236 liens privés
- structure dissipative (maintient l'entropie basse dans son organisme)
- auto-catalyse (reproduction)
- homéostasie (capacité à maintenir son intégrité "corporelle")
- apprentissage (apprendre de ses erreurs et évoluer)
Provenance de Lyfe : Agents chimiques autonomes survivant grâce à l'apprentissage associatif
Stuart Bartlett, David Louapre
Nous présentons une étude de référence sur des agents chimiques autonomes qui font preuve d'un apprentissage associatif d'une caractéristique environnementale. L'apprentissage associatif a été largement étudié en sciences cognitives et en intelligence artificielle, mais il est le plus souvent mis en œuvre dans des systèmes très complexes ou soigneusement conçus, tels que les cerveaux d'animaux, les réseaux neuronaux artificiels, les systèmes informatiques d'ADN et les réseaux de régulation génétique.
La capacité d'encoder des corrélations environnementales et de les utiliser pour faire des prédictions est un critère de résilience biologique et sous-tend une pléthore de réponses adaptatives dans la hiérarchie vivante, allant des espèces animales proies anticipant l'arrivée des prédateurs aux systèmes épigénétiques des micro-organismes apprenant les corrélations environnementales. Étant donné la présence omniprésente et essentielle des comportements d'apprentissage dans la biosphère, nous avons cherché à déterminer si des structures dissipatives simples et non vivantes pouvaient également faire preuve d'apprentissage associatif. Inspirés par la modélisation antérieure de l'apprentissage associatif dans les réseaux chimiques, nous avons simulé des systèmes simples composés d'espèces chimiques à mémoire à long et à court terme capables d'encoder la présence ou l'absence de corrélations temporelles entre deux espèces externes.
La capacité d'apprendre cette association a été mise en œuvre dans les taches de réaction-diffusion de Gray-Scott, des modèles chimiques émergents qui présentent des caractéristiques d'autoréplication et d'homéostasie. Grâce à cette nouvelle capacité d'apprentissage associatif, nous démontrons que des motifs chimiques simples peuvent présenter un large répertoire de comportements semblables à ceux de la vie, ouvrant ainsi la voie à des études in vitro de systèmes d'apprentissage chimique autonomes, potentiellement pertinents pour la vie artificielle, les origines de la vie et la chimie des systèmes.
La réalisation expérimentale de ces comportements d'apprentissage dans des systèmes de protocellules pourrait faire progresser une nouvelle direction de recherche en astrobiologie, puisque notre système réduit considérablement la limite inférieure de la complexité requise pour l'apprentissage émergent.
Nous présentons une étude de référence d'agents chimiques autonomes présentant un apprentissage associatif d'une caractéristique environnementale. Les systèmes d'apprentissage associatif ont été largement étudiés dans le domaine des sciences cognitives et de l'intelligence artificielle, mais sont le plus souvent mis en œuvre dans des systèmes hautement complexes ou soigneusement conçus, tels que les cerveaux d'animaux, les réseaux neuronaux artificiels, les systèmes de calcul de l'ADN et les réseaux de régulation des gènes, entre autres. La capacité à coder les informations environnementales et à les utiliser pour faire des prédictions simples est une référence en matière de résilience biologique et sous-tend une pléthore de réponses adaptatives dans la hiérarchie vivante, allant des espèces animales proies anticipant l'arrivée des prédateurs aux systèmes épigénétiques des micro-organismes apprenant les corrélations environnementales. Étant donné l'omniprésence et la présence essentielle de comportements d'apprentissage dans la biosphère, nous avons cherché à savoir si des structures dissipatives simples et non vivantes pouvaient également présenter un apprentissage associatif. Inspirés par la modélisation antérieure de l'apprentissage associatif dans les réseaux chimiques, nous avons simulé des systèmes simples composés d'espèces chimiques à mémoire à long et à court terme qui pourraient encoder la présence ou l'absence de corrélations temporelles entre deux espèces externes. La capacité d'apprendre cette association a été mise en œuvre dans des taches de réaction-diffusion de Gray-Scott, des modèles chimiques émergents qui présentent une auto-réplication et une homéostasie. Grâce à la nouvelle capacité d'apprentissage associatif, nous démontrons que des modèles chimiques simples peuvent présenter un large répertoire de comportements proches de la vie, ouvrant la voie à des études in vitro de systèmes d'apprentissage chimique autonomes, avec une pertinence potentielle pour la vie artificielle, les origines de la vie et la chimie des systèmes. La réalisation expérimentale de ces comportements d'apprentissage dans des systèmes de protocellules ou de coacervats pourrait faire avancer une nouvelle direction de recherche en astrobiologie, puisque notre système réduit considérablement la limite inférieure de la complexité requise pour l'apprentissage chimique autonome.
Une intelligence artificielle dirige un fonds de pension