Home » n. 18 febbraio 2003

Sintetizzare la complessità biologica in un laboratorio di vita artificiale

18 febbraio 2003 | di Raffaele Calabretta Istituto di Scienze e Tecnologie della Cognizione Consiglio Nazionale delle Ricerche rcalabretta@ip.rm.cnr.it

Introduzione
La Vita Artificiale, secondo Chris Langton (il ‘padre’ di questa nuova disciplina scientifica), “fa da complemento ai tradizionali metodi analitici della biologia; essa infatti mira a sintetizzare comportamenti di tipo biologico in computer e in altri ambienti ‘artificiali’ …: invece di smontare gli esseri viventi, la vita artificiale cerca di metterli insieme” (Langton, 1992). In altre parole, un fenomeno biologico viene riprodotto simulandolo su un calcolatore oppure costruendo un sistema fisico artificiale, ad esempio un robot biomorfo.
La Vita Artificiale studia fenomeni come la riproduzione, lo sviluppo, l’evoluzione, l’interazione tra sistema biologico e ambiente, il comportamento, l’apprendimento, e studia entità biologiche a tutti i livelli (biomolecole, cellule, organi, organismi, popolazioni di organismi, ecosistemi), tentando di capire come i fenomeni ad un livello siano correlati a quelli ad altri livelli. La Vita Artificiale ha due obiettivi: 1) lo studio e la comprensione dei fenomeni biologici reali attraverso la loro riproduzione in sistemi artificiali; 2) la creazione di tecnologie e applicazioni aventi alcune delle proprietà dei sistemi biologici, con l’intento di creare le basi per una nuova ingegneria di tipo biologico. Le biotecnologie e l’ingegneria genetica hanno qualche somiglianza con la Vita Artificiale in quanto anch’esse creano entità biologiche non esistenti (artificiali). Tuttavia, a differenza della Vita Artificiale, esse operano direttamente sulla materia vivente.
La Vita Artificiale non è semplicemente un campo di ricerca, ma rappresenta anche un potente e innovativo strumento didattico per potere studiare i cosiddetti sistemi dinamici complessi. Questi sistemi si definiscono complessi perché composti da un grande numero di entità, che interagiscono tra di loro a livello locale e che danno luogo a proprietà globali del sistema non prevedibili in base alle interazioni locali; si dicono dinamici in quanto le loro proprietà (locali e globali) possono variare nel tempo. Sono sistemi dinamici complessi molti fenomeni che accadono sia in natura (in fisica, chimica, meteorologia, biologia), sia nelle società umane (economia, evoluzione culturale, tecnologia). Esempi di tali sistemi sono: una società, un mercato economico, una rete neurale artificiale che simula il cervello di un organismo (vedi Parisi, 1995), una catena di amino acidi costituenti una proteina.

Un Laboratorio di Vita Artificiale
Con l’intento di testare la validità della Vita Artificiale quale ausilio didattico è stato progettato e realizzato un Laboratorio di Vita Artificiale, inaugurato in occasione della edizione 1994 della mostra Futuro Remoto (Mostra d’Oltremare, Napoli 24 Novembre – 14 Dicembre 1994) e allestito stabilmente presso lo Spazio IDIS dell’area industriale dismessa di Bagnoli.
Il Laboratorio di Vita Artificiale è stato sviluppato con una collaborazione tra la Fondazione Idis e il gruppo di ricerca sulla Vita Artificiale operante presso il nostro Istituto del C.N.R. di Roma e ha l’obiettivo di coordinare e svolgere attività di educazione/formazione, divulgazione, promozione industriale e ricerca nell’area di sovrapposizione tra scienze e tecnologie biologiche e tecnologie dell’informazione. Il software e l’hardware del Laboratorio di Vita Artificiale consentono all’utente di “manipolare” fenomeni biologici quali l’evoluzione, la selezione naturale, la riproduzione, la trasmissione ereditaria, la distribuzione dell’energia, il comportamento sociale, la competizione, la cooperazione e l’estinzione in popolazioni di organismi artificiali che vivono in un ecosistema artificiale; e di indagare sul funzionamento del cervello e dell’apparato senso-motorio di un organismo artificiale. E’ come se si avesse a disposizione una ipotetica fantastica telecamera il cui zoom sia in grado di visualizzare popolazioni di organismi artificiali, un singolo organismo artificiale o l’intero corpo di quest’ultimo (vedi fig. 1).

Fig. 1 Schermata di partenza del software presente nel  “Laboratorio di Vita Artificiale”.

Presentiamo alcune delle dimostrazioni di software e hardware che costituiscono il Laboratorio di Vita Artificiale.

Evoluzioni di proteine nello spazio tridimensionale
Le proteine sono macromolecole necessarie per il normale svolgimento di quasi tutti i processi biologici degli esseri viventi, ma perché possano svolgere le innumerevoli funzioni per le quali sono deputate, è necessario che, dopo che vengono sintetizzate nei ribosomi sotto forma di una struttura lineare di amino acidi (struttura primaria), si ripieghino su sé stesse (processo di folding) fino ad assumere una struttura tridimensionale caratteristica e diversa da proteina a proteina (struttura terziaria).
La predizione della struttura tridimensionale di una proteina, a partire dalla sola conoscenza della sequenza di amino acidi che la compongono, rappresenta una grande sfida sia per la difficoltà del compito che per l’importanza del problema. Infatti questo tentativo è stato definito come quello che mira a decifrare la seconda metà del codice genetico. Il successo in questa area di ricerca rappresenterebbe un fondamentale punto di partenza per nuove direzioni di ricerca con promettenti risultati e possibili applicazioni in molti campi (biologia, genetica, drug-design, ecc.). Il software del Laboratorio di Vita Artificiale permette la visualizzazione grafica di una simulazione del processo di ripiegamento delle proteine (vedi fig. 2).

Fig. 2. Schermata di partenza (sopra) e schermata con simulazione del folding delle proteine (sotto) del software “Evoluzioni di proteine nello spazio tridimensionale”.

La simulazione tenta di presentare, in maniera originale e incisiva, l’importanza della struttura tridimensionale delle proteine riguardo alla funzione svolta e scaturisce da una ricerca sulla predizione di tale struttura realizzata da alcuni ricercatori del gruppo di ricerca sulla Vita Artificiale di Roma (Calabretta et al., 1995). A differenza di molti altri metodi di predizione della struttura 3D delle proteine, questo approccio permette non solo di predire la struttura tridimensionale finale, ma anche di modellizzare il processo temporale di folding che porta a tale struttura.

Livelli: Organismi e Robot
Un organismo è un sistema fatto di più livelli: il livello dei suoi geni, quello del suo corpo incluso il sistema nervoso, il livello del comportamento e quello della ‘fitness’ o probabilità di riprodursi. I livelli sono ordinati gerarchicamente. I geni determinano il sistema nervoso, il sistema nervoso determina il comportamento e quest’ultimo determina la fitness. Le interazioni tra i diversi livelli sono di tipo non-lineare. Piccole variazioni ad un livello possono provocare grandi modificazioni nei livelli superiori, oppure si può verificare anche il caso che grandi cambiamenti in un livello non producono nessuna trasformazione nei livelli superiori. Per scoprire le leggi che regolano i cambiamenti e le interazioni tra i livelli occorre seguire contemporaneamente l’evoluzione di ogni livello (vedi Cangelosi et al., 1994).
Nel laboratorio di Vita Artificiale si può osservare il comportamento, il ‘cervello’ e il genotipo di Khepera, un piccolo robot progettato e costruito al Politecnico di Losanna, in Svizzera.
Mentre i robot classici non sono ispirati alla biologia e sono programmati da un essere umano, Khepera è ‘biomorfo’ cioè può essere paragonato ad un animale. Infatti, Khepera ha un apparato sensoriale (sensori per la luce), che gli permette di percepire le caratteristiche del mondo in cui è immerso. Ha un apparato motorio che gli permette di agire (motori che controllano le ruote o il braccio meccanico). Infine, Khepera ha un sistema nervoso (computer di bordo) che, in base alle differenti stimolazioni sensoriali, decide l’azione motoria da attuare. In particolare, Khepera non è programmato da un essere umano per svolgere determinati compiti, ma si adatta da solo all’ambiente e sviluppa le sue capacità grazie al processo di apprendimento e/o evoluzione della sua rete neurale.
Infatti, il comportamento di Khepera è guidato da una rete neurale che si sviluppa da sola nel corso dell’evoluzione di una popolazione di robot. Tale evoluzione si può realizzare sia in reale che in simulato. Più precisamente, nell’evoluzione reale, si utilizza un solo robot fisico al quale viene cambiato periodicamente ‘il cervello’ (la rete neurale che controlla il suo comportamento), simulando così una serie di individui che hanno lo stesso corpo ma cervelli diversi. Nell’evoluzione simulata, si riproduce in un calcolatore il robot e l’ambiente in cui vive. Si può anche seguire un approccio misto, cioè far evolvere qualche generazione di robot ‘in reale’ e qualche generazione ‘in simulato’ (Miglino et al., 1995). Attraverso la dimostrazione presentata nel laboratorio, si può osservare un Khepera reale che evolve la capacità di esplorare rapidamente un ambiente, evitando di urtare i muri e gli ostacoli. Inoltre, si può vedere lo stesso robot nella sua versione simulata al computer (vedi fig. 3).

Fig. 3. Schermata interattiva del software “Livelli”.

Mediante la simulazione è possibile osservare contemporaneamente sia il comportamento che il genotipo e lo sviluppo fenotipico della rete neurale che controlla il robot, durante l’evoluzione di una popolazione artificiale di robot. Si usano a tale scopo gli algoritmi genetici (Goldberg, 1989), che rappresentano modelli matematici regolatori dell’evoluzione di popolazioni di organismi artificiali, in base ai principi di selezione naturale e di evoluzione degli esseri viventi.

Conclusioni
Una strada alternativa per la creazione di ambienti di apprendimento è quella che porta alla costruzione di laboratori sperimentali virtuali o simulati, come quello descritto sopra. Lo studente (e lo scienziato) possono compiere azioni/manipolazioni sulla realtà simulata nel calcolatore e osservare gli effetti di queste azioni/manipolazioni, possono controllare le altre variabili per arrivare a conclusioni attendibili, possono fare osservazioni sistematiche e quantitative, etc. Se si accetta la semplificazione della realtà inerente alle simulazioni, un Laboratorio di Vita Artificiale può offrire molti vantaggi rispetto al laboratorio reale. Infatti a parte i problemi di costo, i laboratori reali consentono lo studio e la conoscenza solo di alcuni aspetti limitati della realtà. Molti fenomeni non possono essere studiati in un laboratorio reale perché avvengono su scale temporali troppo lunghe (si pensi ai fenomeni dell’evoluzione biologica) o perché riguardano oggetti troppo grandi o troppo piccoli, o perché gli esperimenti non sono eticamente possibili, e per diversi altri motivi. Tutte queste limitazioni scompaiono in un Laboratorio di Vita Artificiale. Da questo punto di vista è essenziale l’integrazione della simulazione con la multimedialità, con le nuove tecniche di visualizzazione e grafica computazionale, con la realtà virtuale, che consentono la visualizzazione e la manipolazione di realtà lontane dai nostri sensi e persino di realtà astratte.

Bibliografia
Calabretta, R., Nolfi, S. & Parisi, D. (1995). An Artificial Life Model for Predicting the Tertiary Structure of Unknown Proteins that Emulates the Folding Process. In Lecture Notes in Artificial Intelligence: Advances in Artificial Life (Moran, F., Moreno, A., Merelo, J.J. & Chacon, P. eds.), pp. 862-875, Springer-Verlag, Heidelberg.
Cangelosi, A., Parisi, D. & Nolfi, S. (1994). Cell division and migration in a ‘genotype’ for neural networks. Network, 5, 497-515.
Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA.
Langton, C. (1992). Vita Artificiale. Sistemi Intelligenti.
Miglino, O., Lund, H.H. & Nolfi, S. (1995). Evolving mobile robots in simulated and real environments. Artificial Life, 2, 101-116.
Parisi, D. (1995). Una nuova prospettiva nello studio dell’intelligenza. Vita artificiale. NUOVA SECONDARIA, 10, 24-27.
Parisi, D., Cecconi, F. & Cerini, A. (1994). Kin-directed altruism and attachment behavior in an evolving population of neural networks. In Artificial Societies (Gilbert, N. & Conte, R. eds.), UCL Press, London.

Introduzione
La Vita Artificiale, secondo Chris Langton (il ‘padre’ di questa nuova disciplina scientifica), “fa da complemento ai tradizionali metodi analitici della biologia; essa infatti mira a sintetizzare comportamenti di tipo biologico in computer e in altri ambienti ‘artificiali’ …: invece di smontare gli esseri viventi, la vita artificiale cerca di metterli insieme” (Langton, 1992). In altre parole, un fenomeno biologico viene riprodotto simulandolo su un calcolatore oppure costruendo un sistema fisico artificiale, ad esempio un robot biomorfo.
La Vita Artificiale studia fenomeni come la riproduzione, lo sviluppo, l’evoluzione, l’interazione tra sistema biologico e ambiente, il comportamento, l’apprendimento, e studia entità biologiche a tutti i livelli (biomolecole, cellule, organi, organismi, popolazioni di organismi, ecosistemi), tentando di capire come i fenomeni ad un livello siano correlati a quelli ad altri livelli. La Vita Artificiale ha due obiettivi: 1) lo studio e la comprensione dei fenomeni biologici reali attraverso la loro riproduzione in sistemi artificiali; 2) la creazione di tecnologie e applicazioni aventi alcune delle proprietà dei sistemi biologici, con l’intento di creare le basi per una nuova ingegneria di tipo biologico. Le biotecnologie e l’ingegneria genetica hanno qualche somiglianza con la Vita Artificiale in quanto anch’esse creano entità biologiche non esistenti (artificiali). Tuttavia, a differenza della Vita Artificiale, esse operano direttamente sulla materia vivente.
La Vita Artificiale non è semplicemente un campo di ricerca, ma rappresenta anche un potente e innovativo strumento didattico per potere studiare i cosiddetti sistemi dinamici complessi. Questi sistemi si definiscono complessi perché composti da un grande numero di entità, che interagiscono tra di loro a livello locale e che danno luogo a proprietà globali del sistema non prevedibili in base alle interazioni locali; si dicono dinamici in quanto le loro proprietà (locali e globali) possono variare nel tempo. Sono sistemi dinamici complessi molti fenomeni che accadono sia in natura (in fisica, chimica, meteorologia, biologia), sia nelle società umane (economia, evoluzione culturale, tecnologia). Esempi di tali sistemi sono: una società, un mercato economico, una rete neurale artificiale che simula il cervello di un organismo (vedi Parisi, 1995), una catena di amino acidi costituenti una proteina.

Un Laboratorio di Vita Artificiale
Con l’intento di testare la validità della Vita Artificiale quale ausilio didattico è stato progettato e realizzato un Laboratorio di Vita Artificiale, inaugurato in occasione della edizione 1994 della mostra Futuro Remoto (Mostra d’Oltremare, Napoli 24 Novembre – 14 Dicembre 1994) e allestito stabilmente presso lo Spazio IDIS dell’area industriale dismessa di Bagnoli.
Il Laboratorio di Vita Artificiale è stato sviluppato con una collaborazione tra la Fondazione Idis e il gruppo di ricerca sulla Vita Artificiale operante presso il nostro Istituto del C.N.R. di Roma e ha l’obiettivo di coordinare e svolgere attività di educazione/formazione, divulgazione, promozione industriale e ricerca nell’area di sovrapposizione tra scienze e tecnologie biologiche e tecnologie dell’informazione.
Il software e l’hardware del Laboratorio di Vita Artificiale consentono all’utente di “manipolare” fenomeni biologici quali l’evoluzione, la selezione naturale, la riproduzione, la trasmissione ereditaria, la distribuzione dell’energia, il comportamento sociale, la competizione, la cooperazione e l’estinzione in popolazioni di organismi artificiali che vivono in un ecosistema artificiale; e di indagare sul funzionamento del cervello e dell’apparato senso-motorio di un organismo artificiale. E’ come se si avesse a disposizione una ipotetica fantastica telecamera il cui zoom sia in grado di visualizzare popolazioni di organismi artificiali, un singolo organismo artificiale o l’intero corpo di quest’ultimo (vedi fig. 1).

http://formare.erickson.it/repository/febbraio_03/calabr1.gif

Fig. 1 Schermata di partenza del software presente nel
Laboratorio di Vita Artificiale”.

Presentiamo alcune delle dimostrazioni di software e hardware che costituiscono il Laboratorio di Vita Artificiale.

Evoluzioni di proteine nello spazio tridimensionale
Le proteine sono macromolecole necessarie per il normale svolgimento di quasi tutti i processi biologici degli esseri viventi, ma perché possano svolgere le innumerevoli funzioni per le quali sono deputate, è necessario che, dopo che vengono sintetizzate nei ribosomi sotto forma di una struttura lineare di amino acidi (struttura primaria), si ripieghino su sé stesse (processo di folding) fino ad assumere una struttura tridimensionale caratteristica e diversa da proteina a proteina (struttura terziaria).
La predizione della struttura tridimensionale di una proteina, a partire dalla sola conoscenza della sequenza di amino acidi che la compongono, rappresenta una grande sfida sia per la difficoltà del compito che per l’importanza del problema. Infatti questo tentativo è stato definito come quello che mira a decifrare la seconda metà del codice genetico. Il successo in questa area di ricerca rappresenterebbe un fondamentale punto di partenza per nuove direzioni di ricerca con promettenti risultati e possibili applicazioni in molti campi (biologia, genetica, drug-design, ecc.). Il software del Laboratorio di Vita Artificiale permette la visualizzazione grafica di una simulazione del processo di ripiegamento delle proteine (vedi fig. 2).

http://formare.erickson.it/repository/febbraio_03/calabr2.gif

http://formare.erickson.it/repository/febbraio_03/calabr3.gif

Fig. 2. Schermata di partenza (sopra) e schermata con simulazione del folding delle proteine (sotto) del software “Evoluzioni di proteine nello spazio tridimensionale”.

La simulazione tenta di presentare, in maniera originale e incisiva, l’importanza della struttura tridimensionale delle proteine riguardo alla funzione svolta e scaturisce da una ricerca sulla predizione di tale struttura realizzata da alcuni ricercatori del gruppo di ricerca sulla Vita Artificiale di Roma (Calabretta et al., 1995). A differenza di molti altri metodi di predizione della struttura 3D delle proteine, questo approccio permette non solo di predire la struttura tridimensionale finale, ma anche di modellizzare il processo temporale di folding che porta a tale struttura.

Livelli: Organismi e Robot
Un organismo è un sistema fatto di più livelli: il livello dei suoi geni, quello del suo corpo incluso il sistema nervoso, il livello del comportamento e quello della ‘fitness’ o probabilità di riprodursi. I livelli sono ordinati gerarchicamente. I geni determinano il sistema nervoso, il sistema nervoso determina il comportamento e quest’ultimo determina la fitness. Le interazioni tra i diversi livelli sono di tipo non-lineare. Piccole variazioni ad un livello possono provocare grandi modificazioni nei livelli superiori, oppure si può verificare anche il caso che grandi cambiamenti in un livello non producono nessuna trasformazione nei livelli superiori. Per scoprire le leggi che regolano i cambiamenti e le interazioni tra i livelli occorre seguire contemporaneamente l’evoluzione di ogni livello (vedi Cangelosi et al., 1994).
Nel laboratorio di Vita Artificiale si può osservare il comportamento, il ‘cervello’ e il genotipo di Khepera, un piccolo robot progettato e costruito al Politecnico di Losanna, in Svizzera.
Mentre i robot classici non sono ispirati alla biologia e sono programmati da un essere umano, Khepera è ‘biomorfo’ cioè può essere paragonato ad un animale. Infatti, Khepera ha un apparato sensoriale (sensori per la luce), che gli permette di percepire le caratteristiche del mondo in cui è immerso. Ha un apparato motorio che gli permette di agire (motori che controllano le ruote o il braccio meccanico). Infine, Khepera ha un sistema nervoso (computer di bordo) che, in base alle differenti stimolazioni sensoriali, decide l’azione motoria da attuare. In particolare, Khepera non è programmato da un essere umano per svolgere determinati compiti, ma si adatta da solo all’ambiente e sviluppa le sue capacità grazie al processo di apprendimento e/o evoluzione della sua rete neurale.
Infatti, il comportamento di Khepera è guidato da una rete neurale che si sviluppa da sola nel corso dell’evoluzione di una popolazione di robot. Tale evoluzione si può realizzare sia in reale che in simulato. Più precisamente, nell’evoluzione reale, si utilizza un solo robot fisico al quale viene cambiato periodicamente ‘il cervello’ (la rete neurale che controlla il suo comportamento), simulando così una serie di individui che hanno lo stesso corpo ma cervelli diversi. Nell’evoluzione simulata, si riproduce in un calcolatore il robot e l’ambiente in cui vive. Si può anche seguire un approccio misto, cioè far evolvere qualche generazione di robot ‘in reale’ e qualche generazione ‘in simulato’ (Miglino et al., 1995). Attraverso la dimostrazione presentata nel laboratorio, si può osservare un Khepera reale che evolve la capacità di esplorare rapidamente un ambiente, evitando di urtare i muri e gli ostacoli. Inoltre, si può vedere lo stesso robot nella sua versione simulata al computer (vedi fig. 3).

http://formare.erickson.it/repository/febbraio_03/calabr4.gif

Fig. 3. Schermata interattiva del software “Livelli”.

Mediante la simulazione è possibile osservare contemporaneamente sia il comportamento che il genotipo e lo sviluppo fenotipico della rete neurale che controlla il robot, durante l’evoluzione di una popolazione artificiale di robot. Si usano a tale scopo gli algoritmi genetici (Goldberg, 1989), che rappresentano modelli matematici regolatori dell’evoluzione di popolazioni di organismi artificiali, in base ai principi di selezione naturale e di evoluzione degli esseri viventi.

Conclusioni
Una strada alternativa per la creazione di ambienti di apprendimento è quella che porta alla costruzione di laboratori sperimentali virtuali o simulati, come quello descritto sopra. Lo studente (e lo scienziato) possono compiere azioni/manipolazioni sulla realtà simulata nel calcolatore e osservare gli effetti di queste azioni/manipolazioni, possono controllare le altre variabili per arrivare a conclusioni attendibili, possono fare osservazioni sistematiche e quantitative, etc. Se si accetta la semplificazione della realtà inerente alle simulazioni, un Laboratorio di Vita Artificiale può offrire molti vantaggi rispetto al laboratorio reale. Infatti a parte i problemi di costo, i laboratori reali consentono lo studio e la conoscenza solo di alcuni aspetti limitati della realtà. Molti fenomeni non possono essere studiati in un laboratorio reale perché avvengono su scale temporali troppo lunghe (si pensi ai fenomeni dell’evoluzione biologica) o perché riguardano oggetti troppo grandi o troppo piccoli, o perché gli esperimenti non sono eticamente possibili, e per diversi altri motivi. Tutte queste limitazioni scompaiono in un Laboratorio di Vita Artificiale. Da questo punto di vista è essenziale l’integrazione della simulazione con la multimedialità, con le nuove tecniche di visualizzazione e grafica computazionale, con la realtà virtuale, che consentono la visualizzazione e la manipolazione di realtà lontane dai nostri sensi e persino di realtà astratte.

Bibliografia
Calabretta, R., Nolfi, S. & Parisi, D. (1995). An Artificial Life Model for Predicting the Tertiary Structure of Unknown Proteins that Emulates the Folding Process. In Lecture Notes in Artificial Intelligence: Advances in Artificial Life (Moran, F., Moreno, A., Merelo, J.J. & Chacon, P. eds.), pp. 862-875, Springer-Verlag, Heidelberg.
Cangelosi, A., Parisi, D. & Nolfi, S. (1994). Cell division and migration in a ‘genotype’ for neural networks. Network, 5, 497-515.
Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning.
Addison-Wesley, Reading, MA.
Langton, C. (1992). Vita Artificiale. Sistemi Intelligenti.
Miglino, O., Lund, H.H. & Nolfi, S. (1995). Evolving mobile robots in simulated and real environments. Artificial Life, 2, 101-116.
Parisi, D. (1995). Una nuova prospettiva nello studio dell’intelligenza. Vita artificiale. NUOVA SECONDARIA, 10, 24-27.
Parisi, D., Cecconi, F. & Cerini, A. (1994).
Kin-directed altruism and attachment behavior in an evolving population of neural networks. In Artificial Societies (Gilbert, N. & Conte, R. eds.), UCL Press, London.


<< Indietro Avanti >>