Учёные создали «научную песочницу» для изучения эволюции зрения

Исследователи из Массачусетского технологического института (MIT) разработали вычислительную платформу, которая позволяет изучать эволюцию систем зрения, используя искусственный интеллект. Этот фреймворк работает как «научная песочница», в которой воплощённые ИИ-агенты эволюционируют на протяжении многих поколений, развивая «глаза» для выполнения различных задач.

Вычислительная эволюция воплощённых ИИ-агентов показывает, как давление среды формировало естественную эволюцию зрения. Автор: Science Advances (2025). DOI: 10.1126/sciadv.ady2888

Платформа позволяет учёным моделировать различные эволюционные сценарии, меняя структуру виртуального мира и задачи для агентов, такие как навигация, поиск пищи или различение объектов. Эксперименты показали, что тип задачи напрямую влияет на то, какие «глаза» развивают агенты.

Например, задачи навигации чаще приводили к эволюции фасеточных глаз, состоящих из множества отдельных единиц, как у насекомых. В то же время задачи по распознаванию объектов способствовали развитию камероподобных глаз с радужной оболочкой и сетчаткой.

«Мы никогда не сможем вернуться назад и выяснить все детали того, как происходила эволюция, но в этой работе мы создали среду, где можем, в некотором смысле, воссоздать эволюцию и исследовать её различными способами», — говорит аспирант MIT Media Lab и соавтор исследования Кушгра Тивари.

Фреймворк использует алгоритмический механизм обучения, где агенты начинают с одного фоторецептора и связанной с ним нейронной сети. В течение «жизни» агент обучается методом проб и ошибок, получая награду за выполнение задачи. Ограничения среды, такие как фиксированное количество пикселей для сенсоров, имитируют физические ограничения реального мира.

Эксперименты также показали, что «больший мозг» не всегда лучше для обработки визуальной информации. После определённого предела дополнительные ресурсы перестают помогать агентам, что в природе было бы их растратой.

В будущем исследователи планируют использовать симулятор для поиска оптимальных систем зрения для конкретных приложений, что может помочь в разработке специализированных датчиков и камер для роботов или носимых устройств. Они также хотят интегрировать в фреймворк большие языковые модели (LLM), чтобы упростить задавание «гипотетических» вопросов.

Исследование опубликовано в журнале Science Advances.