Akademia Inteligencji Neuraxon — Tom 7

Od zespołu naukowego Qubic

W 1970 roku Martin Gardner opublikował w Scientific American rekreacyjną grę wymyśloną przez Johna Conwaya: Gra w Życie. Zasady mieszczą się na pocztówce. Dwuwymiarowa siatka komórek, w której każda komórka była żywa lub martwa. W każdym kroku żywa komórka pozostawała przy życiu, jeśli miała dwóch lub trzech żywych sąsiadów, w przeciwnym razie umierała. Martwa komórka z dokładnie trzema żywymi sąsiadami się rodziła. Nic więcej, tak prosto.

W 1970 roku Martin Gardner opublikował w Scientific American grę rekreacyjną wynalezioną przez Johna Conwaya: Gra w Życie. Zasady zmieściły się na pocztówce. Dwuwymiarowa siatka komórek, w której każda komórka była żywa lub martwa. W każdym kroku komórka żywa pozostawała żywa, jeśli miała dwóch lub trzech żywych sąsiadów, w przeciwnym razie umierała. Martwa komórka z dokładnie trzema żywymi sąsiadami się rodziła. Nic więcej, tak prosto.

To, czego nikt się nie spodziewał, to to, co wyłoniło się z tych czterech linii zasad. Stabilne struktury. Oscylatory, które pulsują wiecznie, i ślizgacze, które przemieszczają się po siatce. Działa, które okresowo wystrzeliwują ślizgacze. Konstrukcje były na tyle skomplikowane, że w końcu ktoś zbudował maszynę Turinga wewnątrz Gry w Życie. W siatce Conwaya możesz, w zasadzie, przeprowadzać dowolne obliczenia, które istnieją.

z życia do sztucznego życia (Alife)

W latach osiemdziesiątych Christopher Langton i grupa badaczy przekształcili ten pomysł w dyscyplinę samą w sobie: sztuczne życie, czyli Alife. Propozycja była prosta. Biologia historycznie badała życie, jakie znamy, to w oparciu o węgiel, które pojawiło się na tej konkretnej planecie. Ale życie jest być może bardziej ogólnym zjawiskiem. Jeśli możemy zbudować sztuczne systemy, które pokazują właściwości, które kojarzymy z życiem, samoorganizacja, adaptacja, ewolucja, reprodukcja, reakcja na środowisko, to badamy życie takim, jakim mogłoby być, a nie tylko takim, jakim jest.

Alife to nie poszukiwanie cyfrowych zwierzaków. To nauka fundamentalnych dynamik. Jej narzędzia eksperymentalne to symulatory, w których proste agenty podążają za lokalnymi zasadami, a badacz obserwuje, co wyłania się na globalnej skali.

Kilka odkryć pozostało filarami. Pierwsze, już implicitne w Conwayu, to to, że proste lokalne zasady mogą generować globalną złożoność bez nikogo, kto by je zaprojektował. Drugie pochodzi od samego Langtona: istnieje krytyczny reżim, zwany krawędzią chaosu, gdzie systemy nie są ani sztywno uporządkowane, ani całkowicie chaotyczne, i gdzie niemal wszystko interesujące się dzieje. Obliczenia, uczenie się, adaptacja, wszystko kwitnie w tej cienkiej strefie. Poniżej niej system zastyga. Powyżej, rozpuszcza się w hałasie.

Trzecim odkryciem, mniej znanym, ale bardziej nieprzyjemnym, jest to, że właściwości, które zazwyczaj kojarzymy z intencją, takie jak współpraca, specjalizacja, podział pracy, mogą się pojawić w systemach, które nie zostały zaprogramowane do współpracy. Pojawiają się w wyniku dynamiki, a nie jako cele. To jest trudne do strawienia dla samozwańczo wyższej gatunku, ponieważ nasza intuicja podpowiada nam, że jeśli chcemy X, musimy zoptymalizować pod kątem X. Alife pokazuje, raz po raz, że to nie zawsze prawda.

Czym są cyfrowe ekosystemy? Od automatów komórkowych do systemów neuronowych z wieloma agentami.

Cyfrowy ekosystem to naturalna ewolucja tych idei sztucznego życia. Zamiast jednej zasady, którą dzielą wszystkie komórki, masz kilka agentów, z których każdy ma swoje zasady, dzielących wspólne środowisko, konkurujących lub współpracujących o zasoby, reprodukujących się i umierających. Substrat może być siatką 2D, jak w przypadku Conwaya, ciągłym płynem, jak w przypadku Lenii, bogatszym światem z terenem i pożywieniem, jak w Biomaker CA. Szczegóły się różnią. Zasada pozostaje ta sama.

To, co sprawia, że cyfrowy ekosystem jest interesujący, to nie technologia leżąca u podstaw, ale to, co pozwala ci obserwować. Dynamika populacji. Granice, które tworzą się między gatunkami. Nisze, które się otwierają i zamykają. Strategie, które się pojawiają, dominują przez jakiś czas, są wypierane i wracają. Cykle, które wyglądają jak te w prawdziwych ekosystemach, czasami zaskakująco. A pytanie, które leży u podstaw wszystkiego: kiedy możemy powiedzieć, że coś się wyłoniło, że system odkrył coś, czego w niego nie włożyliśmy.

Interaktywna platforma Digital Ecosystems od Sakana AI, pokazująca suwak parametrów w czasie rzeczywistym, oś czasu populacji, tacę punktów kontrolnych i płótno symulacji. Użytkownicy mogą kierować ekosystemem i rozwijać alternatywne przyszłości z dowolnego zapisanego stanu.

Jest kilka niedawnych prac, które warto zobaczyć. Zespół Sakana AI, na przykład, właśnie wypuścił Digital Ecosystems, interaktywną platformę, na której pięć gatunków neuronowych automatów komórkowych rywalizuje na wspólnej siatce w czasie rzeczywistym, a użytkownicy mogą zmieniać parametry za pomocą suwaków, zapisywać stany i eksplorować różne przyszłości z jednego punktu kontrolnego. To najnowsze i najbardziej dostępne ogniwo w łańcuchu, który sięga do Conwaya, i warto się tym pobawić przez popołudnie, aby poczuć, jak te dynamiki zachowują się, gdy można je naprawdę dotknąć.

Dlaczego sztuczne życie i wyłaniająca się złożoność mają znaczenie dla Qubic, Aigarth i Neuraxon.

Pokusa, gdy czytasz o Conwayu, Langtonie, Lenii czy Sakana, to zarchiwizowanie tego jako eleganckiej intelektualnej rozrywki. To nie jest to. To koncepcyjna konstrukcja, na której stoi nasz projekt.

Qubic: Samoorganizująca się zdecentralizowana infrastruktura

Qubic to, na poziomie infrastruktury, zdecentralizowana sieć tysięcy węzłów, które konkurują i współpracują, aby walidować obliczenia i zdobywać nagrody. Bez odpowiednich lokalnych zasad ta sieć albo się centralizuje, albo rozpada. Z odpowiednimi zasadami, samoorganizuje się w stabilny, produktywny ekosystem. Ważność projektu Qubic opiera się na zasadach, które częściowo pochodzą z badań nad sztucznym życiem: jak osiągnąć globalną stabilność bez centralnej władzy i jak sprawić, by konkurencja produkowała coś użytecznego dla wszystkich.

Aigarth: Ewolucyjna AI na krawędzi chaosu.

Aigarth idzie dalej. To nie tylko sieć, to ewoluująca tkanka. Sieci sztucznych neuronów, które mutują, przycinają, generują potomstwo, reorganizują swoją topologię pod presją adaptacyjną. Istnieją lokalne zasady, kryteria sprawności lub dynamika ewolucyjna. To sztuczne życie zastosowane do architektur AI. I jak w przypadku wszystkiego w Alife, to, co się wyłania, zależy od reżimu, w którym działa system. Zbyt sztywny, brak eksploracji. Zbyt chaotyczny, brak stabilności. Krawędź chaosu to również miejsce, gdzie dzieją się interesujące rzeczy.

Neuraxon: Stany trójjednostkowe i samoorganizowana krytyczność w AI inspirowanej mózgiem.

Neuraxon, podstawowa jednostka, na której zbudowano Aigarth, został zaprojektowany z tym na uwadze. Trzeci stan (-1, 0, +1) to nie sztuczka kwantyzacyjna, aby zaoszczędzić bity, chociaż rzeczywiście obniża koszty obliczeniowe. To decyzja strukturalna. Stan neutralny jest buforem, który pozwala na płynne przejścia, zapobiega gwałtownemu oscylowaniu systemu między ekstremami i daje czas na działanie wolnych synaps i neuromodulatorów. Jak omówiliśmy w wcześniejszych tomach Akademii Inteligencji Neuraxon, to pozwala systemowi poruszać się na krawędzi chaosu bez zapadania się.

W naszych eksperymentach z NxonLife, symulatorem, który zbudowaliśmy, aby obserwować ewolucję sieci Neuraxon w środowiskach inspirowanych Grą w Życie, zmierzyliśmy dokładnie te właściwości, które przewiduje Alife. Współczynnik rozgałęzienia bliski 1, klasyczny znak samodzielnie zorganizowanej krytyczności. Długozasięgowe korelacje czasowe podążające za dynamiką 1/f. Aktywność, która utrzymuje się przez tysiące tików bez zewnętrznych resetów, bez narzuconej normalizacji, bez nikogo, kto by mówił systemowi, co zrobić. Sieci same znajdują ten reżim, ponieważ architektura została zbudowana tak, aby to było możliwe.

Od symulacji sztucznego życia do zdecentralizowanej infrastruktury AI: Stara idea, nowy substrat

Stromość bramki wzrostu w cyfrowych ekosystemach Sakana AI. Obniżenie stromości bramki przesuwa gatunki z sztywnych granic terytorialnych do pobudzonego reżimu krawędzi chaosu, gdzie pojawia się złożoność i współpraca. Źródło: Sakana AI (2026)

To, co pokazał Conway w 1970 roku, Langton w 1990, zespół Lenia bardziej niedawno, a Sakana AI kilka tygodni temu, to, że złożoność wyłania się z lokalnych zasad i dobrze dobranych parametrów. To, co robimy z Qubic, Aigarth i Neuraxon, to wzięcie tego spostrzeżenia do jego logicznego zakończenia: nie tylko obserwowanie symulowanych ekosystemów, ale budowanie prawdziwej zdecentralizowanej infrastruktury na jego zasadach.

Podstawowa intuicja się nie zmienia. Żywe systemy żyją w czasie. Organizują się między porządkiem a chaosem. Współpracują, nie będąc do tego instruowanymi. Pojawiają się, nie zaprojektowują się.

Gra w Życie Conwaya była pocztówką. Sztuczne życie to dyscyplina. Cyfrowe ekosystemy to narzędzie. Qubic, Aigarth i Neuraxon to próba przekształcenia tego wszystkiego z symulatora w działającą sieć. Idee były obecne przez pięćdziesiąt lat. Substrat, aby uczynić je produktywnymi na większą skalę, to to, co budujemy teraz.

Referencje

• Conway, J. H. (w Gardner, M.) (1970). Gry matematyczne: Fantastyczne kombinacje nowej gry solitarnej Johna Conwaya „Życie”. Scientific American, 223, 120–123. [Link]

• Langton, C. G. (1990). Obliczenia na krawędzi chaosu: Przejrzystości fazowe i wyłaniające się obliczenia. Physica D: Nonlinear Phenomena, 42, 12–37. [Link]

• Bedau, M. A. (2003). Sztuczne życie: organizacja, adaptacja i złożoność od podstaw. Trends in Cognitive Sciences, 7(11), 505–512. [Link]

• Chan, B. W.-C. (2019). Lenia: Biologia sztucznego życia. Complex Systems, 28(3), 251–286. [Link]

• Mordvintsev, A., Randazzo, E., Niklasson, E., & Levin, M. (2020). Rosnące neuronowe automaty komórkowe. Distill, 5(2), e23. [Link]

• Darlow, L. (2026). Cyfrowe ekosystemy: Interaktywne wieloagentowe neurony komórkowe. Sakana AI. [Link]

• Vivancos, D., & Sanchez, J. (2025). Od perceptronów do neuraxonów: nowy plan wzrostu i obliczeń neuronowych. Qubic Science. [Link]

• Vivancos, D., & Sanchez, J. (2025). Architektura nauki o dynamice ternarnych stanów osadzonych w czasie. Preprint. [Link]

Odkryj pełną serię Akademii Inteligencji Neuraxon

To jest Tom 7 Akademii Inteligencji Neuraxon #academy zespołu #Qubic naukowego. Jeśli dopiero do nas dołączasz, odkryj pełną serię, aby zbudować pełne zrozumienie nauki stojącej za #Neuraxon , #aigarth i podejściem Qubic do AI inspirowanej mózgiem, #decentralized :

• NIA Tom 1: Dlaczego inteligencja nie jest obliczana w krokach, ale w czasie — Bada, dlaczego inteligencja biologiczna działa w czasie ciągłym, a nie w dyskretnych krokach obliczeniowych, jak tradycyjne LLM.

• NIA Tom 2: Dynamika ternarna jako model inteligencji żywej — Wyjaśnia dynamikę ternarną i dlaczego logika trójjednostkowa (pobudzająca, neutralna, hamująca) ma znaczenie dla modelowania systemów żywych.

• NIA Tom 3: Neuromodulacja i AI inspirowana mózgiem — Zawiera temat neuromodulacji i jak chemiczne sygnały mózgu (dopamina, serotonina, acetylocholina, norepinefryna) inspirują architekturę Neuraxon.

• NIA Tom 4: Sieci neuronowe w AI i neurobiologii — Głęboka porównanie biologicznych sieci neuronowych, sztucznych sieci neuronowych i podejścia trzeciej drogi Neuraxon.

• NIA Tom 5: Astrocyty i AI inspirowana mózgiem — Jak bramkowanie astrocytów przekształca plastyczność sieci neuronowych poprzez ramy AGMP w Neuraxon.

• NIA Tom 6: Świadome maszyny vs inteligentne organizmy: wyjaśnienie świadomości AI — Bada świadomość AI przez pryzmat Teorii Globalnego Workspace, Teorii Zintegrowanych Informacji i kodowania predykcyjnego.

Qubic to zdecentralizowana, otwartoźródłowa sieć. Aby dowiedzieć się więcej, odwiedź qubic.org. Dołącz do dyskusji na X, Discordzie i Telegramie.