O recente Prêmio Nobel por avanços inovadores na descoberta de proteínas ressalta o potencial transformador dos modelos de fundação (SFMs) na exploração de vastos espaços combinatórios. Esses modelos estão prontos para revolucionar inúmeras disciplinas científicas, mas o campo da vida artificial (ALIFE) demorou a adotá -las. Essa lacuna apresenta uma oportunidade única de superar a dependência tradicional de métodos manuais de design e tentativa e erro para descobrir configurações de simulação realistas.
Em um novo papel Automatizando a busca de vida artificial com modelos de fundaçãouma equipe de pesquisa do MIT, Sakana AI, Openai, The Swiss AI Lab Idsia e Independent Introduces Pesquisa automatizada por vida artificial (ASAL). Esta nova estrutura aproveita as FMs em linguagem da visão para automatizar e aprimorar o processo de descoberta na pesquisa alife.
O ASAL demonstra seu potencial em vários substratos ALIFE, incluindo boids, vida de partículas, jogo de vida, lenia e autômatos celulares neurais. Ao empregar ASAL, os pesquisadores descobriram formas de vida anteriormente desconhecidas e estenderam a fronteira de estruturas emergentes em simulações ALIFE. Além da descoberta, a estrutura de Asal facilita a análise quantitativa de fenômenos tradicionalmente qualitativos, espelhando métodos semelhantes a humanos para medir a complexidade. Crucialmente, o design agnóstico da FM da ASAL garante compatibilidade com futuros modelos de fundação e substratos alife.
A ASAL emprega FMS em linguagem de visão para avaliar saídas de simulação, formulando o processo como três problemas de pesquisa distintos:
- Pesquisa de destino supervisionada: Alinhar trajetórias de simulação com avisos de texto especificados, permitindo descobertas direcionadas.
- Exploração aberta: Identifica simulações exibindo alta novidade histórica em cada timestep, promovendo a inovação.
- Iluminação: Busca diversas simulações, maximizando a distância entre as configurações vizinhas
O ASAL usa modelos de fundação em linguagem de visão para descobrir simulações ALIFE, formulando os processos como três problemas de pesquisa. Alvo supervisionado: para encontrar simulações de destino, o ASAL busca uma simulação que produz uma trajetória no espaço do modelo de fundação que se alinha a uma determinada sequência de avisos. Abertura: Para encontrar simulações abertas, asse busca uma simulação que produz uma trajetória que possui alta novidade histórica durante cada timestep. Iluminação: Para iluminar o conjunto de simulações, as pesquisas do ASAL procuram um conjunto de diversas simulações que estão longe de ser o vizinho mais próximo.
Os resultados empíricos demonstram a eficácia do ASAL. A estrutura descobriu formas de vida anteriormente invisíveis nas simulações de Lenia e Boids e descobriu autômatos celulares exibindo comportamentos abertos semelhantes ao jogo de vida de Conway. Além disso, ao integrar a FMS, o ASAL quantifica fenômenos que antes eram puramente qualitativos, alinhando essas medições com percepções humanas de complexidade.
O paradigma baseado em FM da ASAL representa um salto significativo para a pesquisa ALIFE. Ao automatizar o processo de descoberta, ele permite que os pesquisadores explorem o vasto e intrincado espaço da vida artificial formas de maneira mais eficaz do que nunca. Essa abordagem marca um afastamento dos métodos tradicionais e fornece uma estrutura escalável e inovadora para estudos futuros.
Para o melhor conhecimento dos pesquisadores, esta é a primeira instância de alavancar os modelos de fundação para impulsionar a descoberta de simulação do ALIFE. O Asal prepara o cenário para uma nova era de exploração, prometendo acelerar os avanços além dos limites da ingenuidade humana.
O código está disponível no GitHub do projeto. O papel Automatizando a busca de vida artificial com modelos de fundação está no arxiv.
Autor: Hecate ele | Editor: Chain Zhang