Como Charles Darwin escreveu no final de seu livro seminal de 1859 Sobre a Origem das Espécies, "enquanto este planeta continua circulando de acordo com a lei fixa da gravidade, desde um começo tão simples, as formas infinitas mais belas e maravilhosas têm sido, e estão sendo, evoluiu. "Os cientistas há muito acreditam que a diversidade e a variedade de formas de vida na Terra fornecem evidências de que a evolução biológica inova espontaneamente de uma forma aberta, constantemente inventando coisas novas. Contudo, tentativas de construir simulações artificiais de sistemas evolucionários tendem a esbarrar em limites na complexidade e na novidade que podem produzir. Isso às vezes é referido como "o problema do ilimitado". Por causa dessa dificuldade, Até a presente data, os cientistas não podem facilmente fazer sistemas artificiais capazes de exibir a riqueza e a diversidade dos sistemas biológicos.

Em um novo estudo publicado na revista Vida Artificial , uma equipe de pesquisa liderada por Nicholas Guttenberg e Nathaniel Virgo do Earth-Life Science Institute (ELSI) no Instituto de Tecnologia de Tóquio, Japão, e Alexandra Penn do Centro de Avaliação da Complexidade Across the Nexus (CECAN), University of Surrey U.K. (CRESS), examinar a conexão entre a abertura evolutiva biológica e estudos recentes em aprendizado de máquina. Eles esperavam que a conexão de ideias desses campos tornasse possível combinar redes neurais com as motivações e ideias da vida artificial para criar novas formas de abertura.

Uma fonte de abertura em sistemas biológicos em evolução é a "corrida armamentista" pela sobrevivência. Por exemplo, raposas mais rápidas podem evoluir para pegar coelhos mais rápidos, que por sua vez pode evoluir para se tornar ainda mais rápido para fugir das raposas mais rápidas. Essa ideia é espelhada em desenvolvimentos recentes envolvendo a colocação de redes em competição umas com as outras para produzir coisas como imagens realistas usando redes adversárias geradoras (GANs) e para descobrir estratégias em jogos complexos como Go. Em evolução, fatores como mutação podem limitar a extensão de tal corrida armamentista. Contudo, conforme as redes neurais foram ampliadas, nenhuma limitação parece existir, e a rede pode continuar a melhorar à medida que dados adicionais são fornecidos a seus algoritmos.

Guttenberg estava estudando a evolução em aberto desde a pós-graduação, mas foi apenas nos últimos anos que seu foco mudou para a inteligência artificial e as redes neurais. Naquela época, métodos como GANs foram inventados, o que lhe pareceu muito semelhante aos sistemas coevolucionários abertos em que havia trabalhado anteriormente. Ele viu uma oportunidade de derrubar uma barreira entre os campos para avançar em um problema interessante.

Os pesquisadores mostraram que, embora possam usar análises de escala para demonstrar a abertura em contextos evolucionários e cognitivos, há uma diferença entre fazer algo que, por exemplo, torna-se infinitamente bom em fazer fotos de gatos e algo que, cansado de fazer fotos de gatos, decide fazer música em vez disso. Em sistemas evolutivos artificiais, esses tipos de saltos qualitativos importantes devem ser antecipados pelo programador - eles precisam criar um mundo artificial no qual a música seja possível para os "organismos" decidirem ser músicos. Em sistemas como redes neurais, conceitos como abstração são capturados mais facilmente, e populações de agentes em interação poderiam criar novos problemas a serem resolvidos entre si.

Este trabalho levanta algumas questões profundas e interessantes. Por exemplo, se a busca por novidades qualitativamente diferentes em um sistema computacional surge internamente da abstração, o que determina o "significado" da novidade que os sistemas artificiais geram? O aprendizado de máquina às vezes levou à criação de linguagens artificiais por meio da interação de agentes computacionais, mas essas linguagens ainda estão baseadas na tarefa que os agentes estão cooperando para resolver. Se os agentes realmente contam com as interações dentro do sistema para conduzir o caráter aberto longe de tudo o que foi fornecido como material inicial, seria mesmo possível reconhecer ou interpretar as coisas que saem, ou seria preciso ser nativo de tal sistema para compreender sua riqueza?

Em última análise, este estudo sugere que pode ser possível fazer sistemas artificiais que autonomamente e continuamente inventam ou descobrem coisas novas, o que constituiria um avanço significativo na inteligência artificial, e pode ajudar na compreensão da evolução e origem da vida.