Hormigas lógicas y algoritmos genéticos por Martín Salías Un ensayo periodístico sobre uno de los campos científicos más novedosos, convulsivos y extravagantes. El mito de Frankestein revivido a través de un micorprocesador y un puñado de ecuaciones. Steven Levy, el autor de Hackers (comentado en esta misma columna un par de meses atrás), ha realizado otro trabajo de investigación periodística y narración épica. Esta vez los primigenios hackers son reemplazados por los pioneros de un nuevo campo científico, la Vida Artificial. El objeto de estudio de estos investigadores, es vairado, y más aún lo son sus motivos y sus puntos de vista. Levy hace un recorrido por todos ellos en forma casi histórica, comenzando por el padre intelectual de la criatura, John von Neumann, el científico alemán que emigrara a los Estados Unidos durante la segunda guerra para sentar allí las bases de varias disciplinas, entre ellas, la de la teoría de autómatas, y las primeras ideas sobre organismos artificiales, hablando de máquinas autoreproductoras y diseñando modelos teóricos que serivirían de base a un sinúmero de variaciones. Como parte de la multitud de proyectos que emprendió para la NASA, Von Neumann estableció un modelo de fábricas autoreplicantes que siguiendo reglas específicas, buscarían y procesarían los materiales necesario para producir vástagos. Las teorías de Von Neumann, y los demás fundadores de la vida artificial se fundamentan, además, en la demostración de Turing de que una máquina de estados finitos (una computadora universal), independientemente del tiempo, podría simular cualquier proceso. Partiendo de la premisa de que la vida en sí es sólo un proceso físico (en contra de las antiguas teorías vitalistas, que sostenían la existencia de un 'flujo vital'), es obvia la conclusión de que la vvida puede ser emulada por medias mecánicos. Y la historia se retrotrare a algunos pocos ejemplos anteriores, no del todo comprobados, como el ganso de Vaucanson, un animal mecánico que asombró a las cortes europeas en el siglo dieciocho por sus capacidades metábolicas de comer, moverse, sacudir las plumas, y finalmente, defecar. Pero la historia contemporánea comienza con los primeros autómatas celulares, basados en las teorías de von Neumann y las matemáticas de los juegos. El caso más resonante, y que atrapó la atención de muchos, fue el famoso LIFE de John Conway. LIFE es un juego de autómatas celulares fabuloso por su sencillez y por el impacto que provoca ver pasar las generaciones de células desarrollandose, adquiriendo comportamientos tan específicos que inevitablemente no lleva a verlos como 'naturales'. Su popularidad llegó hasta tal punto que es muy común conseguir programas de LIFE (por ejemplo, entre las demos del Quick-C). Las reglas, para los que quieran probar, son sencillas. Según las palabras del creador: "La vida transcurre en un damero virtual. Los cuadros son llamados células. Estas están en uno de dos estados: vivas o muertas. Cada célula tiene ocho vecinos posibles, las células que tocan su lados o sus esquinas. Si una célula del damero está viva, sobrevivirá en el siguiente período de tiempo (o generación) si dos o tres de sus vecinos también están vivos. Morirá de aplastamiento si tiene más de tres vecinos vivos, y morirá de abandono si tiene menos de dos. Si una célula del damero está muerta, permanecerá muerta en la próxima generación salvo que exactamente tres de sus ocho vecinos están vivos. En ese caso, la célula 'nacerá' en la próxima generación." A partir de allí surgieron varios aficionados a la teoría de autómatas celulares (entre ellos el Dr.E.F.Codd, creador del modelo de bases de datos relacionales), y montones de experiencias comenzaron a realizarse, aunque sólo fuera en el ghetto de la matemática. Entre otros, Levy describe con detalle las experiencias de Toffolli, Margolus, Wolfram y sus autómatas unidimensionales, Packard y sus copos de nieve, los boids de Reynolds, diseñados para simular el comportamiento de los pájaros al formar bandadas. Estos experimentos, sin ninguna aplicación específica y de connotaciones dudosas para el resto del ámbito académico, llevó a los investigadores a proseguirlos básicamente por propia iniciativa, utilizando muchas veces medios caseros, o recursos derivados de su campo principal (su actividad 'seria'). Levy llama a esto bandas de garage científicas, y sus principales representantes son Doyn Farmer, Chris Langton (quién generó una clase de autómatas celulares en forma de rulo en su Apple II), el mismo Codd, y otros más que se reunieron bajo el nombe de Grupo de Lógica Informática. Todos estos fanáticos de los Sistemas Complejos luchaban por los mismo: conseguir que sus autómatas tuvieran comportamiento emergente, es decir, no programado específicamente. En esto ayudó mucho el uso de redes neuronales sencillas como 'motores' de las reglas de comportamiento de los autómatas. De hecho, en el transcurso de experiencias de este tipo salieron a la luz ciertas tendencias de los sistemas a ordenarse sólos en base a ciertas reglas mínimas. Pero para poder mutar e interactuar correctamente, los autómatas debían sofisticarse más aún. Varios modelos utilizaron 'criaturas' formadas por información pura, instrucciones de algún tipo de lenguaje intermedio que pudiese se fácilmente controlado y estudiado. Muchos de estos modelos se basan en el set de instrucciones del CoreWar (el juego del Corewar fue objeto de un campeonato en los primeros números de Virus Report). Lo que empezó a surgir a esta altura es mayor acercamiento a la biología real. En la reproducción biológica hay dos componentes principales: un genotipo, que contiene codificadas las características del individuo, y un fenotipo, que codifica el mecanismo de la reproducción misma. La insistencia en este tipo de tendencias llevaría al punto más interesante, la posibilidad de evolución de estos organismos. Para esto comenzarían a aplicarse las ideas de John Holland, un teórico de la informática que por haberse desarrollado científicamente antes de la revolución de las microcomputadoras, había tenido pocas oportunidades de ponerlas en práctica. Su mayor aporte a esta causa en especial fue la invención de los algoritmos genéticos. Los algoritmos genéticos se basan en la genética biológica. En esta, varios factores permiten la evolución. Uno de ellos, el más célebre, es la mutación. Cuando una cadena de ADN es copiada a otra en el proceso reproductivo, uno de los nucleotidos (los eslabones de una cadena de ADN), puede cambiar por uno de otro tipo, produciéndo una diferencia mínima o trascendental. La selección natural se encargará del resto, favoreciendo al organismo más apto con mayor descendencia sobre el menos apto, con menores probabilidades. Sin embargo, otro factor, menos conocido, también incide sobre la evolución, y es el entrecruzamiento que se produce en la reproducción sexual entre los genes del padre y la madre. Este cruce minúsculo da lugar a una diversidad formidable, y aunque fue en general minimizado por la biología tradicional, los experimentos de los a-lifers parecen indicar que en realidad es un factor clave, muchísimo más importante para la evolución que la mutación, que es, de hecho, un fenómeno muy infrecuente. Y aquí aparece uno de los puntos más interesantes de este campo de estudio, y es la posibilidad de estudiar la evolución a través de la producción de miles de generaciones en un lapso de tiempo accesible al ser humano, cuando en la vida orgánica esto se hace prácticamente imposible. Así, los investigadores lograron reproducir verdadero comportamiento emergentes similares a los de insectos en sus criaturas a través de muchas generaciones reproduciéndose y evolucionando en base a ciento tipo de reglas que determinan la mayor o menor aptitud para sobrevivir. El siguiente paso hacia adelante sería la posibilidad de utilizar procesadores paralelos para emular el comportamiento de las criaturas, y así poder dotar a cada individuo de su propio 'sistema nervioso', comenzando así a investigar el comportamiento colectivo, y la evolución en conjunto de especies en lugar de limitarse a individuos. El libro se extiende en muchos de los casos y da explicaciones sencillas pero suficientemente detalladas como para dejar claros cada uno de los métodos y sirve como guía introductoria para comenzar a desarrollar ideas y pruebas propias. Más adelante, Levy nos habla de la 'verdadera vida artificial', la que es producida en el grupo MOBOT (de robots móviles) del MIT. Allí, un grupo de científicos aplican las teorías y algoritmos de autómatas celulares y otro organismos artificiales en criaturas mecánicas. Los mecanismos básicos y las pautas de comportamiento y aprendizaje de éstos son analizados en detalle. Y finalmente, el libro llega a la más exitosa de las formas de vida artificial, la que más profusamente se ha esparcido, a pesar de haber surgido de un medio mucho menos científico y con una teoría menos erudita como fundamento: los virus informáticos. En este punto los lectores de esta revista probablemente encontrarán más obvias las explicaciones, peor es intersante ver como los virus son analizados con el marco de referencia anterior, y algunos de los planteos filosóficos a los que se llegan, los que son, claro, un punto de partida para discusiones interminables. Resumiendo, el libro es muy interesante y muy claro, y nos despierta muchas inquietudes. Se exponen muchos métodos y se nos sugieren muchas ideas acerca del futuro de la vida artificial, y por supuesto, el de los virus.