De la genetica moleculară la inteligența artificială (III). Evoluția ca proces de optimizare

Evoluția prezintă o metodă interesantă și specială de optimizare, care prin utilizarea informației genetice și controlul acesteia prin strategii de calcul și algoritmi matematici, poate să producă noi organisme și forme de viață adaptate în mod optim la condițiile de viață. De asemenea, evoluţia prezintă metode uimitoare de optimizare a produselor și tehnologiei de producţie. Evoluția este deci un proces de căutare în domeniul informației genetice, respectiv în domeniul sistemului ereditar.

Conform părerii lui Rechenberg, exprimate în cartea „Strategii evolutive” Stuttgart 1973, domeniul în care se poate găsi o soluție optimă a procesului de evoluție, este un domeniu discret format din punctele unei rețele tridimensionale care umplu acest domeniu.

Prof.Ingo Rechenberg s-a născut ȋn 20 noiembrie 1934 și ȋn prezent este şeful catedrei de Bionică și Tehnică evoluţionistă de la Universitatea Tehnică (TU) din Berlin. El este unul dintre fondatorii aplicării algoritmilor evoluţiei biologice ȋn știinţele tehnice. Entuziasmul lui pentru știinţele tehnice aplicative a ȋnceput cu construcţia modelelor aparatelor de zbor. Studiază construcţii de avioane la TU Berlin, apoi este practicant la Firma Focker din Amsterdam și activează timp de un an in Laboratorul de Inginerie din Cambridge.

Ȋn anul 1966 devine co-fondatorul grupului de lucru deTehnică Evolutivă, la TU Berlin. Ȋn 1972 ajunge profesor universitar ȋn domeniul bionicii și tehnicii evolutive. Ȋn anul 1975 patentează sistemul Biofocus care este o reproducere a principiului de acomodare biologică. Ȋn anul 1978 dezvoltă teoria Strategii Evolutive (SE).

Prof. I. Rechenberg a ȋntreprins numeroase expediţii cu caracter știinţific, dintre care cele mai interesante au fost in Antarctica și ȋn Spitzbergen. Unul din cel mai interesant subiect de cercetare a fost un tip de șopârlă numită Sahara-Sandfisch al cărui corp prezintă o frecare minimă cu nisipul, astfel că se deplasează prin interiorul dunelor cu mișcări de ȋnotător. Această vietate este un exemplu de optimizare prin procesul de evoluţie. Publicaţile lui au fost primite cu interes ȋn lumea știinţifică și el a fost onorat cu titluri și decoraţii.

Numărul tuturor alternativelor posibile pe care procesul de evoluție ar trebui, potențial, să le cerceteze este de ordinul 4 exp (300 milioane).

Chiar dacă acest număr este greșit cu mai multe miliarde, rezultatul obţinut  ȋn lungul proces evolutiv din natură este impresionant pentru că a reușit să găsească o metodă de optimizare într-un domeniu atât de mare de căutare.

Evoluția utilizează în procesul de căutare următoarele metode:

Mutația are rolul de a evita oprirea procesului de optimizare într-o poziție de optim local, deși mutaţia nu are un rol activ în comanda procesului.

Recombinarea are rolul de a găsi punctul final al procesului de optimizare. Se găsește între mutație și selecție.

Selecția este procesul răspunzător pentru comanda evoluției și determină direcția în care bunul ereditar trebuie modificat,  respectiv care fenotip se va înmulți mai mult și care mai puțin. Prin acesta, selecția determină și imprimă caracteristica de bază a genomului unei specii. În lipsa unor factori perturbatori, selecția este o componentă deterministică din cadrul evoluției. În natură (caz real), selecția este deranjată de o mulțime de factori perturbatori și astfel este o componentă nedeterministă.

Evoluția este o metodă eficientă de căutare, care combină inteligent  mai multe strategii de căutare juste/nejuste, cât și procese de căutare în serie și în paralel.

Optim global şi local

Scopul unei strategii evolutive este găsirea rapidă și sistematică a unor valori optime a parametrilor deterministici. Pentru aceasta sunt dați parametrii (vectorii) reali care aparțin unei mulțimi și o funcție de destinație conform căreia fiecărui vector din relația de apartenență îi este atribuită o valoare de calitate.

Prin procesul de optimizare se urmărește găsirea unui vector de parametri care sunt argumente ale funcției de destinație, astfel că pentru toate valorile vectorilor reali din mulțimea dată să fie satisfăcută condiția unui minim global a funcției de destinație.

De obicei lângă un minim global există mai multe minime locale. Spre deosebire de un minim global, un minim local există numai în apropierea unui domeniu determinat de o valoare extremă.

Îngrădirea care rezultă din luarea în considerare numai a condițiilor de minim, nu prezintă o limitare a posibilităților de investigare, deoarece și condițiile de maxim pot fi luate în considerare. Funcția de destinație este de cele mai multe ori o funcție de calitate. Strategiile evolutive (SE) și algoritmele genetice (AG) sunt principalele metode de găsire a unor vectori (parametri), respectiv cromozomi (sau indivizi) pentru care funcția de calitate are valoarea optimă.

Metodele de optimizare convenționale :

1. Metode deterministice: Strategia Gauss-Seidel; Metoda Simplex; Strategia gradientului. Toate aceste metode se pot caracteriza prin deviza “hill-climbing“, deoarece se orientează după pante locale și favorizează deplasarea spre acele locuri unde există o pantă locală.

2. Metode nedeterministice utilizează hazardul (ȋntâmplarea), în locul prescrierilor complicate deterministe. La prima vedere pare că este lipsit de sens, deoarece pentru cazul domeniilor mari de căutare, întâmplarea nu oferă o direcție utilizabilă în care trebuie condus procesul de căutare. Utilizarea sistematică a întâmplării este una din recetele de succes ale evoluției. Atunci când se caută într-un domeniu foarte mare poziția unui optim pentru care nu există nicio informație (caz practic frecvent), metoda de căutare bazată pe întâmplare este mult mai eficientă decât algoritmul determinist.

Evoluția lucrează mai eficient ca o metodă de căutare bazată numai pe întâmplare, deoarece utilizează ca “memorie” evoluția cromozomilor cu informația ereditară. Conform principiului “supraviețuirea celui mai adaptat” se vor recombina preferențial genele care sunt cele mai bune.

Ca urmare, evoluția nu va căuta cu aceeași probabilitate toate punctele domeniului de căutare (foarte ineficient), ci va căuta preferențial în acele regiuni în care numărul celor mai bine adaptați este mai mare ca valoarea medie.

Aceasta este receta de succes a evoluției.

Roman Baican

28 mai 2021

Opiniile exprimate în textele publicate  nu reprezintă punctele de vedere ale editorilor, redactorilor sau ale membrilor colegiului redacţional. Autorii îşi asumă întreaga răspundere pentru conţinutul articolelor.

Comentariile cititorilor sunt moderate de către redacţie. Textele indecente şi atacurile la persoană se elimină. Revista Baabel este deschisă faţă de orice discuţie bazată pe principii şi schimbul de idei.

 

Leave a Reply

Your email address will not be published. Required fields are marked *