Machine Zygote: Causal Biparental Heredity Before Learning in a Germline--Soma Artificial Agent
Cet article introduit « Machine Zygote », un cadre computationnel germinal-somatique qui fournit des preuves causales d'une hérédité biparentale mesurable chez les agents artificiels avant que l'apprentissage ne se produise, démontrant que les contributions génétiques parentales déterminent de manière significative les traits phénotypiques indépendamment de la dynamique de développement ou de l'apprentissage post-natal.
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
Dans le vaste paysage de l'intelligence artificielle, les chercheurs sont fascinés depuis longtemps par la manière de construire des machines capables de croître et de changer d'elles-mêmes, à l'instar des créatures vivantes. Pendant des décennies, les scientifiques ont exploré des moyens de donner aux robots un « plan » permettant de développer des corps et des comportements complexes à partir d'un code initial simple, un processus connu sous le nom de codage développemental. Ils ont également étudié comment les robots peuvent apprendre de l'expérience et transmettre ces compétences acquises à leur progéniture numérique. Cependant, une question spécifique est restée difficile à trancher avec certitude : un agent artificiel nouveau peut-il hériter de comportements spécifiques de deux parents avant même d'avoir vécu un seul instant d'apprentissage ou d'adaptation ? Dans le monde naturel, les traits d'un animal nouveau-né sont un mélange des gènes de ses parents, mais dans le domaine numérique, il est souvent difficile de dire si le comportement d'un robot provient de son code hérité ou du bruit aléatoire de sa création. Distinguer ce qui est véritablement transmis de ce qui n'est qu'un coup de chance est crucial pour comprendre comment la vie artificielle pourrait évoluer.
Un chercheur nommé Lyes Saad Saoud a abordé ce casse-tête avec une nouvelle expérience computationnelle appelée « Machine Zygote ». L'objectif était de créer un système numérique où deux robots parents contribuent à leur code génétique pour former un enfant, puis de mesurer le comportement de l'enfant immédiatement après la naissance, avant que tout apprentissage ne puisse avoir lieu. Le dispositif a été conçu pour être un test strict de cause à effet. Les chercheurs ont commencé avec quatre robots parents distincts, chacun portant un ensemble unique d'instructions. Ils ont associé ces parents par toutes les combinaisons possibles pour créer des centaines de descendants numériques. Chaque descendant a été construit selon un processus spécifique : les codes des parents ont été mélangés et légèrement altérés, puis injectés dans un système de développement qui a fait croître un nouveau corps de robot et un cerveau à partir d'un point de départ générique. Une fois ce nouveau robot entièrement formé, son cerveau a été gelé. Il n'était pas autorisé à apprendre, à s'ajuster ou à changer de quelque manière que ce soit. Les chercheurs l'ont ensuite soumis à une série de tests pour voir à quelle vitesse il pouvait se déplacer, comment il marchait et comment il parvenait à se rétablir après avoir été poussé.
Les résultats ont montré une connexion claire et mesurable entre les parents et les nouveau-nés. Dans un test à grande échelle impliquant 640 descendants, les chercheurs ont découvert que l'identité de la mère et du père influençait de manière significative cinq des six comportements différents chez les nouveau-nés. Pour des traits tels que la vitesse de marche, le rythme de leurs pas et la distance qu'ils pouvaient explorer, la combinaison spécifique des parents importait. Les données indiquaient que les contributions génétiques des parents représentaient entre 36 % et 53 % des différences observées dans ces comportements. Pour prouver qu'il ne s'agissait pas d'une simple coïncidence, les chercheurs ont réalisé une expérience plus rigoureuse. Ils ont pris un ensemble de conditions spécifiques — c'est-à-dire la manière exacte dont les codes des parents étaient mélangés et le bruit aléatoire exact utilisé pour construire le robot — et ont remplacé un seul parent. Lorsqu'ils ont remplacé uniquement la mère ou uniquement le père tout en gardant tout le reste identique, le comportement du nouveau-né a changé de manière spectaculaire. Ces changements étaient bien plus importants que les petites variations observées lorsqu'ils relançaient simplement le même parent avec des nombres aléatoires légèrement différents. Cela a confirmé que le code génétique spécifique des parents était la cause directe des différences de comportement, et non un simple hasard.
L'étude a également examiné si le processus complexe et temporel de « croissance » du robot était nécessaire pour que ces traits apparaissent. Les chercheurs avaient émis l'hypothèse que le développement dynamique, étape par étape, était essentiel pour que l'influence des parents s'installe. Cependant, lorsqu'ils ont supprimé le processus de croissance basé sur le temps pour le remplacer par un calcul statique plus simple, l'influence des parents sur le comportement moyen est restée tout aussi forte. Ce fut une découverte surprenante qui a infirmé l'idée que des dynamiques de développement complexes étaient nécessaires pour que ce type d'hérédité fonctionne. Au lieu de cela, le processus de croissance semblait agir davantage comme un filtre modifiant la variété des traits observés dans la population, plutôt que comme le moteur créant l'hérédité elle-même. L'expérience a également découvert que le mélange des codes des parents pouvait créer des descendants « transgressifs » — des robots se déplaçant plus vite ou ayant un rythme de marche différent de ce que leurs parents pouvaient accomplir individuellement. Cela suggère que la combinaison de différents codes génétiques peut produire de nouvelles capacités que ni l'un ni l'autre des parents ne possédait seul.
Il est important de comprendre les limites de cette découverte. Toute l'expérience s'est déroulée à l'intérieur d'une simulation informatique ; aucun robot physique n'a été construit, et aucune génétique biologique n'a été impliquée. La « lignée germinale » n'était qu'une liste de nombres, et le « corps » était un modèle mathématique d'un robot à roues. Les chercheurs n'ont pas prétendu avoir créé une machine vivante ou avoir résolu le mystère de l'hérédité biologique. Ils ont plutôt construit un outil précis pour isoler et mesurer comment l'information est transmise d'une génération à la suivante dans un système artificiel. En gelant le processus d'apprentissage et en contrôlant chaque variable, ils ont démontré que, dans cet environnement numérique spécifique, deux parents peuvent déterminer causalement le comportement de leur nouveau-né avant même que cet enfant n'ait appris quoi que ce soit. Cela fournit une base solide pour des recherches futures, offrant une méthode claire pour séparer ce qui est hérité de ce qui est appris, et ouvrant la voie à des études plus complexes sur la manière dont la vie artificielle pourrait évoluer au fil du temps.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.