Présentation
Cet article explore la co-évolution de l'auto-réplication et des capacités de résolution de problèmes dans un environnement numérique. Les chercheurs ont initialisé une population de programmes Z80 assembly aléatoires de 32 octets, permettant ainsi l'émergence de l'auto-réplication à travers des mutations et des interactions entre programmes.
Mécanismes d'évolution
Les expériences ont montré que l'auto-réplication et la résolution de problèmes mathématiques peuvent co-évoluer à partir du hasard. La pression pour calculer accélère l'émergence d'architectures reproductives compactes et robustes qui préservent la mémoire pour l'exécution de tâches. L'application de contraintes métaboliques augmente la probabilité que les programmes évoluent vers un arrêt conditionnel, terminant tôt pendant la validation tout en contournant l'arrêt pendant l'interaction pour exécuter la réplication par copie de bloc.
Implications et limites
Lorsque les programmes sont partitionnés dans des niches de tâches spatiales, l'auto-réplication spontanée génère un curriculum d'apprentissage émergent, utilisant des solutions simples comme tremplins vers des polynômes complexes. Ces résultats démontrent une boucle de rétroaction interactive : les demandes de tâches environnementales façonnent activement l'architecture physique de l'auto-réplication, tandis que la réplication spontanée modifie la trajectoire évolutive de la résolution de problèmes fonctionnels.
Conclusion
Ces expériences montrent que l'auto-réplication et la résolution de problèmes peuvent émerger et co-évoluer dans un environnement numérique, ouvrant des perspectives pour la compréhension de l'évolution des systèmes complexes. Les résultats soulignent l'importance de considérer les interactions entre les programmes et leur environnement pour comprendre les mécanismes sous-jacents à l'émergence de la complexité.
