Смерть запрограммированна?

Часто можно слышать, что смерть от старости нужна, что бы освободить место для молодых. Это ускоряет эволюцию.

У меня другое представление об этом.
Клетки накапливают ошибки в геноме и другие повреждения естественным образом.
Заботится и восстанавливать все клетки слишком накладно.
Всё внимание сосредоточено на половых клетках.
О соматических клетках стоит заботится ровно настолько, что бы успеть передать половые клетки в следующее поколение.
То есть возникает баланс.
Смерть от старости эволюцию не ускоряет, а замедлить может.
С человечеством сложнее, но в природе многие виды до смерти от старости могут просто не доживать.
Естественный отбор прекрасно регулируют численность популяции.

Сделал небольшую модель.
Популяция 1000 особей.
Начальная приспособленность равна 30.
Каждый сезон каждая выжившая особь оставляет одного потомка.
(чем больше приспособленность, тем выше вероятность выжить)
У потомка приспособленность может улучшится в 1% случаев или ухудшится в 50% случаев.
Голубая гистограмма показывает приспособленность, оранжевая возраст.

эксперимент 1 ( первая часть видео ): Срок жизни - 3 сезона.
Приспособленность популяции снижается.

То есть особь с хорошими показателями за три сезона скорее всего не оставит более удачный вариант, но вполне может получить всех потомков с худшими данными. (инволюция)

эксперимент 2 ( вторая часть видео ): Срок жизни не ограничен.
Приспособленность популяции быстро растёт.

То есть особь с хорошей приспособленностью может прожить больше 10 сезонов, пока кто то из её потомков не получит удачную мутацию и не вытеснит предка.

То есть для эволюции никакого смысла специально ограничивать продолжительность жизни в большинстве случаев нет. Организмы стареют естественным образом.

Но можно найти исключения. Например однолетнии растения или какая нибудь лосось, умирающая после нереста.

График по возрастам в популяции, где нет смерти от старости.
Каждый год есть шанс погибнуть по неестественным причинам. Ресурсы среды вносят органичения на размер популяции.
Поэтому долго никто не живёт.
Меняя параметры, можно растянуть график до большего числа лет.
Но эта популяция, где каждый сам за себя.
В популяции со сложной социальной структурой (человечество) график уже будет другим.
Как я предполагаю, будет каста бессмертных.

Тема для обсуждения.
Это мои тёмные мысли, построенные на логике и моих знаний в биологии.
Допустим, что никакого естественного отбора нет и все особи оставляют равное количество потомков.
Без мутаций новое поколение будет иметь такую же приспособленость, как прежнее.
Но наличие мутаций ухудшает геном. Вероятность негативной мутации значительно выше, чем полезной.
Без естественного отбора популяция начнёт "ухудшаться", накапливая генетический груз.
(Левая часть картинки.)

Но благодаря тому, что ресурсы ограниченны, возникает естественный отбор. Чем лучше особь приспособленна, тем с большей вероятностью у неё будет больше потомков.

Здесь кроется любопытный парадокс:
В новом поколении в среднем каждая особь генетически хуже, чем родители, но всё поколение в среднем лучше, чем предыдущее.

Всё благодаря тому, что худшие представители из прошлого поколения имели ограничение на оставление потомков.
(Правая часть картинки.)

Если количество мутаций превысит некий порог, то естественный отбор перестанет справлятся.
Наступит так называемая катастрофа ошибок (Error Catastrophe).
Близко к этому понятие порога Эйгена. (критический порог точности копирования, за пределами которого генетическая информация просто растворяется в хаосе мутаций.)

PS слово "инволюция" взял у одного блогера, который продвигает версию, что все животные - это деградировшие люди.
Эволюции нет, есть Инволюция.

Много лет назад я в ВК угодил в чат любителей "вечных двигателей".
Там был небольшой костяк из десятка человек, которые активно дискутировали и жарко спорили с использованием слов:
• квантовые эффекты
• СТЭ и ОТЭ
• Туннельный эффект:
• Эффект Казимира
• Прецессия Томаса
• торсионные поля

Для меня это звучало как магия.
Я слабо разбираюсь в физике за пределами школьной программы и немного завидовал им.
В то время я как раз делал модель вездехода и по приколу выложил в чат gif-ку, сказав, что это моя первая модель сверхединичного генератора и мощность зависит от массы грузиков, которые нужно прикрепить к трём рычагам.
Люди стали реально обсуждать достоинства этой модели.
Когда я возразил и стал объяснять с использованием школьной программы, что он не заработает, оказалось, что школьной программы они не знают. Это меня немного шокировало.
Оказалось, можно активно и правдоподобно дискутировать с использованием умных слов, но быть полным профаном на базовом уровне.
Для меня так и осталось загадкой, зачем они это делали.
Группа была маленькой, аудитории нет.
Возможно, это давало им ощущение причастности к чему то великому.
Налёт элитарности.
Попробовал сейчас найти эту группу или чат, но не нашёл :(

Есть концепция "Тёмного леса" из трилогии "Задача трёх тел".
Я много лет назад слушал эту триллогию и возможно что то забыл или не правильно понял.

Суть такая:

1. Появившаяся на планете жизнь может миллионы и миллиарды лет пребывать в младенческом состоянии, но потом неожиданно в течении нескольких тысячелетий происходит "технологическая сингулярность" и эта планета может представлять опасность для других.

2. Скорость обмена информацией ограниченна из за скорости света.

Из этих предпосылок, цивилизации, которая обнаружила жизнь на другой планете выгодно сразу запустить уничтожение этой планеты.

Для разведки того, что представляет из себя эта соседняя жизнь требуются столетия или тысячилетия.
За это время на той планете может произойти "технологическая сингулярность" и она обнаружит вас и запустит уничтожение вашей планеты.

Поэтому все цивилизации хранят молчание и стараются оставаться незаметными. Обнаружив где то признаки жизни, пытаются её уничтожить.

То есть основа это
1. резкий рост технологических возможностей в непредсказуемый момент и
2. затруднение общения из за гиганских расстояний.

Всё это можно смоделировать и посмотреть при каких параметрах какой будет результат.

- взаимное уничтожение
- останется только одна
- все будут дружить

Я пока не планирую этим заниматься, но хотел бы сделать наметки на будущее.
Есть множество планет в 3д пространстве.
С некоторой вероятностью на них появляется жизнь.
Для вновь появившейся жизни нужно случайно присвоить степень агрессивности и скрытности.
С какого то случайного момента происходит взрыв технологических возможностей.
Вокруг планеты растёт виртуальная сфера (сфера познания), внутри которой могут дистанционно изучаться другие планеты.
Скорость роста этой сферы пропорциональна росту технологических возможностей и обратно-пропорционально скрытности цивилизации.
Внутри этой "сферы познания" цивилизация может обнаружить другую жизнь.
Вероятность обнаружения обратно-пропорциональна скрытности той жизни и пропорциональна тому, насколько глубоко эта планета оказалась внутри "сферы познания".
И тут перед цивилизацией возникает вопрос, что делать.
Попытаться наладить контакт займёт сотни и тысячи лет.
Обмен знаниями и технологиями затруднён из за расстояний.
Посылать будут не всё сразу, а по кусочкам, что бы не быть обманутыми.
Но пока информация о технологиях и знаниях дойдёт до адресата, они уже сами достигли их.
А возможно уже запустили оружие, которое уничтожит вашу область пространства.
Оружие уничтожит чужую планету не сразу, а через сотни и тысячи лет.

Короче, предлагайте идеи и детали подобной модели.
Какие у меня ошибки в понимании.
Возможно, как нибудь возьмусь за реализацию.
А может кто то решит сделать что то подобное.

Запрограмировал простенькую стандартную модель "ястребы и голуби".

Hawk-Dove game (Ястребы и Голуби) — это базовая модель теории игр, которая объясняет, как возникает и поддерживается агрессивное и миролюбивое поведение в конфликтах за ресурс.

Есть популяция, где некоторые предпочитают агресивное поведение (ястребы), некоторые миролюбивое (голуби).
В этой модели на приз (ресурс) всегда выходят двое.
Если два ястреба, то вступают в драку. Один забирает приз, другой получает ущерб.
При встрече ястреба и голубя, ястреб забирает приз без боя.
При встрече двух голубей они делят приз поровну.

Если ущерб меньше приза, то ястребы вытесняют голубей.
Если ущерб превышает приз, то возникает некоторое соотношение между голубями и ястребами.
Так называемое - Эволюционно-стабильная стратегия.

В комментах исходник выложу. Но он написан максимально просто.

https://github.com/BrunetTheo/OneCellWonder

Проект на гитхаб, вдохновлённый моим видео.
Ссылку мне прислал автор проекта.

https://hexolution.yuuret.su/

Это симуляция эволюции, поделка на коленке, не уверен, что буду дальше развивать как-то, но опубликовал в сеть, можете потыкаться если интересно, посмотреть, что будет если оставить их на некоторое время

Попалась любопытная статья на Хабре:

"Каждый день мы просим ИИ что-то делать. «Напиши код», «объясни концепцию», «исправь баг». Но что если перевернуть ситуацию? Что если дать ИИ собственный компьютер, полную свободу действий и... не давать никаких задач? Просто позволить ей существовать?
Это не философская абстракция — это реальный эксперимент, который я провёл за месяц...."

https://habr.com/ru/articles/1007574/

В последнее время я эксперементирую с генетическим алгоритмом в проекте с боксёрами.
Изначально я использовал метод обучения с подкреплением.
Выбрал 8 самых сильных боксёров.
Они стали основой для обучения других с помощью генетического алгоритма.
Вначале создал популяцию из 100 боксёров со случайно сгенерированным геномом.
(ген - это ситуация на ринге и комбинация ударов и перемещений, которые нужно выполнить )
Каждый боксёр проводит по 128 поединков с базовыми боксёрами. Чем больше побед было у боксёра, тем с большей вероятностью ему будет позволенно скрестится с другим боксёром.
Генерируется новое поколение и добавляются случайные мутации.
В итоге после сотен поколений эволюционные боксёры стали чаще побеждать.
Но прикол в другом.
Часто, когда используют генетический алгоритм, агенты находят решение, эксплуатируя какой то баг в программе или формально выполняют условие, но это оказывается не то, что от них требовалось.
Такая ситуация возникла и у меня.
Между связками есть пауза в 14 тактов на обдумывание. Боксёры научились обходить это ограничение.
Я заметил это случайно, когда обнаружил бойца, который использует всего одну связку с одним ударом на все случаи и постоянно побеждает.
Отлаживая, я понял, что он просто молотит без пауз.

На графиках результат запуска 6 симуляций (760 поколений, почти 2 суток). Это уже без бага.
Чёрной линией показано 64 победы из 128 поединков.

Какие эксперименты планирую
(но это уже задел на будущее)
1. Если обучили группу B на основе группы A, а группу C на основе группы B , то какой результат будет в турнире между C и A ?
Есть предположение, что группа C вполне может проиграть. Будет что то похожее на камень-ножницы-бумага.
2. Что если обучать не на боях с готовыми боксёрами, а что бы эволюционные боксёры бились друг с другом. Смогут ли они в итоге победить боксёров, обученных методом обучения с подкреплением.
3. Что будет, если скрестить боксёров из разных симуляций? Будут ли они сильнее всех?
В каждой симуляции, благодаря скрещиванию, боксёры почти идентичны.

Некоторые цифры:
При обучении с подкреплением у боксёров формируется 40 - 45 связок.
При эволюционном обучении у боксёров формируется 9 - 12 связок, но это не мешает им побеждать.
(всего можно сформировать 60 связок)

В качестве фунции приспособленности я использовал количество побед в 128 поединках.
Потомок в среднем имел на 1 победу меньше, чем в среднем его родители.
Я это предполагал и писал здесь об этом , но тут проверил в симуляции.

Дело было вечером, делать было нечего.
Я никогда не касался темы происхождения жизни, так как совершенный профан в химии и органической химии.
Но выходящие научно-популярные статьи на эту тему читаю.
И тут я заметил одну деталь. В предлагаемых вариантах первые репликаторы в виде РНК- цепочек создают копии не себя, а соседей.
Я прокрутил в голове симуляцию (профдеформация) и у меня получилось, что дарвиновский отбор будет действовать в обратную сторону, отбирая самых непригодных.
Накидал небольшую модель.
Популяция из 6000 РНК-репликаторов.
Половина имеет слабую скорость копирования, другая половина успевает за то же время скопировать в два раза больше соседей.
Такт симуляции
За однин такт симуляции каждый репликатор успевает копировать одного или двух случайных репликаторов, в зависимости от своей способности и распадается.
(цепочки РНК быстро распадаются)
Затем удаляем случайных репликаторов, что бы размер популяции оставался равным 6000.
Симуляция
Вначале медленных и быстрых поровну и через 1200 тактов смотрю, кого стало больше.
(голубые-медленые, розовые - быстрые).
На данный момент медленные доминировали 527 раз, а быстрые 464 раза.
То есть никакого отбора в пользу быстрых нет.
Что бы отбор заработал, рапликаторы должны копировать себя, а не соседей.

Недостатки модели
Модель чисто математическая и для копирования репликаторы берут случайный репликатор из всей популяции.
В реальности они будут брать того, кто пространственно находится рядом с ними. Если в популяции РНК-репликаторов появится мутант с лучшими качествами (скорость, точность), то подобные мутанты будут локализованы в небольшой области и чаще копировать друг друга.
Что бы это проверить, нужно делать уже нормальную симуляцию с объектами в пространстве.
Но это уже требует времени.

https://elementy.ru//novosti_nauki/434415/Nayden_malenkiy_ribozim_polimeraza_sposobnyy_replitsirovat_sam_sebya

Вот недавняя статья, после которой и накидал простенькую модель

На ютубе мне в рекомендациях вылез мой последний ролик с англоязычного канала, но с помощью функции "автодубляж" переведённый на русский язык.
Даже не знаю, как на это реагировать.
С этим автодубляжом иногда происходят забавные ситуации.
Например, мне попался ролик, где англичанин и американец произносят слова, которые у них звучат по разному.
Например, для слова метро один говорит Subway, другой Underground .
И в этом фишка ролика, в котором собрали много таких слов
Но с помощью автодубляжа получилось, что оба говорят Метро.
Сломали весь ролик :(

Когда-то в роликах про генетический алгоритм видел ситуации, где генетический алгоритм находит решение не совсем честное или каким-то необычным путём.
Например, человек обучал ботов ходьбе, и один из ботов начал просто скользить по полу.
Как это происходит, автор так и не понял. Просто алгоритм нашел какой-то баг в программе и воспользовался им.
Если знаете примеры видеороликов, где подобное показано, скиньте ссылку в комментариях.

Вчера Онигири проводил стрим по вайб-кодингу. ( @onigiriScience )
Решил тоже, по приколу, сделать мастер-класс на бесплатной Gemini.

У меня есть несколько вопросов для обсуждения.

Вопрос 1

Люди совершенствовали способы общения с компьютером.
Начали с дырок на перфокарте, затем ассемблер, затем высокоуровневые языки программирования.
Языки совершенствовались. Придумывали разные парадигмы программирования, которые были нужны, чтобы позволить программисту сосредотачиваться на основных идеях проекта и совершать меньше ошибок.

Если все перейдут на вайб-кодинг, то развитие языков программирования остановится?

Нейросетям, видимо, без разницы, на каких языках и в каких парадигмах писать код.

Не приведёт ли это к тому, что останется только один язык программирования, оптимизированный под нейросети?

Есть ещё одно замечание.
Артём говорил, что есть идеи заставить нейросеть сразу писать машинный код. Но в этом случае нужно будет заново генерировать код под разные архитектуры процессоров.
Код, написанный на языке программирования, можно с минимальными затратами скомпилировать под любую архитектуру, поэтому предпочтительней генерировать именно в виде текстового кода.

Вопрос 2

Сейчас активно используются чужие библиотеки, чтобы не писать свои велосипеды. Это может создавать проблемы.

Библиотеки могут меняться. Ради одной функции в программу тащится вся библиотека.

С вайб-кодингом смысл в библиотеках теряется. Нейросеть сама напишет весь код. Будет ли меньше зависимостей в программах?