https://www.europesays.com/1952170/ An automated parallel genetic algorithm with parametric adaptation for distributed data analysis #Classification #COMPUTERSCIENCE #Data #GAsParameterControl #GeneticAlgorithms(GAs) #HumanitiesAndSocialSciences #LargeScaleDataProcessing #multidisciplinary #science #ScientificData #Spark

Via the @ataripodcast: in a 25-minute video, Jean Michel Sellier, Research Assistant Professor at Purdue University, demonstrates the use of an #Atari800XL to train a neural network using a genetic algorithm instead of the memory-hungry technique of gradient descent.

https://hackaday.com/2025/02/21/genetic-algorithm-runs-on-atari-800-xl/

I've had a soft spot for Artificial Life for a long time. During the last AI Winter in the mid 1990s, I was spurred to get back into education and onto a career in commercial software development by Stephen Levy's book "Artificial Life: The Quest for a New Creation". I loved that Artificial Life researchers borrowed well-understood mechanisms from genetics and implemented them in software to converge iteratively on solutions, in contrast to AI research, which was attempting to build models of categories which were not understood at all (and largely still aren't) - intelligence (whatever that is) and perception.

In subsequent years I wondered why I wasn't hearing any hype about Artificial Life; it turns out practitioners have been quietly getting on with solving problems using the technique. Meanwhile, yet again, AI boosters have blustered their way into the consciousness with another round of overcooked hype.

The Stephen Levy book is still worth a read, if you can find it. (IIRC Danny Hillis and the Connection Machine folks get a mention too.)

(I don't know if any of the genetic algorithm folks turned out to be supporters of eugenics, as many of the current crop of AI boosters seem to be.)

https://archive.org/details/artificiallifequ0000levy_l1x2

https://en.m.wikipedia.org/wiki/AI_winter#The_setbacks_of_the_late_1980s_and_early_1990s

Trying to come up with more use cases for #GeneticAlgorithms to highlight this under-appreciated type of #AI. It is such a fun and exciting way to figure out problems. What are your favorite ways to use GAs?

I've published an article in DEV: "Exploring Genetic Algorithms with Ruby". I hope you enjoy it and found it useful! https://dev.to/rpaweb/exploring-genetic-algorithms-with-ruby-4lae

#ruby #rails #rubylang #rubyonrails #algorithms #genetics #geneticalgorithms #gen #crossover #mutation #elitism #development #webdev

I fenomeni di emergenza in un sistema in evoluzione sembrano essere legati alla comparsa di processi dinamici nuovi rispetto alla loro qualità e imprevedibili sulla base della caratteristica iniziale del sistema. Per questo motivo è difficile modellizzare i fenomeni di emergenza perché il modello in uso può diventare improvvisamente inadeguato a delineare nuove manifestazioni dinamiche e quindi la vera identità del sistema.

In questa simulazione (nel primo video la registrazione di una sessione) ho cercato di costruire un metamodello che descriva alcuni fenomeni di emergenza durante l’evoluzione del sistema dinamico organismo-ambiente.
Usando algoritmi genetici ho realizzato un sistema di agenti artificiali che interagiscono risolvendo una versione spaziale del Dilemma del Prigioniero Iterato (Axelrod, 1984; Axelrod e Dion, 1988).

Il sistema, compresso tra i vincoli di una crescente complessità interna e l’impossibilità di scindersi, si mantiene spontaneamente entro valori di entropia che gli consentono di mantenere coerenza e “identità” nel tempo, permettendogli di far emergere diversi nuovi equilibri di Nash nella tabella dei payoff ( cultura? economia? politica?…) che regola gli scambi tra agenti artificiali; i nuovi equilibri di Nash emergenti nella tabella dei payoff facilitano l’emergere di alcuni “clan” che si replicano secondo le dinamiche genetiche del Cross-Over.

Per ogni generazione, le azioni del “clan vincente” contribuiscono a modificare la tabella dei payoff secondo regole più vantaggiose per la loro logica di interazione (cooperare/rifiutare/defezionare).

Ogni volta il nuovo equilibrio di Nash emergente viene mantenuto per alcune generazioni, oscillando tra diversi valori di entropia, finché un nuovo “clan” di agenti virtuali prevale sugli altri, orientando l’intero sistema verso l’emergere di un nuovo equilibrio di Nash nella tabella dei payoff.
#ai #geneticalgorithms #gametheory