Yapay yaşam (genellikle ALife veya A-Life olarak kısaltılır), araştırmacıların bilgisayar modelleri, robotik ve biyokimya ile simülasyonlar kullanarak doğal yaşam, süreçleri ve evrimi ile ilgili sistemleri inceledikleri bir çalışma alanıdır.[1] Disiplin, 1986’da Amerikalı bir teorik biyolog olan Christopher Langton tarafından seçildi.[2] 1987’de Langton, New Mexico, Los Alamos’ta sahadaki ilk konferansı düzenledi.[3] Yaklaşımlarına göre adlandırılan üç ana yaşam[4] türü vardır: yumuşak,[5] yazılımdan; zor,[6] donanımdan; ve ıslak, biyokimyadan. Yapay yaşam araştırmacıları, biyolojik fenomenlerin bazı yönlerini yeniden yaratmaya çalışarak geleneksel biyolojiyi inceler.[7][8]
Genel bakış
Yapay yaşam, bu tür sistemleri tanımlayan karmaşık bilgi işlemeyi daha derinden anlamak için yapay ortamlarda yaşayan sistemlerin temel süreçlerini inceler. Bu konular geniştir, ancak genellikle evrimsel dinamikleri, kolektif sistemlerin ortaya çıkan özelliklerini, biyomimikriyi ve ayrıca yaşamın doğası felsefesi ve sanatsal çalışmalarda gerçeğe benzer özelliklerin kullanımı ile ilgili konuları içerir.
Felsefe
Yapay yaşamın modelleme felsefesi, yalnızca “bildiğimiz gibi yaşam”ı değil, aynı zamanda “olabileceği gibi yaşam”ı da inceleyerek geleneksel modellemeden büyük ölçüde farklıdır.[9]
Geleneksel bir biyolojik sistem modeli, en önemli parametrelerini yakalamaya odaklanacaktır. Buna karşılık, bir alife modelleme yaklaşımı genellikle hayatın altında yatan en basit ve genel ilkeleri deşifre etmeye ve bunları bir simülasyonda uygulamaya çalışacaktır. Simülasyon daha sonra yeni ve farklı gerçekçi sistemleri analiz etme imkanı sunar.
Vladimir Georgievich Red’ko, bu ayrımı herhangi bir sürecin modellemesine genelleştirmeyi önerdi ve bu da “bildiğimiz kadarıyla süreçler” ve “olabildiğince süreçler” gibi daha genel bir ayrıma yol açtı.[10 ]
Şu anda, yaygın olarak kabul edilen yaşam tanımı, mevcut herhangi bir yaşam simülasyonunu veya yazılımını canlı olarak kabul etmemektedir ve bunlar herhangi bir ekosistemin evrimsel sürecinin bir parçasını oluşturmamaktadır. Ancak yapay yaşamın potansiyeli hakkında farklı görüşler ortaya çıktı:
Güçlü alife (cf. Strong AI) pozisyonu, “yaşamın herhangi bir ortamdan soyutlanabilecek bir süreç olduğunu” belirtir (John von Neumann)[kaynak belirtilmeli]. Özellikle Tom Ray, Tierra programının bir bilgisayardaki yaşamı simüle etmediğini, aksine onu sentezlediğini beyan etti.[11]
Zayıf yaşam konumu, kimyasal bir çözeltinin dışında bir “canlı süreç” oluşturma olasılığını reddeder. Bunun yerine araştırmacıları, biyolojik fenomenlerin altında yatan mekaniği anlamak için yaşam süreçlerini simüle etmeye çalışıyor.
Yazılım tabanlı (“yumuşak”)
Teknikler
*Hücresel otomatlar, yapay yaşamın ilk günlerinde kullanıldı ve hala ölçeklenebilirlik ve paralelleştirme kolaylığı için sıklıkla kullanılıyor. Yaşam ve hücresel otomatlar yakından bağlantılı bir geçmişi paylaşır.
*Yapay sinir ağları bazen bir ajanın beynini modellemek için kullanılır. Geleneksel olarak daha çok bir yapay zeka tekniği olmasına rağmen, sinir ağları öğrenebilen organizmaların nüfus dinamiklerini simüle etmek için önemli olabilir. Öğrenme ve evrim arasındaki simbiyoz, örneğin Baldwin etkisinde olduğu gibi, daha yüksek nörolojik karmaşıklığa sahip organizmalarda içgüdülerin gelişimi hakkındaki teorilerin merkezinde yer alır.
*Nöroevrim
Önemli simülatörler:
Aevol, Avida, EcoSim, Creatures, Framsticks, GenePool, OpenWorm, Polyworld, TechnoSphere, Tierra, 3D Virtual Creature Evolution
Program tabanlı
Program tabanlı simülasyonlar, karmaşık bir DNA diline sahip organizmalar içerir, genellikle Turing tamamlandı. Bu dil, gerçek biyolojik DNA’dan çok bir bilgisayar programı biçimindedir. Assembly türevleri en yaygın kullanılan dillerdir. Bir organizma, kodu yürütüldüğünde “yaşar” ve genellikle kendi kendini kopyalamaya izin veren çeşitli yöntemler vardır. Mutasyonlar genellikle kodda rastgele değişiklikler olarak uygulanır. Hücresel otomata kullanımı yaygındır, ancak gerekli değildir. Başka bir örnek, bir yapay zeka ve çok aracılı sistem/program olabilir.
Modül tabanlı
Bir yaratığa bireysel modüller eklenir. Bu modüller, canlının davranışlarını ve özelliklerini ya doğrudan simülasyona sabit kodlayarak (ayak tipi A hızı ve metabolizmayı artırır) ya da dolaylı olarak, bir yaratığın modülleri arasındaki ortaya çıkan etkileşimler yoluyla (ayak tipi A, belirli bir frekansta yukarı ve aşağı hareket eder) değiştirir. Hareket oluşturmak için diğer bacaklarla etkileşime giren X). Genel olarak bunlar, mutasyon ve evrim yerine kullanıcı oluşturma ve erişilebilirliği vurgulayan simülatörlerdir.
Parametre tabanlı
Organizmalar genellikle mutasyona uğrayan çeşitli parametreler tarafından kontrol edilen önceden tanımlanmış ve sabit davranışlarla inşa edilir. Yani, her organizma bir sayı koleksiyonu veya diğer sonlu parametreler içerir. Her parametre, bir organizmanın bir veya birkaç yönünü iyi tanımlanmış bir şekilde kontrol eder.
Sinir ağı tabanlı
Bu simülasyonlar, sinir ağlarını veya yakın bir türevi kullanarak öğrenen ve büyüyen yaratıklara sahiptir. Vurgu genellikle, her zaman olmasa da, doğal seçilimden çok öğrenme üzerindedir.
Karmaşık sistem modellemesi
Karmaşık sistemlerin matematiksel modelleri üç tiptir: kara kutu (fenomenolojik), beyaz kutu (ilk prensiplere dayalı mekanik) ve gri kutu (fenomenolojik ve mekanik modellerin karışımları).[13][14] Kara kutu modellerinde, karmaşık bir dinamik sistemin bireysel tabanlı (mekanik) mekanizmaları gizli kalır.
Kara kutu modelleri tamamen mekanik değildir. Fenomenolojiktirler ve karmaşık bir sistemin bileşimini ve iç yapısını göz ardı ederler. Modelin şeffaf olmayan yapısı nedeniyle, alt sistemlerin etkileşimleri incelenemez. Buna karşılık, karmaşık bir dinamik sistemin beyaz kutu modeli ‘şeffaf duvarlara’ sahiptir ve altta yatan mekanizmaları doğrudan gösterir. Dinamik bir sistemin mikro, orta ve makro düzeylerindeki tüm olaylar, bir beyaz kutu modelinin evriminin tüm aşamalarında doğrudan görülebilir. Çoğu durumda, matematiksel modelleyiciler, karmaşık dinamik sistemlerin mekanik modellerini üretemeyen ağır kara kutu matematiksel yöntemlerini kullanır. Gri kutu modelleri orta düzeydedir ve kara kutu ile beyaz kutu yaklaşımlarını birleştirir.
Beyaz kutulu bir karmaşık sistem modelinin oluşturulması, modelleme konusuna ilişkin apriori temel bilginin gerekliliği sorunuyla ilişkilidir. Deterministik mantıksal hücresel otomata, bir beyaz kutu modeli için gerekli ancak yeterli koşul değildir. Bir beyaz kutu modelinin ikinci gerekli ön koşulu, incelenen nesnenin fiziksel ontolojisinin varlığıdır. Beyaz kutu modellemesi, tamamen konunun deterministik mantığına ve aksiyomatik teorisine dayandığından, ilk ilkelerden otomatik bir hiper-mantıksal çıkarımı temsil eder. Beyaz kutu modellemesinin amacı, incelenen nesnenin dinamikleri hakkında temel aksiyomlardan daha ayrıntılı, daha somut mekanik bilgi elde etmektir. Beyaz kutu modelini oluşturmadan önce öznenin içsel bir aksiyomatik sistemini formüle etme gerekliliği, beyaz kutu tipi hücresel otomata modellerini keyfi mantıksal kurallara dayanan hücresel otomata modellerinden ayırır. Hücresel otomata kuralları, konunun ilk ilkelerinden formüle edilmemişse, böyle bir modelin gerçek problemle ilgisi zayıf olabilir.[14]
Donanım tabanlı (“zor”)
Donanım tabanlı yapay yaşam, ağırlıklı olarak robotlardan, yani otomatik olarak yönlendirilen ve kendi başına görev yapabilen makinelerden oluşuyor.
Biyokimyasal bazlı (“ıslak”)
Biyokimyasal temelli yaşam, sentetik biyoloji alanında incelenir. Sentetik DNA’nın oluşturulması gibi araştırmaları içerir. “Wet” terimi, “wetware” teriminin bir uzantısıdır. “Islak” yapay yaşama yönelik çabalar, canlı bakteri Mycoplasma laboratuvarından canlı minimal hücreler tasarlamaya ve sıfırdan cansız biyokimyasal hücre benzeri sistemler oluşturmaya odaklanır.
Mayıs 2019’da araştırmacılar, bakteri genomundaki 64 kodonun doğal sayısını bunun yerine 59 kodona düşürerek, Escherichia coli bakterisinin bir varyantı olan yeni bir sentetik (muhtemelen yapay) canlı yaşam formunun yaratılmasında yeni bir kilometre taşı bildirdiler. 20 amino asidi kodlamak için.[15][16]
Açık problemler
Hayat, cansızdan nasıl doğar?[17][18]
İn vitro bir moleküler proto-organizma oluşturun.
Yapay bir kimyada in silico’da hayata geçişi sağlayın.
Temelde yeni yaşayan organizasyonların var olup olamayacağını belirleyin.
Tüm yaşam döngüsü boyunca tek hücreli bir organizmayı simüle edin.
Canlı sistemlerde fiziksel dinamiklerden kuralların ve sembollerin nasıl üretildiğini açıklar.
Canlı sistemlerin potansiyelleri ve sınırları nelerdir?
Hayatın açık uçlu evriminde neyin kaçınılmaz olduğunu belirleyin.
Spesifikten jenerik yanıt sistemlerine evrimsel geçişler için minimum koşulları belirleyin.
Tüm ölçeklerde dinamik hiyerarşileri sentezlemek için resmi bir çerçeve oluşturun.
Organizmaları ve ekosistemleri manipüle etmenin evrimsel sonuçlarının öngörülebilirliğini belirleyin.
Gelişen sistemler için bir bilgi işleme, bilgi akışı ve bilgi üretimi teorisi geliştirin.
Hayat akıl, makineler ve kültürle nasıl ilişkilidir?
Yapay bir yaşam sisteminde zeka ve aklın ortaya çıkışını göstermek.
Yaşamın bir sonraki büyük evrimsel geçişinde makinelerin etkisini değerlendirin.
Kültürel ve biyolojik evrim arasındaki etkileşimin niceliksel bir modelini sağlayın.
Yapay yaşam için etik ilkeler oluşturun.
İlgili konular
Etmen tabanlı modelleme yapay yaşamda ve diğer alanlarda sistemlerde ortaya çıkışı keşfetmek için kullanılır.
Yapay zeka geleneksel olarak yukarıdan aşağıya bir yaklaşım kullanırken, alife genellikle aşağıdan yukarıya doğru çalışır.[19]
Yapay kimya, yaşam topluluğu içinde kimyasal reaksiyonların süreçlerini soyutlamak için bir yöntem olarak başladı.
Evrimsel algoritmalar, optimizasyon problemlerine uygulanan zayıf yaşam ilkesinin pratik bir uygulamasıdır. Yaşam tekniklerini ödünç alan veya yakından yansıtan birçok optimizasyon algoritması hazırlanmıştır. Birincil fark, bir ajanın uygunluğunu, yiyecek bulma, üreme veya ölümden kaçınma yeteneği yerine bir sorunu çözme yeteneği ile açıkça tanımlamasında yatmaktadır. Aşağıda, ve ile yakından ilişkili evrimsel algoritmaların bir listesi bulunmaktadır. Hayatta kullanılan:
Karınca kolonisi optimizasyonu
Bakteriyel koloni optimizasyonu
Genetik Algoritma
genetik programlama
Sürü zekası
Çok etmenli sistem – Çok etmenli bir sistem, bir ortam içinde etkileşim halinde olan birden çok akıllı aracıdan oluşan bilgisayarlı bir sistemdir.
Evrimsel sanat, yeni sanat biçimleri yaratmak için yapay yaşamdan teknikler ve yöntemler kullanır.
Evrimsel müzik benzer teknikler kullanır, ancak görsel sanat yerine müziğe uygulanır.
Abiyogenez ve yaşamın kökeni bazen canlı metodolojilerini de kullanır.
Kuantum yapay yaşam, yapay yaşam sistemlerine kuantum algoritmaları uygular.
Eleştiri
Alife’ın tartışmalı bir geçmişi var. John Maynard Smith, 1994 yılında bazı yapay yaşam çalışmalarını “gerçeklerden bağımsız bilim” olarak eleştirdi.[20]
Kaynak:
https://en.wikipedia.org/wiki/Artificial_life
Wiki Kaynaklar:
1)”Dictionary.com definition”. Retrieved 2007-01-19.
2)The MIT Encyclopedia of the Cognitive Sciences, The MIT Press, p.37. ISBN 978-0-262-73144-7
3)”The Game Industry’s Dr. Frankenstein”. Next Generation. No. 35. Imagine Media. November 1997. p. 10.
4)Mark A. Bedau (November 2003). “Artificial life: organization, adaptation and complexity from the bottom up” (PDF). Trends in Cognitive Sciences. Archived from the original (PDF) on 2008-12-02. Retrieved 2007-01-19.
5)Maciej Komosinski and Andrew Adamatzky (2009). Artificial Life Models in Software. New York: Springer. ISBN 978-1-84882-284-9.
6)Andrew Adamatzky and Maciej Komosinski (2009). Artificial Life Models in Hardware. New York: Springer. ISBN 978-1-84882-529-1.
7)Langton, Christopher. “What is Artificial Life?”. Archived from the original on 2007-01-17. Retrieved 2007-01-19.
8)Aguilar, W., Santamaría-Bonfil, G., Froese, T., and Gershenson, C. (2014). The past, present, and future of artificial life. Frontiers in Robotics and AI, 1(8). https://dx.doi.org/10.3389/frobt.2014.00008
9)See Langton, C. G. 1992. Artificial Life Archived March 11, 2007, at the Wayback Machine. Addison-Wesley. ., section 1
10)See Red’ko, V. G. 1999. Mathematical Modeling of Evolution. in: F. Heylighen, C. Joslyn and V. Turchin (editors): Principia Cybernetica Web (Principia Cybernetica, Brussels). For the importance of ALife modeling from a cosmic perspective, see also Vidal, C. 2008.The Future of Scientific Simulations: from Artificial Life to Artificial Cosmogenesis. In Death And Anti-Death, ed. Charles Tandy, 6: Thirty Years After Kurt Gödel (1906-1978) p. 285-318. Ria University Press.)
11)Ray, Thomas (1991). Taylor, C. C.; Farmer, J. D.; Rasmussen, S (eds.). “An approach to the synthesis of life”. Artificial Life II, Santa Fe Institute Studies in the Sciences of Complexity. XI: 371–408. Archived from the original on 2015-07-11. Retrieved 24 January 2016. “The intent of this work is to synthesize rather than simulate life.”
12)[1] Aevol
13)Kalmykov, Lev V.; Kalmykov, Vyacheslav L. (2015), “A Solution to the Biodiversity Paradox by Logical Deterministic Cellular Automata”, Acta Biotheoretica, 63 (2): 1–19, doi:10.1007/s10441-015-9257-9, PMID 25980478, S2CID 2941481
14)Kalmykov, Lev V.; Kalmykov, Vyacheslav L. (2015), “A white-box model of S-shaped and double S-shaped single-species population growth”, PeerJ, 3:e948: e948, doi:10.7717/peerj.948, PMC 4451025, PMID 26038717
15)Zimmer, Carl (15 May 2019). “Scientists Created Bacteria With a Synthetic Genome. Is This Artificial Life? – In a milestone for synthetic biology, colonies of E. coli thrive with DNA constructed from scratch by humans, not nature”. The New York Times. Retrieved 16 May 2019.
16)Fredens, Julius; et al. (15 May 2019). “Total synthesis of Escherichia coli with a recoded genome”. Nature. 569 (7757): 514–518. Bibcode:2019Natur.569..514F. doi:10.1038/s41586-019-1192-5. PMC 7039709. PMID 31092918.
17)”Libarynth”. Retrieved 2015-05-11.
18)”Caltech” (PDF). Retrieved 2015-05-11.
19)”AI Beyond Computer Games”. Archived from the original on 2008-07-01. Retrieved 2008-07-04.
20)Horgan, J. (1995). “From Complexity to Perplexity”. Scientific American. p. 107.
