Etude de l'émergence de processus évolutifs ouverts dans les automates cellulaires en utilisant des systèmes d'IA dirigés par la curiosité

Studying the emergence of open-ended evolution in cellular automata using curiosity-driven AI

• Auteur / Autrice : Marko Cvjetko
• Direction : Pierre-Yves Oudeyer, Clément Moulin-frier
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale de mathématiques et informatique
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique - Bordeaux - Sud-Ouest
• Partenaire(s) de recherche : Equipe de recherche : FLOWERS

Mots clés

Mots clés libres

Découverte automatique

Automates cellulaires

IA dirigée par la curiosité

Vie artificielle

Auto-organisation

Évolution ouverte

Cellular automata

Open-ended evolution

Automated discovery

Artificial life

Self-organization

Curiosity-driven AI

Résumé

De nombreux systèmes que nous rencontrons dans la nature sont auto-organisés et dynamiques, et leur étude révèle souvent l'émergence de morphologies hautement structurées capables de comportements complexes évolués pour survivre dans leur environnement. Dans le monde artificiel, les automates cellulaires (AC) font partie des exemples de systèmes auto-organisés largement étudiés. Par exemple, la communauté de la vie artificielle (ALife) a étudié l'émergence de motifs spatialement localisés (SLP) dans les AC, donnant des indices aux théories sur les origines de la vie [1]. Les SLP ont une extension locale et peuvent exister indépendamment d'autres motifs, ressemblant à des 'créatures' artificielles capables de survivre pendant une période prolongée et d'interagir avec leur environnement. Parallèlement, dans la communauté de l'IA incarnée, nous supposons généralement un agent avec un corps donné (morphologie) et un ensemble donné d'actions possibles (capacités sensorimotrices) et cherchons à étudier les mécanismes d'apprentissage pour contrôler les comportements de l'agent (c'est-à-dire le 'cerveau' de l'agent). Dans ce projet, nous posons les questions suivantes : comment réunir ces deux perspectives et étudier conjointement l'émergence de morphologies corporelles et de capacités sensorimotrices comportementales ? Peut-on amorcer des processus d'évolution sans fin dans de tels systèmes complexes ? Pour répondre à ces questions, nous nous appuierons sur les travaux récents que nous avons réalisés, combinant 1) la formalisation de nouvelles classes d'automates cellulaires continus, y compris la conservation de la masse et la localisation des paramètres de l'AC dans la dynamique de mise à jour [14] ; 2) l'utilisation d'algorithmes d'exploration orientés par la curiosité développés dans l'équipe pour aider à découvrir des structures nouvelles et diverses dans des systèmes complexes [8]. Nous pensons que ce projet de recherche fondamentale est pertinent pour plusieurs défis scientifiques majeurs dans plusieurs disciplines. Tout d'abord, il aborde des questions centrales ouvertes dans le domaine de la vie artificielle, qui sont restées difficiles à traiter en raison de la complexité de l'exploration des systèmes auto-organisés en haute dimension (que nous proposons ici d'aborder à la fois par de nouveaux types d'AC avec conservation de masse et localisation des paramètres, et par des algorithmes d'exploration en IA dirigés par la curiosité pour explorer l'espace des comportements de ces systèmes). Deuxièmement, ces questions en vie artificielle sont directement liées à des questions fondamentales en biologie sur les origines des premiers processus évolutifs. Enfin, cela pourrait poser les bases pour une approche complètement différente de la construction de systèmes d'IA polyvalents et ouverts par rapport aux approches actuelles d'apprentissage en profondeur et d'IA générative qui supposent encore soit des notions préalables d'agence et d'incarnation, soit les ignorent complètement : ici, nous cherchons à aborder comment construire des systèmes artificiels où l'agentivité sensorimotrice et les formes simples d'apprentissage et d'évolution s'auto-organisent à partir de zéro.

Many systems that we encounter in nature are self-organized and dynamic, and their study often reveals the emergence of highly-structured morphologies capable of complex behaviors evolved for survival in their environment. In the artificial world, cellular automata (CAs) are among the examples of widely-studied self-organizing systems. For instance, the artificial life (ALife) community has studied the emergence of spatially localized patterns (SLPs) in CAs, giving hints to the theories of the origins of life [1]. SLPs have a local extension and can exist independently of other patterns, resembling artificial 'creatures' that can survive for an extended period of time and interact with their environment. In parallel, in the embodied AI community, we generally assume an agent with a given body (morphology) and a given set of possible actions (sensorimotor capabilities), and aim to study the mechanisms of learning to control the agent behaviors (i.e. the agent's 'brain'). In this project, we ask the following questions: how to reunite those two perspectives and jointly study the emergence of body morphologies and behavioral sensorimotor capabilities? Can we bootstrap processes of open-ended evolution in such complex systems? To answer these questions, we will leverage recent work we did that combined 1) formalization of new classes of continuous cellular automata including mass conservation and local embedding of the CA parameters in the update dynamics [14]; 2) use of curiosity-driven exploration algorithms developed in the team to help discover novel and diverse structures in complex systems [8]. We believe this fundamental research project is relevant to several major scientific challenges in several disciplines. First, it addresses central open questions in the domain of artificial life, which have so far remained difficult to address due to the complexity of exploring high-dimensional self-organized systems (which here we propose to address through both new kinds of CAs with mass conservation and parameter localization, and through curiosity-driven AI for exploring the space of behaviours of these systems). Second, these questions in artificial life relate directly to fundamental questions in biology about the origins of the first evolutionary processes. Last but not least, this may set the ground for a completely different approach to building open-ended and versatile AI systems as compared to current deep learning and generative AI approaches which still either assume prior notions of agency and embodiment, or completely ignore them: here we aim to address how to build artificial systems where sensorimotor agency and simple forms of learning and evolution self-organize from scratch.