💻 computer science

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

यह शोध पत्र "जेनेसिस" (Genesis) का परिचय देता है, जो एक ओपन-सोर्स प्लेटफॉर्म है जो अनुभवजन्य रूप से यह प्रदर्शित करता है कि बाधा-संचालित चयन (constraint-driven selection), फिटनेस फंक्शन के बिना भी, खुली-अंत वाली विकासवादी गतिशीलता को बनाए रख सकता है, और साथ ही यह भी स्थापित करता है कि केवल निकेत निर्माण (niche construction) ही जटिलता के पठारों को तोड़ने के लिए अपर्याप्त है और भौतिक नियमों के मेटा-विकास के लिए एक नई दिशा का सुझाव देता है।

मूल लेखक: Anushka Sharma

प्रकाशित 2026-07-27

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Anushka Sharma

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

स्कोरबोर्ड से महान पलायन

एक ऐसे वीडियो गेम की कल्पना करें जहाँ जीतने का एकमात्र तरीका उच्चतम स्कोर प्राप्त करना है। आप दौड़ते हैं, कूदते हैं और शूट करते हैं, लेकिन आपकी हर हरकत को एक संख्या के आधार पर आंका जाता है: आपके अंक। यदि आप अधिक अंक नहीं प्राप्त करते हैं, तो आप अगले स्तर पर नहीं जा पाते। आज के अधिकांश कंप्यूटर प्रोग्राम जो विकास (evolution) की नकल करने की कोशिश करते हैं, वे इसी तरह काम करते हैं। वे एक "फिटनेस फंक्शन" (fitness function) के प्रति जुनूनी होते हैं—एक सख्त स्कोरबोर्ड जो कंप्यूटर को बताता है कि उसे वास्तव में क्या बनाना है और कैसे सुधार करना है। लेकिन यदि आप वास्तविक जीवन को देखें, तो प्रकृति के पास कोई स्कोरबोर्ड नहीं होता। एक पक्षी बेहतर पंख इसलिए विकसित नहीं करता क्योंकि किसी जज ने उसे उच्च स्कोर दिया है; वह इसलिए विकसित होता है क्योंकि उसे हवा का सामना करने, भोजन खोजने और शिकार से बचने की आवश्यकता होती है। जीवित रहने का कोई एक "सर्वश्रेष्ठ" तरीका नहीं है, बस जीवित रहने के लाखों अलग-अलग तरीके हैं।

वैज्ञानिक ऐसे कंप्यूटर प्रोग्राम बनाने की कोशिश कर रहे हैं जो वह कर सकें जो प्रकृति करती है: बिना किसी स्कोरबोर्ड के अंतहीन नई और आश्चर्यजनक चीजें बनाना। इसे "ओपन-एंडेड इवोल्यूशन" (open-ended evolution) कहा जाता है। बड़ा सवाल यह है: यदि आप स्कोर हटा देते हैं, तो क्या कंप्यूटर प्रयास करना छोड़ देगा, या वह बढ़ने का नया तरीका खोज लेगा? यह वह रहस्य है जिसे "जेनेसिस" (Genesis) नामक शोध पत्र हल करने की कोशिश करता है। यह पूछता है: क्या हम एक ऐसी डिजिटल दुनिया बना सकते हैं जहाँ जीवन केवल भौतिकी के नियमों और प्रतिस्पर्धा का पालन करके विकसित हो सके, बिना किसी के यह बताए कि इसे क्या हासिल करना है?

जेनेसिस प्रयोग: स्कोरबोर्ड के बिना एक दुनिया

शोधकर्ताओं ने जेनेसिस नामक एक डिजिटल खेल का मैदान बनाया। इसे एक वर्चुअल पेट्री डिश की तरह समझें जिसमें छोटे, डिजिटल जीव भरे हुए हैं। इस तरह के लगभग हर अन्य प्रयोग में, कंप्यूटर एक सख्त शिक्षक की तरह काम करता है, हर जीव को ग्रेड देता है और केवल "सबसे स्मार्ट" जीवों को ही प्रजनन करने देता है। जेनेसिस में, शिक्षक को निकाल दिया गया है। यहाँ कोई स्कोर नहीं है, कोई लक्ष्य नहीं है, और न ही कोई "अच्छा" या "बुरा" उत्तर है। इसके बजाय, जीवों को जीवित रहने के लिए तीन सरल, भौतिक नियमों के आधार पर जीवित रहना होगा:

द फिजिक्स गेटकीपर (भौतिकी द्वारपाल): एक क्लब के बाउंसर की कल्पना करें जिसे केवल आपके आकार और ऊर्जा की परवाह है। यदि किसी जीव का शरीर (उसका "जीनोम") बहुत अधिक फूला हुआ हो जाता है या बहुत अधिक ऊर्जा का उपयोग करता है, तो बाउंसर उसे बाहर निकाल देता है। जीवित रहने के लिए जीवों को कुशल होना पड़ता है।
द एडेप्टिव रेगुलेटर (अनुकूलन नियामक): यह पूरी आबादी के लिए एक थर्मोस्टेट की तरह है। यदि बहुत से जीव मर रहे हैं, तो नियम थोड़े ढीले कर दिए जाते हैं ताकि अधिक जीवित रह सकें। यदि बहुत से जीव जीवित हैं, तो नियम सख्त हो जाते हैं। यह किसी का पक्ष लिए बिना आबादी को स्वस्थ रखता है।
द इम्यून सिस्टम (रोग प्रतिरोधक क्षमता): यह एक लाइब्रेरियन की तरह है जो अद्वितीय जीवों का हिसाब रखता है। यदि एक प्रकार का जीव बहुत आम और उबाऊ हो जाता है, तो लाइब्रेरियन उनमें से कुछ को बाहर फेंक देता है और चीजों को दिलचस्प बनाए रखने के लिए अभिलेखागार (archives) से पुराने, अद्वितीय जीवों को वापस लाता है।

टीम ने इन डिजिटल जीवों को दस लाख से अधिक पीढ़ियों तक चलाया ताकि देखा जा सके कि क्या होता है।

परिणाम: अस्तित्व संभव है, लेकिन विकास कठिन है

पहला बड़ा आश्चर्य यह था कि जीवन चलता रहा। 12 में से 7 अलग-अलग रन में, जीवों ने विकसित होना और बदलना जारी रखा, भले ही स्कोरबोर्ड को पूरी तरह से हटा दिया गया था। यह एक बड़ी बात है क्योंकि यह साबित करता है कि विकास को आगे बढ़ाने के लिए आपको किसी "लक्ष्य" की आवश्यकता नहीं है; आपको बस भौतिक सीमाओं और प्रतिस्पर्धा की आवश्यकता है। जीव कुशल और विविध बने रहने के लिए लड़ रहे थे, और इतना उन्हें चलाने के लिए पर्याप्त था।

हालाँकि, कहानी एक दीवार से टकरा जाती है। जबकि जीव बदलते रहे, वे स्थायी रूप से अधिक बुद्धिमान या अधिक जटिल होते नहीं दिखे। प्रयोगों के पहले सेट में, शोधकर्ताओं ने जीवों के शरीर की जटिलता को मापा और पाया कि इसने एक संरचनात्मक सीमा (structural ceiling) को छू लिया, जो 140 और 155 के बीच स्थिर हो गई। ऐसा लग रहा था जैसे जीव ट्रेडमिल पर दौड़ रहे हों: वे हिल तो रहे थे, लेकिन वे कहीं नए स्थान पर नहीं पहुँच पा रहे थे।

यह समझने के लिए कि वे इस दीवार से क्यों टकराए, शोधकर्ताओं ने दूसरा प्रयोग किया। उन्होंने जीवों को अपने पर्यावरण को बदलने की क्षमता दी, जैसे कि एक मधुमक्खी छत्ता बनाती है या एक बीवर बांध बनाता है। उन्होंने सोचा, "शायद यदि जीव अपना संसार खुद बना सकें, तो वे अधिक जटिल होते जाएंगे।" उन्होंने 20 प्रयोग चलाए (10 वास्तविक, 10 नकली "शैम" कंट्रोल जहाँ जीवों ने निर्माण करने की कोशिश की लेकिन वास्तव में कुछ भी नहीं बदला)। परिणाम एक कठोर "ना" था। इस दूसरे प्रयोग में, जटिलता का माप वास्तविक और शैम दोनों स्थितियों में 0.00 पर रहा। भले ही जीव अपने संसार को बदल सकते थे, उनकी जटिलता स्थिर रही। वातावरण बदला, लेकिन जीवों ने इसे इस तरह से महसूस या अनुकूलित नहीं किया जिससे वे अधिक जटिल बन सकें।

अगला कदम: भौतिकी के नियमों का विकास

शोधकर्ताओं को एहसास हुआ कि शायद समस्या जीवों की नहीं, बल्कि उस दुनिया के नियमों की थी जिसमें वे रहते हैं। यदि भौतिकी के नियम (जैसे ऊर्जा कैसे काम करती है या चीजें कैसे चलती हैं) स्थिर और उबाऊ हैं, तो शायद जीव एक निश्चित बिंदु से आगे नहीं बढ़ सकते।

इसलिए, वे अब एक नया संस्करण, जेनेसिस V4, पर काम कर रहे हैं, जहाँ भौतिकी के नियम स्वयं विकसित हो सकते हैं। एक ऐसी दुनिया की कल्पना करें जहाँ गुरुत्वाकर्षण के नियम या चीजें कितनी तेजी से क्षय (decay) होती हैं, समय के साथ बदल और सुधर सकते हैं, ठीक वैसे ही जैसे जीव करते हैं। वे एक विशाल प्रयोग की तैयारी कर रहे हैं जिसमें 100 अलग-अलग दुनिया होंगी, यह देखने के लिए कि क्या "खेल के नियमों" को विकसित होने देना ही वास्तव में अंतहीन, ओपन-एंडेड इवोल्यूशन को अनलॉक करने का रहस्य है।

इसका हमारे लिए क्या अर्थ है

यह शोध पत्र यह दावा नहीं करता कि इसने जीवन के रहस्य को सुलझा लिया है या एक पूर्ण कृत्रिम बुद्धिमत्ता (AI) बना ली है। इसके बजाय, यह हमें एक नया मानचित्र प्रदान करता है। यह हमें दिखाता है कि हम ऐसी प्रणालियाँ बना सकते हैं जो बिना स्कोरबोर्ड के विकसित होती हैं, लेकिन यह हमें चेतावनी भी देता है कि केवल स्कोर हटा देना अनंत जटिलता पैदा करने के लिए पर्याप्त नहीं है। हमें शायद नियमों को जीवों के साथ बदलने की अनुमति देने की आवश्यकता होगी। यह इस बात का एक चंचल और कठोर विश्लेषण है कि जीवन कैसे काम कर सकता है यदि हम इसे ग्रेड देने के बजाय इसे अपने नियमों से खेलने देने लगें।

तकनीकी सारांश: जेनेसिस (Genesis) – बिना फिटनेस फंक्शन के ओपन-एंडेड इवोल्यूशन के अध्ययन के लिए एक अनुभवजन्य मंच

1. समस्या विवरण

इवोल्यूशनरी कंप्यूटेशन (EC) ऐतिहासिक रूप से समाधानों को स्कोर करने और चयन को निर्देशित करने के लिए एक स्केलर फिटनेस फंक्शन पर निर्भर रहा है। हालांकि, जैविक विकास (biological evolution) बिना किसी ऐसे फंक्शन के जटिल, ओपन-एंडेड डायनेमिक्स (OEE) को बनाए रखता है। इस कार्य से पहले, इस बात का कोई अनुभवजन्य लक्षण वर्णन नहीं था कि जब किसी कृत्रिम प्रणाली से फिटनेस को पूरी तरह से हटा दिया जाता है, तो क्या होता है, और न ही इस बात की स्पष्ट समझ थी कि डिजाइनर-निर्दिष्ट उद्देश्यों की अनुपस्थिति में विकासवादी गतिशीलता को बनाए रखने के लिए कौन से आर्किटेक्चरल घटक आवश्यक हैं। यह शोध इस अंतर को संबोधित करता है और पूछता है: फिटनेस को पूरी तरह से हटाने के बाद एक कृत्रिम प्रणाली को विकासवादी गतिविधि को बनाए रखने के लिए क्या चाहिए?

2. कार्यप्रणाली: जेनेसिस आर्किटेक्चर (The Genesis Architecture)

यह शोध पत्र जेनेसिस (Genesis) को पेश करता है, जो एक ओपन-सोर्स प्लेटफॉर्म है जिसे फिटनेस-मुक्त विकास के बारे में परिकल्पनाओं का परीक्षण करने के लिए डिज़ाइन किया गया है। जेनेसिस पारंपरिक फिटनेस-आधारित चयन के स्थान पर तीन परस्पर क्रिया करने वाले तंत्रों (mechanisms) को प्रतिस्थापित करता है जो प्रदर्शन के बजाय व्यवहार्यता (viability) और विविधता को नियंत्रित करते हैं:

कन्स्ट्रेंट-ड्रिवन सिलेक्शन (CDS): एजेंटों के पास परिवर्तनशील-लंबाई वाले, कोडन-आधारित जीनोम होते हैं। उत्तरजीविता (survival) केवल अपरिवर्तनीय भौतिक बाधाओं को पूरा करने द्वारा निर्धारित होती है। एक मेटाबॉलिक कॉस्ट फंक्शन, $M(G) = \alpha|G|^\beta + \sum k\gamma_k f_k(G)$ , जीनोम के अत्यधिक विस्तार (bloat) को दंडित करता है। एक "फिजिक्स गेटकीपर" कठोर संसाधन सीमाओं को लागू करता है, और जीवित बचे लोगों का चयन आंतरिक अक्षों (ऊर्जा दक्षता, संसाधन प्राप्ति, इंटरेक्शन स्थिरता) पर पारेटो रिलेशनल डोमिनेंस (Pareto relational dominance) के माध्यम से किया जाता है।
कन्स्ट्रेंट-एडेप्टिव रेगुलेशन प्रिंसिपल (CARP): यह तंत्र जनसंख्या व्यवहार्यता ( $V(t)$ ) को एक लक्षित कॉरिडोर (70–90%) के भीतर बनाए रखने के लिए बाधा तीव्रता ( $\lambda$ ) को गतिशील रूप से समायोजित करता है। अपडेट नियम है: $\lambda(t+1) = \lambda(t) + \eta(V_{target} - V(t))$ । महत्वपूर्ण रूप से, CARP विशिष्ट व्यवहारों के लिए प्राथमिकताएं एनकोड किए बिना क्षमता को नियंत्रित करता है।
आर्टिफिशियल इम्यून सिस्टम (AIS): ठहराव (stagnation) को रोकने के लिए, AIS प्रतिनिधि जीनोटाइप का एक नवीनता-आधारित (novelty-based) संग्रह बनाए रखता है। यह प्रमुख वंशों (lineages) को छाँटता है और जब जनसंख्या की नवीनता न्यूनतम सीमा ( $N_{min}$ ) से नीचे गिर जाती है, तो संग्रहित जीनोटाइप को पुन: पेश करता है।

इंस्ट्रुमेंटेशन (PNCT):
प्लेटफॉर्म फिटनेस मेट्रिक्स के बिना विकासवादी गतिविधि को मापने के लिए पॉपुलेशन-लेवल नॉन-फिटनेस कैरेक्टराइजेशन टूलकिट (PNCT) का उपयोग करता है:

जेनेटिक एक्टिविटी कोएफिशिएंट (GAC): 500-पीढ़ी के क्षितिज के बाद बने रहने वाले जीनोम संपादन का अंश। एक रन को तब "सतत" (sustained) माना जाता है यदि मीडियन GAC $\ge 0.1$ हो।
एक्सप्रेस्ड फेनोटाइप कॉम्प्लेक्सिटी (EPC): व्यक्त फेनोटाइप की LZW-आधारित संपीड़न जटिलता। ओपन-एंडेड विकास के लिए एक सकारात्मक EPC ढलान (slope) सख्त मानदंड है।
नोवेलटी नेटवर्क डेंसिटी (NND): विविधता सुनिश्चित करने के लिए फेनोटाइप फीचर स्पेस में स्थानीय घनत्व को मापता है।

3. प्रयोगात्मक परिणाम

शोध पत्र तीन अलग-अलग प्रयोगों की रिपोर्ट करता है जिनमें कुल दस लाख से अधिक विकासवादी पीढ़ियां शामिल हैं:

प्रयोग 1: फिटनेस रिमूवल (V2)

सेटअप: 10,000 पीढ़ियों के 12 स्वतंत्र रन, जिसमें प्रगतिशील रूप से बाहरी फिटनेस को हटाया गया ( $p_m=0.01, N=512$ )।
निष्कर्ष: 12 में से 7 रन (58.3%) ने पूर्ण फिटनेस हटाने के बाद भी विकासवादी गतिविधि को बनाए रखा। इसने चार बेसलाइनों (रैंडम सर्च, फिक्स्ड कंस्ट्रेंट्स, नोवेलटी सर्च, और MAP-Elites) को काफी बेहतर प्रदर्शन किया ( $p<0.01$ और कोहेन का $d=1.47$ के साथ)।
एब्लेशन (Ablation): CARP या AIS में से किसी एक को हटाने से विफलता दर 41.7% से बढ़कर 90% से अधिक हो गई, जो पुष्टि करता है कि दोनों महत्वपूर्ण हैं।
सीमा: निरंतर गतिविधि के बावजूद, सभी सफल रन में EPC 140–155 पर स्थिर (plateau) हो गया, जो यह दर्शाता है कि एक संरचनात्मक सीमा (structural ceiling) है जहाँ विकास जारी रहता है लेकिन आवश्यक रूप से ओपन-एंडेड नहीं होता।

प्रयोग 2: शैम-नियंत्रित निच निर्माण (V3)

परिकल्पना: जीव-लेखनीय वातावरण (निच निर्माण/niche construction) EPC की सीमा को तोड़ देगा।
सेटअप: 50,000 पीढ़ियों के 20 रन (10 वास्तविक, 10 शैम)। एजेंट एक 3×3 पड़ोस में एक स्थायी रसायन ( $S$ ) स्रावित कर सकते थे। "शैम" कंट्रोल ने क्रिया को निष्पादित किया और लागत भी काटी, लेकिन रासायनिक क्षेत्र (chemical field) को अपडेट नहीं किया।
निष्कर्ष: हालांकि वास्तविक रन में स्राव भौतिकी सही ढंग से कार्य कर रही थी ( $S_{mean}=0.48$ ), EPC दोनों स्थितियों में शून्य रहा, और LZ76 जटिलता समान (0.068) थी।
निष्कर्ष: फ्रीक्वेंसी-डिपेंडेंट सिलेक्शन के बिना पर्यावरण संशोधन ओपन-एंडेड विकास को चलाने के लिए पर्याप्त नहीं है; एजेंटों की आंतरिक नीतियां रासायनिक क्षेत्र के प्रति प्रतिक्रिया नहीं दे रही थीं।

प्रयोग 3: स्पीशिएशन-प्रोटेक्टेड निच निर्माण (V4 स्टेज 3)

परिकल्पना: नवीन संरचनाओं को संचित होने के लिए पर्याप्त समय तक संरक्षण (स्पीशिएशन के माध्यम से) की आवश्यकता होती है।
सेटअप: आर्किटेक्चर में CPPN जीनोम और NEAT-शैली का स्पीशिएशन जोड़ा गया।
निष्कर्ष: प्रारंभिक सत्यापन रन (दो सीड, 500 पीढ़ी) ने वास्तविक और शैम स्थितियों के बीच जीनोम आकार और प्रजातियों की संख्या में विचलन दिखाया, जो V3 के विपरीत था।
स्थिति: ये परिणाम परिकल्पना के अनुरूप हैं लेकिन अभी पर्याप्त नहीं हैं; वे वर्तमान में चल रहे मध्यम-स्तर के प्रतिकृति (replication) के लिए दिशात्मक आधार के रूप में कार्य करते हैं।

4. मुख्य योगदान

फिटनेस-फ्री इवोल्यूशन के लिए अनुभवजन्य सीमाएं: यह प्रदर्शित करता है कि कंस्ट्रेंट-ड्रिवन सिलेक्शन बिना फिटनेस के भी विकासवादी गतिविधि को बनाए रख सकता है, हालांकि यह स्वतः ही ओपन-एंडेड नहीं होता।
शैम-नियrolled प्रोटोकॉल: निच निर्माण को उसके ऊर्जा लागतों से अलग करने के लिए एक कठोर पद्धति प्रदान करता है, जिससे पता चलता है कि केवल निच निर्माण जटिलता प्लेटो (complexity plateaus) को नहीं तोड़ता है।
PNCT मेट्रिक्स: बिना स्केलर फिटनेस के विकास को चरित्रित करने के लिए मेट्रिक्स का एक सेट (GAC, EPC, NND) पेश करता है।
सबस्ट्रेट इवॉल्वेबिलिटी (Substrate Evolvability) पर परिकल्पना: सुझाव देता है कि वास्तविक OEE के लिए, प्रणाली के नियम (भौतिकी) स्वयं विकसित होने योग्य (evolvable) होने चाहिए, न कि केवल जनसंख्या गतिशीलता।

5. महत्व और भविष्य की दृष्टि

शोध पत्र का दावा है कि यह फिटनेस-फ्री इवोल्यूशन के लिए अनुभवजन्य सीमाएं स्थापित करता है। V2-V3 में फिक्स्ड-फिजिक्स वातावरण में EPC प्लेटो का अवलोकन यह सुझाव देता है कि फिक्स्ड फिजिक्स संरचनात्मक रूप से OEE का समर्थन करने में असमर्थ हो सकता है। फलस्वरूप, लेखक एक नया दिशा निर्देश प्रस्तावित करते हैं: भौतिकी का मेटा-इवोल्यूशन (Meta-evolution of physics), जहाँ प्रणाली को नियंत्रित करने वाले नियम (जैसे प्रसार, क्षय, ऊर्जा इंजेक्शन) स्वयं विकसित होते हैं।

यह कार्य EC के क्षेत्र में एक पोर्टेबल टूलकिट (PNCT), एक पुन: प्रयोज्य प्रयोगात्मक प्रोटोकॉल (शैम-कंट्रोल), और एक परिकल्पना प्रदान करता है कि सबस्ट्रेट इवॉल्वेबिलिटी ओपन-एंडेडनेस के लिए एक आवश्यक शर्त है। लेखक उल्लेख करते हैं कि मेटा-इवोल्यूशन का परीक्षण करने के लिए एक '100-वर्ल्ड एक्सपेरिमेंट' वर्तमान में तैयार किया जा रहा है।