مقدمه‌ای بر زندگی مصنوعی برای دوست‌داران هوش‌مصنوعی

مقدمه‌ای بر زندگی مصنوعی برای دوست‌داران هوش‌مصنوعی
مقدمه‌ای بر زندگی مصنوعی برای دوست‌داران هوش‌مصنوعی

مقدمه‌ای بر زندگی مصنوعی برای دوست‌داران هوش‌مصنوعی

این پست برگردانی از مقاله‌ی An introduction to Artificial life for people who like AI به فارسی می‌باشد

زندگی مصنوعی (Artificial life) معمولاً به صورت ALife خلاصه می‌شود. اولین فکری که به ذهن شما به هنگام شنیدن آن خطور می‌کند چیست؟ یک برند تی‌شرت؟ یا رمانی از گِرِگ ایگان؟

برای من و صدها نفر (محقق) زندگی مصنوعی دیگر، ALife عبارتست از علم مطالعه پایین به بالا اصول پایه‌ای زندگی. همانند محققان هوش‌مصنوعی که طبیعت هوش را با تلاش برای ساخت سیستم‌های هوش‌مند از ابتدا مورد پرسش قرار می‌دهند، محققین زندگی مصنوعی نیز طبیعت حیات را با تلاش برای ساخت زندگی از ابتدا مورد پژوهش قرار می‌دهند.

یکی از حیوانات رشته‌ای تئو جانسِن

هدف پژوهش زندگی مصنوعی چیست؟

این حوزه دانشگاهی بین علم شیمی و زیست‌شناسی هم‌پوشانی دارد، اما علوم کامپیوتر، اخترزیست‌شناسی، فیزیک، سیستم‌های پیچیده، علوم شبکه، زمین‌شناسی، علوم فرگشت، تحقیقات مرتبط با پیدایش زندگی، و همین‌طور هوش‌مصنوعی و مطالعه رفتار حیوانات نیز با آن مرتبط است. تیکه کلام این علم می‌تواند قبول زندگی آن‌گونه که هست باشد.

تعریف آن‌چه از زندگی می‌پنداریم، می‌تواند نقطه آغاز مناسبی برای توضیح این حوزه باشد. ممکن است فکر کنید، پرسش زندگی چیست؟ خیلی وقت پیش حل شده باشد، این‌گونه که آن چه که رشد پیدا می‌کند و تکثیر می‌گردد زنده خطاب شود. اما چنین تعریفی از حقیقت پیچیده علمی زندگی به دور است. در بسیاری از بازی‌های ویدیویی، حیواناتی وجود دارد که رشد و زاد و ولد می‌کنند، هرچند برخی معتقدند آن‌ها زنده‌اند، اما توافق عام بر آن است که صرف رشد و تکثیر چیزی زنده نخواهد بود. نظیر کریستال‌های نمک که رشد می‌یابند و کریستال‌های بیش‌تری را خلق می‌کنند اما زنده نیستند.

اما این قضیه در مورد دی‌اِن‌اِیْ (DNA) چگونه است؟ در دبیرستان آموخنه‌اید که دی‌ان‌ای نقطه‌ی مشترکی بین تمامی زندگان روی زمین است. حتی اگر به دنبال زندگی روی کرات دیگر می‌گردید، دی‌ان‌ای همان سرچشمه‌ای است که باید بررسی‌اش کنید. این مسئله تا چه اندازه صحیح است؟ چیزها از این‌جا به بعد جالب‌تر می‌شوند.

یکی از نکات مهم پیرامون دی‌ان‌ای (فارغ از هِلیکس دوتایی بودنش که از باز نوکلئوتیدی و سیتوزین ساخته شده است (بستر یا substrate)) آن است که اطلاعاتی را درباره‌ی یاخته‌های والد به فرزندان کدگذاری می‌کند. اگر بر این مسئله به عنوان عمل‌کرد آن تمرکز کنیم، مهم نیست که دی‌ان‌ای از چه چیزی ساخته شده یا به چه شکلی است — می‌توانید اطلاعات را به هرگونه‌ای که می‌خواهید کدگذاری کنید و انتقال دهید، مانند یک دی‌ان‌ای متشکل از هشت حرف یا رشته‌ای از صفرها و یک‌ها در یک کامپیوتر. برخی بسترها از برخی دیگر تحت شرایطی خاص عمل‌کردی بهتر از خود نشان می‌دهند، اما عمل‌کرد انتقال اطلاعات بر خود دی‌ان‌ای وابسته نیست. به این معنا، زندگی مصنوعی فارغ از بستر تعریف شده برای آن شکل می‌گیرد.

در نهایت، زمانی که می‌گوییم زندگی، چه منظوری داریم؟ این همان مسئله‌ای است که سعی در فهم آن داریم! همان‌گونه که محققان هوش‌مصنوعی تلاش دارند تا با توسعه نرم‌افزارهایی برخی جنبه‌های شناخته شده هوش آدمی را بدون توافق بر چیستی هوش تقلید نمایند، ما نیز تلاش داریم تا سیستم‌هایی پویا خلق کنیم تا برخی جنبه‌های شناخته شده زندگی زیستی را بدون توافق بر چیستی زندگی تقلید کنیم. محققین زندگی مصنوعی به دنبال قابلیت‌هایی هستن که زندگی را به عنوان یک فرایند تعریف می‌نماید و اجازه می‌دهد تا بر پلتفرم‌ها و شرایط خاص همانند یک نرم‌افزار بر روی یک سخت‌افزار اجرا گردند.

به هنگام نگه‌داری از عمل‌کردها هر چقدر از قوانین عام‌تر و پلتفرم‌های بیش‌تر بهره ببرید، بهتر خواهد بود. یکی از فهرست‌های عمل‌کرد حال حاضر به این شکل است: یک ارگانیسم زنده می‌بایست توانمندی خودنوگری (autopoiesis) را داشته باشد (به عبارتی ارگانیسم باید به طور مداوم خودش را با رد و بدل کردن متریال‌ها با محیط پیرامونش بازسازی نماید)، به محرک‌ها (stimuli) پاسخ دهد، با شرایط تطابق پیدا کند، بازتولید پیدا کند و اطلاعات ناکامل را به فرزندان منتقل نماید. با این حال تعریف دیگری می‌گوید، زندگی تنها یک سیستم شیمیایی خودنونگر است که می‌‌تواند محدود به انتخاب طبیعی باشد. مشکل تعریف فعلی ما این است که اگر آن‌ها تا این‌اندازه پروداکتیو بودند ما تا کنون می‌توانستیم فرمی از زندگی مصنوعی را بسازیم و آن‌را زنده بنامیم.

با چنین هدف عامی، خواه‌ناخواه زندگی مصنوعی با سایر حوزه‌ها هم‌پوشانی پیدا می‌کند. چیزی که باعث تمایز زندگی مصنوعی می‌شود آن است که یک روش از پایین به بالا است و سعی دارد تا بر اصول عمومی که می‌توانند بین حوزه‌ها منتقل شوند تمرکز نماید: برآمدگی (emergence)،‌اطلاعات، محاسبات،‌ ارتباط بین متغیرهای ماکرو/میکروسکوپی …

این در حقیقت یکی از اصلی‌ترین نقدهای زندگی مصنوعی است،‌ تمرکز آن بر روی اصول عمومی باعث زیادی مجازی، انتزاعی شدنش می‌گردد. ارتباط زیادش با حوزه‌های دیگر باعث می‌شود تا مشخص نشود پژوهش مرتبط با زندگی مصنوعی با چه حوزه‌ای مرتبط است. اما همان‌طور که در کنفرانس ۲۰۱۹ زندگی مصنوعی بیان شد، پژوهش‌های ما مجازی نیستند:‌ چگونه زندگی مصنوعی می‌تواند مشکلات مرتبط با اجتماع را حل نماید؟ محققین در راستای‌ آن پاسخ‌هایی را از پیش دادند، چه در بحث نظری و چه عملی، که در ادامه آن‌ها را بررسی می‌کنیم.

تاریخ مختصر زندگی مصنوعی

به عنوان یک حوزه علمی،‌زندگی مصنوعی زمانی متولد شد که کریستوفر لانگتون دانشمند کامپیوتر اولین کارگاه زندگی مصنوعی را در سال ۱۹۸۷ راه‌اندازی کرد. لانگتون این اصطلاح را جا انداخت و این‌گونه تعریف کرد، مطالعه‌ی سیستم‌های مصنوعی که خصوصیات رفتاری سیستم‌های زنده‌ی طبیعی را به نمایش می‌گذارند.

با این‌حال فلسفه‌ی این حوزه از ۱۹۸۰ قدیمی‌تر است، ایده‌ی این که زندگی فرایندی باشد که بتواند در بسترهای مصنوعی بازتولید شود، مانند نرم‌افزاری که روی پلتفرم‌های مختلفی اجرا می‌گردد، به اندازه‌ی داستان یهودی گولم قدیمی است، موجود از گل که به هنگام شنیدن واژگان صحیح، زنده می‌شود. تعدادی اسناد از افرادی موجود است که سعی داشته‌اند برخی عمل‌کردهای یک سیستم زنده را بر بستری مصنوعی بازتولید نمایند. همانند سیستم هاضمه اردک مهندس فرانسوی Jacques de Vaucanson، اردکی که می‌تواند غذا بخورد و آن را به مدفوع تبدیل نماید.

به دلایل نامعلوم دستگاه مکانیکی بافندگی او برای پارچه از اردکش موفق‌تر بود. دستگاه بافندگی با کمک کارت‌های پانچ قابلیت برنامه‌ریزی داشت و الهام بخش Charles Babbage و Ada Lovelace برای ساخت اولین کامپیوتر مکانیکی شد. پس از آن زندگی مصنوعی و محاسبات (کامپیوترها) هماره بر یکدیگر اثر گذاشته‌اند.

اشتراک گذاری:

آخرین اخبار

دیدگاه‌ها

اشتراک در
اطلاع از
guest
0 Comments
قدیمی‌ترین
تازه‌ترین بیشترین رأی
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
دیتانید تو مراحل مختلف تحلیل داده می‌تونه به شما کمک کنه:
  1. امکان‌سنجی خواسته‌ها و تطبیق نیازمندی‌ها
  2. استخراج و تمیز کردن دادگان
  3. طراحی مدل‌های مناسب
  4. آموزش مدل براساس داده‌های به‌دست اومده
  5. استقرار مدل

آخرین مقالات

مقاله ویدیویی

مقالات مرتبط

نقش نرمال‌سازی و استانداردسازی در پیش‌پردازش داده‌ها: رویکردهای پیشرفته و تحقیقاتی
یادگیری ماشین و هوش مصنوعی

نقش نرمال‌سازی و استانداردسازی در پیش‌پردازش داده‌ها: رویکردهای پیشرفته و تحقیقاتی

مقدمه در دنیای پرشتاب امروز، داده‌ها به عنوان یکی از ارزشمندترین دارایی‌های بشر شناخته می‌شوند. با رشد نمایی حجم داده‌های تولیدشده، اهمیت استفاده از این

ادامه مطلب »

مقالات مرتبط

پست دوم: چگونه کار می‌کنند؟ (فناوری‌های زیربنایی ماشین‌های خودران)
حمل‌ونقل هوشمند و فناوری‌های نوین

قسمت دوم: چگونه کار می‌کنند؟ (فناوری‌های زیربنایی ماشین‌های خودران)

مقدمه ماشین‌های خودران تنها وسایل نقلیه‌ای با قابلیت حرکت خودکار نیستند؛ بلکه مجموعه‌ای از سیستم‌های هوشمند و پیچیده‌اند که با استفاده از فناوری‌های پیشرفته می‌توانند

ادامه مطلب »