AI Tested Every Possible Version of the Game of Life | Akarsh Kumar
| Istilah | Arti |
|---|---|
| artificial life | Bidang riset yang mempelajari kehidupan sebagaimana mungkin ada lewat simulasi komputer, yang menurut Akarsh merupakan taruhan jangka panjang untuk memahami kecerdasan. |
| Conway's Game of Life | Simulasi terkenal karya John Conway berupa grid sel hidup atau mati dengan beberapa aturan sederhana yang ternyata menghasilkan pola sangat kompleks. |
| cellular automata | Sistem berupa grid sel yang keadaannya diperbarui berulang kali berdasarkan aturan lokal dari sel tetangga, menjadi salah satu jenis simulasi yang ditelusuri dalam ASAL. |
| simulation | Program komputer yang menjalankan aturan sebuah dunia buatan langkah demi langkah, yang di video ini dicari secara otomatis dalam jumlah besar. |
| open ended | Sifat sistem yang terus menghasilkan hal baru dan makin kompleks tanpa titik akhir, yang dicari Akarsh di antara ratusan ribu aturan simulasi. |
| emergence | Munculnya pola besar yang mengejutkan dan sulit diprediksi dari interaksi lokal sederhana yang diulang berkali-kali, misalnya glider dalam Game of Life. |
| foundation model | Model AI besar yang dilatih dengan data sangat luas, misalnya CLIP, yang dipakai di ASAL untuk menilai apakah hasil simulasi tampak menarik bagi manusia. |
| evolution | Proses seleksi dan mutasi bertahap yang menurut Akarsh sama sekali tidak acak dan sangat kuat, terutama saat dipadukan dengan LLM sebagai pembuat mutasi. |
| physics | Sebutan Akarsh untuk aturan dasar yang mengatur sebuah dunia simulasi, misalnya matriks interaksi partikel, yang diubah-ubah untuk melihat perilaku yang muncul. |
| boids | Algoritma klasik yang meniru kawanan burung atau ikan, tempat setiap individu hanya melihat tetangganya namun bersama-sama membentuk gerakan berkelompok. |
| curriculum | Urutan belajar dari yang sederhana menuju yang rumit, yang menurut Akarsh perlu bersifat serendipitous agar menghasilkan representasi yang rapi dan tangguh. |
| regularization | Teknik membatasi model agar menemukan solusi yang lebih baik, misalnya weight decay, dan Akarsh menganggap curriculum sebagai bentuk regularisasi yang sangat kuat. |
Video dari kanal Machine Learning Street Talk ini berisi wawancara dengan Akarsh Kumar tentang artificial life, bidang yang mempelajari kehidupan sebagaimana mungkin ada, bukan hanya kehidupan di Bumi. Menurut Akarsh, kita tidak bisa mengklaim memahami kecerdasan atau kehidupan hanya dari satu contoh seperti otak manusia atau GPT-5, jadi seluruh ruang kemungkinan harus dipelajari. Pertanyaan utamanya adalah di dunia simulasi mana muncul penciptaan kompleksitas yang open ended dan emergence, dan di dunia mana yang muncul hanya derau acak. Untuk menjawabnya ia membuat ASAL, metode yang memakai foundation model untuk mencari simulasi menarik secara otomatis. Percakapan juga menyinggung mengapa manusia dan evolusi belajar bertahap mengikuti curriculum, gagasan representasi FER dan Picbreeder dari Kenneth Stanley, serta perbedaan antara kecerdasan statistik dan kecerdasan berbasis keteraturan. Topik ini penting karena Akarsh memandang artificial life sebagai taruhan jangka panjang untuk memahami dan membangun kecerdasan umum.
Akarsh menjelaskan simulator yang dipakai dalam makalahnya: Game of Life dengan grid sel hidup atau mati dan sekitar 18 aturan yang bisa diubah, Lenia karya Bert Chan yang versinya kontinu, neural cellular automata dari Mordvintsev yang terkenal dengan contoh kadal yang bisa tumbuh kembali, Boids yang meniru kawanan ikan, dan Particle Life dengan enam jenis partikel serta matriks interaksi 6 kali 6. Alih-alih membuat satu simulasi, ASAL membuat ruang simulasi, menjalankannya, lalu meminta foundation model menilai hasilnya. Cara ini dipakai karena kompleksitas sulit dirumuskan secara matematis tanpa terjebak Hukum Goodhart. Dari 260.000 aturan yang dipetakan di ruang CLIP, sebagian besar berkumpul di pulau besar yang tidak open ended, sedangkan simulasi paling menarik ada di satu pulau kecil, dan sebagian bahkan memunculkan objek mirip sel yang bertahan lama. Di bagian akhir ia membahas proyek Core War, yaitu LLM yang mengevolusikan program Redcode untuk saling menjatuhkan. Hasilnya mengalahkan 96 persen dari sekitar 300 warrior buatan manusia, dan warrior makin umum di setiap ronde. Kesimpulannya, evolusi tidak acak, dan perpaduannya dengan LLM jauh lebih kuat daripada LLM saja.
Kata kunci
- artificial life
- cellular automata
- open ended
- foundation model
- Mengikuti wawancara dengan Akash Kumar tentang artificial life: memahami kehidupan sebagai ia bisa ada lewat simulasi, termasuk Conway's Game of Life dan cellular automata.
- Membahas open-endedness, emergence, pencarian ruang simulasi dengan foundation model, serta pandangan kehidupan sebagai persistensi.
- Menimbang kombinasi evolusi dan LLM yang jauh lebih kuat daripada LLM saja, dengan analogi regularisasi dalam deep learning.
Tulis catatan pribadimu untuk video ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.