Akademi Kecerdasan Neuraxon — Volume 7

Oleh Tim Ilmiah Qubic

Pada tahun 1970, Martin Gardner menerbitkan di Scientific American sebuah permainan rekreasi yang diciptakan oleh John Conway: Permainan Kehidupan. Aturan-aturannya muat di kartu pos. Sebuah grid dua dimensi sel-sel di mana setiap sel bisa hidup atau mati. Di setiap langkah, sel hidup tetap hidup jika memiliki dua atau tiga tetangga yang hidup, jika tidak, sel tersebut mati. Sel mati dengan tepat tiga tetangga yang hidup akan lahir. Tidak ada yang lain, semudah itu.

Pada tahun 1970, Martin Gardner menerbitkan di Scientific American sebuah permainan rekreasi yang ditemukan oleh John Conway: Game of Life. Aturan-aturannya muat di sebuah kartu pos. Sebuah grid dua dimensi sel di mana setiap sel hidup atau mati. Pada setiap langkah, sel yang hidup tetap hidup jika memiliki dua atau tiga tetangga yang hidup, jika tidak, ia mati. Sel yang mati dengan tepat tiga tetangga yang hidup dilahirkan. Tidak ada yang lain, sesederhana itu.

Apa yang tidak pernah diduga adalah apa yang muncul dari empat baris aturan itu. Struktur stabil. Osilator yang berdenyut selamanya dan glider yang bergerak melintasi grid. Meriam yang menembakkan glider secara berkala. Konstruksi cukup kompleks sehingga, pada akhirnya, seseorang akan membangun mesin Turing di dalam Game of Life. Di dalam grid Conway, Anda bisa, pada prinsipnya, menjalankan perhitungan apa pun yang ada.

dari Kehidupan ke Kehidupan Buatan (Alife)

Pada tahun delapan puluhan, Christopher Langton dan sekelompok peneliti mengubah ide ini menjadi disiplin tersendiri: Kehidupan Buatan, atau Alife. Usulannya sederhana. Biologi secara historis mempelajari kehidupan seperti yang kita ketahui, yang berbasis karbon, yang muncul di planet tertentu ini. Tetapi hidup adalah, mungkin, fenomena yang lebih umum. Jika kita dapat membangun sistem buatan yang menunjukkan sifat-sifat yang kita asosiasikan dengan kehidupan, organisasi diri, adaptasi, evolusi, reproduksi, respons terhadap lingkungan, maka kita sedang mempelajari kehidupan seperti yang bisa jadi, bukan hanya seperti yang terjadi.

Alife bukan pencarian untuk hewan peliharaan digital. Ini adalah ilmu tentang dinamika fundamental. Alat eksperimennya adalah simulator di mana agen sederhana mengikuti aturan lokal, dan di mana peneliti mengamati apa yang muncul pada skala global.

Beberapa temuan telah tetap sebagai batu penjuru. Yang pertama, sudah tersirat dalam Conway, adalah bahwa aturan lokal yang sederhana dapat menghasilkan kompleksitas global tanpa ada yang merancangnya. Yang kedua berasal dari Langton sendiri: ada rezim kritis, yang disebut tepi kekacauan, di mana sistem tidak teratur secara kaku maupun sepenuhnya kacau, dan di mana hampir segala hal yang menarik terjadi. Perhitungan, pembelajaran, adaptasi, semuanya berkembang di dalam pita tipis itu. Di bawahnya, sistem membeku. Di atasnya, ia larut menjadi kebisingan.

Temuan ketiga, yang kurang terkenal tetapi lebih tidak nyaman, adalah bahwa sifat-sifat yang biasanya kita asosiasikan dengan niat, seperti kerja sama, spesialisasi, pembagian kerja, dapat muncul dalam sistem yang tidak diprogram untuk berkooperasi. Mereka muncul sebagai konsekuensi dari dinamika, bukan sebagai tujuan. Ini sulit dicerna bagi spesies yang menganggap dirinya superior, karena intuisi kita memberi tahu bahwa jika kita menginginkan X, kita harus mengoptimalkan untuk X. Alife menunjukkan, berulang kali, bahwa ini tidak selalu benar.

Apa Itu Ekosistem Digital? Dari Automata Seluler ke Sistem Neural Multi-Agen

Ekosistem digital adalah evolusi alami dari ide-ide kehidupan buatan ini. Alih-alih satu aturan yang dibagikan oleh semua sel, Anda memiliki beberapa agen, masing-masing dengan aturan mereka sendiri, berbagi lingkungan umum, bersaing atau berkolaborasi untuk sumber daya, bereproduksi, dan mati. Substratnya bisa berupa grid 2D seperti di Conway, cairan kontinu seperti di Lenia, dunia yang lebih kaya dengan medan dan makanan seperti di Biomaker CA. Detailnya bervariasi. Prinsipnya tidak.

Apa yang membuat ekosistem digital menarik bukanlah teknologi dasarnya, tetapi apa yang memungkinkan Anda amati. Dinamika populasi. Batasan yang terbentuk antara spesies. Niche yang terbuka dan tertutup. Strategi yang muncul, mendominasi untuk sementara, digeser, dan kembali. Siklus yang terlihat seperti ekosistem nyata, kadang-kadang mengejutkan. Dan pertanyaan yang mendasari semuanya: kapan kita dapat mengatakan bahwa sesuatu telah muncul, bahwa sistem telah menemukan sesuatu yang tidak kita masukkan ke dalamnya.

Platform interaktif Ekosistem Digital oleh Sakana AI, menampilkan penggeser parameter waktu nyata, garis waktu populasi, baki titik cek, dan kanvas simulasi. Pengguna dapat mengarahkan ekosistem dan bercabang ke masa depan alternatif dari keadaan yang disimpan.

Ada pekerjaan terbaru yang patut diperhatikan. Tim di Sakana AI, misalnya, baru saja merilis Ekosistem Digital, sebuah platform interaktif di mana lima spesies automata seluler neural bersaing di grid bersama secara waktu nyata dan di mana Anda dapat mengubah parameter dengan penggeser, menyimpan keadaan, dan menjelajahi masa depan yang berbeda dari satu titik cek. Ini adalah tautan terbaru dan paling mudah diakses dalam rantai yang kembali ke Conway, dan layak untuk dicoba selama sehari, hanya untuk merasakan bagaimana dinamika ini berperilaku ketika Anda bisa benar-benar menyentuhnya.

Mengapa Kehidupan Buatan dan Kompleksitas yang Muncul Penting untuk Qubic, Aigarth, dan Neuraxon

Godaan, ketika membaca tentang Conway, Langton, Lenia, atau Sakana, adalah untuk mengarsipkan semua ini sebagai hiburan intelektual yang elegan. Ini bukan. Ini adalah kerangka konseptual yang menjadi dasar proyek kami.

Qubic: Infrastruktur Terdesentralisasi yang Mengorganisir Diri Sendiri

Qubic adalah, di tingkat infrastruktur, jaringan terdesentralisasi dari ribuan node yang bersaing dan berkooperasi untuk memvalidasi perhitungan dan mendapatkan imbalan. Tanpa aturan lokal yang tepat, jaringan itu akan terpusat atau hancur. Dengan aturan yang tepat, ia mengorganisir dirinya sendiri menjadi ekosistem yang stabil dan produktif. Validitas desain Qubic bergantung pada prinsip-prinsip yang berasal, sebagian, dari penelitian kehidupan buatan: bagaimana Anda mencapai stabilitas global tanpa otoritas pusat, dan bagaimana Anda membuat kompetisi menghasilkan sesuatu yang berguna bagi semua.

Aigarth: AI Evolusioner di Tepi Kekacauan

Aigarth pergi lebih jauh. Ini bukan hanya jaringan, ini adalah jaringan yang berkembang. Jaringan neuron buatan yang bermutasi, memangkas, menghasilkan keturunan, mengatur ulang topologinya di bawah tekanan adaptif. Ada aturan lokal, kriteria kebugaran, atau dinamika evolusi. Ini adalah kehidupan buatan yang diterapkan pada arsitektur AI. Dan seperti segala sesuatu dalam Alife, apa yang muncul tergantung pada rezim di mana sistem beroperasi. Terlalu kaku, tidak ada eksplorasi. Terlalu kacau, tidak ada stabilitas. Tepi kekacauan di sini juga, di mana hal-hal menarik terjadi.

Neuraxon: Status Trinary dan Kritikalitas yang Terorganisir Sendiri dalam AI yang Terinspirasi Otak

Neuraxon, unit dasar yang dibangun Aigarth, dirancang dengan ini dalam pikiran. Status trinary (-1, 0, +1) bukanlah trik kuantisasi untuk menghemat bit, meskipun itu juga mengurangi biaya komputasi. Ini adalah keputusan struktural. Status netral adalah buffer yang memungkinkan transisi yang halus, yang mencegah sistem berosilasi secara liar antara ekstrem, dan memberikan waktu bagi sinaps lambat dan neuromodulator untuk bertindak. Seperti yang telah kita bahas dalam volume-volume sebelumnya dari Akademi Intelijen Neuraxon, inilah yang memungkinkan sistem menavigasi tepi kekacauan tanpa runtuh.

Dalam eksperimen kami dengan NxonLife, simulator yang kami buat untuk mengamati jaringan Neuraxon berevolusi dalam lingkungan yang terinspirasi oleh Game of Life, kami telah mengukur tepat sifat-sifat yang diprediksi oleh Alife. Rasio bercabang mendekati 1, tanda klasik dari kritikalitas yang terorganisir sendiri. Korelasi temporal jarak jauh mengikuti dinamika 1/f. Aktivitas yang mempertahankan dirinya selama ribuan detik tanpa reset eksternal, tanpa normalisasi yang dipaksakan, tanpa ada yang memberi tahu sistem apa yang harus dilakukan. Jaringan menemukan rezim itu sendiri, karena arsitektur telah dibangun agar mungkin.

Dari Simulasi Kehidupan Buatan ke Infrastruktur AI Terdesentralisasi: Sebuah Ide Lama, Substrat Baru

Kemiringan gerbang pertumbuhan di Sakana AI's Digital Ecosystems. Menurunkan kemiringan gerbang mendorong spesies dari batas teritorial yang kaku ke dalam rezim tepi kekacauan yang dapat memunculkan kompleksitas dan kerja sama. Sumber: Sakana AI (2026)

Apa yang ditunjukkan Conway pada tahun 1970, Langton pada tahun 1990, tim Lenia lebih baru-baru ini, dan Sakana AI beberapa minggu lalu, adalah bahwa kompleksitas muncul dari aturan lokal dan parameter yang dipilih dengan baik. Apa yang kami lakukan dengan Qubic, Aigarth, dan Neuraxon adalah mengambil wawasan itu ke kesimpulan logisnya: tidak hanya mengamati ekosistem yang disimulasikan, tetapi membangun infrastruktur terdistribusi yang nyata berdasarkan prinsip-prinsip itu.

Intuisi dasar tidak berubah. Sistem hidup hidup dalam waktu. Mereka mengorganisir diri mereka antara keteraturan dan kekacauan. Mereka berkooperasi tanpa ada yang menginstruksikan mereka. Mereka muncul, mereka tidak merancang diri mereka.

Game Kehidupan Conway adalah sebuah kartu pos. Kehidupan buatan adalah sebuah disiplin. Ekosistem digital adalah alat. Qubic, Aigarth, dan Neuraxon adalah upaya untuk mengambil semua ini dari simulator dan mengubahnya menjadi jaringan yang berfungsi. Ide-ide ini telah ada selama lima puluh tahun. Substrat untuk membuatnya produktif pada skala adalah apa yang sedang kami bangun sekarang.

Referensi

• Conway, J. H. (dalam Gardner, M.) (1970). Permainan matematis: Kombinasi fantastis dari permainan soliter baru John Conway 'Kehidupan'. Scientific American, 223, 120–123. [Link]

• Langton, C. G. (1990). Komputasi di tepi kekacauan: Transisi fase dan komputasi yang muncul. Physica D: Fenomena Nonlinear, 42, 12–37. [Link]

• Bedau, M. A. (2003). Kehidupan buatan: organisasi, adaptasi, dan kompleksitas dari bawah ke atas. Tren dalam Ilmu Kognitif, 7(11), 505–512. [Link]

• Chan, B. W.-C. (2019). Lenia: Biologi kehidupan buatan. Sistem Kompleks, 28(3), 251–286. [Link]

• Mordvintsev, A., Randazzo, E., Niklasson, E., & Levin, M. (2020). Menumbuhkan automata seluler neural. Distill, 5(2), e23. [Link]

• Darlow, L. (2026). Ekosistem Digital: Automata Seluler Neural Multi-Agen yang Interaktif. Sakana AI. [Link]

• Vivancos, D., & Sanchez, J. (2025). Dari Perceptrons ke Neuraxons: Cetak biru baru untuk pertumbuhan dan komputasi neural. Ilmu Qubic. [Link]

• Vivancos, D., & Sanchez, J. (2025). Arsitektur pembelajaran dinamika status trinary yang tertanam dalam waktu. Preprint. [Link]

Jelajahi Seri Lengkap Akademi Intelijen Neuraxon

Ini adalah Volume 7 dari Neuraxon Intelligence #academy oleh Tim Ilmiah #Qubic . Jika Anda baru bergabung dengan kami, jelajahi seri lengkap untuk membangun pemahaman penuh tentang ilmu di balik #Neuraxon , #aigarth , dan pendekatan Qubic terhadap kecerdasan buatan yang terinspirasi otak:

• NIA Volume 1: Mengapa Intelijensi Tidak Dihitung dalam Langkah, tetapi dalam Waktu — Menjelajahi mengapa intelijensi biologis beroperasi dalam waktu kontinu daripada langkah komputasi diskrit seperti LLM tradisional.

• NIA Volume 2: Dinamika Ternary sebagai Model Intelijensi Hidup — Menjelaskan dinamika ternary dan mengapa logika tiga status (ekskitasi, netral, inhibisi) penting untuk memodelkan sistem hidup.

• NIA Volume 3: Neuromodulasi dan AI yang Terinspirasi Otak — Membahas neuromodulasi dan bagaimana sinyal kimia otak (dopamin, serotonin, asetilkolin, norepinefrin) menginspirasi arsitektur Neuraxon.

• NIA Volume 4: Jaringan Saraf dalam AI dan Neurosains — Perbandingan mendalam jaringan saraf biologis, jaringan saraf buatan, dan pendekatan path ketiga Neuraxon.

• NIA Volume 5: Astrocytes dan AI yang Terinspirasi Otak — Bagaimana pengendalian astrositik mengubah plastisitas jaringan saraf melalui kerangka AGMP di Neuraxon.

• NIA Volume 6: Mesin Sadar vs Organisme Cerdas: Kesadaran AI Dijelaskan — Menjelajahi kesadaran AI melalui lensa Teori Global Workspace, Teori Informasi Terintegrasi, dan pengkodean prediktif.

Qubic adalah jaringan terdesentralisasi dan sumber terbuka. Untuk mempelajari lebih lanjut, kunjungi qubic.org. Bergabunglah dalam diskusi di X, Discord, dan Telegram.