Você está na página 1de 24

IA013 Prof. Fernando J.

Von Zuben DCA/FEEC/Unicamp

Vida Artificial
1 2 3 4 5 6 INTRODUO ................................................................................................................................................................................................................. 2 ORIGEM E DESENVOLVIMENTO DA VIDA ARTIFICIAL .............................................................................................................................................. 5 VIDA NATURAL ............................................................................................................................................................................................................... 9 REDUCIONISMO ........................................................................................................................................................................................................... 12 HOLISMO ....................................................................................................................................................................................................................... 14 ORGANIZAO E ESTRUTURA DE UM SISTEMA ..................................................................................................................................................... 15 6.1 7 8 9 MODELO POE .................................................................................................................................................................................................... 16

O MODO DE VIDA ARTIFICIAL ................................................................................................................................................................................. 16 AS MUITAS VIDAS DA VIDA ARTIFICIAL ................................................................................................................................................................... 19 SISTEMAS COMPLEXOS ............................................................................................................................................................................................. 20 9.1 SISTEMAS COMPLEXOS ORGANIZADOS ................................................................................................................................................................... 25 AUTO-ORGANIZAO .......................................................................................................................................................................................... 26 HOMEOSTASE ....................................................................................................................................................................................................... 28 COMPUTAO EMERGENTE ............................................................................................................................................................................... 30 AUTMATOS CELULARES .................................................................................................................................................................................. 31 APRENDIZADO E EVOLUO ............................................................................................................................................................................. 33 14.1 14.2 14.3 14.4 O EFEITO BALDWIN.............................................................................................................................................................................................. 33 ASPECTOS CONCEITUAIS DO EFEITO BALDWIN ........................................................................................................................................................ 35 O EFEITO BALDWIN VERIFICADO NA PRTICA - EXEMPLO 1 ....................................................................................................................................... 36 O EFEITO BALDWIN VERIFICADO NA PRTICA - EXEMPLO 2 ....................................................................................................................................... 40 REFERNCIAS BIBLIOGRFICAS ....................................................................................................................................................................... 44

10 11 12 13 14

15

Tpico 6 (Parte I) Vida Artificial

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

1 Introduo a vida artificial envolve o estudo da vida e/ou de comportamentos de seres vivos a partir de processamento de informao e modelagem computacional. o que se busca uma explicao para fenmenos associados vida-como-ela-, desde a origem de metabolismos bioqumicos at a co-evoluo de estratgias de comportamento, e tambm para fenmenos associados vida-como-ela-pode-ser. trata-se, portanto, de uma rea de atuao cientfica vinculada biologia matemtica e a biocomputao, embora com muitas outras caractersticas multidisciplinares. Destacam-se a etologia e a teoria evolutiva. etologia: estudo dos hbitos dos animais e da sua acomodao s condies do ambiente (seus criadores, von Frisch, Lorenz & Tinbergen, ganharam o Prmio Nobel de 1973).

Tpico 6 (Parte I) Vida Artificial

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

outras reas envolvidas so: inteligncia artificial, psicologia, fsica, bioqumica, imunologia, economia, filosofia e antropologia. o termo Vida Artificial (Artificial Life ou A-Life) inclusive considerado inadequado por alguns pesquisadores da rea, por indicar o objetivo de produzir artificialmente novas formas de vida. Embora este seja o propsito de parte dos pesquisadores, muitos questionam at a sua possibilidade prtica. Termos menos polmicos ou provocativos tm sido sugeridos. Exemplo: animats (robs reais ou virtuais que reproduzem comportamento animal) (MEYER & WILSON, 1991). no entanto, as seguintes questes continuam levantando controvrsias: a manifestao de vida requer um corpo material? possvel estabelecer uma gradao para a existncia de vida? por exemplo, os proponentes da autopoiesis (teoria que associa a vida com uma entidade autnoma capaz de se auto-reproduzir) responderiam sim para a primeira e no para a segunda pergunta (MATURANA & VARELA, 1980).
Tpico 6 (Parte I) Vida Artificial

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

outros responderiam sim primeira questo, mas por outras razes (HARNAD, 1994). mas estas questes filosficas no precisam ser respondidas a contento para permitir que a pesquisa em Vida Artificial progrida, justamente porque no objetivo de boa parte dos pesquisadores propor diretamente mecanismos artificiais de gerao de vida. a caracterstica central da Vida Artificial continua sendo a auto-organizao verificada em sistemas vivos que interagem com um ambiente externo. j que o sistema vivo est imerso em um ambiente, uma questo fundamental diz respeito a como se d a interao da auto-organizao com a seleo natural. KAUFFMAN (1992) defende a hiptese de que a auto-organizao gera as formas de organizao fundamentais e a seleo natural, por sua vez, trabalha sobre a maior ou menor adequao de cada forma de organizao.

Tpico 6 (Parte I) Vida Artificial

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

2 Origem e desenvolvimento da vida artificial os pioneiros em pesquisa com vida artificial so os mesmos responsveis pelos primeiros passos da inteligncia artificial: Alan Turing e John von Neumann. 1950 (von Neumann): autmatos celulares; estudo dos fenmenos de autoorganizao e reproduo. 1952 (Turing): estudo de morfogenia (desenvolvimento de formas biolgicas). Os resultados deste trabalho continuam sendo explorados at hoje. no entanto, as idias destes dois grandes nomes da rea de computao s puderam ser melhor exploradas com o advento de grande quantidade de recursos computacionais, ou seja, com o aperfeioamento tcnico da mquina que eles prprios ajudaram a conceber. s como um exemplo da contribuio destes dois proeminentes pesquisadores, basta mencionar que John Holland, o autor dos algoritmos genticos, foi aluno de Arthur Burks, colega de von Neumann.
Tpico 6 (Parte I) Vida Artificial

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

em suas investigaes envolvendo autmatos celulares, von Neumann j havia proposto que erros de cpia (mecanismo equivalente mutao) poderiam implicar evoluo. E estas proposies tiveram lugar antes da descoberta do DNA e do cdigo gentico. aps os primeiros desenvolvimentos, os processo de vida artificial foram parcialmente esquecidos, porque o foco de ateno dos pesquisadores de reas afins se voltou para a pesquisa em inteligncia artificial. foi somente no incio dos anos 80 que os processos de vida artificial voltaram a ser explorados de modo significativo. A rea ganhou evidncia aps a iniciativa de Langton em organizar o primeiro Workshop em Vida Artificial, em Los Alamos, no ano de 1987. Neste evento, Christopher Langton cunhou o termo vida artificial (artificial life). os principais peridicos envolvidos com o tema de Vida Artificial so editados pela MIT Press: Artificial Life e Adaptive Behavior.
Tpico 6 (Parte I) Vida Artificial

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

como publicaes introdutrias e abrangentes, tem-se: LANGTON (1989), BODEN (1996a), EMMECHE (1994) e LEVY (1992). para Langton, a trilogia informao, comunicao e interpretao considerada fundamental para processos de vida natural e/ou artificial. houve at quem definisse a vida como sendo matria com significado (PATTEE, 1995). uma preocupao ao se trabalhar com processo de vida artificial conseguir uma forma de medir numericamente o grau de ordem e desordem em um sistema e assim conseguir uma medida do grau de vida de alguns tipos de sistema. atravs de muitos experimentos com autmatos celulares, Langton determinou um grau de desordem que o limiar para a vida. Acima deste valor o sistema potencialmente vivo. Abaixo deste valor o sistema homogneo, rigidamente peridico ou catico.

Tpico 6 (Parte I) Vida Artificial

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

outro conceito muito explorado por Langton o da autonomia. Este conceito foi muito bem definido por BODEN (1996b), que distinguiu trs tipos de autonomia: 1. sistemas reativos, onde a sada determinada somente pelo estado atual do sistema; 2. sistemas onde o mecanismo de controle foi automaticamente gerado, ao invs de imposto pelo projetista; 3. sistemas onde tanto o mecanismo de controle quanto o de deciso, ou seja, todos os nveis hierrquicos de deciso, evoluem de forma automtica respondendo a estmulos do ambiente. qualquer que seja a manifestao de vida, a pesquisa em Vida Artificial busca mecanismos de simulao com maior ou menor grau de abstrao ou idealizao. em Vida Artificial, praticamente no existem metodologias explcitas para representao de conhecimento e planejamento para efeito de tomada de deciso (BROOKS, 1991).
Tpico 6 (Parte I) Vida Artificial

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

uma comparao simples entre a Vida Artificial e a Inteligncia Artificial dos anos 70 pode ser resumida nos seguintes contrastes: abordagem: bottom-up top-down controle: local global regras: simples complexas comportamento: emergente pr-programado mas, em essncia, Vida Artificial e Inteligncia Artificial esto filosoficamente muito prximas. 3 Vida natural no existe uma definio universalmente reconhecida de vida, porm h um consenso de que a vida um conjunto de atributos tais como: auto-organizao, adaptao, emergncia, autonomia, desenvolvimento, crescimento, reproduo, auto-regenerao, evoluo, adaptao e metabolismo.
Tpico 6 (Parte I) Vida Artificial

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

a presena de alguns destes atributos (no todos) j tido como suficiente para se implementar processos de vida. alguns cientistas acreditam que o conceito de vida pode variar dependendo do contexto, no aceitando, portanto, uma definio nica e fechada. a figura a seguir indica que a vida corresponde a um processo de reduo de entropia (s).

vida natural (s < 0) ordem termodinmica (s > 0) caos

Tpico 6 (Parte I) Vida Artificial

10

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

as manifestaes de alto nvel apresentadas por organismos vivos so muito variadas. Elas incluem: mecanismos universais da vida: autonomia e evoluo; estilos de vida distintos: parasitismo (fitoftico, zooftico ou zotico) e simbiose; comportamentos particulares: formao de colnias (recifes de corais), estratgias de caa e de fuga; mecanismos de expanso: diferenciao celular; morfologia corprea: padres de ramificao em plantas, anatomia dos rgos sensoriais nos animais.

Tpico 6 (Parte I) Vida Artificial

11

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

4 Reducionismo o pai do reducionismo Ren Descartes. Definio do Aurlio: ato ou prtica de analisar ou descrever um fenmeno, desenvolver a soluo de um problema, etc., supondo ou procurando mostrar que certos elementos ou conceitos complexos no devem ser compreendidos ou explicados em si mesmos, mas referidos a, ou substitudos por outros, situados em um nvel de explicao ou descrio considerado mais bsico. importante buscar um definio mais abrangente para este termo, principalmente em virtude de seu uso ser abusivo e inadequado em muitos casos. conveniente dividir a definio em trs partes: 1. reducionismo ontolgico: o todo pode ser descrito pelos seus elementos constituintes, ou seja, a parte existe isolada do todo. Conseqncias: (1) devem existir substncias irredutveis, de modo que todas as outras substncias possam ser reduzidas a elas; (2) organismos vivos so nada mais, nada menos, que mquinas de funcionamento complexo. Por exemplo, os mecanicistas defendem
Tpico 6 (Parte I) Vida Artificial

12

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

que os fenmenos biolgicos podem ser explicados pelas propriedades de seus elementos inorgnicos. 2. reducionismo metodolgico: a crena de que, em cincia, sempre possvel particionar o todo em elementos menores constituintes. No entanto, este desejo por particionar relativo: um socilogo reducionista (adepto do individualismo como doutrina) tentaria explicar fenmenos sociais a partir de sentimentos e comportamentos de indivduos, mas jamais tentaria explic-los a partir das molculas que compem cada indivduo. Assim, a melhor estratgia cientfica particionar as coisas que precisam ser explicadas em entidades mais simples, enquanto o custo-benefcio da reduo se mostrar compensador. Esta estratgia , sem dvida, responsvel por alguns dos maiores sucessos da cincia. O maior triunfo do reducionismo metodolgico foi a demonstrao de que a unidade de hereditariedade, o gene, uma macromolcula. No entanto, nem mesmo os reducionistas defenderiam a teoria de que um ser humano uma marionete manipulada por uma dupla-hlice. 3. reducionismo terico: a crena de que existe uma super-teoria, para a qual convergiriam todas as teorias j propostas: unidade da cincia.

Tpico 6 (Parte I) Vida Artificial

13

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

5 Holismo Definio: qualquer ponto de vista segundo o qual as propriedades dos elementos constituintes de um todo so determinadas pelas relaes que eles sustentam com outros elementos. Neste caso, um elemento em um sistema holstico no pode existir isolado do todo. Exemplo: o significado de uma palavra em um texto depende de seu relacionamento com outras palavras do texto. o holismo tem se difundido muito neste sculo em biologia e cincias sociais, e tambm no estudo da mente e da linguagem. muito fcil fazer com que o holismo aparente ser bvio: qualquer coleo de elementos exibem propriedades que no esto presentes nos elementos individuais. Exemplo: objetos de 1 dimenso podem ser juntados para compor um objeto de duas dimenses. o todo mais do que a soma de suas partes (exemplo do brinquedo de armar).
Tpico 6 (Parte I) Vida Artificial

14

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

6 Organizao e Estrutura de um Sistema organizao: o atributo definitivo de uma entidade sistmica o conjunto de interrelaes de seus componentes, com o propsito de: definir a forma do sistema a cada instante; servir como a identidade bsica que mantida mesmo sob a influncia de variaes dinmicas ao longo do tempo. a organizao de um sistema no especifica as propriedades de seus elementos, mas apenas as relaes que eles devem manter entre si para que o sistema preserve sua individualidade. Assim, uma organizao independente das propriedades de seus elementos. a estrutura uma realizao (instncia) particular de uma organizao. um sistema pode mudar sua estrutura sem perder sua individualidade, desde que ele mantenha sua organizao.

Tpico 6 (Parte I) Vida Artificial

15

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

exemplo de organizao hierrquica aninhada: sistema social humano ser humano rgo clula processos moleculares processos atmicos ... 6.1 Modelo POE filogenia: histria evolutiva das espcies. ontogenia: desenvolvimento orgnico do indivduo desde a fecundao at a maturidade para a reproduo. epigenia: ocorrncia de mudanas ou adaptaes durante a histria de um indivduo, influenciando o fentipo sem alterar o gentipo (aprendizado em tempo de vida). 7 O modo de vida artificial a sntese (abordagem bottom-up) tem se mostrado mais apropriada para o estudo de sistemas complexos em geral, e sistemas vivos em particular.

Tpico 6 (Parte I) Vida Artificial

16

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

capturar a essncia dos processos de vida natural via simulao (emergncia de comportamentos complexos) tem sido mais eficiente do que a execuo de uma anlise top-down, que comea pelas manifestaes de vida e tenta extrair da os seus princpios fundamentais. problema: as abordagens puramente top-down geralmente se esquecem de obedecer a restries de baixo nvel, enquanto que as abordagens puramente bottom-up geralmente se esquecem de obedecer a restries de alto nvel. a-vida-como-ns-a-conhecemos a-vida-como-ela-pode-ser desvantagens da abordagem sinttica: 1. dificuldade de interpretar os modelos utilizados; 2. espaos de explorao de dimenso elevada; 3. ausncia de restries, abrindo espao para a-vida-como-ela-pode-ser.

Tpico 6 (Parte I) Vida Artificial

17

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

mais que um campo de atuao cientfica, os processos de vida artificial representam uma maneira de praticar cincia (atividades didticas e de laboratrio). a que extenso um modelo explica um fenmeno que ele capaz de reproduzir? este definitivamente no tem sido o foco de ateno dos processos de investigao cientfica (PUTNAM, 1973). weak Alife: possibilidade de utilizar computadores para simular vida; strong Alife: possibilidade de que os programadores possam ir alm de uma mera modelagem e efetivamente criarem coisas vivas. Em sua verso robtica, seria possvel desenvolver um projeto de engenharia que utilizasse um computador para gerar um organismo vivo genuno a partir de matria inanimada. Por outro lado, em sua verso virtual, possvel gerar um organismo vivo genuno simplesmente pela programao adequada de um computador.

Tpico 6 (Parte I) Vida Artificial

18

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

8 As muitas vidas da vida artificial biologia vida artificial: mesmo objeto de estudo, mas metodologias distintas. vida artificial biologia sinttica os bilogos apresentam um ponto de vista a respeito de vida artificial que muito diferente daquele defendido pelos cientistas da computao. distino anloga pode ser feita entre a viso destes dois grupos e aquela apresentada pelos engenheiros. O mesmo vale para os artistas. pelo menos a distncia entre biologia e engenharia est encurtando muito nos ltimos anos, j que uma parcela crescente de bilogos tem se ocupado com o desenvolvimento de mundos artificiais para validar suas teorias, enquanto engenheiros tm se voltado natureza, buscando inspirao para a construo de novos sistemas e novas solues. exemplo: auto-organizao de atividades coletivas no espao e no tempo formigueiro + fontes de alimento + formigas + feromnio
Tpico 6 (Parte I) Vida Artificial

19

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

interpretaes distintas deste processo: explicao de um fenmeno biolgico, qualidade esttica, ferramenta vivel para a soluo de problemas. 9 Sistemas complexos todo processo de vida um sistema complexo. sistema complexo: rede de objetos (agentes, elementos ou processos) que exibem um comportamento dinmico agregado. A ao de um objeto afeta possivelmente as aes subseqentes de outros objetos na rede, de modo que a ao do todo mais do que a simples soma das aes de suas partes. conseqentemente, um sistema complexo se ele no for redutvel a poucos graus de liberdade ou a uma descrio estatstica. exceo: sistema catico sistema complexo passvel de descrio determinstica e com poucos graus de liberdade. a vida um processo complexo organizado, em contraposio a processos simples organizados e processos complexos desorganizados (WEAVER, 1968).
Tpico 6 (Parte I) Vida Artificial

20

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

Figura 1 Diviso circunstancial dos sistemas complexos (SC) em organizados (SCO) e no-organizados (SCNO). Baseado em VARGAS (2006).

Tpico 6 (Parte I) Vida Artificial

21

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

Figura 2 Diviso circunstancial dos sistemas complexos organizados (SCO) em naturais (SCN) e artificiais (SCA) e seus subsistemas.

Tpico 6 (Parte I) Vida Artificial

22

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

Figura 3 - Os sistemas nervoso, imunolgico e endcrino, classificados circunstancialmente como um sistema homeosttico natural.
Tpico 6 (Parte I) Vida Artificial

23

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

Figura 4 Taxonomia circunstancial dos sistemas computacionais bioinspirados.

Tpico 6 (Parte I) Vida Artificial

24

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

9.1 Sistemas complexos organizados sistemas complexos so caracterizados como sistemas abertos e acredita-se que eles se alimentam de um tipo de energia ordenada (BUSHEV, 1994), ou seja, uma energia com baixa entropia que ser utilizada para contrabalanar a tendncia de degradao da energia interna do sistema. entretanto nem toda energia que adentra o sistema pode ser diretamente utilizada. Tal energia deve passar por um processo de seleo, o qual tem como base os objetivos especficos do sistema, objetivos estes normalmente relativos sobrevivncia e proliferao (DARWIN, 1859; 1993). a partir dessa energia filtrada, o sistema passa por um processo de mudana ou adaptao, caracterizado por atividades internas. Esse processo coordenado por mecanismos de auto-organizao, atravs de funes ou estratgias de transio, assim como mecanismos de realimentao.

Tpico 6 (Parte I) Vida Artificial

25

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

um sistema complexo organizado apresenta uma estrutura hierrquica e, portanto, possvel decomp-lo. Com isso, pode-se estudar e entender suas partes separadamente, embora esta iniciativa analtica no seja necessariamente produtiva para entender o todo (NICOLIS & PRIGOGINE, 1977; 1989; COVENEY & HIGHFIELD, 1995; BAK, 1996; GALLAGHER & APPENZELLER,1999). acredita-se que os organismos com maior gradao de inteligncia so normalmente constitudos pela interao de vrios sistemas complexos organizados, muitas vezes sem uma fronteira clara entre eles. Esses sistemas constituintes so passveis de descrio apenas recorrendo-se a nveis hierrquicos de anlise. 10 Auto-organizao o conceito central em vida artificial a auto-organizao. Este conceito implica a emergncia e manuteno de uma ordem ou complexidade a partir de um estado

Tpico 6 (Parte I) Vida Artificial

26

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

menos organizado ou menos complexo. Esta auto-organizao deve ser intrnseca ou espontnea e deve ser fruto das caractersticas do sistema. quais so os elementos-chaves e as relaes que devem ser incorporadas ou sintetizadas em um sistema de vida artificial para possibilitar a emergncia de uma organizao cooperativa e/ou competitiva complexa? 1. organizao de agentes adaptativos em processos de interao cooperativa e/ou competitiva (auto-organizao horizontal); 2. auto-organizao vertical, complementando o processo de auto-organizao horizontal. em um processo de auto-organizao horizontal, os agentes esto em um mesmo nvel de organizao, portanto no tm a capacidade de controlar outros agentes dentro do mesmo nvel. j no caso da auto-organizao vertical, uma organizao horizontal controlada por um ou mais agentes que estabelecem um relacionamento hierrquico com a referida organizao horizontal.
Tpico 6 (Parte I) Vida Artificial

27

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

um relacionamento hierrquico implica que os agentes so capazes de influenciar a organizao horizontal sem serem influenciados por ela (relacionamento unilateral). condies necessrias para a ocorrncia de auto-organizao: realimentao positiva; realimentao negativa; interao local. 11 Homeostase estudos biolgicos comprovam que existe interconexo e dependncia entre o sistema imunolgico, o sistema nervoso e o sistema endcrino na espcie humana (BESENDOVSKY & DEL REY, 1996). Esta interao fundamental para a manuteno do equilbrio interno do organismo, chamado tambm de homeostase.

Tpico 6 (Parte I) Vida Artificial

28

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

o termo homeostase ou homestase significa propriedade auto-reguladora de um sistema ou organismo que permite manter o estado de equilbrio de suas variveis essenciais ou de seu meio ambiente. h controvrsia sobre o primeiro aparecimento do termo na literatura. Segundo LEVINE (1998), O primeiro registro ocorreu com a publicao do trabalho de Cannon em 1929 (CANNON, 1929). Para PFEIFER & SCHEIER (1999) o termo homeostase foi completamente caracterizado por Ashby em 1960. independente de sua origem, existe o consenso de que o processo de homeostase est estreitamente ligado ao equilbrio do sistema ou organismo e requer uma quantidade de receptores sensoriais especializados em detectar mudanas. No caso do corpo humano, esses receptores do incio a repostas especficas nos sistemas nervoso, imunolgico e endcrino, os quais so os principais sistemas envolvidos diretamente com o processo de homeostase.

Tpico 6 (Parte I) Vida Artificial

29

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

existem estudos que apontam para a existncia de um outro fenmeno biolgico contrrio homeostase, chamado de heterostase. Este termo foi criado por KLOPF (1982), para descrever um tipo de comportamento que ele acredita existir na natureza em organismos que procuram estmulos constantemente, por exemplo, excitao ou prazer mximo e constante. Apesar da idia de Klopf apresentar alguma consistncia, a mesma encontrou forte contestao no ambiente cientfico. 12 Computao emergente muitos sistemas naturais de interesse so difceis de descrever ou controlar utilizando mtodos tradicionais: 1. sistemas ecolgicos; 2. sistemas imunolgicos; 3. sistemas econmicos.

Tpico 6 (Parte I) Vida Artificial

30

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

estes sistemas naturais exibem habilidades de processamento coletivo de informao que emergem da ao individual de componentes simples, interagindo via canais de comunicao restritos (cada agente utiliza apenas a informao obtida pelos seus prprios sensores). o termo computao emergente utilizado para descrever o surgimento de processamento de informao coerente em sistemas computacionais. sistemas com comportamento emergente apresentam auto-organizao, fenmenos coletivos e comportamento cooperativo e/ou competitivo. 13 Autmatos celulares definio 1: um autmato celular um sistema dinmico com espao, tempo e estado discretos. Cada ponto em uma grade espacial regular, chamada clula, pode assumir qualquer um dentre um conjunto finito de estados. Os estados das clulas nas grades so atualizados de acordo com uma regra local, ou seja, o estado de
Tpico 6 (Parte I) Vida Artificial

31

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

uma dada clula, no instante de tempo atual, depende apenas de seu prprio estado e do estado das clulas vizinhas mais prximas no instante de tempo anterior. Os estados de todas as clulas so atualizados de forma sncrona e em instantes discretos de tempo. definio 2: um autmato celular um modelo terico de um computador paralelo sujeito a vrias restries que tornam tratvel a investigao formal de seu poder de computao. Cada clula um modelo de um computador com memria finita, ou seja, uma mquina de estado finito, e produz sua sada a partir de entradas que ela recebe de um conjunto finito de clulas que formam sua vizinhana e possivelmente de uma fonte externa. A sada de cada clula distribuda s clulas vizinhas e possivelmente a um receptor externo.

Tpico 6 (Parte I) Vida Artificial

32

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

14 Aprendizado e evoluo aprendizado e evoluo so considerados processos adaptativos, sendo que o primeiro ocorre durante o ciclo de vida de um organismo (adaptao a mudanas rpidas no ambiente), e o segundo durante a histria de sua existncia (adaptao a mudanas mais lentas no ambiente ou a ambientes estacionrios). qual o nvel de interao que pode haver entre aprendizado e evoluo? o aprendizado que ocorre durante o curso de vida de um indivduo pertencente a uma dada espcie pode, de algum modo, guiar a evoluo da espcie? (MAYNARD SMITH, 1987) 14.1 O efeito Baldwin consenso que no pode haver interao direta entre aprendizado e evoluo. em 1896, James Baldwin props um novo fator evolutivo, pelo qual caractersticas adquiridas podiam ser herdadas indiretamente.
Tpico 6 (Parte I) Vida Artificial

33

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

idias semelhantes foram independentemente propostas por Morgan e Osborn, no mesmo ano. este novo fator est vinculado ao aprendizado, e foi denominado de plasticidade fenotpica, ou seja, a habilidade de um organismo se adaptar a seu meio durante sua vida. o efeito Baldwin opera em duas etapas (TURNEY et al., 1996): 1. sinergia entre plasticidade fenotpica e evoluo: primeiramente, a plasticidade fenotpica permite que um indivduo se adapte a uma mutao parcialmente bem sucedida, que de outro modo poderia ser intil ao indivduo. Se esta mutao aumenta a adaptabilidade ao meio, ela tende a se proliferar na populao; 2. assimilao gentica: sendo assim, dado tempo ao processo evolutivo para encontrar um mecanismo rgido que substitua a plasticidade fenotpica, correspondendo segunda etapa do efeito Baldwin.

Tpico 6 (Parte I) Vida Artificial

34

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

14.2 Aspectos conceituais do efeito Baldwin se o aprendizado auxilia na sobrevivncia, ento organismos com maior capacidade de aprendizado tero um maior nmero de descendentes, conduzindo a um aumento, na populao, da freqncia de genes responsveis pela habilidade do aprendizado. se o ambiente for suficientemente estvel de modo que a habilidade mais importante a ser aprendida permanea a mesma, e se a aprendizagem da referida habilidade custosa (forte presso seletiva), ento o processo evolutivo pode conduzir indiretamente codificao gentica da habilidade a ser aprendida (MITCHELL & FORREST, 1994). dito de outra forma, dado tempo e motivao continuada para que o processo evolutivo empregue sua criatividade na codificao gentica da habilidade desejada. Enquanto esta codificao no ocorre, o indivduo deve empregar uma grande quantidade de recursos para obter esta habilidade via aprendizado.
Tpico 6 (Parte I) Vida Artificial

35

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

assim, um comportamento que foi em um primeiro momento aprendido, pode se tornar instintivo atravs deste processo, desde que se preserve um nvel mnimo de estabilidade no ambiente e desde que o custo de aprendizagem seja elevado. superficialmente, o efeito Baldwin se assemelha teoria lamarckista. No entanto, no h aqui uma alterao direta do gentipo a partir de modificaes no fentipo. concluso: o aprendizado pode afetar a evoluo, mesmo quando o que aprendido no pode ser transmitido geneticamente.

14.3 O efeito Baldwin verificado na prtica - Exemplo 1 a importncia do efeito Baldwin para a computao evolutiva foi evidenciada a partir do trabalho de HINTON & NOWLAN (1987). Ele ocorre quando um algoritmo gentico aplicado na evoluo de uma dada populao de indivduos, juntamente com algoritmos de busca local.

Tpico 6 (Parte I) Vida Artificial

36

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

busca local o anlogo computacional de plasticidade fenotpica em evoluo biolgica. A assimilao gentica facilitada pelo uso de funes de adaptao que incorporem o custo das buscas locais e por permitir que o gentipo tenha algum controle sobre a extenso da busca local. muitos sistemas hbridos atuais, compostos por algoritmos genticos e algoritmos de busca local, tm procurado explorar esta sinergia. Exemplo: algoritmos memticos. HINTON & NOWLAN (1987) obtiveram a demonstrao emprica do efeito Baldwin e de sua magnitude a partir de um problema de formulao muito simples: dada uma cadeia cromossmica de comprimento 20, encontrar a combinao de 0s e 1s, dentre as 220 possibilidades, que representa a nica soluo correta para um dado problema. o procedimento convencional para a aplicao de algoritmos genticos a este problema, ou seja, a definio de uma populao de candidatos soluo e
Tpico 6 (Parte I) Vida Artificial

37

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

evoluo desta populao, gerao a gerao, pela aplicao dos operadores de reproduo e seleo, no foi capaz de conduzir nica soluo correta. no entanto, a introduo da capacidade de aprendizagem na populao de candidatos soluo reverteu completamente este quadro. a capacidade de aprendizagem foi implementada a partir da introduo de um alelo ?, alm dos alelos 0 e 1. Um gene ? no representa uma condio dont care, mas apenas caracteriza um gene cujo valor (0 ou 1) ser definido na fase de aprendizagem. assim, os cromossomos da populao de candidatos soluo passaram a ser definidos como seqncias de 0s, 1s e ?s, estes ltimos com valor (0 ou 1) a ser definido via aprendizagem. outro aspecto fundamental do experimento de HINTON & NOWLAN (1987) foi a utilizao de uma tcnica de aprendizagem pouco eficiente: a adivinhao aleatria do valor de cada alelo ? presente nos cromossomos. Ou seja, dado um
Tpico 6 (Parte I) Vida Artificial

38

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

cromossomo, era tentado um nmero finito de vezes (at 1000 vezes) adivinhar quais seriam os melhores valores para os genes com alelo ?. Com isso, o experimento acabava incorporando a idia de que o processo de aprendizagem custoso (fator custo foi incorporado na funo de fitness), simulando assim o fato de que a habilidade a ser aprendida suficientemente complexa para representar um diferencial de adaptabilidade significativo dentro da populao. com isso, um indivduo que apresentasse todos os seus genes com alelos ? tinha a vantagem de conter garantidamente a soluo correta em seu espao de representao, mas a desvantagem de tornar o processo de adivinhao aleatria extremamente ineficiente. por outro lado, um indivduo sem nenhum gene com alelo ? no apresentava a possibilidade de ter seu nvel de adaptao aumentado via aprendizagem. isto significa que os melhores candidatos seriam aqueles com uma parcela de seus genes com alelos ? e outra parcela com valores adequados e j definidos.
Tpico 6 (Parte I) Vida Artificial

39

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

sendo assim, os experimentos de HINTON & NOWLAN (1987) mostraram que o aprendizado pode guiar o processo evolutivo, representando um exemplo de ocorrncia do efeito Baldwin. 14.4 O efeito Baldwin verificado na prtica - Exemplo 2 uma segunda verificao computacional do efeito Baldwin foi apresentada por ACKLEY & LITTMAN (1992), com seu modelo de agentes adaptativos sujeitos a ERL (Evolutionary Reinforcement Learning). este modelo consiste de agentes adaptativos movendo-se aleatoriamente pelos ns de uma grade bidimensional, encontrando pelo caminho alimento, predadores, esconderijos e outros tipos de entidades. o estado de cada agente inclui as entidades localizadas em sua regio de alcance visual, o nvel de energia interna armazenada, e outros parmetros. cada agente possui duas redes neurais feedforward:

Tpico 6 (Parte I) Vida Artificial

40

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

1. uma rede classificadora, que mapeia o estado do agente no instante t a um nmero representando a qualidade deste estado; 2. uma rede atuadora, que mapeia o estado do agente no instante t a uma ao. as nicas aes possveis correspondem ao deslocamento para um dos quatro ns vizinhos dentro da grade, mas as aes podem produzir efeitos adicionais como comer, ser devorado e outras conseqncias menos radicais. as arquiteturas das redes neurais so as mesmas para todos os agentes, mas a intensidade das conexes pode variar de agente para agente. a intensidade das conexes da rede classificadora de um dado agente no se altera durante o ciclo de vida do agente, enquanto que a intensidade das conexes da rede atuadora se altera de acordo com a experincia de vida do agente e em funo de um algoritmo de aprendizado por reforo (reinforcement learning).

Tpico 6 (Parte I) Vida Artificial

41

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

o genoma de um agente dado pela intensidade das conexes das redes classificadora e atuadora. Os genes associados s conexes da rede atuadora so ajustveis, enquanto que os outros genes so fixos. a energia interna de um dado agente, representada por um nmero real, deve ser mantida acima de um certo nvel para preservar a vida daquele agente. O valor de energia aumenta quando o agente encontra alimento e diminui quando o agente se movimenta e tambm com o passar do tempo (representando a energia gasta com as funes vitais internas do agente). o agente deve se movimentar no apenas para encontrar alimento, mas tambm para fugir de predadores, evitando assim ser devorado. um agente pode tambm se reproduzir caso possua energia interna suficiente. Esta reproduo pode se dar individualmente, por clonagem com mutao, ou ento aos pares, via crossover.

Tpico 6 (Parte I) Vida Artificial

42

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

importante mencionar que nesta aplicao no h nenhuma funo de fitness definida externamente para avaliar o nvel de adaptao do genoma de cada agente. A adaptabilidade de um indivduo medida pelo seu desempenho durante seu ciclo de vida. Este um exemplo tpico das peculiaridades existentes na aplicao de algoritmos genticos no contexto de vida artificial. a intensidade das conexes da rede atuadora ajustada comparando-se o nvel de energia interna entre o instante atual e o instante anterior, obtendo-se assim um sinal de reforo. Este sinal utilizado para modificar a intensidade das conexes no sentido de aumentar o nvel de energia no prximo estado. muitos fenmenos interessantes foram observados, com este modelo de agentes adaptativos. O principal fenmeno emergente observado foi uma verso do efeito Baldwin. Foram realizados trs experimentos com as seguintes distines: 1. evoluo da populao com aprendizado junto aos agentes individuais; 2. evoluo da populao, mas sem aprendizado;
Tpico 6 (Parte I) Vida Artificial

43

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

3. ausncia de evoluo, mas com aprendizado junto aos agentes individuais. o desempenho de cada experimento medido em termos do tempo mdio at a extino da populao, calculado a partir de vrias simulaes. os resultados obtidos mostram que o melhor desempenho ocorreu no experimento 1, seguido do experimento 3, ambos muito superiores ao experimento 2. 15 Referncias bibliogrficas
ACKLEY, D.H. & LITTMAN, M.L. Interactions between learning and evolution. in C.G. Langton, C. Taylor, J.D. Farmer & S. Rasmussen (eds.) Artificial Life II, pp. 487-507, Addison-Wesley, 1992. BAK, P. How Nature Works: The Science of Self-Organized Criticality, Copernicus Books, 1996. BEER, R. D. Intelligence as Adaptive Behavior: An Experiment in Computational Neuroethology. New York: Academic Press, 1990. BESENDOVSKY, H. O. & DEL REY, A. Immune-Neuro-Endocrine Interactions: Facts and Hypotheses, Endocrine Reviews, 17(1), pp. 64-102, 1996. BODEN, M. A. (ed.) The Philosophy of Artificial Life. Oxford: Oxford University Press, 1996a. BODEN, M.A. Autonomy and Artificiality. In M.A. Boden (ed.) The Philosophy of Artificial Life. Oxford University Press, pp. 95-108, 1996b. BROOKS, R. A. Intelligence without representation. Artificial Intelligence 47: 139-159, 1991. BURKS, A. W. Theory of Self-Reproducing Automata. Urbana: University of Illinois Press, 1966.
Tpico 6 (Parte I) Vida Artificial

44

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

BURKS, A. W. Essays on Cellular Automata. Urbana: University of Illinois Press, 1970. BUSHEV, M. Synergetics: Chaos, Order, Self-Organization, World Scientific Publishing Co. Pte. Ltd., London, UK, 1994. CANNON, W. B. Organization for Physiological Homeostasis, Physiological Review, 9, 399-431, 1929. CLARK, A. J. Being There: Putting Brain, Body, and World Together Again. Cambridge, MA: MIT Press, 1997. COVENEY, P. & HIGHFIELD, R. Frontiers of Complexity The Search for Order in a Chaotic World, Fawcett Columbine, 1995. DARWIN, C. The Origin of Species by Means of Natural Selection or The Preservation of Favored Races in The Struggle for Life. The Modern Library, New York, 1859; 1993. EMMECHE, C. The Garden in the Machine: The Emerging Science of Artificial Life. Princeton: Princeton University Press, 1994. GALLAGHER, R. & APPENZELLER, T. Beyond Reductionism, Science, 284 (5411), 1999. HARNAD, S. Levels of functional equivalence in reverse bioengineering. Artificial life 1: 293301, 1994. HINTON, G.E. & NOWLAN, S.J. How learning can guide evolution. Complex Systems, 1:495-502, 1987. HOLLAND, J. H. Adaptation in Natural and Artificial Systems. Ann Arbor: University of Michigan Press, 1975. KAUFFMAN, S. A. The Origins of Order: Self-Organization and Selection in Evolution. Oxford: Oxford University Press, 1992. KLOPF, A. H. The Hedonistic Neuron: a Theory of Memory, Learning, and Intelligence, Washington: Hemisphere, 1982. LANGTON, C.G. (ed.) Artificial Life - An Overview. The MIT Press, 1995. LANGTON, C. G. Self-reproduction in cellular automata. Physica D 10: 135144, 1984. LANGTON, C. G. Studying artificial life with cellular automata. Physica D 22: 11201149, 1986.

Tpico 6 (Parte I) Vida Artificial

45

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

LANGTON, C. G. Artificial life. In C. G. Langton, Ed., Artificial Life: The Proceedings of an Interdisciplinary Workshop on the Synthesis and Simulation of Living Systems (held September 1987). Redwood City, CA: Addison-Wesley, pp. 147, 1989. (Reprinted, with revisions, in M. A. Boden, Ed., The Philosophy of Artificial Life. Oxford: Oxford University Press, pp. 3994, 1996.) LEVINE, D. S. Explorations in Common Sense and Common Nonsense, on-line book, URL: http://www.uta.edu/psychology/faculty/levine/EBOOK/index.htm, 1998. LEVY, S. Artificial Life: A Report from the Frontier where Computers meet Biology. New York: Vintage Books, 1992. MATURANA, H. R. & F. J. VARELA. Autopoiesis and Cognition: The Realization of the Living. London: Reidel, 1980. MAYNARD SMITH, J. When learning guides evolution. Nature, vol. 329, pp. 761-762, 1987. MEYER, J.-A. & S. W. WILSON (eds.) From Animals to Animats: Proceedings of the First International Conference on Simulation of Adaptive Behavior. Cambridge, MA: MIT Press, 1991. MITCHELL, M. & FORREST, S. Genetic Algorithms and Artificial Life. Artificial Life, vol. 1, pp. 267-289, 1994. NICOLIS, G. & PRIGOGINE, I. Self-Organization in Non-Equilibrium Systems, Wiley, 1977. NICOLIS, G. & PRIGOGINE, I. Exploring Complexity: An Introduction. W.H. Freeman and Company, NY, USA, 1989. PATTEE, H.H. Artificial Life Needs a Real Epistemology. In F. Moran, A. Moreno, J.J. Merelo, P. Chacon (eds.) Advances in Artificial Life: Proceedings of the Third European Conference on Artificial Life. Springer, pp. 23-38, 1995. PFEIFER, R. & SCHEIER, C. Understanding Intelligence, MIT Press, 1999. PUTNAM, H. Reductionism and the nature of psychology. Cognition, vol. 2, pp. 131-146, 1973.

Tpico 6 (Parte I) Vida Artificial

46

IA013 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

RAY, T. S. An approach to the synthesis of life. In C. G. Langton, C. Taylor, J. D. Farmer, and S. Rasmussen, Eds., Artificial Life II. Redwood City, CA: Addison-Wesley, pp. 371408, 1992. (Reprinted in M. A. Boden, Ed., The Philosophy of Artificial Life. Oxford: Oxford University Press, pp. 111-145, 1996.) RAY, T. S. An evolutionary approach to synthetic biology: Zen and the art of creating life. Artificial Life 1: 179210, 1994. TURING, A. M. The chemical basis of morphogenesis. Philosophical Transactions of the Royal Society: B 237: 3772, 1952. TURNEY, P., WHITLEY, D. & ANDERSON, R.W. Evolution, Learning, and Instinct: 100 Years of the Baldwin Effect. Evolutionary Computation, vol. 4, no. 3, pp. iv-viii, 1996. VARGAS, P.A. Sistemas Computacionais Bio-Inspirados: Sntese e Aplicao em Inteligncia Computacional e Homeostase Artificial, Tese de Doutorado, FEEC, Unicamp, 2006. WEAVER, W. Science and complexity. American Scientist, vol. 36, pp. 536-544, 1968. WOLFRAM, S. Statistical mechanics of cellular automata. Review of Modern Physics 55: 601644, 1983. WOLFRAM, S. Theory and Applications of Cellular Automata. Singapore: World Scientific, 1986.

Tpico 6 (Parte I) Vida Artificial

47