Neuraxon Intelligence Academy — Volume 7

Dal Team Scientifico Qubic

Nel 1970, Martin Gardner pubblicò su Scientific American un gioco ricreativo inventato da John Conway: il Gioco della Vita. Le regole stanno su una cartolina. Una griglia bidimensionale di celle in cui ogni cella era viva o morta. Ad ogni passo, una cella viva rimaneva viva se aveva due o tre vicini vivi, altrimenti moriva. Una cella morta con esattamente tre vicini vivi nasceva. Nient'altro, semplice così.

Nel 1970, Martin Gardner pubblicò su Scientific American un gioco ricreativo inventato da John Conway: il Gioco della Vita. Le regole si adattano su una cartolina. Una griglia bidimensionale di celle in cui ogni cella era viva o morta. Ad ogni passo, una cella viva rimaneva viva se aveva due o tre vicini viventi, altrimenti moriva. Una cella morta con esattamente tre vicini viventi nasceva. Nient'altro, semplice come ciò.

Quello che nessuno si aspettava era ciò che è emerso da quelle quattro righe di regole. Strutture stabili. Oscillatori che pulsano per sempre e velivoli che viaggiano attraverso la griglia. Cannoni che sparano velivoli periodicamente. Le costruzioni erano abbastanza complesse che, alla fine, qualcuno avrebbe costruito una macchina di Turing all'interno del Gioco della Vita. All'interno della griglia di Conway, puoi, in linea di principio, eseguire qualsiasi computazione esistente.

della Vita alla Vita Artificiale (Alife)

Negli anni '80, Christopher Langton e un gruppo di ricercatori hanno trasformato questa idea in una disciplina a sé stante: Vita Artificiale, o Alife. La proposta era semplice. La biologia ha storicamente studiato la vita come la conosciamo, quella basata sul carbonio, quella emersa su questo particolare pianeta. Ma la vita è, forse, un fenomeno più generale. Se possiamo costruire sistemi artificiali che mostrano le proprietà che associamo al vivente, auto-organizzazione, adattamento, evoluzione, riproduzione, risposta all'ambiente, allora stiamo studiando la vita come potrebbe essere, non solo come si verifica.

Alife non è una ricerca di animali domestici digitali. È una scienza delle dinamiche fondamentali. I suoi strumenti sperimentali sono simulatori dove agenti semplici seguono regole locali, e dove il ricercatore osserva ciò che emerge su scala globale.

Diverse scoperte sono rimaste come pietre miliari. La prima, già implicita in Conway, è che semplici regole locali possono generare complessità globale senza che nessuno la progetti. La seconda proviene dallo stesso Langton: c'è un regime critico, chiamato il bordo del caos, dove i sistemi non sono né rigidamente ordinati né completamente caotici, e dove accade quasi tutto ciò che è interessante. Computazione, apprendimento, adattamento, tutto fiorisce in quella sottile banda. Sotto di essa, il sistema si congela. Sopra di essa, si dissolve in rumore.

Una terza scoperta, meno famosa ma più scomoda, è che proprietà che di solito associamo all'intenzione, come la cooperazione, la specializzazione, la divisione del lavoro, possono emergere in sistemi che non sono stati programmati per cooperare. Emergono come conseguenze delle dinamiche, non come obiettivi. Questo è difficile da digerire per la specie auto-proclamata superiore, perché la nostra intuizione ci dice che se vogliamo X, dobbiamo ottimizzare per X. Alife mostra, ancora e ancora, che questo non è sempre vero.

Cosa Sono gli Ecosistemi Digitali? Dalla Computazione Cellulare ai Sistemi Neurali Multi-Agente

Un ecosistema digitale è l'evoluzione naturale di queste idee di vita artificiale. Invece di una singola regola condivisa da tutte le cellule, hai diversi agenti, ciascuno con le proprie regole, che condividono un ambiente comune, competendo o cooperando per le risorse, riproducendosi e morendo. Il substrato può essere una griglia 2D come in Conway, un fluido continuo come in Lenia, un mondo più ricco con terreno e cibo come in Biomaker CA. I dettagli variano. Il principio no.

Ciò che rende interessante un ecosistema digitale non è la tecnologia sottostante, ma ciò che ti permette di osservare. Dinamiche di popolazione. Confini che si formano tra le specie. Nicchie che si aprono e chiudono. Strategie che appaiono, dominano per un po', vengono sostituite e tornano. Cicli che sembrano quelli degli ecosistemi reali, a volte sorprendentemente così. E la domanda che corre sotto tutto ciò: quando possiamo dire che qualcosa è emerso, che il sistema ha scoperto qualcosa che non abbiamo inserito in esso.

La piattaforma interattiva Digital Ecosystems di Sakana AI, che mostra cursori di parametri in tempo reale, cronologia della popolazione, vassoio dei checkpoint e tela di simulazione. Gli utenti possono guidare l'ecosistema e ramificarsi in futuri alternativi da qualsiasi stato salvato.

C'è un lavoro recente che vale la pena esaminare. Il team di Sakana AI, ad esempio, ha appena rilasciato Digital Ecosystems, una piattaforma interattiva dove cinque specie di automi cellulari neurali competono su una griglia condivisa in tempo reale e dove puoi muovere i parametri con cursori, salvare stati ed esplorare futuri divergenti da un singolo checkpoint. È l'ultimo e più accessibile anello in una catena che risale a Conway, ed è un gioco che vale la pena fare per un pomeriggio, solo per sentire come si comportano queste dinamiche quando puoi davvero toccarle.

Perché la Vita Artificiale e la Complessità Emergenza Contano per Qubic, Aigarth e Neuraxon

La tentazione, leggendo di Conway, Langton, Lenia o Sakana, è di archiviare tutto questo come intrattenimento intellettuale elegante. Non lo è. È il ponte concettuale su cui si basa il nostro progetto.

Qubic: Infrastruttura Decentralizzata Auto-Organizzante

Qubic è, a livello di infrastruttura, una rete decentralizzata di migliaia di nodi che competono e collaborano per validare computazioni e guadagnare ricompense. Senza le giuste regole locali, quella rete si centralizza o si disintegra. Con le giuste regole, si auto-organizza in un ecosistema stabile e produttivo. La validità del design di Qubic si basa su principi che provengono, in parte, dalla ricerca sulla vita artificiale: come puoi raggiungere una stabilità globale senza un'autorità centrale, e come puoi fare in modo che la competizione produca qualcosa di utile per tutti.

Aigarth: AI Evolutiva al Bordo del Caos

Aigarth va oltre. Non è solo una rete, è un tessuto in evoluzione. Reti di neuroni artificiali che mutano, potano, generano prole, riorganizzano la loro topologia sotto pressione adattativa. Ci sono regole locali, criteri di fitness o dinamiche evolutive. Questa è vita artificiale applicata ad architetture AI. E come per tutto in Alife, ciò che emerge dipende dal regime in cui opera il sistema. Troppo rigido, niente esplorazione. Troppo caotico, niente stabilità. Il bordo del caos è, anche qui, dove accadono le cose interessanti.

Neuraxon: Stati Trini e Criticità Auto-Organizzata nell'AI Ispirata al Cervello

Neuraxon, l'unità base su cui è costruito Aigarth, è stata progettata tenendo questo in mente. Lo stato trino (-1, 0, +1) non è un trucco di quantizzazione per risparmiare bit, anche se riduce anche i costi di calcolo. È una decisione strutturale. Lo stato neutro è un buffer che consente transizioni fluide, che impedisce al sistema di oscillare violentemente tra estremi, e dà tempo a sinapsi e neuromodulatori lenti di agire. Come abbiamo discusso nei volumi precedenti dell'Accademia di Intelligenza Neuraxon, questo è ciò che consente al sistema di navigare sul bordo del caos senza collassare.

Nei nostri esperimenti con NxonLife, il simulatore che abbiamo costruito per osservare l'evoluzione delle reti Neuraxon in ambienti ispirati al Gioco della Vita, abbiamo misurato esattamente le proprietà che Alife predice. Un rapporto di ramificazione vicino a 1, la firma classica della criticità auto-organizzata. Correlazioni temporali a lungo raggio che seguono dinamiche 1/f. Attività che si sostiene per migliaia di tick senza reset esterni, senza normalizzazione imposta, senza che nessuno dica al sistema cosa fare. Le reti trovano quel regime da sole, perché l'architettura è stata costruita affinché fosse possibile.

Dalle Simulazioni di Vita Artificiale all'Infrastruttura AI Decentralizzata: Un'Idea Antica, un Nuovo Substrato

Ripidezza del gate di crescita in Digital Ecosystems di Sakana AI. Abbassare la ripidezza del gate spinge le specie da confini territoriali rigidi in un regime di caos eccitabile dove emergono complessità e cooperazione. Fonte: Sakana AI (2026)

Quello che Conway ha mostrato nel 1970, Langton nel 1990, il team di Lenia più recentemente, e Sakana AI alcune settimane fa, è che la complessità emerge da regole locali e parametri ben scelti. Ciò che stiamo facendo con Qubic, Aigarth e Neuraxon è portare quell'intuizione alla sua logica conclusione: non solo osservare ecosistemi simulati, ma costruire una vera infrastruttura distribuita sui suoi principi.

L'intuizione di base non cambia. I sistemi viventi vivono nel tempo. Si organizzano tra ordine e caos. Collaborano senza che nessuno dia istruzioni. Emergono, non si progettano.

Il Gioco della Vita di Conway era una cartolina. La vita artificiale è una disciplina. Gli ecosistemi digitali sono uno strumento. Qubic, Aigarth e Neuraxon sono un tentativo di portare tutto questo dal simulatore e trasformarlo in una rete funzionante. Le idee ci sono da cinquant'anni. Il substrato per renderle produttive su larga scala è ciò che stiamo costruendo ora.

Riferimenti

• Conway, J. H. (in Gardner, M.) (1970). Giochi matematici: Le fantastiche combinazioni del nuovo gioco solitario di John Conway "Vita". Scientific American, 223, 120–123. [Link]

• Langton, C. G. (1990). Computazione al bordo del caos: Transizioni di fase e computazione emergente. Physica D: Fenomeni Non Lineari, 42, 12–37. [Link]

• Bedau, M. A. (2003). Vita artificiale: organizzazione, adattamento e complessità dal basso verso l'alto. Trends in Cognitive Sciences, 7(11), 505–512. [Link]

• Chan, B. W.-C. (2019). Lenia: Biologia della vita artificiale. Sistemi Complessi, 28(3), 251–286. [Link]

• Mordvintsev, A., Randazzo, E., Niklasson, E., & Levin, M. (2020). Crescita degli automi cellulari neurali. Distill, 5(2), e23. [Link]

• Darlow, L. (2026). Ecosistemi Digitali: Automata Cellulari Neurali Multi-Agente Interattivi. Sakana AI. [Link]

• Vivancos, D., & Sanchez, J. (2025). Dai Perceptron ai Neuraxon: Un nuovo blueprint di crescita e computazione neurale. Scienza Qubic. [Link]

• Vivancos, D., & Sanchez, J. (2025). Architettura di apprendimento dinamico a stato trino incorporato nel tempo. Preprint. [Link]

Esplora la Serie Completa dell'Accademia di Intelligenza Neuraxon

Questo è il Volume 7 dell'Intelligenza Neuraxon \u003ct-17/\u003e del \u003ct-19/\u003e Team Scientifico. Se ti stai unendo a noi ora, esplora la serie completa per costruire una comprensione completa della scienza dietro \u003ct-21/\u003e, \u003ct-23/\u003e, e l'approccio di Qubic all'intelligenza artificiale ispirata al cervello, \u003ct-25/\u003e:

• \u003ca-151\u003eNIA Volume 1\u003c/a-151\u003e: Perché l'Intelligenza non è Calcolata in Passi, ma nel Tempo — Esplora perché l'intelligenza biologica opera nel tempo continuo piuttosto che in passi computazionali discreti come i tradizionali LLM.

• \u003ca-159\u003eNIA Volume 2\u003c/a-159\u003e: Dinamiche Trine come Modello di Intelligenza Vivente — Spiega le dinamiche trine e perché la logica a tre stati (eccitatoria, neutra, inibitoria) è importante per modellare sistemi viventi.

• \u003ca-167\u003eNIA Volume 3\u003c/a-167\u003e: Neuromodulazione e AI Ispirata al Cervello — Copre la neuromodulazione e come il segnale chimico del cervello (dopamina, serotonina, acetilcolina, norepinefrina) ispira l'architettura di Neuraxon.

• \u003ca-175\u003eNIA Volume 4\u003c/a-175\u003e: Reti Neurali in AI e Neuroscienza — Un confronto approfondito tra reti neurali biologiche, reti neurali artificiali e l'approccio terzo di Neuraxon.

• \u003ca-183\u003eNIA Volume 5\u003c/a-183\u003e: Astrocyti e AI Ispirata al Cervello — Come il gating astrocitario trasforma la plasticità delle reti neurali attraverso il framework AGMP in Neuraxon.

• \u003ca-191\u003eNIA Volume 6\u003c/a-191\u003e: Macchine Consapevoli vs Organismi Intelligenti: L'Intelligenza AI Spiegata — Esplora la coscienza AI attraverso la lente della Teoria del Workspace Globale, della Teoria dell'Informazione Integrata e del coding predittivo.

Qubic è una rete decentralizzata e open-source. Per saperne di più, visita qubic.org. Unisciti alla discussione su X, Discord e Telegram.