El desarrollo artificial , también conocido como embriogenia artificial o inteligencia de la máquina o desarrollo computacional , es un área de la ciencia y la ingeniería de la computación que se ocupa de los modelos computacionales motivados por mapeos genotipo-fenotipo en sistemas biológicos. El desarrollo artificial a menudo se considera un subcampo de la computación evolutiva , aunque los principios del desarrollo artificial también se han utilizado dentro de modelos computacionales independientes.
Dentro de la computación evolutiva, la necesidad de técnicas de desarrollo artificial fue motivada por la percepción de falta de escalabilidad y capacidad de evolución de las codificaciones de soluciones directas (Tufte, 2008). El desarrollo artificial implica codificación de solución indirecta. En lugar de describir una solución directamente, una codificación indirecta describe (ya sea explícita o implícitamente) el proceso mediante el cual se construye una solución. A menudo, pero no siempre, estas codificaciones indirectas se basan en principios biológicos de desarrollo, como gradientes de morfógenos , división celular y diferenciación celular (p. Ej., Doursat 2008), redes reguladoras de genes (p. Ej . , Guo et al. , 2009), degeneración (Whitacreet al. , 2010), evolución gramatical (de Salabert et al. , 2006), o procesos computacionales análogos como reescritura, iteración y tiempo. Las influencias de la interacción con el medio ambiente, la espacialidad y las limitaciones físicas en el desarrollo multicelular diferenciado se han investigado más recientemente (por ejemplo, Knabe et al. 2008).
Se han aplicado enfoques de desarrollo artificial a una serie de problemas de cálculo y diseño, incluido el diseño de circuitos electrónicos (Miller y Banzhaf 2003), controladores robóticos (por ejemplo, Taylor 2004) y el diseño de estructuras físicas (por ejemplo, Hornby 2004).
Notas
- Rene Doursat, " Arquitecturas desarrolladas orgánicamente : Creación de sistemas autónomos descentralizados mediante ingeniería embriomórfica ", Computación orgánica, RP Würtz, (ed.), Springer-Verlag, Cap. 8, págs.167-200, 2008.
- Guo, H., Y. Meng y Y. Jin (2009). "Un mecanismo celular para la construcción de múltiples robots a través de la optimización evolutiva de múltiples objetivos de una red reguladora de genes". BioSystems 98 (3): 193-203. ( https://web.archive.org/web/20110719123923/http://www.ece.stevens-tech.edu/~ymeng/publications/BioSystems09_Meng.pdf )
- Whitacre, JM, P. Rohlfshagen, X. Yao y A. Bender (2010). El papel de la robustez degenerada en la capacidad de evolución de los sistemas multiagente en entornos dinámicos. Resolución de problemas paralelos a partir de la naturaleza (PPSN) XI, Cracovia, Polonia. ( https://www.researchgate.net/profile/James_Whitacre/publication/220701596_The_Role_of_Degenerate_Robustness_in_the_Evolvability_of_Multi-agent_Systems_in_Dynamic_Environments/links/0d2b2c6889b5121d730 )
- Gregory S. Hornby, "Escalabilidad funcional a través de representaciones generativas: la evolución de los diseños de tablas", Medio ambiente y planificación B: Planificación y diseño, 31 (4), 569-587, julio de 2004. ( resumen )
- Julian F. Miller y Wolfgang Banzhaf (2003): "Evolución del programa de una célula: de las banderas francesas a los circuitos booleanos", Sobre el crecimiento, la forma y las computadoras, S. Kumar y P. Bentley, (eds.), Elsevier Academic Press , 2003. ISBN 978-0-12-428765-5
- Arturo de Salabert, Alfonso Ortega y Manuel Alfonseca, (2006) “Optimización del dibujo ecológico de planos de edificios mediante la evolución gramatical”, Proc. ISC'2006, Eurosis, págs. 493-497. ISBN 90-77381-26-0
- Kenneth Stanley y Risto Miikkulainen (2003): "Una taxonomía para la embriogenia artificial", Artificial Life 9 (2): 93-130, 2003.
- Tim Taylor (2004): "A Genetic Regulatory Network-Inspired Real-Time Controller for a Group of Underwater Robots" , Intelligent Autonomous Systems 8 (Actas de IAS8), F. Groen, N. Amato, A. Bonarini, E. Yoshida y B. Kröse (eds.), IOS Press, Amsterdam, 2004. ISBN 978-1-58603-414-6
- Gunnar Tufte (2008): " Recursos fenotípicos, evolutivos y computacionales: escala en el desarrollo artificial ", Proc. Conf. De Computación Genética y Evolutiva. (GECCO) 2008, ACM, 2008.
- Knabe, JF, Nehaniv, CL y Schilstra, MJ "Evolución y morfogénesis de organismos multicelulares diferenciados: gradientes de difusión generados de forma autónoma para la información posicional" . En Artificial Life XI: Actas de la XI Conferencia Internacional sobre Simulación y Síntesis de Sistemas Vivientes , páginas 321-328, MIT Press, 2008. corr. página web