A nivell de GA(algorismes genètics), diversos operadors genètics s'han inspirat en els mecanismes de transferència d'informació genètica dels bacteris, per exemple en la conjugació o la transposició(6).
Els GA en paral.lel han implementat el procés real distribuït i en paral.lel a nivell de GA(7), així com el viatge d'informació entre diferents poblacions d' "organismes"(8).

Els CA(autòmats cel.lulars), cada vegada més observats com a màquines virtuals de procés massivament paral.lel, descentralitzat i discret, amb capacitat de computació universal(9), representen una via interessant de comprensió del món cel.lular i bacterià.

En primer lloc, tenim la demostració intensiva i extensiva dels CA com a màquines que computen, en la polèmica enciclopèdia d'autòmats "A new kind of science" de Stephen Wolfram.
A un nivell general, és interessant l'aproximació de Wolfram de l'anomenat Principi d'Equivalència Computacional i "la natura que computa", on tot seria computació en la natura.
Cal dir que l'abordatge concret que realitza Wolfram de l'aplicació dels CA al camp de la biologia, és aparentment "naive" en certs aspectes(10).

En segon lloc, assenyalem la recent aproximació als CA com a paradigmes del món cel.lular per part de S. Capcarrere(11). Capcarrere es pregunta com modelar el món cel.lular, com aconseguir autoreproducció no trivial a la que ja es va referir John Von Neumann. La resposta podria estar en els CA no uniformes, redundants i de procés no sincronitzat(asynchronous), tenint en compte que els CA clàssics es basen en la idea de que totes les cèl.lules de la reixeta s'actualitzen al mateix temps i seguint la mateixa regla, és a dir, son de procés sincronitzat.

Finalment, la simbiosi entre aquests dos paradigmes, els autòmats cel.lulars d'una banda, i la programació evolutiva de l'altra, ofereixen immillorables perspectives de modelació del món bacterià, perquè un paradigma te el que potser li falta a l'altre. Un exemple conegut i senzill és la utilització d'algorismes genètics per a la recerca de regles de CA de classificació de densitat. És a dir, una regla, entre l'espai de regles possibles, que permeti de la manera més òptima possible saber si hi ha més cèl.lules blanques o negres en la configuració inicial d'un CA. Per a una recerca en un espai tant gran(p.ex. 2 elevat a la 128 regles possibles) que millor que la programació evolutiva. En aquest sentit ens agradaria ressaltar el treball actual de Candida Ferreira. Segons Ferreira, emprant el seu software, ha obtingut millors resultats en aquesta tasca de classificació que emprant GP(Programació Genètica), amb recursos computacionals quatre vegades inferiors a GP. La clau és en el seu GEP(Genetic Expression Programming), un híbrid entre algorismes genètics i programació genètica(12). GEP destaca especialment per la seva modelació dels conceptes genotip/fenotip en clau de programació evolutiva, que potser es també un detall important en quan al tema que ens ocupa.

D'altra banda, Capcarrere li otorga una atenció notable a aquesta simbiosi(11).

Tercera part de l'article >>

::::::::: Notes

(5) Entenent per "programació evolutiva", algorismes genètics, programació genètica i híbrids com GEP(Genetic Expression Programming).

(6) Borges A. y E. Costa, "Enhancing Transposition Perfomance", 1999.

(7) Evonet, "Models for the Parallelization of Genetic Algorithms"

(8) Ens referim a "organismes" entesos en el context d'algorismes genètics.

(9) Aclariment de termes: "Computació universal". Equivalents a una màquina de Turing universal. "Discret". Els CA consten d'unitats d'espai i temps definides, discretes.

(10) De totes les revisions realitzades sobre ANKOS("A New Kind Of Science"), una de les crítiques més interessants al respecte és la de Ray Kurweil. També podeu accedir a una completa colecció de reviews sobre ANKOS.

(11) Capcarrere, S., "Cellular Automata and Other Cellular systems: Design & Evolution", 2002.

(12) Ferreira, C. "Gene Expression Programming: a New Adaptive Algorithm for Solving Problems". Complex Systems, Vol. 13, issue 2: 87-129.
Ferreira, C., "Discovery of the Boolean Functions to the Best Density-Classification Rules Using Gene Expression Programming", EuroGP 2002, Berlin, Germany, 2002.

Tercera part de l'article >>