https://arxiv.org/abs/2412.17799



최근 단백질 발견의 급진적인 발전으로 노벨상이 수여됨에 따라 대규모 조합 공간을 탐색하기 위한 재단 모델(FM)은 많은 과학 분야에 혁명을 일으킬 것을 약속합니다. ALife(Artificial Life)는 아직 FM을 통합하지 않았으므로 실제와 같은 시뮬레이션의 구성을 발견하기 위해 주로 수동 설계와 시행착오에 의존하는 역사적 부담을 완화할 수 있는 중요한 기회를 제공합니다. 이 논문은 처음으로 시각 언어 FM을 사용하여 이러한 기회를 성공적으로 실현하는 방법을 제시합니다. ASAL(Automated Search for Artificial Life)이라고 불리는 이 접근법은 (1) 목표 현상을 생성하는 시뮬레이션을 찾고, (2) 시간적으로 개방적인 새로움을 생성하는 시뮬레이션을 발견하며, (3) 흥미롭게 다양한 시뮬레이션의 전체 공간을 조명합니다. FM의 일반성으로 인해 ASAL은 Boids, Particle Life, Game of Life, Lenia 및 Neural Cellular Automata를 포함한 다양한 ALife 기판에서 효과적으로 작동합니다. 이 기술의 잠재력을 강조하는 주요 결과는 이전에 볼 수 없었던 레니아와 보이드의 생명체뿐만 아니라 콘웨이의 생명의 게임과 같은 개방형 세포 오토마타의 발견입니다. 또한 FM을 사용하면 이전에 정성적 현상을 인간에 맞게 정량화 할 수 있습니다. 이 새로운 패러다임은 인간의 독창성만으로 가능한 것 이상으로 ALife 연구를 가속화할 것을 약속합니다.