💻 computer science

Genesis: An Empirical Platform for Studying Open-Ended Evolution Without Fitness Functions

L'article présente « Genesis », une plateforme open-source qui démontre empiriquement qu'une sélection pilotée par les contraintes peut soutenir des dynamiques évolutives ouvertes sans fonctions de fitness, tout en établissant également que la construction de niches seule est insuffisante pour briser les plateaux de complexité et en suggérant une nouvelle direction pour la méta-évolution des lois physiques.

Auteurs originaux : Anushka Sharma

Publié 2026-07-27

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Anushka Sharma

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La Grande Évasion du Tableau des Scores

Imaginez un jeu vidéo où la seule façon de gagner est d'obtenir le score le plus élevé. Vous courez, sautez et tirez, mais chaque mouvement est jugé par rapport à un chiffre unique : vos points. Si vous n'obtenez pas plus de points, vous ne pouvez pas passer au niveau suivant. C'est ainsi que fonctionnent la plupart des programmes informatiques qui tentent de simuler l'évolution aujourd'hui. Ils sont obsédés par une « fonction de fitness » — un tableau des scores strict qui dit exactement à l'ordinateur quoi construire et comment s'améliorer. Mais si vous regardez la vie réelle, la nature n'a pas de tableau des scores. Un oiseau n'évolue pas pour avoir une meilleure aile parce qu'un juge lui a donné une meilleure note ; il évolue parce qu'il doit survivre au vent, trouver de la nourriture et éviter d'être mangé. Il n'y a pas une seule « meilleure » façon d'être vivant, juste un million de façons différentes de continuer.

Les scientifiques essaient de construire des programmes informatiques capables de faire ce que fait la nature : créer des choses nouvelles et surprenantes sans qu'un tableau des scores ne leur dise quoi faire. C'est ce qu'on appelle « l'évolution ouverte » (open-ended evolution). La grande question est la suivante : si l'on retire le score, l'ordinateur s'arrête-t-il d'essayer, ou trouve-t-il un nouveau moyen de continuer à croître ? C'est le mystère que l'article « Genesis » cherche à résoudre. Il pose la question : pouvons-nous construire un monde numérique où la vie évolue simplement en suivant les règles de la physique, sans que personne ne lui dise quoi accomplir ?

L'Expérience Genesis : Un Monde Sans Tableau des Scores

Les chercheurs ont construit un terrain de jeu numérique appelé Genesis. Imaginez cela comme une boîte de Pétri virtuelle remplie de petites créatures numériques. Dans presque toutes les autres expériences de ce type, l'ordinateur agit comme un professeur sévère, notant chaque créature et ne laissant se reproduire que les plus « intelligentes ». Dans Genesis, le professeur est licencié. Il n'y a pas de score, pas d'objectif, et pas de bonnes ou de mauvaises réponses. Au lieu de cela, les créatures doivent survivre en se basant sur trois règles physiques simples :

Le Gardien de la Physique : Imaginez un videur de boîte de nuit qui ne s'intéresse qu'à votre taille et à votre énergie. Si le corps d'une créature (son « génome ») devient trop encombrant ou consomme trop d'énergie, le videur l'expulse. Les créatures doivent être efficaces pour rester en vie.
Le Régulateur Adaptatif : C'est comme un thermostat pour l'ensemble de la population. Si trop de créatures meurent, les règles s'assouplissent un peu pour en laisser survivre davantage. Si trop de créatures vivent, les règles deviennent plus strictes. Cela maintient la population en bonne santé sans favoriser de préférences.
Le Système Immunitaire : C'est un bibliothécaire qui suit les créatures uniques. Si un type de créature devient trop commun et ennuyeux, le bibliothécaire en élimine quelques-unes et en ramène d'anciennes, plus uniques, issues des archives pour maintenir l'intérêt.

L'équipe a fait passer ces créatures numériques à travers plus d'un million de générations pour voir ce qui se passerait.

Les Résultats : La Survie est Possible, mais la Croissance est Difficile

La première grande surprise fut que la vie a continué. Dans 7 cas sur 12 de tests différents, les créatures ont continué à évoluer et à changer même après que le tableau des scores a été complètement supprimé. C'est un événement majeur car cela prouve que vous n'avez pas besoin d'un « objectif » pour faire avancer l'évolution ; vous avez juste besoin de limites physiques et de compétition. Les créatures luttaient pour rester efficaces et diversifiées, et cela suffisait à faire tourner le moteur.

Cependant, l'histoire se heurte à un mur. Bien que les créatures aient continué à changer, elles ne semblaient pas devenir plus intelligentes ou complexes de manière durable. Lors de la première série d'expériences, les chercheurs ont mesuré la complexité des corps des créatures et ont constaté qu'elle atteignait un plafond structurel, plafonnant à un niveau compris entre 140 et 155. C'était comme si les créatures étaient sur un tapis roulant : elles bougeaient, mais n'allaient nulle part de nouveau.

Pour comprendre pourquoi elles avaient atteint ce mur, les chercheurs ont tenté une seconde expérience. Ils ont donné aux créatures la capacité de modifier leur environnement, comme une abeille construisant une ruche ou un castor construisant un barrage. Ils se sont dit : « Peut-être que si les créatures peuvent construire leur propre monde, elles continueront à devenir plus complexes. » Ils ont mené 20 expériences (10 réelles, 10 contrôles « sham » factices où les créatures essayaient de construire mais rien ne changeait réellement). Le résultat fut un « non » catégorique. Dans cette seconde expérience, la métrique de complexité est restée à 0,00 tant dans les conditions réelles que dans les conditions de contrôle. Même lorsque les créatures pouvaient changer leur monde, leur complexité restait plate. L'environnement changeait, mais les créatures ne semblaient pas le remarquer ou s'y adapter d'une manière qui les rendrait plus complexes.

La Prochaine Étape : Faire Évoluer les Règles de la Physique

Les chercheurs ont réalisé que le problème ne venait peut-être pas des créatures, mais des règles du monde dans lequel elles vivaient. Si les lois de la physique (comme le fonctionnement de l'énergie ou la façon dont les choses se déplacent) sont fixes et ennuyeuses, peut-être que les créatures ne peuvent pas progresser au-delà d'un certain point.

Ils travaillent donc actuellement sur une nouvelle version, Genesis V4, où les lois de la physique elles-mêmes peuvent évoluer. Imaginez un monde où les règles de la gravité ou la vitesse à laquelle les choses se décomposent peuvent changer et s'améliorer avec le temps, tout comme les créatures le font. Ils préparent une expérience massive avec 100 mondes différents pour voir si le fait de laisser les « règles du jeu » évoluer est le secret pour débloquer une évolution véritablement ouverte et infinie.

Ce que cela signifie pour nous

L'article ne prétend pas avoir résolu le mystère de la vie ou créé une intelligence artificielle parfaite. Au contraire, il offre une nouvelle carte. Il nous montre que nous pouvons construire des systèmes qui évoluent sans tableau des scores, mais il nous avertit aussi que le simple fait de retirer le score ne suffit pas à créer une complexité infinie. Nous devrons peut-être laisser les lois mêmes de l'univers changer en même en temps que les créatures. C'est un regard ludique et rigoureux sur la façon dont la vie pourrait fonctionner si nous arrêtions d'essayer de la noter pour la laisser simplement jouer selon ses propres règles.

Résumé Technique : Genesis – Une plateforme empirique pour l'étude de l'évolution ouverte sans fonctions d'adaptation

1. Énoncé du problème

Le calcul évolutionnaire (EC) s'est historiquement appuyé sur une fonction d'adaptation scalaire pour évaluer les solutions et guider la sélection. Cependant, l'évolution biologique soutient des dynamiques complexes et ouvertes (OEE) sans telle fonction. Avant ce travail, il n'existait aucune caractérisation empirique de ce qui se produit lorsqu'une fonction d'adaptation est complètement supprimée d'un système artificiel, ni de compréhension claire des composants architecturaux nécessaires pour soutenir la dynamique évolutive en l'absence d'objectifs spécifiés par un concepteur. Cet article répond à cette lacune en posant la question suivante : de quoi un système artificiel a-t-il besoin pour soutenir une activité évolutive après la suppression complète de la fonction d'adaptation ?

2. Méthodologie : L'architecture Genesis

L'article présente Genesis, une plateforme open-source conçue pour tester des hypothèses concernant l'évolution sans fonction d'adaptation. Genesis remplace la sélection traditionnelle basée sur la performance par trois mécanismes interactifs qui régulent la viabilité et la diversité plutôt que la performance :

Sélection pilotée par les contraintes (CDS) : Les agents possèdent des génomes à base de codons de longueur variable. La survie est déterminée uniquement par la satisfaction de contraintes physiques immuables. Une fonction de coût métabolique, $M(G) = \alpha|G|^\beta + \sum k\gamma_k f_k(G)$ , pénalise l'inflation génomique. Un « Gardien de la Physique » (Physics Gatekeeper) impose des limites strictes de ressources, et les survivants sont sélectionnés via une dominance relationnelle de Pareto à travers des axes internes (efficacité énergétique, acquisition de ressources, stabilité des interactions).
Principe de régulation adaptative aux contraintes (CARP) : Ce mécanisme ajuste dynamiquement l'intensité des contraintes ( $\lambda$ ) pour maintenir la viabilité de la population ( $V(t)$ ) dans un corridor cible (70–90 %). La règle de mise à jour est $\lambda(t+1) = \lambda(t) + \eta(V_{target} - V(t))$ . Crucialement, le CARP régule la capacité sans encoder de préférences pour des comportements spécifiques.
Système immunitaire artificiel (AIS) : Pour éviter la stagnation, l'AIS maintient une archive de génotypes représentatifs basée sur la nouveauté. Il élague les lignées dominantes et réintroduit des génotypes archivés lorsque la nouveauté de la population tombe sous un seuil minimal ( $N_{min}$ ).

Instrumentation (PNCT) :
La plateforme utilise l'Outil de Caractérisation de la Population sans adaptation (PNCT) pour quantifier l'activité évolutive sans mesures de fitness :

Coefficient d'activité génétique (GAC) : La fraction des modifications génomiques persistant au-delà d'un horizon de 500 générations. Une exécution est considérée comme « soutenue » si la médiane du GAC $\ge 0,1$ .
Complexité du phénotype exprimé (EPC) : La complexité de compression basée sur LZW des phénotypes exprimés. Une pente positive de l'EPC est le critère le plus strict pour une croissance ouverte.
Densité du réseau de nouveauté (NND) : Mesure la densité locale dans l'espace des caractéristiques phénotypiques pour assurer la diversité.

3. Résultats expérimentaux

L'article rapporte trois expériences distinctes totalisant plus d'un million de générations évolutives :

Expérience 1 : Suppression de la fonction d'adaptation (V2)

Configuration : 12 exécutions indépendantes de 10 000 générations avec élimination progressive de la fitness externe ( $p_m=0,01, N=512$ ).
Résultats : 7 exécutions sur 12 (58,3 %) ont maintenu une activité évolutive après la suppression complète de la fonction d'adaptation. Cela a nettement surpassé quatre bases de référence (Recherche Aléatoire, Contraintes Fixes, Recherche de Nouveauté et MAP-Elites) avec $p<0,01$ et un Cohen's $d=1,47$ .
Ablation : La suppression de l'un ou l'autre du CARP ou de l'AIS a fait passer le taux d'échec de 41,7 % à plus de 90 %, confirmant que les deux sont critiques.
Limitation : Malgré une activité soutenue, l'EPC a plafonné entre 140 et 155 dans toutes les exécutions réussies, indiquant un plafond structurel où l'évolution continue mais ne devient pas nécessairement ouverte.

Expérience 2 : Construction de niche avec contrôle fictif (V3)

Hypothèse : Des environnements modifiables par les organismes (construction de niche) briseraient le plafond de l'EPC.
Configuration : 20 exécutions (10 réelles, 10 fictives/sham) de 50 000 générations. Les agents pouvaient sécréter une substance chimique persistante ( $S$ ) dans un voisinage de 3×3. Le contrôle « sham » exécutait l'action et déduisait le coût, mais ne mettait pas à jour le champ chimique.
Résultats : Bien que la physique de la sécrétion fonctionne correctement ( $S_{mean}=0,48$ dans les exécutions réelles), l'EPC est resté nul dans les deux conditions, et la complexité LZ76 était identique (0,068).
Conclusion : La modification de l'environnement sans sélection dépendante de la fréquence est insuffisante pour conduire une croissance ouverte ; les politiques internes des agents n'ont pas répondu au champ chimique.

Expérience 3 : Construction de niche protégée par spéciation (V4 Étape 3)

Hypothèse : Les structures nouvelles nécessitent une protection (via la spéciation) suffisamment longue pour s'accumuler.
Configuration : Ajout de génomes CPPN et de spéciation de type NEAT à l'architecture.
Résultats : Des exécutions de validation préliminaires (deux graines, 500 générations) ont montré une divergence dans la taille du génome et le nombre d'espèces entre les conditions réelles et fictives, contrairement à V3.
Statut : Ces résultats sont cohérents avec l'hypothèse mais sont actuellement insuffisants pour l'établir ; ils servent d'échafaudage directionnel pour une réplication à plus grande échelle actuellement en cours.

4. Principales contributions

Limites empiriques de l'évolution sans fonction d'adaptation : Démontre que la sélection pilotée par les contraintes peut soutenir une activité évolutive sans fonction d'adaptation, bien que cela ne soit pas automatiquement une évolution ouverte.
Protocole de contrôle fictif (Sham-Controlled) : Fournit une méthode rigoureuse pour isoler la construction de niche de ses coûts énergétiques, révélant que la construction de niche seule ne suffit pas à briser les plafonds de complexité.
Métriques PNCT : Introduit une suite de métriques falsifiables (GAC, EPC, NND) pour caractériser l'évolution sans score scalaire de fitness.
Hypothèse sur l'évolutivité du substrat : Suggère que pour une véritable OEE, les lois régissant le système (la physique) doivent elles-mêmes être évolutives, et non seulement la dynamique de la population.

5. Signification et perspectives

L'article affirme établir les limites empiriques de l'évolution sans fonction d'adaptation. L'observation d'un plateau d'EPC dans les environnements à physique fixe (V2–V3) suggère qu'une physique fixe peut être structurellement incapable de soutenir l'OEE. Par conséquent, les auteurs proposent une nouvelle direction : la méta-évolution de la physique, où les lois régissant le système (ex: diffusion, décroissance, injection d'énergie) sont elles-mêmes évoluées.

Ce travail contribue au domaine de l'EC en fournissant un outil portable (PNCT), un protocole expérimental réutilisable (contrôle fictif) et une hypothèse selon laquelle l'évolutivité du substrat est une condition nécessaire à l'ouverture (open-endedness). Les auteurs notent qu'une expérience à 100 mondes pour tester la méta-évolution est actuellement en préparation.