Plan du site Aide Abonnement Nous Contacter


Actualité
Editorial
Interviews
Démocratie
Visites virtuelles
Art. Imaginaire
Du côté des labos
Le feuilleton
Manifestations
Biblionet
CD Rom
Echanges
Liens Utiles

 

Accueil > Biblionet
Automates Intelligents utilise le logiciel Alexandria.
Double-cliquez sur chaque mot de cette page et s'afficheront alors définitions, synonymes et expressions constituées de ce mot. Une fenêtre déroulante permet aussi d'accéder à la définition du mot dans une autre langue.
 
Archives

Gravity's Engines

Phi, a voyage from the brain to the soul

A propos du livre Mindful Universe

La médecine personnalisée

17 Juillet 2002
Notes par Jean-Paul Baquiast

Digital Biology

"Digital Biology", par Peter  J. Bentley


Peter J. Bentley
Simon and Schuster, 2002


Peter Bentley Le Dr Peter J. Bentley est Honorary Research Fellow au Department of Computer Science, University College London (UCL). Il a conduit de nombreuses recherches dans le domaine du calcul évolutionnaire et de la biologie numérique, notamment en ce qui concerne les algorithmes génétiques, la modélisation écologique, les systèmes immunitaires artificiels, l'embryologie computationnelle et les systèmes en essaims (swarming systems). Les applications de ses travaux intéressent le design, le control, la lutte contre la fraude, la sécurité et la composition musicale. Il a publié e
En 2002, il a notamment publié les ouvrages et articles suivants :
- Peter J. Bentley (2002). Digital Biology. How nature is transforming our technology and our lives. Simon & Schuster , ouvrage de vulgarisation, objet de la présente fiche de lecture.
- Peter J. Bentley (2002) Digital Biology. The creation of life inside computers and how it will affect us. Review Pub.
- Bentley, P. J. (2002) Evolving Fractal Proteins. A late-breaking paper in Proc. of the Genetic and Evolutionary Computation Conference (GECCO) 2002.
- Bentley, P. J. (2002) Cutting Edge: Digital Darwinism. Article in the Times Higher Education Supplement 1 Feb 2002, London, p22.
- Gordon, T.W. and Bentley, P.J. (2002) Towards Development in Evolvable Hardware. To appear in Proc of the 2002 NASA/DoD Conference on Evolvable Hardware (EH-2002, Washington D.C., July 15-18, 2002) RN/02/04
- Dyer, J. and Bentley, P. J. (2002) PLANTWORLD: Population Dynamics in Contrasting Environments. A late-breaking paper in Proc. of the Genetic and Evolutionary Computation Conference (GECCO) 2002.
- Blackwell, T. and Bentley, P. J. (2002) Don't Push Me! Collision-Avoiding Swarms. To appear in Proceedings of the Congress on Evolutionary Computation 2002.
- Blackwell, T. and Bentley, P. J. (2002) Improvised Music with Swarms. To appear in the Proceedings of Congress on Evolutionary Computation 2002.
- Blackwell, T. and Bentley, P. J. (2002) Dynamic Search with Charged Swarms. To appear in the Proceedings of Genetic and Evolutionary Computation Conference (GECCO) 2002.
- Blackwell, T. and Bentley, P. J. (2002) Musical Interactions with a Swarm. Submitted to The International Computer Music Conference (ICMC2002 - Voices of Nature).

Il présente ainsi ses centres d'intérêts :

"Many of my interests are covered in Digital Biology (albeit limited by the thin veneer of popular science). For a long time I’ve been fascinated by natural “emergent” processes. Evolution, development, immune systems, swarming systems, these are all systems capable of near-miraculous feats, and yet underlying the complexity seems to be something elegantly simple. After many years of making these things happen inside computers, my own neural net seems to believe that it has gained some knowledge about emergence and complexity. Today my influences come from areas such as evolvability (issues such as neutral networks and redundancy) scalability (through the use of new techniques such as computational development or swarms), embodiment (interactions between systems and environments), and exploitation (dropping these processes into media with sufficient richness to enable intrinsic properties to be harnessed). By swirling these ideas together in the mixing pot of my head, and by working with as many fascinating people from different fields as I can find, I discover that ambitions form: Is it possible to create a computational immune system that will adapt and learn to detect new anomalies it has never encountered before? Yes, I think so. Can evolution or swarms compose music? Definitely. Can they learn human preferences and predict our preferences? Certainly. Can evolution create novel designs from scratch or learn to detect insurance fraud? Of course. Can a computational ecology based on evolutionary algorithms increase our understanding of natural ecologies? Yes. Can we extend the scalability of evolutionary algorithms by using developmental processes? I think so. Can we create an evolutionary developmental system that improves scalability and evolvability, and that is embodied in a sufficiently rich medium to enable creative exploitation? I’ll give you the answer to this in a year or 3. But if the answer is yes, then we’ll be showing off some self-designing, self-adapting, self-repairing, self-everything devices soon. Am I excited? Sure am."

Pour en savoir plus
Page personnelle http://www.cs.ucl.ac.uk/staff/P.Bentley/
Peter J. Bentley online http://www.peterjbentley.com/
Department of computer sciences, Sussex university http://www.cs.ucl.ac.uk/

Voici un livre comme on aimerait en voir écrit par tel ou tel chercheur français en intelligence artificielle ou, plus exactement, en programmation évolutionnaire. Ces chercheurs, malgré leurs éminentes qualités, dont nul ne doute, ne prennent pas assez la peine de tenir le public au courant de leurs travaux et des perspectives ouvertes par ces derniers. Nous en avons fait plusieurs fois la remarque à leur intention lors des réunions de l'Association française d'intelligence artificielle, où nous retrouvons régulièrement certains d'entre eux. La réponse est qu'entre leurs recherches, les formations données à leurs étudiants et les publications scientifiques, il ne leur reste plus assez de temps pour communiquer.

Le Dr. Peter Bentley, éminent spécialiste britannique du sujet, ne souffre pas apparemment de ces contraintes (à moins qu'il ne dispose d'un ego particulièrement fort qui le pousse à se surpasser), puisqu'il a pu écrire 250 pages de vulgarisation savante (accessible à tous ceux connaissant un tant soit peu les technologies de l'information) sur un domaine qu'aucun scientifique, non plus qu'aucun homme cultivé, ne devrait désormais ignorer. Il s'agit de la façon dont les méthodes de l'informatique évolutionnaire peuvent dorénavant modifier en profondeur, non seulement la théorie et la pratique des systèmes robotiques ou d'intelligence artificielle, mais aussi la façon dont l'ensemble des disciplines scientifiques et philosophiques peuvent appréhender leur objet.

Le sujet n'est pas à proprement parler original, même en France, puisqu'il fait l'objet depuis plus de vingt ans de nombreux travaux et commentaires, souvent évoqués dans notre revue. Plusieurs sociétés savantes internationales s'y consacrent. Les publications abondent. Mais les articles sont dispersés et souvent d'un abord difficile. Si bien que la mise en alerte de nos contemporains, relativement aux nouveaux concepts qui émergent et aux applications de grande ampleur qui en découleront, ne se fait pas au même rythme que dans les autres pays développés.

Pour être précis, il faut quand même reconnaître que les auteurs tentant des synthèses et des projections pour le futur sont de plus en plus nombreux. Nous en avons ici-même recensé et commenté plusieurs. Le plus connu de tous est Ray Kurzweil, dont nous présenterons prochainement le débat avec des adversaires de l'intelligence artificielle forte, Are we spiritual machines ? Mais Peter Bentley a l'avantage d'être peut-être plus proche des contraintes de la recherche en laboratoire que ne le sont les gourous traditionnels de l'intelligence artificielle. Il a aussi l'avantage d'être britannique, ce qui laisse supposer un certain flegme. Son enthousiasme pour la biologie digitale n'est est que plus significatif.

L'approche totalisante qu'il adopte oblige immédiatement à le rapprocher de Stephen Wolfram, que nous étudions par ailleurs. Bentley ne cite pas Wolfram, qui n'avait pas encore publié son grand'œuvre à la date de parution du livre de Bentley. Il est probable que celui-ci, dans une prochaine édition, le mentionnera. Nous comparerons très rapidement les deux auteurs dans le corps du présent article.

Pour en revenir à Digital Biology, comment pourrait-on résumer le message que l'auteur veut faire passer ? On peut y lire en fait deux messages complémentaires :

Evolution numérique et évolution naturelle

Le premier concerne le calcul ou programmation évolutionnaire (evolving ou evolutionary computing) illustrée aujourd'hui par les algorithmes évolutionnaires et utilisant le plus souvent des architectures neuro-mimétiques. Nous ne reviendrons pas ici sur la définition de ces deux concepts. L'évolution numérique est aujourd'hui utilisée partout, pas seulement dans le domaine des logiciels. Elle permet, dans le domaine des hardwares, de faire évoluer en fonction des besoins les matériels, les réseaux et les composants. Un outil de plus en plus puissant est donc en train de se mettre en place très rapidement. A quoi servira-t-il ?

L'évolution numérique, utilisant par exemples des algorithmes évolutionnaires, s'applique au sein des univers numériques dont Peter Bentley nous rappelle que, comme les univers naturels, ils évoluent conformément à des lois ou règles importées d'un univers de niveau supérieur (dans un univers numérique donné, au moins l'une de ces règles renvoie à au moins un autre univers auquel cet univers se référera). Sous cette réserve, il est possible de créer autant d'univers numériques que l'on voudra, soit pour faire apparaître de nouveaux objets, soit pour simuler l'évolution d'univers réels.

L'évolution numérique permet de créer ou explorer de nouveaux domaines du numérique, tels  les automates cellulaires. Dans certains cas, il en résultera de nouvelles formes de création artistique. Mais le plus souvent, elle servira à essayer de reproduire les objets et processus de la nature (résultant de l'évolution naturelle) dont l'économie ou la société ont besoin: par exemple réaliser une hélice de navire minimisant les turbulences sur le modèle des ailerons des mammifères marins.

Mais pourquoi utiliser cette méthode plutôt que simplement copier la nature ? C'est là que nous touchons au cœur du problème, qui fait apparaître les infinies perspectives de développement de l'évolution numérique. Quand on étudie un dispositif naturel pour le reproduire, on ne peut en saisir que les grandes lignes, mais pas les subtilités visibles ou invisibles qui le rendent efficace. L'évolution naturelle a eu le temps de perfectionner les solutions avec une telle finesse que l'œil ou l'esprit humain, même quand il s'agit de ceux d'un scientifique, ne sont pas assez évolués, assez savants, assez informés, pour retrouver d'emblée ou même imaginer l'existence des solutions naturelles. Il faut donc, au sein d'un univers numérique représentant au mieux les contraintes de l'univers réel auquel on veut s'adapter, faire évoluer un modèle numérique de l'objet recherché en lui appliquant les lois d'évolution qu'on a pu identifier comme opérant dans la nature. Ces lois sont aujourd'hui schématisées par l'algorithme reproduction-mutation-sélection-amplification où les évolutionnistes néo-darwiniens voient la source de la complexité, tant dans la nature que dans les systèmes informatiques évolutionnaires.1)

Mais l'intérêt de l'évolution numérique résultant de l'emploi de la programmation évolutionnaire - et c'est là le point capital - ne s'arrêtera pas à nous proposer des équivalents artificiels plus ou moins proches d'un produit résultant de l'évolution naturelle, soit une hélice hydrodynamique dans notre exemple. Autrement dit, elle ne nous suggérera pas seulement des équivalences externes, de type convergent, par exemple une découpe de pale d'hélice aussi efficace que celle de la nageoire d'un dauphin. Elle pourra nous éclairer sur la façon dont la nature, en profondeur, s'est véritablement pris pour aboutir à la solution naturelle, y compris en remontant à l'architecture microscopique ou moléculaire des solutions naturelles. Au fur et à mesure que la programmation évolutionnaire se développera dans la perspective d'une modélisation en profondeur de la nature, elle fera apparaître des réponses possibles à notre problème qui pourront dans beaucoup de cas nous éclairer sur ce que l'évolution naturelle a réalisé et que nous ne pouvions voir faute de références. Par exemple, les solutions suggérées par les algorithmes génétiques pour optimiser un problème de turbulence pourront nous montrer, si nous avons continué à observer le processus naturel, qu'elles existaient déjà dans la nature, sous une forme et avec des méthodes différentes (par exemple au niveau de la contexture microscopique de la peau du mammifère marin, dans notre exemple) . Il sera précieux de découvrir ces solutions pour éventuellement en faire usage. En d'autres termes, il y aura en permanence dialogue créatif entre l'évolution artificielle et l'observation de la nature.

Peter Bentley nous donne de ceci un exemple frappant, concernant les rapprochements qui sont en cours entre la connaissance fine des mécanismes de l'immunologie (où beaucoup de détails restent à découvrir) et ceux de la lutte active ou adaptative contre les virus informatiques dans les réseaux et systèmes numériques.

Bien plus. Au fur et à mesure que se perfectionneront les solutions artificielles, en s'éloignant éventuellement des solutions naturelles, elles pourront suggérer des processus ou produits susceptibles de modifier les solutions naturelles, dans un sens que nous pourrons juger - à tort ou à raison - préférable pour nous à celui choisi par la nature. On pourra alors envisager soit de remplacer les processus de l'évolution naturelle par ceux de l'évolution artificielle, soit - ce qui sera le plus souvent préférable -  de les conjuguer pour réaliser des symbioses. Ceci sera d'autant plus à notre portée que les composants des technologies numériques se rapprochent de plus en plus des composants biologiques, grâce aux progrès rapides des nanotechnologies. Il devient en effet possible d'envisager, par exemple, des nano-robots intervenant dans les processus du vivant, à des fins thérapeutiques ou de recherche. On peut donc légitimement parler dorénavant d'une biologie numérique venant en symbiose et en complément de la biologie naturelle, pour créer éventuellement de nouvelles organisations et nouveaux processus mixtes.

Une grande partie du livre est consacrée à la présentation des domaines étudiés par l'auteur et les laboratoires spécialisés dans la programmation évolutionnaire, où l'observation de la nature et la mise au point de processus évolutionnaires numériques permettent ainsi ce double développement de la compréhension et de la simulation du vivant, en vue de nouvelles applications artificielles : l'évolution en général, les réseaux neuronaux et les cerveaux, les sociétés d'insectes, les plantes, le système immunologique déjà mentionné et finalement la croissance, vue sous l'angle du développement phénotypique à partir de la première cellule embryonnaire.

La marche vers la complexité

Mais Peter Bentley ne se limite pas à cette défense et illustration de l'évolution darwinienne numérique. Je vois dans son livre un second message. Il nous propose une nouvelle règle à la base selon lui du développement de tout système, quel qu'il soit, indépendamment des composants de ce système. La vraie difficulté de l'algorithme néo-darwinien, de plus en plus signalée, est que celui-ci n'explique guère l'apparition de la complexité, entendue non pas comme l'émergence de solutions non prédictibles qui nous sembleront relever du hasard, mais comme l'émergence de systèmes où le tout est plus que l'ensemble des parties - c'est à-dire de super-organismes (pour reprendre les termes de Howard Bloom). Les fourmilières comme les groupes humains en sont d'excellents exemples. La constitution progressive d'un super-organisme, en réaction à une interaction permanente avec son environnement, n'est pas seulement explicable par la compétition darwinienne primaire entre ses composants. Des règles plus générales, telles celles proposées par Peter Bentley, doivent intervenir.

En fait, nous dit l'auteur, ces règles n'ont pas été découvertes par lui. Elles ont été identifiées depuis longtemps, dans chacune des disciplines scientifiques s'intéressant aux systèmes évolutifs. Mais l'insuffisance des échanges entre spécialistes due au manque d'interdisciplinarité avait empêché de les présenter sous une forme universelle. Il a fallu attendre le développement de l'évolution numérique, véritable pont ou langage commun entre disciplines, pour qu'elles apparaissent clairement à tous. Quelles sont donc ces règles ? Peter Bentley les formule ainsi : "Des objets nombreux qui interagissent avec des boucles de rétroaction et qui sont soumis à des perturbations extérieures engendrent de la complexité".

Autrement dit, pour que ces règles génèrent de la complexité, il faut qu'existe un système ou ensemble composé d'objets en grand nombre, dotés de comportements différents, et qui interagissent (le comportement d'un ou de plusieurs objets pouvant modifier celui des autres). Les modifications doivent pouvoir se produire en boucle de rétroaction positives ou négatives avec amplification des fluctuations (si je te pousse, tu me pousses en retour, ou m'attires à toi, ce qui m'oblige à te pousser de nouveau plus fort...). Enfin, le système doit pouvoir enregistrer des perturbations venant de l'extérieur, au hasard, qui l'obligent à se réorganiser. Si toutes ces conditions sont réunies, le système évolue, au sein de son univers, en se complexifiant ou en créant de la complexité.

Peter Bentley fournit de nombreux exemples, emprunté à la nature, montrant comment de tels systèmes génèrent de la complexité. Le plus connu, nous venons de le rappeler, est celui de la fourmilière, composée de nombreuses fourmis dotées de comportements simples : par exemple suivre une trace de phéromone. Ces comportements interagissent en boucles de rétroaction : la trace déposée par une fourmi peut encourager d'autres fourmis à emprunter la même voie. Des perturbations extérieures (apparition de nouvelles sources de nourriture, accidents de terrain, attaques de prédateurs…) obligent les fourmis et donc l'organisme global qu'est la fourmilière à s'adapter, en faisant des " choix intelligents ". La forme et le comportement adaptatif de la fourmilière constituent des formes de complexité émergentes.

Dans d'autres cas, intéressant les humains, par exemple la constitution d'un club ou d'une association, les mêmes règles, transposées, produiront les mêmes effets, eux aussi transposés. Il n'y a pas, nous l'avons dit, selon l'auteur, de systèmes complexes naturels qui ne soit pas apparu au terme d'une évolution appliquant ces règles.

Il est évident que, dans des univers numériques, on retrouvera des phénomènes identiques. L'exemple, là encore toujours cité, est celui du Jeu de la Vie de Conway. Mais depuis ce système précurseur, de très nombreux exemples de complexification numérique ont été produits et utilisés par les chercheurs en programmation évolutionnaire adaptative.

On pourra se demander quelle est la nature de la complexité générée par de telles règles ? Le terme de complexité paraît trop général pour être totalement pertinent. Peter Bentley n'insiste peut-être pas assez sur ce point. Peut-on dire qu'une fourmilière est un système complexe ? C'est un système plus complexe que ne le sont les fourmis individuelles qui la construisent. C'est également un système qui se développe d'une façon partiellement ou totalement imprévisible, dans la mesure ou l'observateur ne connaît pas toutes les données initiales intervenant lors de son évolution. Mais les règles de construction sont simples, et quelqu'un qui les utiliserait dans les conditions où le fait la nature, avec le même type de perturbations extérieures, pourrait construire une fourmilière, réelle ou numérique, sinon identique en tous points à celle observée, du moins dotée des mêmes propriétés d'ensemble. En d'autres termes, les différentes règles d'évolution étant clairement identifiées, ainsi que les mécanismes concrets par lesquelles elles s'expriment au cas par cas dans la nature (le rôle des phéromones dans notre exemple, sans préjudices de facteurs encore à découvrir en ce qui concerne les échanges moléculaires ou autres entre fourmis individuelles), le scientifique ne devrait plus avoir de difficultés pour prendre le relais de l'évolution naturelle, afin de construire des systèmes numériques ou réels analogues à ceux produits par cette dernière (Il s'agit évidemment là d'une vision théorique non concrétisable en pratique aujourd'hui. mais peu importe). Il y a donc loin entre une complexité se construisant de façon imprévisible mais selon des règles connues, et une complexité se construisant de façon également imprévisible mais dont les règles demeurent inconnues (variables cachées).

Ceci étant, on voit l'ambition du propos, ou plutôt de la démarche qui est proposée : remonter par la pensée aux sources de l'évolution du monde (dont nous faisons évidemment partie), afin de comprendre le passé et - plus ambitieux encore, influencer l'évolution future de ce même monde et la nôtre propre, dans la mesure où on aura compris la logique s'étant appliquée dans le passé et susceptible de s'appliquer dans le futur, aux aléas près d'un développement impossible à décrypter puis à prévoir exhaustivement.

Bentley face à Wolfram

C'est nous semble-t-il là le point ou l'approche que nous pourrions dire déjà classique de l'évolution selon Bentley se distingue de celle de Wolfram. Pour ce dernier, si nous avons bien compris, le développement de certains types d'automates cellulaires fait apparaître soit des formes dont nous ne comprenons pas les règles de génération, soit des non-formes, que nous appelons aléatoires (random) mais qui correspondent peut-être à des règles que nous ne connaîtrions pas, homologues des variables cachées évoquées par certains physiciens.

La distinction n'est pas triviale. Dans l'approche évolutionnaire classique, nous l'avons vu, en combinant la redécouverte des règles de l'évolution naturelle grâce à des modèles évolutionnaires numériques, et l'apport de systèmes évolutionnaires artificiels, nous pourrions espérer comprendre exhaustivement l'univers naturel, tout en le doublant éventuellement d'univers artificiels. Dans le second cas, nous ne pourrions jamais découvrir le secret ultime de l'évolution ayant généré l'univers naturel comme générant certains univers artificiels tels que ceux révélés par les automates cellulaires - à moins d'aborder la question avec des concepts tout à fait originaux à la découverte desquels Stephen Wolfram voudrait sans doute nous inviter.

Y aura-t-il à l'avenir convergence entre les travaux de Bentley et ceux de Wolfram.? Nous le saurons sans doute dans de prochaines éditions de leurs livres.2)

Applications

Ceci dit, pratiquement, le lecteur se demandera à quoi pourront servir les règles simples permettant à un système d'évoluer vers la complexité, telles que Peter Bentley nous les propose ? Elles paraissent si évidentes, une fois que nous avons admis leur pertinence, qu'il ne semble pas possible d'en tirer d'applications significatives.

En fait, nous dit Peter Bentley, l'esprit humain actuel, même chez les meilleurs scientifiques, est encore si attardé quand il s'agit de comprendre l'intérêt des règles de la programmation évolutionnaire, que pratiquement tout est à faire répondre grâce à ces règles aux besoins de la science fondamentale et de la technologie. Les scientifiques qui rencontrent de telles règles dans leurs domaines ou bien ne les identifient pas, ou bien ne se rendent pas compte de leur caractère universel, et perdent donc un temps précieux à les réinventer. C'est ainsi par exemple que la société commence tout juste à réaliser les opportunités offertes par des réseaux comme Internet, considérés au plan statique. Aussi les utilisateurs d'Internet sont-ils loin de concevoir ce que pourrait apporter une approche évolutionnaire du réseau, combinée d'ailleurs avec une approche évolutionnaire des programmes et des hardware.

Peter Bentley nous donne quelques exemples de l'utilisation pratique, dans la mise au point de nouvelles technologies comme de nouvelles méthodes de gestion et d'aide à la décision de ce que nous apprend l'étude des systèmes adaptatifs complexes. Inutile de reprendre ici ces exemples, qui touchent tous les aspects de la vie sociale. Il pourrait en résulter, selon l'auteur, des améliorations radicales et rapides de la condition humaine actuelle. Tous les lecteurs ne partageront pas son optimisme un peu naïf, qui ne tient sans doute pas compte de la volonté perverse qu'ont certains détenteurs du pouvoir de ne pas en faire profiter les autres. Mais il s'agit d'un autre problème, qui pourra se résoudre, espérons-le, par la démocratisation de la science en réseau, sur le modèle de l'Open Source.

Au plan des méthodes de la recherche fondamentale, Peter Bentley attend du développement des travaux les plus avancés en matière d'évolution numérique, la compréhension du fonctionnement du cerveau, notamment en ce qui concerne les fonctions d'apprentissage, la possibilité de découvrir les perturbations externes les plus appropriées pour impulser les adaptations créatrices des systèmes évolutionnaires, la généralisation des transferts de compétences entre disciplines…

Références

Quoiqu'il en soit , les applications pratiques de ce que l'on pourrait appeler la découverte de Peter Bentley, objet de son livre de vulgarisation, sont suffisamment nombreuses pour nous occuper pendant des années. Nous pourrons nous référer pour compléter les indications de Digital Biology aux sites web des principaux chercheurs qu'il a mentionné. Il ne nous les a pas fournis dans l'ouvrage, mais en voici quelques-uns que, toujours soucieux de vous aider à vous informer, nous avons recherché pour vous :

Programmation automatique ou programmation génétique (GP): voir John Koza (MIT) et Genetic Programming Inc http://www.genetic-programming.com/johnkoza.html Voir aussi http://www.aai.ca/company/people/biographies/koza.html
Art numérique : voir Karl Sims (MIT) http://www.genarts.com/karl/ : voir aussi Steven Rooke http://www.azstarnet.com/~srooke/ et  http://www.members.shaw.ca/mastersdesign/mdd_site10_rooke.html
Field Programmable Gate Array FPGA : voir Adrian Thompson, University of Sussex http://www.cogs.susx.ac.uk/users/adrianth/ade.html
Rodney Brooks (voir notre article)
Hugo de Garis : http://www.chairetmetal.com/cm03/saris2.htm
Groupes de Robots : voir Rodney Goodman, Caltech http://www.rodgoodman.ws/
Nano-robots : voir Jordan Pollack, Brandeis http://www.cs.brandeis.edu/~pollack/
Optimisation par colonies de fourmies, systèmes en essaim : voir Marco Dorigo, Université Libre de Bruxelles http://iridia.ulb.ac.be/~mdorigo/ 
Boids : voir Craig Reynolds, Sony,  http://www.red3d.com/cwr/
Espaces de recherche, intelligence computationnelle : voir Russ Eberhart, Purdue University http://www.engr.iupui.edu/~eberhart/
L-Systems (croissance des plantes) : voir Przemyslaw Prusinkiewicz Université de Calgary http://www.cpsc.ucalgary.ca/People/prusinkiewicz.html
Fractals, Mandelbrot : voir http://aleph0.clarku.edu/~djoyce/julia/explorer.html
Computer immune systems : voir Stephanie Forrest Université de New Mexico http://www.cs.unm.edu/~forrest/
Immunobiologie : voir Robin Callard, Institute of Child Health, Londres http://www.ich.ucl.ac.uk/units/callard.htm
Réseaux booléens : voir Stuart Kauffman http://www.edge.org/3rd_culture/bios/kauffman.html
Embryologie électronique : voir Moshe Sipper Institut de technologie fédéral de Suisse http://lslwww.epfl.ch/~moshes/

Notes
1) Il faut noter cependant que la bionique, qui étudie les systèmes vivants pour les reproduire en machine, n'utilise pas prioritairement les algorithmes évolutionnaires; Dans de nombreux cas, les chercheurs peuvent transposer directement ce qu'ils observent dans la nature, quand les systèmes vivants sont suffisamment étudiés pour être reproductibles. C'est le cas dans la bionique de traitement du signal développée au département de biorobotique du CNRS à Marseille par Nicolas Franceschini (voir http://mmb.bme.wisc.edu/mmb2002/francescinibio.htm et http://www.mbl.edu/CASSLS/nicolas_franceschini.htm  L'oeil de la mouche a été reproduit dans plusieurs applications robotiques, dont le mini-robot volant et voyant Oscar. Voir aussi le projet Cicada (cricket inspired perCeption & autonomous decision automata) financé dans le cadre de l'initiative européenne Life-like perception system et dirigé par Jérome Casas
2) Depuis que j'ai écris le présent article, j'ai reçu de Peter Bentley le mel suivant, en réponse à la question que je lui avais posée, relativement à la compatibilité des travaux de Wolfram avec les siens. Je l'en remercie et vous le communique. Inutile je pense de traduire en français:
" Thanks for your interest in my book. Wolfram obviously likes cellular automata quite a lot. They do make nice models of dynamical systems, where complexity is generated through the interaction of many simpler elements. They can also model a very wide range of different systems, including elements of immune systems or insect colonies. However, nature is *very* complicated and many of the intricacies that are fundamental to the formation of life are beyond the capabilities of a normal CA. It's true that if you made a CA complicated enough, it could potentially model anything, but then what benefit do you gain from a CA so complicated that you can't understand how it works? For example, I don't know how you could model the evolution of structures in DNA that not only specify massively complex developmental processes (through protein, gene and cell interactions), but also help the future evolution of the same DNA. In the end, I would suggest that a CA is just another (very simple) type of system that generates complexity. You can say all such systems are like a CA, but it is equally valid to say such systems are like immune systems, or brains, or swarms, or fractals, or chaotic systems. And of course, people have written books claiming exactly this for all of these. Right now we do not have a grand unifying theory that explains these things. Wolfram's book, like my own book, is just another piece in the jigsaw."

Automates Intelligents © 2002

 




 

 

 

Qui sommes nous ? Partenaires Abonnement Nous Contacter

© Association Automates Intelligents
Mention légale CNIL : 1134148