Uma equipe de cientistas da computação da Universidade de Texas, em Austin, encontrou evidências de que os robôs evoluem mais rapidamente e eficientemente depois de uma extinção em massa virtual, modelada após desastres da vida real, como o que matou os dinossauros. Além de implicações para a inteligência artificial, a pesquisa corrobora a ideia de que extinções em massa realmente podem acelerar o processo evolutivo, desencadeando novas características adaptacionais. Credito da imagem: Revista Abril.
Os cientistas da computação Risto Miikkulainen e Joel Lehman, co-autores do estudo publicado na revista PLOS One, que descreve como simulações de extinções em massa podem promover recursos inovadores e capacidades de linhagens de sobrevivência. No início da simulação, um robô controlado por um cérebro evoluído computacionalmente fica na vertical numa superfície de 16×16 metros. A simulação prossegue até que o robô caia ou até que consiga se manter após 15 segundos.
‘‘A destruição focada pode nos levar a resultados surpreendentes’’, disse Miikkulainen, Professor de ciência da computação. ‘‘Às vezes você tem que desenvolver algo que pareça objetivamente pior, para no fim das contas desenvolver as ferramentas necessárias para ficar melhor’’.
Na biologia, extinções em massa são conhecidos por serem altamente destrutivas, erradicando boa parte do material genético da ‘‘árvore da vida’’. Mas alguns biólogos evolucionistas têm a hipótese de que esses eventos na verdade aceleram a evolução através da promoção da linhagem dos mais aptos, ou seja, daqueles que podem criar novos recursos e habilidades úteis para seu meio.
Miikkulainen e Lehman descobriram que, pelo menos com robôs, este é o caso. Durante anos, esses cientistas têm usado algoritmos computacionais inspirados na evolução para ‘‘treinar o cérebro’’ de robôs simulados – chamados de redes neurais – para melhorar a tarefa de suas seguintes gerações. A inovação da equipe da Universidade de Texas na sua mais recente pesquisa foi examinar como tal destruição em massa poderia ajudar na evolução computacional.
Em simulações computacionais, a equipe conectou redes neurais nas pernas de um robô, com o objetivo de evoluir o mesmo para que ele possa andar sem problemas e de forma estável. Da mesma maneira que acontece na evolução real, mutações aleatórias foram introduzidas através do processo evolutivo computacional. Os cientistas criaram muitos nichos diferentes, de modo que possam acontecer uma ampla variedade de novos recursos e habilidades.
Após centenas de gerações, inúmeros comportamentos robóticos tinham evoluído para preencher esses nichos, e muitos deles não eram nem diretamente úteis para caminhar. Em seguida, os pesquisadores ‘‘mataram’’ aleatoriamente os robôs em 90% desses nichos, simulando uma extinção em massa, como se uma catástrofe estivesse ocorrido.
Depois de vários ciclos de evolução e extinção, eles descobriram que as linhagens que sobreviveram foram as mais evoluídas, e portanto, tinha o maior potencial de produzir novos comportamentos favoráveis. Não só isso, mas também, em geral, melhores soluções para a tarefa de andar foram notadas nessas simulações de extinção em massa do que em outras simulações.
As aplicações práticas dessa pesquisam podem incluir o desenvolvimento de robôs que podem superar obstáculos de forma mais eficaz – Como robôs que procuram sobreviventes em escombros de terremotos; Navegando um campo minado; ou até mesmo Explorando Marte.
Fonte: Plos One Journal | Artigo Traduzido de: Science Daily
