Evolving Many Worlds: Towards Open-Ended Discovery in Petri Dish NCA via Population-Based Training

Il paper introduce PBT-NCA, un algoritmo meta-evolutivo che, applicando una pressione selettiva basata sulla novità comportamentale e sulla diversità visiva, permette alle Automi Cellulari Neurali in Petri Dish di evolvere spontaneamente complessità aperta e fenomeni vitali emergenti, mantenendo il sistema in uno stato stabile di "bordo del caos".

L'essenziale

Immagina di avere un enorme vassoio di Petri (un contenitore di vetro usato in laboratorio per coltivarre batteri), ma invece di batteri microscopici, ci sono milioni di piccoli "agenti digitali" che vivono su una griglia. Questi agenti sono come minuscoli organismi fatti di codice, ognuno con un proprio "cervello" (una rete neurale) che decide come muoversi, attaccare o difendersi.

Il problema è che, se lasciati soli, questi organismi digitali tendono a noiosamente morire tutti, congelarsi in una forma statica, o trasformarsi in un caos rumoroso senza senso. È come se in un ecosistema reale, dopo un po', tutti gli animali si trasformassero in statue di ghiaccio o in nebbia.

Gli autori di questo paper, PBT-NCA, hanno trovato un modo geniale per evitare che tutto questo accada. Ecco come funziona, spiegato con un'analogia semplice:

1. Il Grande Gioco dell'Evoluzione (La Popolazione)

Invece di far evolvere un solo mondo, hanno creato 30 mondi paralleli (una popolazione). Immagina 30 vassoi diversi, ognuno con le sue regole e i suoi organismi.
Ogni tanto, fanno una "gara" tra questi 30 mondi. Ma non guardano chi è il più forte o chi vince la battaglia. Guardano chi è il più originale.

2. La Regola d'Oro: "Sii Strano, non Sii Forte"

Nella natura, di solito vince il più forte. Qui, vince il più strano.
Il sistema ha due "giudici" che assegnano i punti:

• Il Giudice Storico: Guarda la storia passata. Se un mondo si comporta come qualcosa che abbiamo già visto prima, non prende punti. Se fa qualcosa di mai visto (come un nuovo tipo di danza o una nuova forma di vita), guadagna punti.
• Il Giudice Sociale: Guarda gli altri 29 vassoi contemporanei. Se il tuo mondo assomiglia a quello del tuo vicino, non prendi punti. Se il tuo mondo è visivamente diverso (forme, colori, movimenti unici), prendi punti.

3. Il Ciclo di Vita: "Copia, Modifica, Sperimenta"

Ogni tanto, i mondi che hanno fatto i "punti più bassi" (quelli noiosi o ripetitivi) vengono buttati via. Al loro posto, nascono nuovi mondi copiati dai vincitori (quelli più originali), ma con un tocco di magia:

• Copia: Il nuovo mondo eredita i "geni" (i parametri) del genitore.
• Mutazione: Si fanno piccoli cambiamenti casuali. È come se un genitore avesse un figlio che è quasi uguale a lui, ma con un piccolo difetto o una nuova abilità.
• Crossover: A volte si mescolano le caratteristiche di due genitori diversi.

Questo crea un ciclo infinito: i mondi devono continuamente inventare nuove forme di vita per non essere eliminati. Se smettono di innovare, muoiono.

4. Cosa è Nascosto nel Vassoio? (Le Scoperte)

Grazie a questa pressione costante per la novità, il sistema ha scoperto cose incredibili che non erano state programmate:

• Onde coordinate: Gruppi di cellule che si muovono all'unisono come un'onda nel mare.
• Spore viaggiatrici: Gruppi che espellono piccoli "bambini" cellulari per colonizzare territori lontani (come i semi che volano via dal vento).
• Forme fluide: Grandi strutture che cambiano forma mentre si muovono, simili a organismi viventi veri e propri.
• Il "Bordo del Caos": Il sistema trova un equilibrio perfetto. Non è troppo ordinato (come un cristallo di ghiaccio) e non è troppo caotico (come la neve che cade). È esattamente nel mezzo, dove la vita più complessa può fiorire. È come un jazzista che suona: c'è una struttura, ma improvvisa continuamente.

Perché è Importante?

Immagina di voler creare un'intelligenza artificiale che non solo risolve un problema, ma continua a imparare e a inventare cose nuove per sempre.
Questo paper ci dice che se creiamo un ambiente dove la "noia" è punita e l'"originalità" è premiata, l'intelligenza artificiale può evolvere da sola, scoprendo comportamenti complessi, cooperativi e sorprendenti, proprio come la vita sulla Terra.

In sintesi: Hanno creato un "giardino digitale" dove le piante (gli agenti) devono continuamente inventare nuovi colori e forme per non essere tagliate. Il risultato? Un giardino che non smette mai di fiorire, pieno di creature digitali che sembrano vive, che si muovono, si riproducono e collaborano, tutto senza che un umano abbia mai detto loro cosa fare.

Sommario tecnico

1. Il Problema

La generazione di complessità sostenuta e a ciclo aperto (open-endedness) a partire da interazioni locali rimane una sfida fondamentale nell'ambito della vita artificiale. I sistemi multi-agente differenziabili, come le Petri Dish Neural Cellular Automata (PD-NCA), mostrano una ricca auto-organizzazione guidata dalla competizione spaziale. Tuttavia, questi sistemi sono estremamente sensibili agli iperparametri e tendono spesso a collassare in dinamiche poco interessanti, come:

• Equilibri congelati (stati statici).
• Rumore privo di struttura (alta entropia).
• Monocolture (un singolo agente domina uniformemente il substrato).

L'obiettivo è superare la semplice ottimizzazione statica per raggiungere un'innovazione morfologica e funzionale perpetua, operando nella fase critica nota come "bordo del caos" (edge of chaos), dove le dinamiche non sono né completamente ordinate né completamente casuali.

2. Metodologia: PBT-NCA

Gli autori introducono PBT-NCA (Population-Based Training of Petri Dish Neural Cellular Automata), un algoritmo di meta-evoluzione che evolve una popolazione di mondi PD-NCA.

A. Il Substrato PD-NCA

Il sistema è composto da $N$ agenti (reti neurali) che competono per il territorio su una griglia condivisa.

• Stato Globale: Ogni cella contiene vettori di attacco, difesa e stato nascosto.
• Competizione: Gli agenti competono per l'occupazione delle celle tramite similarità coseno tra i loro vettori di attacco e difesa. La nuova stato della cella è una combinazione pesata delle proposte concorrenti.
• Ambiente Ostile: Un agente "ambiente" (clima ostile) propone aggiornamenti casuali costanti, costringendo gli agenti a mantenere difese attive per sopravvivere e prevenendo la stagnazione evolutiva.
• Apprendimento: Gli agenti massimizzano la loro "aliveness" (vitalità) complessiva tramite discesa del gradiente sui parametri della rete neurale.

B. Ciclo di Addestramento Popolazionale (PBT)

Invece di addestrare un singolo mondo, PBT-NCA gestisce una popolazione di $P$ mondi (es. 30) in parallelo.

1. Rollout e Valutazione: Ogni mondo viene eseguito per un orizzonte temporale fisso ($T_{world}$).
2. Funzione di Punteggio Composita: Ogni mondo riceve un punteggio $F_i = N_i + D_i$, dove:
   • $N_i$ (Novelty): Basata su un archivio FIFO di descrittori comportamentali storici (calcolati su statistiche ecologiche come occupazione media, deviazione standard temporale, turnover e entropia). Misura quanto il comportamento differisce dalla storia passata.
   • $D_i$ (Visual Diversity): Basata su un encoder DINOv2 congelato. Calcola la distanza coseno media tra le immagini del mondo corrente e quelle degli altri mondi nella popolazione. Misura la diversità visiva e morfologica rispetto alla popolazione attuale.
3. Sostituzione (Exploit-Explore):
   • I mondi con il punteggio più basso vengono sostituiti.
   • I nuovi "figli" sono copie mutate dei genitori "élite" (top-ranking).
   • Le mutazioni includono: crossover degli iperparametri, perturbazione moltiplicativa degli iperparametri e aggiunta di rumore gaussiano ai pesi della rete neurale.
   • Questo approccio è Lamarckiano: i discendenti ereditano lo stato ottimizzato e l'ecosistema parzialmente sviluppato, non ricominciano da zero.

3. Contributi Chiave

• Algoritmo PBT-NCA: Un framework che applica la pressione evolutiva direttamente su una popolazione di agenti interagenti, permettendo l'accumulo continuo di novità comportamentale e strutturale.
• Scoperta Autonomo di Strategie: Il sistema scopre autonomamente strategie di sopravvivenza e auto-organizzazione senza obiettivi espliciti di cooperazione o struttura, ma come sottoprodotto della pressione per la novità.
• Mantenimento del "Bordo del Caos": Il metodo penalizza attivamente le monocolture e gli stati morti, mantenendo il sistema in una regione di complessità efficace, né ordinata né casuale.
• Integrazione di Metriche Ibride: Combina descrittori comportamentali manuali (per la stabilità ecologica) con valutazioni visive basate su foundation models (DINOv2) per catturare la diversità morfologica.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti con popolazioni di 30 mondi e fino a 7 agenti NCA per mondo.

• Fenomeni Emergenti: Il sistema ha generato una vasta gamma di fenomeni lifelike, tra cui:
  • Onde periodiche coordinate: Strutture macroscopiche fluide che migrano mantenendo confini stabili.
  • Disseminazione simile a spore: Gruppi omogenei che espellono cluster cellulari per colonizzare territori distanti.
  • Locomozione decentralizzata: Agenti che seguono "tracce" apprese senza controllo centrale.
  • Strutture complesse: Spirali rotanti, "navicelle spaziali" (gliders), e strutture simili a circuiti rigidi.
• Performance: Rispetto a baseline come PD-NCA con iperparametri fissi (che collassano in rumore) o Random Search, PBT-NCA mostra un aumento costante del punteggio composito e della novità nel tempo.
• Analisi del Bordo del Caos:
  • Persistenza Ecologica: Il sistema mantiene un'alta entropia di specie (coesistenza multipla) per quasi tutte le frame ($EP \approx 1.0$).
  • Complessità Efficace: Il sistema opera con una complessità efficace ($C_{eff}$) significativamente superiore a zero, confermando che le dinamiche sono strutturate ma non prevedibili.
• Scalabilità: Il sistema scala efficacemente aumentando il numero di agenti (da 3 a 7) e gli iperparametri, scoprendo nuove classi di comportamenti (es. transizione da morfologie organiche fluide a geometrie rigide simili a circuiti).

5. Significato e Implicazioni

Questo lavoro rappresenta un passo significativo verso l'intelligenza artificiale aperta (open-ended AI).

• Vita Artificiale: Dimostra che è possibile creare sistemi che non solo risolvono un compito, ma evolvono indefinitamente, accumulando diversità strutturale e comportamentale.
• Bio-mimetismo: Le dinamiche osservate (migrazione, auto-replicazione, segregazione spaziale) imitano processi biologici reali come la deriva genetica e la separazione di fase indotta dal moto.
• Iperparametri Dinamici: L'uso del PBT permette di adattare non solo i pesi della rete, ma anche gli iperparametri di addestramento e le condizioni ambientali, creando un ecosistema adattivo.
• Futuro: Il framework apre la strada allo studio delle leggi di scala delle dinamiche emergenti e all'evoluzione congiunta di architetture, ambienti e strategie di aggiornamento, potenzialmente verso sistemi di intelligenza sovrumana artificiale (ASI).

In sintesi, PBT-NCA trasforma la competizione spaziale in un motore di scoperta a ciclo aperto, mantenendo artificiali ecosistemi digitali in uno stato di complessità vitale e in continua evoluzione.