Mesterséges élet

Angol megnevezés: ...

Történeti modul

A mesterséges élet fogalma a második világháború korszakára tekint vissza eredetileg az ellenséges kódok számitógépes feltörését célozta.

• 1966-ban Neumann János, Neumann János önreprodukáló automatákkal foglalkozó tanulmányában fogalmazódik meg először.[1]

• 1989-ben Langton felvetésével stabilizálódik a mesterséges élet mint külön diszciplina.

• 1994-re már olyan fejlődésen megy keresztül hogy több nemzetközi konferencia is foglalkozik a témakörrel, több folyóirat rendszeres eredményeket tesz közzé a kutatásokról.
• Evolúciós biológia és számítógép-tudomány találkozása, mint Richard Lenski mikrobiológus, Charles Ofria informatikus, ...
• 1997-ben a hiressé vált Deep Blue az első számítógép megalkotása ami megverte a sakkvilágbajnok Garry Kasparovot.Ezzel nyilvánvalóvá vált hogy a tervezők mesterséges intelligenciával felruházott kompjutert alkottak.A tervezők a valódi, biológiai életformák tanulmányozásával, modellezésével, másolásával és adaptációjával alkotják teremtményeiket. [2]
• 1997 tágabb értelemben idetartozó esemény az első testi sejtes klónozott élőlény, Dolly megteremtése.

• 2002. Mesterséges élet modelleken nemcsak tudományos kutatók, de művészek is munkálkodnak. Az ALife jellegzetes kortárs "jelenség", egymástól távolinak hitt, összeegyeztethetetlennek vélt szakterületek találkozási pontja.
• A mesterséges élet (artificial life vagy egyszerűen "alife") gondolatával csak az utóbbi évtizedben kezdtek el foglalkozni a tudósok. A mesterséges intelligenciához (AI) hasonlóan ez az interdiszciplináris kutatási terület is sok különböző tudományág határán helyezkedik el, így a számítástechnikán kívül a fizikához, a matematikához, a biológiához, a kémiához és - meglepő módon - a közgazdaságtanhoz, sőt a filozófiához is .[3]

• A kutatók szabadjára engedték a digitális organizmusokat a saját számítógépes környezetükben azért, hogy megfigyelhessék azok evolucióját és ellenörzött környezetben feljegyezhessék az eredményeket, ezzel kidolgozva a mesterséges élet legkifinomultabb alkalmazását napjainkban.[4]

• Az amerikai Rockefeller Egyetem kutatói megtették az első lépéseket a mesterséges élet egy formájának megalkotása felé. Teremtményük, egy kis szintetikus vesicula - azaz egy folyadékkal teli hólyagocska, ami képes gének feldolgozására - egy csiszolatlan biológiai sejtre emlékeztet. A kutatók által "vesicula bioreaktornak" nevezett képződmény részei az élet különböző birodalmaiból származnak. A puha sejtfalak tojásfehérjéből vett zsírmolekulákból készültek, a sejt belseje az E.coli baktérium egy, az összes genetikai anyagától megfosztott kivonata. Ez az élet esszencia készen tartalmazza a proteinek előállításához szükséges biológiai szerkezetek többségét, valamint egy vírustól kölcsönzött enzim hozzáadásával a vesicula képes DNS kódot "fordítani". Amikor géneket adtak hozzá, a sejtfolyadék elkezdett proteineket termelni, pontosan úgy, ahogy egy hagyományos sejt tenné. Az első kipróbált gén egy medúzafaj zöld fluoreszkáló proteinjéért felelős génje volt. A proteinből nyert ragyogás bebizonyította, hogy a bioreaktornak sikerült lemásolnia a géneket. A második gén egy baktériumtól, a Staphylococcus aureustól származott, ami apró pórusokat hozott létre a sejtfalakon. Ezek képessé tették a sejteket, hogy tápanyagot vegyenek magukhoz az őket körülvevő "levesből", így akár már napokig is képesek voltak működni.[5]

• A jövő kutatásai: érzelmekkel felruházott számítógépek kifejlesztése.Elsőként az emberi agy megismerése szükséges ahhoz hogy gondolkodó és érző számítógépeket teremtsenek a jövőben.Mesterségesintelligencia algoritmusok segítségével a jövőben a számítógép képes lehet erzelmei állapotunkrol képet alkotni.[6]

Ontológiai modul

• A mesterséges élet a biológiát bõvíti ki olyan létformák tanulmányozásával, melyek különböznek a Földön megjelenõktõl. Úgy viszonyul a biológiához, mint a szintetikus vegyészet a kémiához. A mai munkák nagy része a számítógépekben létrehozható szabadon fejlõdõ rendszerekkel foglalkozik. Cél: hagyni, hogy az evolúció létre tudja hozni azt a komplexitást a digitális médiumban, melynek nagyságrendje összehasonlítható a szerves élet sokféleségével.

Szintetikus evolúció

Az élet jelenségérõl meglévõ tudásunkat nagymértékben korlátozza az a tény, hogy csak egy megvalósulását - a földi életet - vagyunk képesek tanulmányozni. Komparatív vizsgálódások nagyban segítenék az élet általános törvényeinek megértését.

Más lehetséges életformák:

földönkívüli élet - ha létezik, akkor is valószínûleg hasonló lehet, mint a földi szénalapú élet.

mesterséges élet - egy egész más közegben létrehozott életforma lenne a legmegfelelõbb az összehasonlító vizsgálódásoknak. Ez szintetikus, építõ megközelítés szemben a megszokott természeettudományos redukcionista, analitikus megközelítésssel.

Mennyire hihetõ az, hogy az élet létezhet a szerves kémiától eltérõ közegben?

Szintetikus élet

Hogyan definiálhatjuk az élet fogalmát a tudományos vizsgálódás keretein belül? Az élet fogalom jelentése még a tudományon belül is homályos fogalom. Egy lehetséges módszer a tisztázásra azoknak a tulajdonságoknak listaszerû felsorolása, melyek az élõ rendszerek elengedhetetlen jellemzõi:

replikáció

fejlõdés

anyagcsere

válasz ingerre

sérülés kijavítása

...

A jelenlegi mesterséges élet rendszerek nagy része ezeknek a tulajdonságoknak csak valamely részhalmazát képes produkálni, így egyelõre ezek a jellemzõk csak összefüggéseikbõl kiragadva vizsgálhatók.

A mesterséges élet rendszerek típusai (a közeg szerint osztályozva):

hardveres

szoftveres (jelen pillanatban ez tûnik a leginkább járható útnak)

"nedves", kémiai

Szintézis és szimuláció

A szimuláció mindig egy valós világban létezõ rendszer modellje, megpróbálja annak a területnek a legfontosabb összefüggéseit, szabályait kiemelni, s az így lejátszott szimuláció eredményeit visszavonatkoztatja a valós világra. Ezzel szemben a mesterséges élet rendszerek elemei önálló objektumok, melyek nem modelleznek semmi mást, nem reprezentálnak semmit. A szoftveres szintézis esetében ezek az objektumok adatszerkezetek, folyamatok, végül pedig bájtok és bitek - ezért tûnik szokatlannak ezekrõl mint élõkrõl beszélni. Habár, ha ezek képesek az élet jellemzõit produkálni, akkor a tudományág definíciója szerint a biológiának szükségszerûen foglalkozni kell vele.

A számítógépek nem a modellezés eszközei, hanem egy olyan szokatlan környezetet, életteret képviselnek, amelyet nem-szénalapú életformák sikerrel benépesíthetnek.

Kutatás digitális evolúcióval

A digitális élet bír olyan egyedi jellemzõkkel, melyek a vele való kutatómunkát meglepõen hatékonnyá teszi:

könnyû az adatgyûjtés

manipulálható az evolúciós folyamat menet közben is

pontosan megismételhetõk a kísérletek

gyors (nem tisztázott az a kérdés, hogy ha a digitális rendszerek elérik a szerves élet bonyolultságát, akkor arányosan fejlõdési sebességük lecsökken)

Ezen tulajdonságok révén az ilyen irányú kutatások értékes kiegészítését adhatják a biológiának.

Evolúció és a közeg

Az evolúció egy olyan folyamat, amely feltárja mûködési közegének inherens lehetõségeit. A digitális komputációba ágyazott evolúció egészen furcsa univerzumot "lát". Nem anyagi, termodinamikai törvények érvényesek, hanem a logika és az információ törvényei. Az itteni "fizika" törvényeit a processzor sebessége, a memória mérete, topológiája határozza meg. (Itt nem számít, hogy a számítógépek a valós fizikai világ részei, hisz belsõ logikájuk teljesen független attól, hogy szilíciumlapkákon vagy elektroncsövekkel vagy vízvezetékekkel és csapokkal van megvalósítva.)

Digitális evolúció - az ellenõrzés feladása

Ahhoz, hogy az evolúció folyamatai valóban kifejtsék hatásaikat, megfigyelhetõk legyenek minimálisra kell csökkenteni a folyamat befolyásolását.[7]

Ellentmondások és vitatott kijelentések modulja

• Lenski, elmondása szerint, tisztában van a tanulmány ellentmondásos mivoltával, de a soron következõ viták eredményétõl függetlenül elégedettnek érzi magát. “Ha a digitális organizmusok úgy viselkednek, mint a valósak, az azt sugallja, hogy a számítógépes genetikai kód olyan, mint az emberi, s ez nagyon érdekes” - mondja.

A mesterséges élet megalkotása iránti érdeklõdés a komputeres modellezés fejlõdésében gyökerezik, amelyben a számítógépeket arra használták, hogy események valószínû következményeit vetítsék elõre, ahol az események között szerepelt az óceán hõmérsékletének 1 fokos emelkedése, vagy akár egy nukleáris háború.

Az 1990-es években nagy elõrelépés történt, amikor Thomas Ray zoológus megalkotott egy olyan programot, amely lehetõvé tette kisebb digitális organizmusok számára önmaguk reprodukálását és a mutációt a virtuális környezet benépesítése céljából anélkül, hogy azt tönkretették volna. Ez már túlment a szimuláción, mivel a program csupán teret adott a digitális organizmusok tevékenységének, amelyek maguktól "fejlõdtek". A program nem válaszolt az organizmusoknak, és nem produkált kimenetet.

Adami és kutatótársa, Charles Ofria, több lépéssel elõrevitte az elméletet. A National Science Foundation és a Microsoft támogatásával a kutatók úgy alakították ki a mesterprogramot, hogy segítségével valódi evolúciós kísérleteket lehetett végrehajtani. Késõbb csatlakozott a csapathoz Lenski, aki már kiterjedt evolúciós kísérleteket végzett baktériumokkal.

Amikor Lenski a laboratóriumban produkált mutációt és a hatást a mikrobák evolúcióján figyelte, a folyamat munka- és idõigényes volt, nehezen ellenõrizhetõ, ráadásul hibák csúszhattak be. Ezzel szemben a számítógépekkel “a legmerészebb álmokon is túlmutat a kísérletek megismételhetõsége” és nem kell a bonyolultság, vagy az idõ miatt aggódni. Eddig a genetikában egyszerre egy mutációt figyelhettek meg, a számítógépekkel viszont szó szerint milliónyit vezethetnek be az egyes fajoknál.[http://www.mercurycenter.com/svtech/news/breaking /merc/docs/digit081799.htm]

• A kognitív tudomány hozzáállása szerint a gépek nem tudnak gondolkodni.Túl nagy a távolság az ember s a számítógép között ahhoz hogy intelligens viselkedéseket vagy életjelenségeket képezzenek le.Eredmények vannak, de inkább csak kiemelkedõ egyedi teljesítmények gyûjteménye, és nem általánosan kidolgozott elméleti keretbe illeszkedõ, jól megalapozott kutatási eredmények sora.[8]

Definíciós modul

• A biológia és számítástechnika szimbiózisának úkeletű diszciplinája.Eszközt kínál a biológiai rendszerek s folyamatok modellezéséhez felhasználva a genetikus algoritmusok és mesterséges neuronhálózatok terén elért eredményeket.Azonban egyes vélemények szerint ez a terület a mesterséges intelligencia fogalomhoz köthető.A mesterséges intelligencia és a mesterséges élet közötti rokonsági kapcsolat több síkon érvényesül. A módszerek síkján a mesterséges neurális hálók nem egyértelmû hozzárendelhetõsége a rokonság egyik bizonyítéka. Ezen kivül az idegrendszer s az agy mechanizmusának jobb megértéséhez is utat mutat.Az adaptív viselekedési formák illetve az evolúció soron követésével a természetes és mesterséges intelligenciák reprezentálása is egy fontos területe.Célja az élet alapvető folyamatainak megértése és modellezése olyan szinten, hogy ebből új létformákat hozhassunk létre, illetve saját életünk mechanizmusait - talán értelmét is - jobban megérthessük. Az "alife",mint a mesterséges élet modernkori elnevezése inkább egyszerű viselkedésekre és túlélési sémákra összpontosít, amelyekből szintézis segítségével - alapvetően igen egyszerű sejtekből - egyre bonyolultabb és bonyolultabb "lényeket" próbál meg létrehozni. Nincs tehát másról szó, mint a számítógép memóriájában létező lények evolúciójáról és minél tökéletesebb adaptációjáról egy adott környezet körülményeihez.
• A robotok vizsgálata mellett a mesterséges élet kísérleteinek fõ színterei a számítógépekkel szimulált mesterséges világok és az azokban ténykedõ mesterséges élõlények, melyeket olyan célok mozgatnak, mint táplálékszerzés, szaporodás, valamint a legtöbb intelligenciát kívánó feladat: az életben maradás .[9]
• A nyelvi jelenségek ugyancsak ebbe a fogalomkörbe tartoznak.Bemutatja hogy hogyan alakulhat ki valamilyen emergens tulajdonságokkal bíró, komplex rendszer például:nyelvtani rendszerek különbözõ egyszerû tulajdonságokkal felruházott egységek rendszerében egyszerû darwini szabályok hatására.
• A mesterséges élet általában nem elszigetelt jelenségek magyarázatával és egyszerûsített elemzésével foglalkozik, hanem arra törekszik, hogy a rendszer elemeinek szintézisén keresztül betekintést nyerjen a rendszerek viselkedésébe A mesterséges élet kapcsán nem csak a rendszerszemlélet és a szintézis az újdonság, hiszen ezen módszertani elveknek más területeken is (operációkutatás, szimuláció) nagy hagyománya van.
• Langton a következõképpen jellemzi a mesterséges élet fogalmát:

”A mesterséges élet olyan rendszerek tanulmányozása, melyeket emberek hoztak létre és melyek olyan magatartást tanúsítanak, mely a természetes, élõ rendszerekre jellemzõ. A mesterséges élet tudománya - számítógépek, vagy más médiák által szintetizált életszerû jelenségek vizsgálatával - kiegészíti azokat a tradicionális biológiai tudományokat, melyek az élõ organizmusok elemzésével foglalkoznak. ” Az empirikus jellegû biológia, mely a földi, szénlánc-alapú élet vizsgálatával foglalkozik, a mesterséges élet tanai segítségével kiterjeszthetõ a biológia egy elméletibb síkjára, mely ”az élet, ahogy ismerjük” vezérfonal helyett ”az élet, ahogy lehetne” típusú területeket is képes felölelni.[[10]]

• Neumann János nevét a világ a modern számítógépek feltalálójaként ismerte meg. Még ma is kevesen ismerik a mesterséges élet és a modern genetika fejlődését elősegítő kutatásait. Neumann idejében még nem volt modern genetika, és nem ismertük az emberi öröklődés mechanizmusának alapjait sem. Így legfőbb vizsgálódásának tárgya a reprodukció logikájának megértése volt. Neumann nem kisebb eredménnyel gazdagította a tudományt, mint - a mesterséges élet lehetőségét keresve tisztán matematikai alapokon jutva el a következtetésig - hogy bármilyen szaporodási vagy reprodukciós folyamat csak akkor lehetséges, ha ugyanazt a biológiai vagy matematikai kódot két különböző módon értelmezzük. Az első fázisban az összeszereléshez szükséges utasításként, míg a második fázisban egyszerű adatként, amelyet az utódnak a további generációk életképessége miatt örökölnie kell. A Neumann halálát követő évtizedben megszületett a modern genetika, s első nagy eredményeként azt bizonyította, hogy a természet, úgy tűnik, "adaptálta Neumann ötletét", és valóban ezt a két mechanizmust választotta minden élet alapjául. A folyamat, amely a DNS formájában kódolt összeszerelései utasításokból működő gépeket, azaz proteineket gyárt, a valóságban is e kettősségen alapul. A biológusok ezt a két lépést a transzláció és transzkripció mechanizmusaként tartják számon.

A mesterséges élet algoritmusainak alapja tehát mindig egy egyszerű sejt, amely bizonyos funkciókat képes ellátni, például a környezetéből információt gyűjteni, majd annak függvényében egyetlen jelet kiadni (mesterséges neuron), öröklődéssel osztódni, valamint a környezethez alkalmazkodni. Ezekből az igen egyszerű elemekből azután bizonyos szabályszerűségek figyelembevételével bonyolult rendszerek építhetők fel, amelyek különböző komplex funkciók ellátására képesek. Neumann modellje az ún. celluláris automaták elvén alapul.

Celluláris automaták

A celluláris automaták működésének lényegét röviden úgy érzékeltethetjük, hogy elképzelünk egy nagy négyzethálót, ahol sakktáblaszerű elrendezésben minden egyes kocka egy sejtnek vagy más szóval elemnek felel meg. Ezek az elemek bármely adott pillanatban különböző színekkel jelzik, hogy éppen mit csinálnak vagy milyen belső állapotban (internal state) találhatók. A rendszer működése során minden elem végzi a maga feladatát. Ezt mi kívülről úgy érzékelhetjük, hogy látjuk, amint a színüket egyszerre változtatják. A hálózat összes eleme ugyanazt a szabályt (rule) alkalmazza saját következő állapotának megállapítására. Ez a szabály úgy fogalmazható meg, hogy "az új szín csak a pillanatnyi színtől és a négy közvetlen szomszéd színétől függ". Például egy kétszínű (fekete/fehér) tábla esetén mondhatjuk azt, hogy a sejt következő színe legyen fekete, ha páratlan számú fekete szomszédja van, és fehér, ha nem. A rendszer kiinduló állapota lehet pl. egy kép, ahol a fekete és fehér kockákból egy ábra rajzolódik ki. A számítás folyamatát az a lépéssorozat jelenti, amely ebből a kezdeti állapotból lépésenként egy olyan végső és stabil állapotba juttatja a rendszert, ahol az egyes cellák színe már nem változik tovább.

Neumann ezen egyszerű matematikai modell segítségével építette fel automatáját, amelyet univerzális konstruktornak nevezett. Az univerzális konstruktor bármilyen automata létrehozására képes a fenti értelemben vett transzláció és transzkripció módszerének felhasználásával (ne felejtsük el, akkor ezek a kifejezések még nem léteztek). Ha történetesen a kódolt üzenet azt tartalmazza, hogy építsen egy másik univerzális konstruktort, akkor nyilvánvalóan képes lesz önmagát is újrateremteni és újabb életképes automatákat létrehozni, egyszóval szaporodni. Ennek a gondolatsornak a segítségével Neumann azt mutatta meg, hogy egy mesterségesen létrehozott gép képes szaporodni. Azért ne gondoljuk, hogy ilyen egyszerű az élet. A fenti két sor bizonyítása matematikailag meglehetősen bonyolult, pontosabban egy egész könyvet igényelt, amely csak Neumann halálát követően, posztumuszként jelent meg kollégája gondozásában, 1966-ban. Az univerzális konstruktor elmélete olyan szilárd matematikai alapokon nyugodott, hogy a következő általánosan elfogadott mesterségesélet-modell, amely képes volt önmagát reprodukálni, csak majdnem három évtizeddel - igen, jól olvasták -, 28 évvel később, 1984-ben született meg.

Darwini programozás

Neumann munkássága során a szaporodás és az önmagukat reprodukálni tudó gépek elméletére összpontosított. Nem vette figyelembe, hogy az újra és újra felépített hardver - a másolás folyamatába becsúszott hibák vagy a körülmények változásához jobban illeszkedő szoftvermódosítások segítségével - egyre hatékonyabbá tehető. Napjainkban a programokat emberek, azaz számítástechnikusok, programozók, matematikusok vagy egyszerűen - a szó jó értelmében vett - laikusok írják saját kedvtelésükre. Mi lenne, ha továbbvinnénk Neumann gondolatát, és az univerzális konstruktor programját is módosítani tudnánk az evolúció elvének figyelembevételével? Ennek eredményeképpen született meg a genetikus programozás (genetic programming) módszerének fogalma, amely végeredményben nem más, mint azonos problémát megoldó programok seregének együttes, párhuzamos fejlesztése. A módszer a számítástechnikusok által jól ismert genetikus algoritmusok (genetic algorithms) elvén működik. Míg egy programozó egyszerre csak egyetlen programon dolgozik, javítja és továbbfejleszti, a genetikus programozás több, kissé eltérő, de ugyanazt a problémát megoldó program populációjából indul ki, amelyből újabb és újabb verziókat hoz létre az öröklődés és a mutáció elvének segítségével. Az új programgeneráció minden egyes egyedét kiértékeljük, és ha a funkció ellátására alkalmasnak találjuk, akkor meghagyjuk, egyébként eltávolítjuk (szelekció). Nyilván minél jobb egy program egy konkrét feladat végrehajtásában, annál nagyobb az esélye a túlélésre. Elvileg tehát egyre tökéletesebb programok sorozatát kapjuk, míg a folyamat végén elérünk ahhoz a programhoz, amely hibátlanul oldja meg a feladatot.

Az elmélet gyakorlati alkalmazásához sok-sok iterációra van szükség. A legnagyobb gondot a szelekció feltétele (kritériuma) jelenti, azaz hogy miként döntsük el, melyik programunk áll közelebb a tökéletes megoldáshoz. Az élővilágban ezt a funkciót a túlélésért folytatott harc helyettesíti, a gyengék elhullanak, az erősek megerősödnek. A genetikus programozó ránk bízza, melyik programot hagyjuk meg vagy dobjuk el. Ha például egy robotot arra szeretnénk megtanítani, hogy dobozokat rakjon egymásra, akkor attól függően, hogy az egyes programok ezt a feladatot milyen jól végezték el, osztályozhatjuk azokat. Ez az osztályzat azután eldönti, hogy mennyire életképesek. Maga az evolúció azonban emberi beavatkozás nélkül történik. John Koza, a módszer feltalálója több feladat megoldására is sikeresen hozott így létre programokat. Programozni tudó olvasóinknak azonban nem kell túlzottan aggódniuk. Valószínűleg még nagyon sokáig nem ilyen módszerekkel fognak a Windows új verziói elkészülni :-).

Digitális élet

A fentiekben azt próbáltuk meg dióhéjban áttekinteni, hogy milyen elvekkel és módszerekkel hozhatunk létre olyan önmagát reprodukálni és továbbfejleszteni képes mesterséges lényt vagy rendszert, amely az élet biológiai definíciójának minden tekintetben eleget tud tenni. Mi történik azonban akkor, ha ezeknek a lényeknek különböző szintű értelmet és intelligenciát adunk, ha racionalitásukat felülbíráló digitális érzelmekkel (!) látjuk el őket, ha a ma elterjedt hagyományos számítógépeink helyett kémiai és biológiai folyamatokon alapuló molekuláris számítógépeket használunk megvalósításukra, vagy ha a számítógép memóriáján belül társadalomba szervezzük őket? Ezekre a kérdésekre a mesterséges életről szóló cikkünk második részében, a jövő hónapban adunk választ.

• A biológia és a számítástechnika szimbiózisának egyik újabb keletű eredménye a "Mesterséges Élet" (Artificial Life, A-Life) néven ismertté vált irányzat, mely felhasználva a genetikai algoritmusok és a mesterséges neuronhálózatok kutatása terén elért eredményeket újabb eszközt kínál a biológiai rendszerek és folyamatok modellezéséhez. Ez az eszköztár hasznos lehet az elméleti biológia számára, mivel megfelelően alkalmazva képes megragadni és vizsgálni az élő rendszerek komplexitását. Megfelelő modell formájában a vizsgált rendszer sokkal könnyebben manipulálható, reprodukálható, és precízen kontrollált kísérletek tárgya lehet olyan esetekben is, amelyek természetes viszonyok között nem mindig valósíthatóak meg (TAYLOR & JEFFERSON 1994; GUTOWITZ 1995). Azonban egyes kritikusok arra is rámutatnak, hogy az "A-Life" módszertanilag még kevéssé kidolgozott, eredményeiből gyakran eltúlzott következtetéseket vonnak le, és azt is szem előtt kell tartanunk, hogy a vizsgálatok nagyobb részét - a módszer jellegéből adódóan - inkább számítástechnikai, mint biológiai előképzettségű kutatók végzik (MILLER 1995). Tovább bonyolítja a helyzet megítélését, hogy e tudományterület művelőinek motivációja sem egységes. Sober a Mesterséges Élet kutatásának "gyenge" és "erős" irányzatát különbözteti meg (SOBER 1992). Előbbihez azokat a programokat sorolja, melyek célja a valódi élő rendszerek modellezése és vizsgálata, utóbbihoz pedig azokat, melyeket alkotóik bizonyos tekintetben maguk is "élőnek" tekintenek, és céljuk nem elsősorban a természetben létező biológiai rendszerek modellezése, hanem "alternatív életformák" létrehozása (RAY 1991; 1993; 1994). Megfelelő kritikai keretek között ez utóbbi irányzat is hasznos eszköz lehet, többek közt az élet mibenlétének filozófiai vizsgálatához, és utat nyithat a "szintetikus biológia" kialakulása felé (RAY 1993; GUTOWITZ 1995), mely az élő rendszereknek eddig egyedül lehetséges analitikus megközelítését termékeny módon egészítheti ki. Vannak azonban olyanok, akik inkább "a jövő kibernetikus öko-vallását" szeretnék látni benne, ezért nagyon fontos, hogy a számítástechnika által elérhetővé tett lehetőségek megfelelő elméleti felkészültséggel párosuljanak (MILLER 1995). Miller szerint elsősorban a "gyenge" irányzatnak van jó esélye arra, hogy a kutatási módszerek kiforrása után az elméleti biológia hasznos és elismert részévé váljon. Kritikus hangvételű cikkében felsorol néhány olyan területet, amelyeken leginkább eredményes lehet az "A-Life". Ezek között található egyebek mellett a viselkedés, a megismerés és az idegrendszer evolúciójának kérdése, melyek túlságosan bonyolultak ahhoz, hogy a hagyományos eszközökkel igazán eredményesen tudjuk vizsgálni őket. Nagyon keveset tudunk a viselkedés idegrendszeri hátterének evolúciójáról, hiszen a neuroetológia és az összehasonlító pszichológia az idegrendszer és a kognitív folyamatok evolúciójának csak a jelenlegi állapotát tudja vizsgálni, és a fosszíliák ebben a tekintetben meglehetősen kevés támpontot adnak (STEELS 1995). Az "A-Life" rendszerek az idegrendszer evolúcióját képesek lehetnek modellezni az egyedeknek egymással és a környezettel való kölcsönhatásának vonatkozásában, ami segíthet abban, hogy jobban megértsük az idegrendszer, viselkedés és az intelligencia együttes fejlődését (MILLER 1995). [11]

Tesztkérdések modul

1. MI lesz ha már mindenféle élőlény jelen lesz a virtuális világban?Eljön-e a gépek korszaka?

Ajánlott irodalmak modulja

• 1. J. von Neumann: The Theory of Self-Reproducing Automata (University of Illinois Press, Illinois, 1966). Edited and completed by A. W. Burks.

C. G. Langton: Self-reproduction in cellular automata (Physica D, 10., 135-144., 1984).

J. R. Koza: Genetic Programming (The MIT Press, Cambridge, Massachusetts, 1992).

T. S. Ray: An approach to the synthesis of life (In: Artificial Life II, volume X of SFI Studies in the Sciences of Complexity [editors: C. G. Langton, C. Taylor, J. D. Farmer and S. Rasmussen], 371-408., Redwood City, CA, 1992, Addison-Wesley.