AI „przewinęła” ewolucję wzroku. W symulacji wyrosły oczy jak u owadów i kręgowców

Naukowcy z Uniwersytetu w Lund i MIT odtworzyli w symulacji coś, co w naturze zajęło miliony lat. W ich „wirtualnym świecie” pojawiają się sztuczne, ucieleśnione agentki i agenci AI, czyli cyfrowe organizmy, które poruszają się w środowisku, uczą się zachowań i jednocześnie „dziedziczą” cechy kolejnych pokoleń. Startują jako ślepe, a ich „oczy” i „mózgi” nie są projektowane ręcznie. Mają się wyłonić same, jeśli tylko przyniesie to przewagę w zadaniach związanych z przetrwaniem.

Klucz polega na połączeniu dwóch procesów. Zewnętrzna pętla naśladuje selekcję naturalną, wybiera lepsze „genomy” i wprowadza mutacje. Wewnętrzna pętla odpowiada za uczenie się w trakcie życia danego osobnika, bo każdy agent trenowany jest poprzez uczenie ze wzmocnieniem, korzystając z informacji z własnych sensorów. Autorzy wskazują, że taka konstrukcja przypomina mechanizm znany w biologii jako efekt Baldwina, w którym zdolność uczenia się może przyspieszać adaptację ewolucyjną.

Co konkretnie „wyewoluowało” w komputerze? Badacze ustawili agentom różne cele. Gdy liczyła się nawigacja i omijanie przeszkód, symulacja częściej prowadziła do oczu z wieloma jednostkami, przypominających oczy złożone owadów i skorupiaków. Z kolei gdy presja selekcyjna dotyczyła rozróżniania obiektów, częściej pojawiały się oczy typu „kamera”, z elementami analogicznymi do siatkówki czy przysłony. Innymi słowy, sama zmiana zadania potrafiła rozdzielić trajektorie „ewolucji” na różne architektury widzenia.

Zespół raportuje też coś, co brzmi jak intuicja biologów, ale tu zostało wymuszone w modelu fizycznym. W symulacji potrafiły wyłaniać się innowacje optyczne, w tym elementy pełniące rolę soczewek. Według autorów pomagały one rozwiązywać fundamentalny kompromis między zbieraniem światła a precyzją przestrzenną, z którym mierzą się realne układy wzrokowe.

Ciekawym wątkiem są też „prawa skali” w ewolucji widzenia. W analizach autorów widać, że w zadaniach wymagających bardziej złożonej percepcji nie da się kompensować słabego „wzroku” samym dokładaniem mocy obliczeniowej. Niska ostrość widzenia tworzy wąskie gardło, którego nie przełamie nawet większa sieć ucząca się zachowania. Żeby poprawiać wyniki, trzeba rozwijać jednocześnie część sensoryczną i część „mózgową”.

Autorzy podkreślają, że to nie jest rekonstrukcja historii konkretnego gatunku, tylko narzędzie do testowania hipotez typu „co by było, gdyby” przy zadanych warunkach środowiskowych. W praktyce może się przydać nie tylko biologom ewolucyjnym, ale też inżynierom. MIT wskazuje potencjalne zastosowania w projektowaniu czujników i kamer dla robotów, dronów czy systemów autonomicznych, gdzie liczy się balans między jakością, zużyciem energii i wykonalnością produkcyjną.