8.6. Искусственная жизнь, мозг, познание, разум, память и мышление
Искусственная жизнь (ИЖ) – это научная отрасль, посвященная пониманию жизни через попытки прояснения жизни в динамике, оказывающей влияние на биологические явления. Эти явления отображаются посредством ИТ, например, с применением компьютеров, для того чтобы в полной мере использовать современные экспериментальные условия. ИЖ представляет собой область знаний, которая использует достижения химии, физики, робототехники и других наук. Основу дисциплины составляет понятие жизни. Она занимается имитационным моделированием такой жизни, которую мы знаем, то есть работа посвящается изучению поведения организмов, построенных на иных принципах, нежели земные существа [114, 115]. Исходные комбинации клеток могут трансформироваться в очень разнородные сложные структуры.
Другой пример ИЖ – биоморфы. Ричард Гоугенс, для изучения эволюции видов, применял теорию графов, что позволило ему представить генетические операции для получения новых структур в последующих поколениях, т.е. если эволюция начинается с простых структур, напоминающих деревья, то можно получить структуры в форме различных насекомых. При этом рост организмов имитировался, при помощи формального описания развития. В последующем эти системы были применены для описания и моделирования развития растений, а эффект от этого перешел в область описания при создании фракталов.
Система Тьера представляет собой виртуальный мир, созданный биологом Томом Рейем. За жизненное пространство он взял виртуальный компьютер, в котором живут программы и индивиды. Программы он описал на простом языке, близком к ассемблеру. Для эволюции индивидов он использовал принцип мутации, т.е. случайной замены одной из команд программы, либо рекомбинации, состоящей в подмене фрагментов кода. При этом индивиды начинают соперничать между собой за ресурсы, т.е. за память виртуального компьютера и за время использования процессора, в результате, они пытаются занять больше памяти и выполнить больше команд.
Система Фремштик, которую считают наиболее развитой, была создана в 1997 году. Поляки реализовали этот проект. Они представили жизнь в виртуальном трехмерном мире, имеющим земную и водную среду, а организмы называли фремштиками, они состоят из палочек, которые дополнительно могут играть роль рецепторов, обладающих разными чувствами. Органы перемещения управляются при помощи нервной системы, моделируемой с помощью нейронной сети. Они конкурируют между собой за жизненное пространство и поиск пищи, путём борьбы. Каждая особь описывается генотипом – код с описанием строения фремштика. Доступны 3 способа описания хромосом:
Самый простой способ, описывающий структуру фремштика;
Рекуррентное описание;
Описание, основанное на записи информации о конкретной клетке.
Степень приспособленности оценивается в самом жизненном пространстве. Этот процесс может принимать различные формы в зависимости от подвижности особи, её устойчивости, размеров. Модель может принимать различные формы, например, поиск самой высокой особи. Следующие поколения особей будут возникать в результате эволюции, которая вызывается селекцией, мутацией и скрещиванием генов. Эволюция затрагивает как внешнюю форму организма, так и структуру их нервной системы.
- Предисловие
- Список использованных сокращений
- Часть 1.
- Глава 1. Математические основы формализации и методов описания
- Часть 2.
- Глава 2. Методы представления знаний с использованием
- Часть 3.
- Глава 3. Интеллектуальные технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- Часть 4.
- Глава 4. Источники информации и причины возникновения ее неопределенности
- 4.1. Переработка и использование информации в реальных условиях функционирования агрегатов
- Часть 5.
- Список использованных сокращений и обозначений
- Введение:
- Часть 1.
- Глава 1. Математические основы формализации и методов описания
- Формализация объекта и парадигмы
- 1.3. Множества и перечень базовых операций над множествами
- Перечень базовых операций над множествами
- Области определения функций
- Обратная функция
- Теорема
- Мера и нечеткая мера
- Задача построения нечетких мер
- Нечеткие множества: определение и формы записи в операциях и
- 1.7.Функции доверия и правило Демпстера а.Р.,[23]
- 1.8. Нормировка функций в теории нечётких множеств
- 1.9. Нечёткие отношения: прямая и обратная задачи
- Глава 2. Методы представления знаний с использованием приближенных и нечетких множеств
- 2.1.Нечеткие вычислительные технологии
- 2.2.Семантика объекта: определение и типизация
- 2.3.Создание Базы знаний: постановка, семантика, прагматика
- 2.4. Сопоставление объектов: постановка, семантика, прагматика
- 2.5.Распознавание объектов: постановка, семантика, прагматика
- 2.6. Управление процессом представления знаний
- Нечёткие множества: субъективность и неточность
- 2.8.Нечеткая алгебра
- 2.9.Нечеткие иерархические отношения
- 2.10.Естественность операций max и min
- 2.11.Нечеткая статистика
- 2.12. Совместимость и нечеткое ожидание
- Глава 3. Нечеткие технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- 3.2. Обработка нечетких данных как неопределенных чисел
- Методология представления агрегата в виде комплексного механизма
- 3.2.2. Описание исходной информации на языке размытых множеств
- Размытость интервалов, ограничений, критериев и целей управления в эксплуатации и диагностике
- 3.3.3. Размытые ограничения, цели и оптимизация работы агрегата в условиях нечеткой информации о состоянии
- Анализ информации для диагностики и оценивания состояния механизмов
- 3.5. Оценки погрешностей измерений и наблюдений за состоянием агрегатов
- Влияние погрешностей исходных данных на погрешности диагноза
- Глава 4. Источники информации и причины возникновения ее неопределенности
- 4. 2. Управление и идентификация на объекте в условиях неопределенности информации на основе знаний, получаемых при функциональной диагностике
- Тогда множество диагностических признаков g также будет нечетким
- 4.3.Представление и использование чётких и «размытых» знаний в математических моделях оценивания состояния агрегатов, на основе функциональной диагностики
- 4.3.1.Формализация решения задачи оценивания состояния
- 4.3.2. Особенности решения задач контроля и функционирования агрегата
- Глава 5. Введение в генетическое программирование
- 5.1. Введение в генетические и эволюционные алгоритмы
- 5.2. Сравнительный анализ эволюционных алгоритмов
- 5.3. Генетическое программирование
- 5.4. Перспективные направления развития гп
- Глава 6. Введение в нейронные сети
- 6.1. Алгоритмы их обучение и эластичные нейро-нечеткие системы
- 6.2. Имитация нервных клеток
- 6.3. Математическая модель нейрона
- 6.4. Обучение нейронных сетей
- 6.5. Метод обратного распространения ошибки
- 6.6. Алгоритм настройки нейронной сети
- Глава 7. Другие методы нечетких технологий для построения
- 7.1. Введение в теорию возможностей и смысла
- 7.1.1. Неопределенность и неточность
- 7.1.2. Традиционные модели неточности и неопределенности
- 7.1.3. Меры неопределенности
- 7.1.4. Меры возможности и необходимости
- 7.1.5. Возможность и вероятность
- 7.2. Языки и технологии логического программирования prolog, lisp
- Глава 8. Послесловие
- 8.1. Эволюция искусственного интеллекта для развития интеллектуальных
- 8.2.Экспертные системы нового уровня
- 8.3. Роботика
- 8.4. Преобразование речи искусственного языка
- 8.5. Интеллект муравьёв и его использование
- 8.6. Искусственная жизнь, мозг, познание, разум, память и мышление
- 8.7. Боты
- Optimizator подсистемы диагностики состояния энергоустановок, skais, для решения задач технического обслуживания
- Заключение
- Заключение
- Литература