило, среди самих экспериментаторов, поэтому многим исследователям живой природы не
часто удается получить представление о том, насколько интересными и
реалистичными могут быть цифровые существа и процессы их эволюции.
По нашим данным сборники описаний подобных историй ранее не публиковались. В этой статье собраны описания, полученные непосредственно от исследователей, которые регистрировали подобные ситуации в области искусственной жизни и эволюционного моделирования.
В связи с этим, мы представляем существенное доказательство того, что наличие и значимость «сюрпризов эволюции» выходят за пределы мира живой природы, и это на самом деле может быть проявлением универсальных свойств всех сложных эволюционирующих систем.
*Введение*
Эволюция представляет нам бесчисленное множество примеров парадоксально креативных способов получения сложнейших решений, касающихся изменчивости живой природы. Например, некоторые виды цветков обладают функцией, подобной акустическому маяку, для привлечения летучих мышей, ориентирующихся посредством эхолокации, микробы-экстремофилы модифицируют собственные ДНК для успешного произрастания в условиях
сильной радиации, жуки-бомбардиры отражают налеты хищников посредством бурных химических реакций, паразиты перепрограммируют мозги тех существ, на которых они поселяются, что вызывает гибель этих существ, но обеспечивает благополучие самих паразитов.
Множество других примеров относится к широкому спектру биологических систем. И даже биологи с большим опытом порой выказывают удивление, узнавая о вновь открытых способах адаптации. Итак, процесс биологической эволюции отличается поразительной креативностью, по крайней мере, в смысле порождения невообразимых и сложных решений, которые, казалось бы, можно сравнить с решениями, созданными людьми. При этом креативность процессов эволюции не ограничивается сферой органического мира. Вне зависимости от физического носителя проявления эволюции можно наблюдать везде, где переплетаются такие функции как репликация, изменчивость и отбор.
В связи с этим, эволюция может быть подтверждена примерами из мира цифровой реальности — в виде компьютерных программ, предназначенных для экспериментов по изучению эволюции или при решении задач проектирования за счет порождения цифровых существ. Подобно биологической эволюции в экспериментах, связанных с цифровой эволюцией, часто получаются удивительные результаты. Порой эволюция обнаруживает скрытые ошибки
программного кода или же отображает поразительную конвергенцию с биологическими проявлениями. А иногда посредством эволюции возникают решения, о которых исследователи совсем не предполагали или которые считались невозможными.
Истории, связанные с цифровой эволюцией и «поражающие» исследователей, которые ее изучают, являют собой нечто большее, чем просто незначительные артефакты. Такие случаи способствуют актам прозрения и получению полезных для практической деятельности знаний, так как показывают вездесущность подобных проблем и возможность их преодоления
по необходимости.
Более того, такие ситуации показывают, что отработанные цифровые модели эволюции не просто отображают требования, заложенные создателями, а также определенные искажения. При этом они оказываются достаточно обоснованными для целей получения неожидаемых результатов и новых знаний.
*Эволюция и креативность *
Креативность эволюция становится очевидной при наблюдении за разнообразием в живой природе. Подобные мысли отражены Дарвином в заключении к «Происхождению видов», где упоминается, что наблюдение за мириадами совместно проживающих в отдельно взятом ареале биологических существ вызывает серьезные размышления — “endless forms most beautiful”.
Изменчивость в живой природе распространяется по таким осям, как сложность, организация, среда обитания, метаболизм и воспроизведение. При этом прослеживается связь — от одноклеточных прокариот до организмов китов, содержащих квадрильоны клеток. С момента происхождения жизни биоразнообразие проникало всюду, в то время как эволюция завоевывала море, сушу, воздушное пространство, и все это с порождением несчетных
вариантов адаптации.
Функциональные возможности, обеспечиваемые подобной адаптацией, намного превышают возможности современного интеллектуального проектирования, которое пока нацелено на создание роботов, способных к надежному самовоспроизведению, самостоятельному освоению реального мира, или же на проявление интеллекта на уровне, сравнимом с человеческим. Впрочем, само слово “креативность” семантически многозначно и может иметь множество
различных значений. Чтобы не утонуть в рассуждениях относительно семантических и философских проявлений, и признавая существование других определений и соответствующих мнений, примем «стандартное определение»: креативность порождает нечто оригинальное (новое) и эффективное (функциональное). Такому критерию отвечает множество произведений эволюции.
В подобном понимании источником креативности в живой природе является фильтр воспроизведения. Существование такого фильтра может быть реализовано множеством различных способов, и вследствие эволюции образуется масса разнородных результатов. Например, в природе существует множество способов добычи необходимой для функционирования энергии из неорганических источников (таких как солнце, железо, аммиак) или же различных структур крыльев для полета среди насекомых, птиц, млекопитающих и рептилий.
Потенциал креативности эволюции также способствует самонастраиванию через экологическое взаимодействие. При этом создание новой ниши часто сопровождается открытием других ниш, посредством хищничества, симбиоза, паразитирования или захватывания. Хотя эволюция обнаруживает недостаток в предвидении и преднамеренности (качествах свойственных креативности человека), структуры, эволюционирующие по одной из функций, часто с
выгодой адаптируются по другому назначению, этот феномен известен как экзаптация.
Например, широко распространенной является теория о том, что эволюция носителей перьев сначала превратила их в динозавров вследствие терморегуляции и уже позднее привела их к приспособленности для полетов и порождению птиц. Но даже в отсутствие непосредственного предвидения, в исследованиях по способности к развитию высказывается предположение о
том, что архитектура генома сама по себе может способствовать отклонению в направлении повышения потенциала креативности. Одной из составляющих эволюции является давление отбора, что вызывает адаптацию вида к улучшению встраивания в окружающую среду, и что часто приводит к креативности в пределах данного вида. То есть, сосуществование
эволюционных изменений вызывает появление эффективных решений, таких как улучшение защиты от хищников или от таких естественных природных проявлений, как ветер или излучение.
Наряду с креативностью в пределах вида, существуют также и эволюционные силы, которые способствуют дивергенции креативности, что приводит к накапливанию новых признаков или ниш. Одной из таких сил является negative frequency-dependent selection; такой побудительный фактор проявляется, когда некоторые из признаков адаптируются только в редком случае, что способствует эволюции организмов с демонстрацией различных ее путей. Другим фактором дивергенции, побуждаемым эволюционными силами, является адаптивная радиация. Она проявляется при доступе к новым возможностям и способствует быстрой диверсификации организма с преобразованием в ряд новых видов, например, при возникновении новой
возможности, такой как летание.
Таким образом эволюция направляется в сторону эффективности (удачной приспособленности и функциональности), а также к своеобразию, посредством как оптимизирующих сил естественного отбора, так и сил дивергенции. За счет этого возникают артефакты, удовлетворяющие обоим критериям стандартного определения креативности. Одной из целей статьи является акцентирование того, что такая креативность не ограничивается биологической средой, но также является общим свойством для цифровой эволюции.
*Цифровая эволюция*
Стимулируемые изучением биологической эволюции исследователи в области цифровой эволюции изучают процессы, иллюстрируемые вычислительными методами. Главная идея состоит в том, что существуют абстрактные принципы, лежащие в основе биологической эволюции, которые являются независимыми от физического носителя, и то что такие принципы возможно эффективно применять и изучать посредством вычислительных устройств.
По выражению одного из исследователей Daniel Dennett, “эволюция случается всегда и везде, где сочетаются три условия: репликация, изменчивость (мутации) и различная приспособленность (конкуренция)»; при этом не требуется наличие особенных молекул (например, ДНК или РНК) или субстратов (например, специальных физических оболочек).
В природе наследственность организуется за счет реплицирующих генетических молекул, а изменчивость — посредством механизмов, подобных тем, которые копируют ошибки, а также генетической рекомбинации. Отбор в биологической эволюции существенно зависит того, насколько выживание и воспроизводство являются логическими условиями для существования
генетического материала организма. Сопоставление с цифровой эволюцией приводит к мнению о том, что процессы, выполняющие функции репликации, изменчивости и отбора возможно реализовать на компьютерах, в виде эволюционных алгоритмов (EA).
Например, репликация может быть симулирована просто за счет копирования структуры данных (то есть, цифрового генома) в памяти, изменчивость можно представить посредством случайных пертурбаций элементов в пределах такой структуры данных. Отбор в EA возможно получить различными способами, при этом два наиболее общих — цифровые аналоги искусственного
и естественного отбора в биологической эволюции. Подобие и различие для таких видов давления отбора важно для понимания многого в результатах цифровой эволюции, о чем далее рассказано подробно.
Искусственный отбор в биологической эволюции, используют, например, конезаводчики, которые решают какие породы сводить вместе, в надежде на улучшение определенных характеристик, например, при сведении самых скоростных или самых мелких особей. При таком способе отбор отражает цели, поставленные людьми. Аналогично, при цифровой эволюции исследователь может вводить функцию приспособленности в качестве критерия для автоматического выполнения отбора. Функция приспособленности — метрика, описывающая то, какие фенотипы являются предпочтительными среди прочих, и это отражает цель для выполнения цифровой эволюции. Например, при применении EA для проектирования
стабильной походки шагающего робота наглядная функция приспособленности помогала бы измерять, на какую дистанцию удалится управляемый робот, прежде чем он упадет. Отбор при таком EA следует свести к контроллерам роботов, реализующим наибольшую дистанцию, в надежде, что их потомки будут способны преодолевать еще большие расстояния. Подобный способ отбора является наиболее общим в инженерных приложениях, когда использование цифровой эволюции предназначено для достижения желаемого результата.
Другим общим способом цифрового отбора является применение естественного отбора, подобного биологическому, когда эволюция не ограничивается заранее. Основное отличие от предыдущего состоит в том, что при таком способе отсутствуют определенный заданный результат и заданная функция приспособленности. При этом цифровые существа конкурируют в борьбе за ограниченные ресурсы, например искусственные питательные вещества. Тут требуется проведение циклических операций центрального процессора для репликации кода существ или же место хранения на цифровом носителе для записи геномов. При задании изменчивости в популяции некоторые существа будут выживать достаточно долго для воспроизводства с размножением своего генетического материала, другие же будут исчезать, это и обеспечивает эволюцию, подобную природной.
Обычно системы цифровой эволюции и подобные эксперименты не реализуются непосредственно для целей инжиниринга 4/30, но при этом используются как средство для изучения основных принципов жизни и эволюции при более простых настройках, чем в биологии; то есть обеспечивают модели искусственной жизни для применения в экспериментах по эволюции. Одно из устойчивых неверных толкований цифровой эволюции — поскольку она
инициируется на компьютерном носителе, то при этом теряется соответствие с исследованиями биологической эволюции. Однако посредством как философских аргументов, так и значимых профильных публикаций высказывается предположение о том, что цифровая эволюция может быть полезным средством, способствующим и дополняющим исследования биологической эволюции. На самом деле, подобные эволюционирующие системы можно рассматривать в качестве реальных воплощений эволюции, скорее, чем только как ее симуляции.
*Алгоритмы и симуляции — сюрпризы*
Во-первых, может показаться неочевидным, что какой-то класс алгоритмов может систематически удивлять их составителей. При этом мы даем довольно широкое определение сюрприза, как наблюдения результата, который существенно отличается от ожиданий, будь то ожидания вследствие интуиции, предсказаний в результате полученного опыта, или вследствие
теоретических моделей. Так как алгоритм является формальным списком однозначных инструкций, выполняемых в определенном порядке, то кажется вполне достаточным проверить описание алгоритма для того, чтобы предсказать весь спектр возможных результатов, противодействуя любой возможности для возникновения сюрпризов. При этом из теории информатики следует, что для многих компьютерных программ результат выполнения
нельзя предсказать без прогона программы. В сфере исследования сложных систем также известно, что простые программы при выполнении могут выдавать сложные и порой даже удивительные результаты.
Это основной факт, который, прежде всего, противоречит интуиции. Взаимодействие между несколькими современными программными продуктами, которое специально предназначено для получения предсказуемых результатов, вроде бы заранее исключает проявление каких-то сюрпризов. Но все-таки, если проявление поразительных новшеств характерно для
биологической эволюции, то подобных проявлений следует ожидать и от компьютерных моделей, которые иллюстрируют фундаментальные аспекты процесса эволюции. Мы предлагаем неформальное свидетельство возможностей цифровой эволюции для порождения непредсказуемых результатов; а разнообразные проявления, представленные далее, демонстрируют, насколько общими и широко распространенными являются подобные удивительные результаты на практике. Важно отметить еще и такой аспект человеческой
психологии, как склонность к запоздалым суждениям, что часто затрудняет понимание значимости сюрприза ввиду его субъективного восприятия другим человеком. То есть, люди часто преувеличивают то, насколько предсказуемым является событие, уже после его проявления. При этом многие из представленных далее случаев, могут инициировать понимание
результатов постфактум, что может вызвать у читателя отрицание какого-то удивительного проявления.
*Классификация проявлений креативности цифровой эволюции*
Далее представлены 27 интересных случаев, связанных с работами 50-ти исследователей.
Мы условно разделили эти случаи на 4 категории:
— разбушевавшийся отбор, когда при цифровой эволюции проявляется расхождение между тем, что запрашивают экспериментаторы, и что они думают об этом при запросе;
— непреднамеренная отладка, цифровая эволюция обнаруживает и использует ранее неизвестные ошибки программного или аппаратного обеспечения;
— превосходящие ожидания, цифровая эволюция обнаруживает решения, превосходящие ожидания;
— конвергенция с биологией, цифровая эволюция обнаруживает решения конвергентные найденным в природе, несмотря на существенные расхождения, касающиеся носителя и условий.
*Разбушевавшийся отбор*
При решении практических задач наиболее общий подход у экспериментаторов — это выбор функции приспособленности, что отражает требуемую цель исследования. В качестве таких функций приспособленности часто задаются простые количественные измерения, которые представляются очевидными в целях охвата основных характеристик для получения успешного результата.
Рис. 1 Использование потенциальной энергии для передвижения. Эволюция выявляет то, что проще создавать высокие структуры, которые выполняют рациональное падение, чем отыскивать стратегии активного передвижения. Слева: существо в начале попытки. Справа: моменты падения и кувыркание для сохранения импульса.
Такие процедуры являются спусковым крючком EA, так как они служат «воронками» для прямого поиска. «Выведение породы» направляется на выведение существ с более высокой оценкой приспособленности, в надежде, что это приведет к дальнейшим улучшениям приспособленности и непременно к желаемому результату. Это похоже на процесс выведения породы животных и основано на тех же принципах эволюции для получения задаваемого
результата.
Однако, как показано далее, выполняемые с благими целями количественные измерения часто максимизируются с помощью неочевидных средств. При этом экспериментаторы часто переоценивают то, насколько точно количественные измерения отображают лежащий в основе качественный результат, подразумеваемый самими экспериментаторами. Это ошибка известная как конфликт карты и территории (например, метрикой является карта, а исследователь подразумевает действительную территорию;).
А именно, зачастую для эволюции функционально более простым является эксплуатация брешей в процедуре выполнения количественных измерений, чем достижение действительного желаемого результата. Также точно создаваемые с благими целями системы показателей в человеческом обществе могут быть разрушены при непосредственном влиянии на их оптимизацию (так называемый Campbell’s law или Goodhart’s law). И цифровая эволюция часто действует в целях выполнения буквы закона (то есть, на функцию приспособленности)
при игнорировании самого его смысла.
Зачем ходить, если можно кувыркаться?
В основополагающей работе (1994, Karl Sims) эволюционируют 3-мерные виртуальные существа, которые способны открывать такие типы поведения как хождение, плавание и прыгание в симулируемом физическом окружении. Тела существ выполнены из соединяемых блоков. Их мозги реализованы посредством простых нейросетей, которые генерируют изменяемый момент на сочленениях на основании ощущений от конечностей, с выполнениям
движения, выглядящего реалистичным. Структура и системы управления эволюционировали одновременно, что позволило получить всевозможные тела и стратегии движения. На самом деле, такие существа остаются наиболее общими продуктами цифровой эволюции.
При этом когда Sims сначала попытался реализовать эволюцию поведения при движении, возникли затруднения. В симулируемой территории с наличием гравитации и трения, приспособленность существ измерялась как средняя скорость перемещения по поверхности на протяжении жизненного периода в 10 симулируемых секунд. Вместо порождения умных сочленений или змееподобных движений, что могло бы способствовать проталкиванию их
вдоль поверхности (как и предполагалось), существа становились высокими и жесткими. При симуляции они стремились к опрокидыванию, используя собственную изначальную потенциальную энергию для достижения высокой скорости. И некоторые даже кувыркались для повышения горизонтальной скорости (Рис. 1). С целью предотвращения подобных «вывертов» необходимо назначать временной интервал в начале каждой симуляции для высвобождения
потенциальной энергии, присущей существам в начальной позиции, прежде чем их движение даст какие-то результаты.
Рис. 2. Использование потенциальной энергии для прыжков с шестом.
Эволюция обнаруживает, что проще порождать существа, которые падают и переворачиваются, чем создавать механизмы для активации прыжков.
На основании работы автора Sims, но с использованием другой симуляционной платформы, исследователь Krcah выводил существа для выполнения прыжков над поверхностью на предельно возможную высоту. В первой серии экспериментов приспособленность каждого организма вычислялась как максимальный подъем центра тяжести на высоту. В результате были созданы существа высотой 15 см, подпрыгивающие на 7 см от поверхности. При этом также случайно возникали и существа, достигающие высокой степени приспособленности за счет создания тела в форме высокой статичной башни, обеспечивая подъем без какого-либо движения. В попытке коррекции подобной бреши при следующей серии экспериментов приспособленность вычислялась как наибольшая дистанция от поверхности до узла, который изначально был ближе к поверхности. При оценке количественных результатов эксперимента, к удивлению исследователей, некоторые существа стали очень высокими и также показали
почти десятикратное улучшение в прыжках! При этом, выяснилось, что эволюция проявляет такую «хитрость» как кувыркание безо всяких прыжков. Эволюционирующее тело состояло из нескольких больших блоков, и напоминало голову, поддерживаемую длинной вертикальной мачтой (Рис. 2).
В начале симуляции существо отталкивалось длинной ногой от поверхности и начинало падение головой вперед, с кувырканием ноги (изначально нижней точки, от которой вычислялась величина прыжка) от поверхности. При этом создавался большой зазор между поверхностью и нижней точкой, при сохранении высокого значения приспособленности без какого-либо обучения очевидным навыкам прыгания. Ссылка на видео <goo.gl/XKjPJq>.
*Непреднамеренная отладка*
Следующие примеры показывают, как вышедшие из строя элементы виртуальных существ могут стать способными к непредвиденной адаптации.
Восстановление деактивированных функций
EA под названием MAP-Elites использовался для исследования возможного взаимодействия руки робота с небольшим кубиком, располагаемым на столе. Цель исследования — порождение и накопление разнообразных контроллеров, которые могли бы перемещать кубик во всевозможные места на столе. При обычных настройках софт MAP-Elites способен перемещать кубик по столу, захватывать его и даже забрасывать в корзину, расположенную перед рукой
робота. Для последующего эксперимента захват робота был поврежден, с предотвращением его открытия/закрытия. Ожидалось, что рука сможет перемещать кубик только определенным способом, то есть тупо толкать его. Однако MAP-Elites обнаружил хитрый способ: подталкивать захватом кубик только в определенном направлении, побуждая раскрытие захвата, так чтобы
он надежно удерживал кубик (рис. 4)!
Рис. 4.(a) рука робота в исходном положении, с закрытым захватом
(b) рука переталкивает кубик в направлении основания руки
© рука подвигает кубик ближе к основанию и выполняет быстрое перемещение, с
проскальзыванием по столу, побуждая раскрытие пальцев захвата, и
захватывая кубик.
(d) рука перемещает зажатый в захвате кубик в новое положение.
Ссылка на видео <youtu.be/_5Y1hSLhYdY>.
*Результаты, превосходящие ожидания*
Хождение на коленках
Был представлен алгоритм, позволяющий поврежденному роботу успешно адаптироваться в течение двух минут. Изучалась эволюция при повреждении шестиного робота — хождение с поврежденными ногами или двигателями (Рис. 5). Перед тестом исследователи совместили цифровую эволюцию с симулятором робота с целью первичного обучения разнообразным стратегиям хождения. После повреждения робот должен был использовать опыт, полученный от симулируемой эволюции, для быстрого обучения во время тестов в реальной обстановке.
Для реализации эволюции разнообразных способов хождения использовался эволюционный алгоритм MAP-Elites, который вел поиск наиболее приспособленного организма при каждой определенной комбинации заданных размерностей (то есть, возможных способов реализуемых фенотипами). В данном случае 6 размерностей вариативности соответствовали долям времени (используемого каждой из ног); измерялась относительная доля времени касания поверхности ступней каждой ноги. Таким образом, эволюционный алгоритм вел поиск самого быстрого способа хождения при каждой определенной частоте касания поверхности ступней каждой ноги шестиного робота. При этом, считался невозможным вариант эволюции, когда ни одна из шести ног не касалась поверхности, то есть касание соответствовало
интервалу времени 0%. 
Однако робот перевернулся на спину и передвигался на коленках (вывернутых назад), со ступнями висящими в воздухе! (рис. 6).
Видео демонстрирует различные найденные варианты хождения, включая упомянутый
(в момент времени1:49), Ссылка на видео <goo.gl/XKjPJq>.
Самое быстрое перемещение — не всегда по прямой линии
Исследователи Richard Watson и Sevan Ficici изучали поведение роботов, с двумя колесами, двумя двигателями и двумя датчиками. Роботы подобного типа хорошо известны, они упоминаются в книге, где утверждается, что соединение входов датчиков с выходами двигателя, выполненное определенным способом, вызывает поведение, подобное следованию за лучом
света. Например, когда момент двигателя правого колеса пропорционален интенсивности света, обнаруживаемой левым датчиком, и соответственно, для левого колеса — правым датчиком, робот движется в направлении источника света. В данном эксперименте весовые коэффициенты для соединений между входами датчиков и скоростями колес определялись посредством эволюции. При этом проверялась истинность упомянутого в книге утверждения.
Когда эволюционирующие роботы двигались в направлении источника света, они часто поступали непредвиденным заранее способом. Некоторые пятились задом к источнику при затемнении датчика, другие отыскивали источник посредством эксцентричной траектории, а не согласно проверяемому утверждению (рис. 7). Оказалось, что подобная траектория с кружением легче регулируется, за счет искривления или спрямления кривой при следовании за источником. Авторы выяснили, что область генетического поиска, которая приводит к кружению, является очень широкой, тогда как классическое решение согласно упомянутому утверждению требует точного баланса (например, при слабом изменении от направления по часовой стрелке к противоположному, рис. 7) и соответствует относительно узкой области генетического поиска. Кроме того, несмотря на наблюдаемую неэффективность, кружение сохраняется даже на более высоких скоростях, в отличие от классического решения, когда достаточно быстрое регулирование невозможно при высоких скоростях двигателей. И к тому же кружение более надежно при использовании различных приводов у отдельных роботов, а
также при этом менее вероятно их «залипание» на бортах испытательной площадки.
Рис. 7. Робот, следующий за источником света. Слева: классическое решение. Справа: кружение, полученное за счет эволюции.
*Конвергенция с биологией*
Индуцируемая исследованиями биологической эволюции, цифровая эволюция естественно проявляет аналогичные основные принципы, такие как отбор, изменчивость, наследуемость. При этом нет уверенности в том, что цифровая эволюция будет проявлять себя в случаях конкретного поведения также, как в природе, из-за большого разнообразия факторов нижнего
уровня: степени мутаций, размеров геномов, следование фенотипов генотипам (картирование), размеров популяций, морфологии, типов взаимодействий, сложности окружающей обстановки. Тем более, на практике интересно наблюдать случаи подобной конвергенции.
Эволюция костей и мышц
В исследовании виртуальных существ эволюция проявила стратегии передвижения, подобные наблюдаемым у биологических существ (рис. 11). Сверху показано перемещение существа, подобного дождевому червю. Эволюция заново открывает выгоду от использования дополняющих друг друга (противонаправленных) групп мышц, подобно бицепсам и трицепсам у человека, и оптимального их размещения. Внизу демонстрируется результат эволюции костеподобного материала для опоры более тонких узлов, что позволяет им быть более длинными и тонкими без потери несущей способности. В итоге получено нечто вроде галопа, обычного для лошадей.
Рис. 11. Различными цветами показаны элементы объемного изображения:
красным и зеленым — группы мышц, действующие противоположным образом,
синим и голубым — жесткий и мягкий опорные материалы.
Сверху показано, как эволюционируют различные зоны каждой мышцы.
Кроспост:http://club.berkovich-zametki.com/?p=37666
Источник
