Vie Artificielle Beurier Grégory LIRMM

Historique Automate du roi Mu ( Lieh Tzu IIIe avt JC) Homunculus Frankenstein Automates de Vaucanson Le complexe FRANKENSTEIN !!!

Vie Artificielle « La vie artificielle est l’étude des systèmes construits de mains d’homme qui exhibent des comportements des systèmes naturels vivants. Elle vient en complément des sciences biologiques traditionnelles, en tentant de synthétiser des comportements semblables au vivant au sein d’ordinateurs et d’autres substrats artificiels. En étendant les fondements empiriques sur lesquels la biologie est basée au-delà de la vie a base de carbone qui a évolué sur Terre, la vie artificielle peut contribuer à la biologie théorique en positionnant la vie telle que nous la connaissons au sein d’un espace plus large: la vie telle qu’elle pourrait être » C. Langton

Qu’est que la vie ? Ensemble de propriétés [Monod] Téléonomie, morphogenèse, reproduction invariante Extensions des propriétés [Mayr, Belin] Structure, macromolécules, ADN, stabilité, évolution Approche Thermodynamique [Schrödinger, Prigogine] Structure dissipative Autopoïèse [Maturana, Varela] Réseau fermé d’éléments « auto-régénérant »

Complément de l’approche IA Dure Pensée, cognitif Systèmes Experts Agents Rationnels … Ordinateur intelligent Ordinateur intelligent … Gènes Neurones Fourmis Calculs simples

Alan Turing Intelligence Artificielle Idée de Morphogène Test de Turing Idée de Morphogène Travail sur les gradients Machine de Turing Équivalence théorique mathématique Problème de Hilbert: « Processus physiques  Computationnels donc calculés  sous forme de machine de Turing Universelle »

Machine de Turing … 1 2 3 … … A … Si A  B, Droite Si B  B, Gauche

Plan Vie Artificielle Biomimétisme Emergence Récursion et génération Principe Jeu de la vie Organoids Récursion et génération Biomorphes L-Systems Biomimétisme Comportements Sociaux Boids Optimisation colonie de fourmis Stimergie Algorithmes génétiques Voyageur de commerce Programmation génétique Morphogen

Émergence Émergence Emergence

Jeu de la vie John Conway 1970 Principe: 1 ou + de 3 voisins  MORT Émergence Jeu de la vie John Conway 1970 Principe: 1 ou + de 3 voisins  MORT 3 voisins  NAISSANCE 2-3 voisins  survie

Vidéos et explications Émergence Vidéos et explications Apparitions d’émergences Gliders Attracteurs Fixes, cycliques, chaotiques, étranges. Simulations phénomènes physiques

Systèmes Multi-Agents Extensions de la notions d’objets Inspirés des insectes sociaux Agents : processus de traitements d’information situés autonomes Ex: Robots, virus intelligent, tour de contrôle, vous, etc. MASSIVE (LOTR)

Organoïds Principe Multi-agents Fourmis Émergence Multi-niveaux Récursivité …

Émergence Organoïds Mais à quoi ça peut-il bien-t-il donc servir ?!?!?

Récursion Organoïds Iterative Function System

Récursion et génération Fonctions récursives Ex: f(n) = f(n-1) + f(n-2) f(0) = 1 f(1) = 4 Fractales Géométrie récursive – fonctions itératives – suites géométriques

L-Systems Lindenmayer Principe: idem fractales Initiateur : F Récursion L-Systems Lindenmayer Principe: idem fractales Initiateur : F Générateur : F[+F]F[-F]F Angle : 22.5

Récursion L-Systems

Biomorphes Sélection d’individus selon la structure (RLLRLRRLRLRL) Récursion Sélection d’individus selon la structure (RLLRLRRLRLRL)

Comportements Sociaux Intelligence artificielle distribuée Biomimétisme Comportements Sociaux Intelligence artificielle distribuée Culture (fourmis, termites) Régulation thermique (abeilles, termites) Constructions pharaoniques (termites, fourmis) Pièges démesurés (araignées) Élevage (fourmis) Colonisation (fourmis, abeilles, etc.) Etc. Il y a un bond de capacités réactives vers une émergence d’intelligence sociale.

Boids Les halls de gare Biomimétisme Couple angle/ distance Attraction Répulsion Alignement

Optimisation colonie de fourmis Biomimétisme Optimisation colonie de fourmis

Routage réseau & P2P Biomimétisme

Stigmergie rétroaction environnementale Biomimétisme Stigmergie rétroaction environnementale Phéromones

Biomimétisme Termites

Algorithmes Génétiques Algo G Algorithmes Génétiques Meilleur moyen de résoudre un problème est de s’y adapter. Sélection naturelle : Sélection des individus les mieux « adaptés » à un milieu donné et qui auront une plus grande faculté de reproduction que les autres Principe: Coder le problème à résoudre sous la forme d’un génome. Déterminer une fonction d’adaptation pour les solutions possibles. Faire se reproduire les individus viables.

Terminologie Population (= génération): Génome Algo G Terminologie Population (= génération): Ensemble d’individus Génome Ensemble des chromosomes d’un individus Chromosome (= un individu) Groupe de gènes d’un individu Gène Caractère / caractéristique d’un individu Allèle Forme / valeur prise par une caractéristique

Principe Voyageur de commerce Algo G Principe Voyageur de commerce 1- On code la solution du problème a résoudre sous la forme de gènes (fonction d’encodage) 2- On génère une population d’individu aléatoirement (initialisation) 3- On teste les individus et on les fait mourir si leur génome n’est pas bon (fitness/sélection) 4- On croise les survivants et on retourne en 3. On recommence tant que le génome des survivants n’est pas une solution satisfaisante au problème

Applications aux Biomorphes Algo G Applications aux Biomorphes Codage biomorphes: RGRRGGRGR (idem L-Systems) Génome: RGRRGGRGR Population: Rd Croisement: Fitness: % ressemblance % angles communs Arrêt: Ressemblance = 100% 1000 générations RGRRGGRGRGGRGRGRGGGGRRGGRGRR GRGGGGRGRGGGRR

Programmation génétique & évolutionnaire Algo G Programmation génétique & évolutionnaire Principe: Ne plus coder la solution dans le génotype (génome) mais la faire apparaître/émerger dans le phénotype (l’expression du génome) La solution devient le comportement ou le résultat de la fonction réalisée par le gène. Les croisements modifient alors non pas les solutions mais les comportements.

Approche morphogénétique Algo G Approche morphogénétique Divisions 1011010011001011010 génome Formation d’un organisme par: Division Différenciation spatiale et fonctionnelle Croisement & Sélection Zones différenciées

Algo G Fonctionnement 1011010011001011010 Gène 1 Allèle position Allèle couleur Allèle taille 1011010011001011010 Gène 2 Allèle Division Allèle Sécrétion Allèle Digestion

Morphogen Principe Plusieurs gènes Allèles Algo G Morphogen Principe Plusieurs gènes Allèles Répresseurs: liste de protéines qui inhibe la fonction du gène Activateurs: liste de protéines qui active la fonction du gène Protéines: liste de protéines que transcrit/émet le gène Fonctions: Division/Mitose: Crée une autre cellule Métabolisme: Consomme de la nourriture pour fournir de l’énergie aux autres individus de l’organisme) Quiescence: Reste inactive Apoptose/Nécrose: Meure pour la morphogenèse ou de carences. Population tirée au hasard mis dans un endroit avec nourriture

Morphogen 1- Perceptions des protéines 2- Fonctions Algo G Morphogen 1- Perceptions des protéines 2- Fonctions 3- Émissions –> Phéromones (gradients) On conserve les organismes qui vivent le plus longtemps c’est-à-dire qui consomment le moins vite la nourriture du milieu en grossissant et on les croise.

Algo G

A quand la vie sur nos PC ? Support physique (silicium) puce recombinantes - autoréplicantes Exobiologie Puces et Ordinateurs à ADN Processeurs hybrides Earth Simulator … De la vie à l’intelligence artificielle quelle distance y à t-il ?