“生物启发式硬件系统的POE模型”

POE model of bio-inspired hardware systems

AI生成的图像(craiyon)

1997年的经典作品,发表在IEEE Transactions on Evolutionary Computation的首期:生物启发式硬件系统的系统发生学、个体发生学和表观发生学视角。

生物体是复杂的系统,展示出一系列有益特征,如进化、适应性和容错性,这些特征在传统工程方法中很难实现。最近,工程师们受到某些自然过程的吸引,孕育了人工神经网络和进化计算等领域的诞生。如果考虑地球上生命从最开始的时刻起,可以区分以下三个层次的组织:

系统发生学、个体发生学、表观发生学

系统发生学:第一层次涉及遗传程序的时间演化,其标志是物种的进化,或称系统发生学。生物体的繁殖基于程序的复制,个体水平的极低错误率确保子代的身份基本不变。突变(无性繁殖)或突变与重组(有性繁殖)导致新生物的出现。系统发生学机制基本上是非确定性的,突变和重组率提供了主要的多样性来源。这种多样性对于生物种的生存至关重要,对于它们持续适应不断变化的环境和新物种的出现都是必不可少的。

个体发生学:随着多细胞生物的出现,第二个生物组织层次显现出来。母细胞(受精卵)的连续分裂,每个新形成的细胞都带有原始基因组的一个副本,随后根据其周围环境(即其在整体中的位置)对细胞进行特化。这个阶段被称为细胞分化。个体发生学是多细胞生物的发育过程。这个过程基本上是确定性的:基因组中的一个单个碱基的错误可能导致引人注目、可能致命的畸形。

表观发生学:个体发生学程序在信息存储方面受到限制,因此无法完全指定生物体的完整规范。一个众所周知的例子是人类大脑,它有约10¹⁰个神经元和10¹⁴个连接,远远超过大约3×10⁹长度的四字符基因组的完全规范。因此,在达到一定的复杂性水平时,必须出现一种不同的过程,使个体能够整合与外界的大量互动。这个过程被称为表观发生学,主要包括神经系统、免疫系统和内分泌系统。这些系统的特点是它们具有由基因组完全定义的基本结构(先天部分),然后通过个体与环境的终身互动(后天部分)进行修改。表观遗传过程可以宽泛地归类为学习系统。

类比于自然界,生物启发式硬件系统的领域可以沿着这三个方向进行划分:系统发生学、个体发生学和表观发生学,这给出了Sipper等人最近提出的POE模型。

POE模型。沿着系统发生学、个体发生学和表观发生学三个方向划分生物启发式硬件系统的空间。

在自然界中,这些方向之间的区分并不容易,而且定义本身可能会引起讨论。因此,Sipper等人在POE模型的框架内对上述每个方向进行了如下定义:系统发生学轴涉及进化,个体发生学轴涉及一个个体从其自己的遗传物质中的发育,基本上没有环境交互,表观发生学轴涉及在个体形成后通过与环境的互动进行学习。

以三种范例为例,这些硬件实现可以沿着POE轴定位:(P)进化算法是自然界中类似于物种发生史的人工对应物,(O)多细胞自动机基于发生史的概念,其中单个母细胞通过多次分裂形成多细胞生物,(E)人工神经网络体现了表观遗传过程,即系统的突触权重和可能的拓扑结构通过与环境的交互而改变。

在统称为软计算的领域中,通常涉及解决不明确的问题以及需要不断适应或进化的需求,上述范例产生了令人印象深刻的结果,经常与传统方法相媲美。

Sipper等人在POE框架中研究了受生物启发的硬件系统,他们的目标是:(1)介绍当今研究的概述,(2)证明POE模型可用于对生物启发系统进行分类,(3)从POE的视角得出未来研究的可能方向。Sipper等人描述了每个轴并提供了沿轴定位的系统示例。一个自然的延伸是将两个轴,最终将所有三个轴结合起来,以达到讨论论文中所述的新型受生物启发的硬件。

结合POE轴以创建新型受生物启发的系统:PO平面涉及展现发生史特征(如生长、复制和再生)的进化硬件,PE平面包括进化人工神经网络等,OE平面结合发生史机制(自复制、自修复)与表观遗传(如神经网络)学习,最后,POE空间包括展现与三个轴相关特征的系统。后者的一个例子是一个人工神经网络(表观遗传轴),实施在一个自复制的多细胞自动机(发生史轴)上,其基因组受到进化(物种发生史轴)的影响。

从技术角度来看,我们注意到当今许多受生物启发的系统领域的作品都基于所谓的可编程电路。当用户通过编程配置其功能时,集成电路被称为可编程的。电路在制造后以通用状态交付给用户,用户可以通过编程适应特定功能。编程功能以代表电路配置的位串编码。请注意,编程标准微处理器芯片和编程可编程电路之间存在差异 – 前者涉及一系列操作或指令的规范,而后者涉及机器自身的配置,通常在门级上。近年来,这类电路受到越来越多的关注,最新加入可重构处理器家族的是所谓的现场可编程门阵列(FPGA)。

展望未来,人们可以想象纳米尺度(生物)系统成为现实,这些系统将具备进化、繁殖、再生和学习能力。

AI生成的图像(craiyon)

参考文献

[1] M. Sipper, E. Sanchez, D. Mange, M. Tomassini, A. Pérez-Uribe, and A. Stauffer. A Phylogenetic, Ontogenetic, and Epigenetic View of Bio-Inspired Hardware Systems. IEEE Transactions on Evolutionary Computation, Vol. 1, №1, pages 83–97, April 1997.

[2] M. Sipper, E. Sanchez, D. Mange, M. Tomassini, A. Pérez-Uribe, and A. Stauffer. 生物启发硬件系统的POE模型:简介。在J. R. Koza,K. Deb,M. Dorigo,D. B. Fogel,M. Garzon,H. Iba和R. L. Riolo编辑,遗传编程1997:第二届年会论文集,第510-511页。Morgan Kaufmann,旧金山,加利福尼亚州,1997年。

[3] M. Sipper,D. Mange和A. Stauffer。个体发育硬件。BioSystems,Vol. 44,№3,第193-207页,1997年。

原始发表网址为https://www.moshesipper.com。