چگونه می‌توان از بازی‌های ویدیویی برای شبیه‌سازی تکامل داروینی استفاده کرد؟

چگونه می‌توان از بازی‌های ویدیویی برای شبیه‌سازی تکامل داروینی استفاده کرد؟

به نقل از دیجیکالا:

این مقاله درباره‌ی تکامل است، ولی نه آن تکامل بیولوژیکی که همه با آن آشنا هستیم، و در آن ارگانیسم‌های زنده با محیط پیرامونشان انطباق پیدا می‌کنند. نه، این مقاله درباره‌ی تکامل مجازی است. کشف این موضوع که بازی‌های ویدئویی و سایر شبیه‌سازها تا کجا می‌توانند نظم طبیعی را شکسته و به ما اجازه دهند تا با بلوک‌های سازنده‌ی بیولوژیک یک حیات جدید بسازیم.

رویای جاه‌طلبانه‌ی استفاده از کامپیوترها برای شبیه‌سازی حیات به خیلی قبل‌تر برمی‌گردد، و شاید غافلگیر شوید وقتی ببینید چنین تکنولوژی‌ای توانسته تا کجا پیشرفت کند. پس، انتخاب طبیعی داروینی را در این مقاله به دست می‌گیریم، و خواهیم دید تا کجا می‌توانیم این مفهوم را عملی کنیم (البته قبل از اینکه همه‌چیز از هم فروبپاشد).

شبیه‌سازی سلولی

ماجرای ما در سال ۱۹۷۰ شروع می‌شود، وقتی جان اچ. کانوی/John H. Conway، ریاضی‌دان اهل بریتانیا، از بازی‌ای پرده‌برداری کرد که خیلی ساده به آن «حیات»/Life می‌گویند. قوانینش هم ساده‌اند: در خلا، چند پیکسل کوچک که حکم سلول دارند را می‌سازید،‌ و اگر سلول‌های کافی کنارشان باشد خود را تکثیر می‌کنند، و اگر جمعیت‌شان هم بیش‌ازاندازه رشد کند یا تنها شوند می‌میرند. ساده‌ است، مگر نه؟

بعد از کشیدن پیکسل/سلول‌ها، نوبت اجرای شبیه‌ساز است. و بعد…

بازی حیات کانویبازی حیات کانویبازی حیات کانوی

الگوی سفینه در بازی حیات کانوی

الگوی سفینه یا Spaceships در حیات کانوی

با استفاده از این قوانین و الگوهای ابتدایی، بازی حیات کانوی می‌تواند واکنش‌های زنجیره‌ای به‌طرزی باورنکردنی پیچیده بسازد که واقعا حس می‌کنید دارید موجودات زنده را می‌بینید. خیلی سریع، مردم متوجه شدند بسته به الگوی اولیه‌ای که با پیکسل‌ها رسم می‌کنید، گونه‌های خاصی از حیات شکل می‌گیرد که رفتار منحصربه‌فرد خودشان را دارند. مثلا کلونی‌های میکروب‌گونه‌ای که به نظر می‌رسد در حال حرکتند با نام «سفینه» شناخته می‌شوند؛ تعدادی هم «قطار دودی»/Puffer Train هستند که مسافتی طولانی را طی کرده و ردی از زباله پشت سرشان به جا می‌گذارند؛ چنگک/Rakeها هم پشت سرشان ردی از سفینه‌های کاملا چفت‌وبست‌دار به وجود می‌آید.

از اینها پیچیده‌تر، الگوی «خرگوشی»/Bunnies است که ابتدا در مقیاس کوچک شروع می‌شود ولی قبل از ثابت ایستادن برای مدتی بسیار طولانی مدام در جست‌وخیز و گسترش است. حرکات این الگو بی‌شباهت به تماشای جنب‌وجوش سلول‌ها زیر میکروسکوپ نیست:

بازی حیات کانوی، الگوی خرگوشی

البته، هر تعریفی از حیات را در نظر داشته باشیم، پیکسل‌های بازی حیات کانوی موجودات زنده نیستند، ولی نقطه‌ی آغازین فوق‌العاده‌ای هستند و نشان می‌دهند چطور چند قانون ساده‌ی کارآمد می‌توانند منجر به ایجاد رفتارهای شدیدا پیچیده شوند. حیات کانوی خودش را به‌عنوان بازی‌ای که تقریبا پتانسیل بی‌نهایتی دارد ثابت کرد — ولی حتی از این هم می‌شود فراتر رفت.

لایف انجین/Life Engine بازی‌ای است که اخیرا توسط یوتیوبری که کانال امرجنت گاردن/Emergent Garden را می‌گرداند ساخته شده که نه فقط رفتار، بلکه خود انتخاب طبیعی داروینی را هم شبیه‌سازی می‌کند. مثل بازی حیات کانوی، لایف انجین هم پیکسل‌محور است، ولی در اینجا رنگ متفاوت پیکسل‌ها کاربردهای متفاوتی دارند: پیکسل‌های نارنجیْ دهان هستند و به سازواره‌ها امکان مصرف انرژی را می‌دهند؛ پیکسل‌های سبز مشابه گیاهان انرژی تولید می‌کنند؛ پیکسل‌های آبی مثل حیوانات حرکت می‌کنند؛ پیکسل‌های صورتی به سایر سازواره‌ها صدمه می‌رسانند؛ پیکسل‌های بنفش مثل زره مقابل ضربات از موجود محافظت می‌کنند؛ و پیکسل‌های خاکستری مثل چشم هستند، و با آن هوشمندترین انواع حیات می‌توانند طوری حرکت کنند که به یکدیگر بر نخورند.

تصویری از شبیه‌ساز Life Engine

وقتی در لایف انجین بازی جدیدی را شروع می‌کنید، همیشه شروعش با سازواره‌های ساکنی است که به آرامی کارشان را از مرکز تصویر آغاز و به کل صفحه، با زادوولد، پراکنده می‌شوند. با این حال هر وقت پیکسلی خود را بازتولید می‌کند در جهشی تصادفی ممکن است رنگش عوض شود. درست مثل انتخاب طبیعی در دنیای واقعی، بعضی از این جهش‌ها، مثل حرکت، سودمند می‌شوند، و به آن سازواره فرصت بیشتری برای پراکندن ژن‌های خود به نسل آینده می‌دهد. تقریبا در همه‌ی بازی، سازواره‌هایی که سریع حرکت می‌کنند سریعا بر موجودات نباتی که حیات ساکنی دارند چیره شده، و سپس موازنه‌ای بین‌شان ایجاد می‌شود که بی‌شباهت به دنیای واقعی نیست. از اینجا به بعد، این پتری دیش شبیه‌سازی‌شده به صحنه‌ی نبرد تبدیل شده، و گونه‌های مختلف برای استفاده از سلاح، زره و دیگر تاکتیک‌های گریز تکامل می‌یابند تا در رقابت علیه یکدیگر پیروز شوند.

بیبتز/The Bibites هم بازی‌ای دیگر مشابه لایف انجین است که توسط یک یوتیوبر دیگر ساخته شده. در این شبیه‌ساز، موجودات مجازی بامزه‌ای بر سر غذا با هم رقابت می‌کنند. سیستم این بازی هم مبتنی بر انتخاب طبیعی و جهش‌های تصادفی است و ارگانیسم‌های صاحب‌نام بازی هرقدر به بازی ادامه دهید به مرور پیچیده‌تر می‌شوند.

البته که هیچ‌یک از این دو بازی به این توضیحات محدود نیستند و جزییات بسیار بیشتری دارند، و همه‌ی این بازی‌ها و این آزمایش‌ها را می‌توانید از این لینک و این لینک همین حالا تجربه کنید.

در دسته‌بندی شبیه‌سازهای تکاملی سلولی کلی بازی فوق‌العاده‌ی این‌چنینی به چشم می‌خورد. مثلا Cute Mold ساخته‌ی Erytau شدیدا از رادارها دور مانده ولی تجربه‌ی شگفت‌انگیزی است که بازیکن با آن رشد کپک لجن/slime moldهای مختلف را شبیه‌سازی می‌کند. Clusters، ساخته‌ی فوق‌العاده‌ی آرتیست الگوریتیمیکْ جفری ونترلا/Jeffery Ventrella هم خرده‌جهانی از ذرات را خلق کرده که رفتارهای شدیدا پیچیده‌ای از خود بروز می‌دهند — نه به‌خاطر یک هوش مصنوعی مخفی، بلکه به خاطر پیاده‌سازی سیستم‌محور قوانین فیزیک در کدها. خیلی از این بازی‌ها به نحوی از بازی حیات کانوی الهام گرفته شدند، اما همه امضا و نوآوری‌های خودشان را دارند.

شبیه‌ساز Lenia

یک مدل محاسباتی دیگر هم شایسته‌ی توجه است: لنیا/Lenia، ساخته‌ی محققْ برت چن/Bert Chan در سال ۲۰۱۵، یک شبیه‌ساز دیگر ماثور از حیات کانوی بود که برنده‌ی جایزه هم شد. لنیا با کلیت‌بخشی مداوم همه‌ی اجسام روی تصویر را نرم و رقیق می‌کند. با الگوهای رزولوشن‌بالا، لنیا حیات‌های دیجیتالی به‌مراتب پیچیده‌تری می‌سازد و بیش از چهارصد گونه‌ از آنها کشف شده است. این شبیه‌ساز ویژگی‌های چنان شگفت‌انگیزی را می‌سازد که معمولا همان‌هایی‌اند که در حیات بیولوژیکی هم می‌بینیم، مثل بدن‌های بسیار متقارن و دوطرفه، قابلیت تکثیر، و حتی ارتباط‌گیری بین کلونی‌ها. برت چن این الگوها را در قالب یک درخت تکاملی طبقه‌بندی/تاکسونومی کرده و بعضی از آنها به‌قدری پیچیده‌اند که عده‌ای آنها را «حیات‌های ریاضیاتی» نامیده‌اند. و درست است که، باز هم هر تعریفی را مبنا قرار دهیم، این الگوها واقعا «زنده» نیستند — آنها صرفا زاده‌ی تعامل میان قوانین به اشکال منحصربه‌فردند.

ولی از طرفی، کیهان ما و تمام سیستم‌های زنده‌ی شگفت‌آوری که در آن زندگی می‌کنند هم به‌نحوی زاده‌ی تعامل این میان این قوانین به اشکال منحصربه‌فردند. و این شبیه‌سازها از این هم پیچیده‌تر می‌شوند…

شبیه‌سازی حرکت

درست مثل روند تکاملی ما در دنیای واقعی، حالا وقت آن است که از استخر پرجزر و مد مجازی تک‌سلولی‌ها بیرون آمده، و اولین قدم‌هایمان را، هرچند هم که دست‌وپا چلفتی، روی خشکی برداریم.

بازی Evolution ساخته‌ی برنامه‌نویسْ کی‌وان/Keiwan درباره‌ی ساخت حیواناتی مجازی است. به این شکل که استخون‌ها را به مفاصل وصل می‌کنید و تاندون عضلات را هم هوش مصنوعی کنترل می‌کند. شبکه‌ی عصبی درون انجین بازی هم سپس، بدون دخالت بازیکن، تلاش می‌کند تا موجود ساخته شده را، طی نسل‌های متمادی، به حرکت درآورد (اشکالی کم‌رنگ از موجود در پس‌زمینه وجود دارد که تلاش‌های دیگر این موجود را در راه رفتن نشان می‌دهد).

اوایل کار، اکثر شبیه‌سازها فاجعه‌بار عمل می‌کنند و بارها در ساختن یک موجودی که بتواند مستقیم راه برود شکست می‌خورند، ولی بعد از گذشت چند نسل، شبکه‌ی عصبی از اشتباهاتش می‌آموزد ولی آن موجود ممکن است برخلاف شکلی که تصور می‌کردید راه رفتن را یاد بگیرد [مثلا در عوض با دست‌هایش راه برود تا با پاهایش]. مثلا در تصویر پایین موجودی میمون‌مانند بعد از گذشت صد و سی و چهار نسل، راه رفتن را آموخته است:

بازی Evolution ساخته‌ی Keiwan

مسئله این است که نحوه‌ی آموزش و تکامل برای راه رفتن توسط هوش مصنوعی و خودکار انجام می‌شود و خودبه‌خودی راه رفتن را می‌آموزد [همانطور که روند تکامل موجودات در دنیای واقعی هم ناآگاهانه پیش می‌رود]، و برای همین اینقدر در این تکامل بد عمل می‌کند. هر حرکت را با آزمون و خطا می‌آموزد. ولی با تمرین کافی، این موجودات شبیه‌سازی‌شده بالاخره آنقدر تکامل می‌یابند تا راه رفتن‌شان شبیه به نمونه‌ی دنیای واقعی شود.

و تنها قابلیت این شبکه‌ی عصبیْ راه رفتن نیست. بسته به موجودی که طراحی می‌کنید، شاید غلت خوردن یا پریدن مثل کانگورو یا حتی پرواز را بیاموزد. و تنها چالش پیش‌روی بازیکن هم این نیست که موجودی بسازد که بتواند روی خط صاف حرکت کند. می‌توان موجودات را برای بالا رفتن از پله‌ها‌ی بی‌نهایت هم آموزش داد، یا پریدن از روی موانعی که با سرعت به سمتش حرکت می‌کنند.

بازی Evolution ساخته‌ی Keiwan

گرچه تماشای اینها گاهی بامزه به نظر می‌رسد، ولی یک‌جورهایی دیدن تلاش‌های این موجودات معصوم برای چیره‌شدن بر قدرت جاذبه تراژیک است. این بازی، واقعا آن ماهیت بی‌احساس انتخاب طبیعی را نشان می‌دهد، روندی که در آن پیشرفت به بهای نسل‌ها شکست به دست آمده است. گرچه این شرح زیادی ساده‌سازی‌شده است، اما، از خیلی جهات، داستان حیات روی زمین هم چیزی جز این نیست.

یک بازی مشابه دیگر ایوول پدال/Evol Pedal است، شبیه‌ساز پیاده‌روی ساخته‌ی ایوول گیمز/Evol Games. در این بازی ارگانیسمی متشکل از قطعات قابل جهش به مرور یاد می‌گیرد چگونه در یک خط صاف حرکت کند. یک نسخه‌ی فوق‌العاده‌ی سه بعدی هم از همین بازی وجود دارد که در آن یک مدل کامپیوتری از انسان باید بیاموزد به هر طریقی که هست راه رفتن را بیاموزد، و نتایج این شبیه‌سازی هم سرگرم‌کننده و هم ناراحت‌کننده هستند. به‌هرحال، وقتی صد عضو قابل حرکت وجود دارد، هوش مصنوعی به سختی می‌تواند حرکت را تنظیم کند. می‌شود تنظیمات را طوری چید تا این انسان به شیوه‌ای غیرانسانی حرکت کند، مثل خم کردن زانوها (که البته صحنه‌های غیرطبیعی‌تری می‌سازد). قدرت جاذبه هم قابل تنظیم است، و زیادی ور رفتن با تنظیمات بازی را مقداری بهم می‌ریزد. و این است هزینه‌ی تکامل باشکوه ما.

بازی evol pedal

ولی شاید داریم قدم‌ها را خیلی سریع برمی‌داریم. به‌هرحال، حیات روی سیاره‌ی ما اولش چندان برای حرکت روی خشکی تکامل نیافته بود، بلکه برای آب، که حرکت در آن ساده‌تر است و کمتر فشار می‌آورد. در سال ۲۰۱۶، گروهی از دانشمندان با تکامل مصنوعی توانستند عمل شنا کردن موجودات نرم‌تن را شبیه‌سازی کنند (شبیه‌ساز Soft-Bodied Life). این ارگانیسم‌های شبیه‌سازی‌شده متشکل از بافت‌های مربعی‌شکل مجازی بودند. مربع‌های سبز نشان‌دهنده‌ی بافت‌های در حرکت و مربع‌های آبی نشان‌دهنده‌ی بافت‌های بی‌حرکت بود. هوش مصنوعی‌ای که ترکیب این دو با یکدیگر را آموخت توانست کارآمدترین شیوه‌های شنا کردن را شبیه‌سازی کند، و اجسامی بسازد که ویژگی‌هایشان شباهت خیلی زیادی به انواع گونه‌های حیات در اقیانوس‌ها دارد.

تصویری از برنامه‌ی soft-bodied lifeتصویری از برنامه‌ی soft-bodied life

و برای مطالعه‌ی رابطه‌ی میان شنا کردن و راه رفتن، بعضی از این موجودات مجازی را روی خشکی آزمایش کردند و هوش مصنوعی توانست از خود راه‌های خلاقانه‌ای ابداع کند تا اجسامی که برای آب تکامل یافته بودند بتوانند روی خشکی هم راه بروند. این آزمایش‌ها اساسا توانستند حیات بینابینی مجازی‌ای بسازند تا نسبت به اینکه چگونه حیوانات اولیه راه رفتن روی خشکی را آموختند دید بهتری پیدا کنیم.

همان سال، گروهی دیگر از دانشمندان در شبیه‌ساز Evolving Soft-Bodied Animals آزمایش مشابهی انجام دادند. در آن، از یک سلول اولیهْ شبکه‌ای ایجاد شده و به یک جسم کامل شکل می‌دهد. شبیه‌ساز هر دفعه چیز متفاوتی می‌سازد، ولی خیلی از آنها به‌طرز شگفت‌انگیزی شبیه حیات و موجودات بیولوژیکی هستند. شایان یادآوری است گفته شود که هوش مصنوعی‌ای که چنین حیاتی می‌سازد هیچ نمی‌داند پا یا دم نیست — هدفش صرفا ایجاد توازن است، و اینگونه شبیه به دنیای واقعی می‌شود.

در خصوص حرکت موجودات دارای عضله، یکی از شناخته‌شده‌ترین آزمایش‌ها در سال ۲۰۱۳ و با شبیه‌سازی سه‌ بعدی تعدادی از موجودات دو پا انجام شد. این مدل‌ها با آزمون و خطا و در نسل‌های متمادیْ راه رفتن را آموختند، بی‌آنکه از موشن کپچر یا انیمیشن با فریم‌های کلیدی استفاده شود. سپس آزمایش‌کنندگان موجودی که راه رفتن را آموخت در سرعت‌های متفاوت قرار دادند، و حتی جعبه‌های مجازی علیه‌شان پرت می‌کردند یا زیر پایشان سطوح لغزنده می‌گذاشتند تا ببینند مقابل موانع چگونه راه رفتن خود را تکامل می‌دهند. گرچه گاهی خطا می‌کردند، اما در مجموع این هوش مصنوعی‌ها حرکت واقعا باثباتی از خود نشان دادند.

تصویری از برنامه‌ی soft-bodied life

دایناسوری که بعد از گذشت ۱۹۹۸ نسل توانست راه رفتن را بیاموزد

یک آزمایش دیگری که اخیرا در کنفرانس ICLR [کنفرانسی بین‌المللی که در آن متخصصین آخرین دستاوردهای خود در دیپ لرنینگ را عرضه می‌کنند] به نمایش درآمد، توانست به مدل‌های مختلف [که این بار شکل انسان یا حیوانات نبودند] راه رفتن را بیاموزاند. خیلی از این نتایج به نسخه‌ی سه‌بعدی بازی Evolution که قبلا درباره‌اش صحبت کردیم شبیه هستند، و به‌هرحال هر دو در تلاش برای شبیه‌سازی چیز یکسانی‌اند. اما این شبیه‌سازهای علمیْ بازی به آن معنایی که تصور می‌کنیم نیستند، گرچه احتمالا روزی از آنها استفاده خواهد شد تا دنیای سرگرمی‌های مجازی بیشتر به دنیای واقعی شبیه شوند.

تصویری از بازی Spore

شبیه‌سازی بیوسفر

با وجود اینکه همه‌ی این شبیه‌سازها و بازی‌های ویدئویی شگفت‌انگیزند، حداقل برای من، رویایی‌تر این است (گرچه رویایی نه‌چندان دست‌یافتنی) که یک بازی بتواند همه‌ی آنها را متحد کند و به شاهکار نهایی همه‌ی شبیه‌سازهای تکاملی تبدیل شود — شبیه‌سازی سلولی و آب‌زی‌ها و حرکت موجودات همه در کنار هم.

برای خیلی‌ها، این رویا روزگاری نام داشت، و نامش هاگ/Spore بود. در اواخر دهه‌ی ۲۰۰۰ منتشر شد. روند ساختش هم، اگر تازه تند نرویم، دیوانه‌وار بود. خیلی قبل‌تر و در اوایل ۲۰۰۵ دموهایی از این بازی که جهان‌هایش تصادفی ساخته می‌شد/procedurally generated با جزییات خیلی بالا به نمایش درآمد، و به نظر فوق‌العاده می‌رسید. قبل از عرضه‌اش عده‌ای از مشتاقان حس می‌کردند این بازی، با ترکیب علم و شخصی‌سازی‌های بی‌پایان، چهره‌ی صنعت را برای همیشه متحول خواهد کرد. و بالاخره منتشر شد.

با اینکه هاگ به‌خاطر جاه‌طلبی و خلاقیتش چشمگیر ظاهر شد، اما به نظر خیلی‌ها بازی خیلی بیشتر از آنچه باورشان شده بود توخالی و تخیلی (و نه علمی) بود. البته باید شفاف‌سازی کنم که من هنوز هم، با همه‌ی بی‌قاعدگی‌هایش، طرفدار این بازی هستم. همین‌که نگاهش کنم کلی خاطرات برایم زنده می‌کند. و البته که تعدادی از اصول تکامل و بیولوژی را به شیوه‌ی خاص خودش پیاده می‌کند، ولی رویکرد کارتونی و آرکیدتری نسبت به مراحل حیات دارد، و برخی از ویژگی‌هایی هم که تبلیغش را می‌کرد (مثل مرحله‌ی تبدیل شدن تک‌سلولی‌ها به چندسلولی‌ها در آب‌ها) در بازی نهایی وجود نداشت. برای خیلی‌ها، هاگْ همان شبیه‌ساز تکاملی همه‌جانبه‌ای نبود که امیدش را داشتند…

تصویری از بازی adapt

ولی رویایی که هاگ می‌خواست عملی کند و شکست خورد هنوز از بین نرفته است. اخیرا، دسته‌ای از بازی‌های جدید به نظر می‌رسد از ایده‌های هاگ الگو برداشته و آن را ارتقا داده‌اند. آداپت/Adapt ساخته‌ی پاول اروهه/Paul Herve یکی از نمونه‌های امیدبخشش است و فعلا در دست ساخت قرار دارد.

در آداپت می‌توان، مثل هاگ، در ابتدای بازی آن گونه‌ی حیات که در ذهن هست را ساخت، اما این بار شخصی‌سازی‌ها بیشتر در چهارچوب آنچه از نظر بیولوژیکی شدنی است انجام می‌شود [و نه اینکه هر چه در تخیل هست را بتوان شکل داد] تا با تصمیمات محتاطانه‌ی تکاملی بتوانید جایگاه مناسب موجود زنده را تعیین کند. و برعکس هاگ، در آداپت می‌شود موجودی را مخصوص حیات در آب طراحی کرد.

این بازی را همین الان می‌شود به رایگان در استیم انجام داد، و به نظر می‌رسد در این زیرسبک [شبیه‌سازهای تکاملی] به نمونه‌ی موفقی تبدیل شود.

یک شبیه‌ساز تکاملی دیگر که صرف حجم جزییات به کار رفته در آن حیرت‌انگیز است سپلینگ/The Sapling است. ساخته‌ی وسل استوپ/Wessel Stoop، با سبک هنری چندضلعی‌محور، در این بازی سندباکس می‌شود همه‌جور ارگانیسمی در اکوسیستم ساخت و تعاملاتشان با یکدیگر طی نسل‌های متمادی را شبیه‌سازی کرد. و تاکید می‌کنم که منظورم تک تک ارگانیسم‌هاست — برخلاف اکثر بازی‌های این ژانر، نه فقط حیوانات بلکه گیاهان و چیزهایی مثل جلبک را هم می‌توانید شبیه‌سازی کنید. و عمق این سیستم‌ها به معنای واقعی کلمه هوش از سر می‌پرانند. مثلا در زمان کاشت یک گیاه، باید تعیین کند در تناسب با نور خورشید چقدر برگ دارد، طول ریشه‌اش چقدر است، چقدر آب در زمینش جریان دارد، خاکش چقدر نرم است، دمای هوا چگونه است، و قدرت باد تا کجاست.

گیاهان بسته به رنگ‌هایشان بسته به اینکه سیاره‌تان دور چه ستاره‌ای می‌گردد سرعت رشد و نمویشان هم عوض می‌شود. حتی یک سیستم جداگانه هم تعبیه شده تا بتوانید به گیاهانْ گل اضافه کرده که هر کدام میزان مشخصی گرده‌افشانی کرده و روی بازتکثیر گیاهان تاثیر می‌گذارند. می‌شود با افزودن بیولومینسانس/زیست‌افروزش به گیاهانْ گرده‌افشان‌ها را به آنها جذب کرد — یا از بیولومینسانس در حیوانات استفاده کرد تا شکارچیان را به خطا بیاندازد.

تصویری از the sapling

در خصوص حیوانات، پرندگان و آب‌زی‌ها هم قابل شخصی‌سازی هستند، و حتی می‌شود چشم‌هایی برای موجودات طراحی کرد که طیف‌های مختلفی از نورهای فروسرخ و فرابنفش را می‌توانند ببینند. حتی غرایز هر حیوان هم با یک سیستم فرماندهی ماژولار قابل تغییر است — اینکه چقدر به حیوانات مختلف، فرکانس‌های صدا، و رنگ‌های خاص واکنش نشان دهند. آزادی بازی واقعا بی‌حد و حصر است، خصوصا وقتی در نظر بگیرید که مثل آداپت، سپلینگ هم تنها توسط یک نفر ساخته شده است (این را مقایسه کنید با اسپور که توسط یک تیم بزرگ ساخته شده بود). البته که این بازی‌ها تک‌سازنده به همان منابعی که تیم‌های بزرگ دارند دسترسی ندارند، اما نتایج چشم‌گیرشان نشان می‌دهد هنوز هم افراد مشتاقی هستند که به این رویا مومن‌اند — رویای شبیه‌سازی حیات، طوری که هیچوقت قبلا انجام نشده.

شبیه‌ساز نهایی

و اگر قرار است درباره‌ی این رویاپردازان صحبت کنیم، نمی‌توانیم از ترایو/Thrive بگذریم؛ بازی‌ای که توسعه‌اش یک دهه پیش آغاز و پرواضح است که می‌خواهد راهی که بازی هاگ نیمه‌کاره رها کرده بود را تا آخرش ادامه دهد. پروژه‌ای جمعی که هر که می‌خواهد می‌تواند چیزی به آن بیفزاید، و از این نظر خیلی جاه‌طلبانه‌تر و رویکردی علمی‌تر نسبت به گیم‌پلی هاگ دارد.

تصویری مفهومی برای بازی thrive

بازی را ابتدا با یک سلول که طراحی واقع‌گرایانه‌ای دارد و در آب‌هاست شروع می‌کنید. همینطور که پیشرفت می‌کنید، سلول‌تان به ارگانیسمی پیچیده و چندسلولی تقسیم می‌شود، و شکل‌دهی به این مدل سه‌بعدی کاملا به عهده‌ی بازیکن است، و هر عضو هم کارکرد متفاوتی دارد. در مراحل بعدی، این موجود از نظر حجم و هوش ارتقا می‌یابد، و سرانجام قادر به برقراری ارتباط با زبانی چندوجهی شده و دست به ساخت تکنولوژی می‌زند. این مرحله ادامه می‌یابد تا بالاخره به نقطه‌ای می‌رسید که به موجودی با قدرت خداگونه تبدیل شده و کل کهکشان را کنترل می‌کنید.

همه‌چیز تا اینجا خیلی جالب به نظر می‌رسد، ولی مشکل این است که اینها وجود ندارند.

از آنجایی که ترایو یک بازی برون‌سپاری‌شده است و هر کس در اینترنت می‌تواند با ایده‌هایش سهمی در ساخت بازی داشته باشد، اما اینکه چقدر این ایده‌ها قابل پیاده‌سازی‌اند به این سادگی نیست. خیلی از تصاویری که مردم درباره‌ی مراحل بعدی حیات در این بازی می‌سازند صرفا تصاویر هنری و ساخته‌ی هنرمندی بااستعداد به نام Sciocont است.

در حال حاضر، بعد از گذشت ده سال از کلید خوردن پروژه، تنها مرحله‌ی قابل بازی آن اولین مرحله‌ی حیات است: حیات میکروبی. باید شفاف‌سازی شود که این مرحله واقعا جالب است. یک شبیه‌سازی سلولی به‌شدت پیچیده و واقع‌گرایانه، که به‌جای خوردن گیاهان کارتونی‌شکل، باید سطوح گلوکز، آمونیا و فسفات تک‌سلولی را کنترل کنید، و از خیلی جهات این بازی یک‌جور شبیه‌سازی شیمی مجازی هم هست.

با اینکه این همه توجه به جزییات علمی باعث شده بازی واقعا دشوار شود، ولی هنوز هم پروژه بسیار تحسین‌برانگیز است. یک نکته‌ی جالب دیگر در این بازی این است که هنگام ساخت و طراحی سلول، سایر سلول‌های محیط هم تصادفا جهش یافته و با محیط منطبق می‌شوند، و در هر بازی صدها میکروب مرتبط‌به‌هم تکامل می‌یابند که درخت تکاملی‌شان هم در بازی قابل دیدن است و به‌طور تصادفی یک نام علمی برای هر کدام انتخاب شده.

به نظر می‌رسد خیلی‌ها به خوبی می‌دانند سایر مراحل حیات در بازی ترایو حالا حالاها ساخته نخواهد شد، ولی باز هم خیلی جالب است وقتی می‌بینیم خیلی‌ها جذب این ایده شده‌اند، و نشان می‌دهد رویای شبیه‌ساز نهایی تکاملی هنوز منقرض نشده است.

قبل از آنکه این سفر در میان شبیه‌سازهای مجازی را به پایان برسانیم، نکته‌ی آخری هم هست که باید نشانتان دهم؛ شبیه‌سازی که نه با فکر به چیزهای بزرگ بلکه با فکر به چیزی کوچک، خیلی کوچک، توانسته کاری فوق‌العاده کند. شبیه‌ساز OpenWorm یک پروژه‌ی آزاد علمی بین‌المللی است که تنها تمرکزش را روی شبیه‌سازی تک تک سلول‌های یک نوع کرم گذاشته که کمتر از یک میلی‌متر طول دارد. این شامل می‌شود همه‌ی نورون‌های درون جسم، سیم‌هایی‌ که این نورون‌ها را بهم وصل می‌کند، به اضافه‌ی همه‌ی سلول‌های ماهیچه‌ها، ارگان‌هان، و حتی کدهای ژنتیکی‌اش. مدلی فعلی به‌قدری کامل است که وقتی در یک شبیه‌ساز محیطی گذاشته شد، درست مثل یک کرم حرکت کرد. [که در اولین تصویر در پایین دیده می‌شود، و در تصویر دوم شبیه‌سازی ژنتیکی‌ موجود:]

پروژه‌ی OpenWorm

پروژه‌ی OpenWorm

با وجود حیرت‌انگیزی این موجود، اما هنوز هم بی‌نقص و صددرصد مشابه نمونه‌ی واقعی‌اش نیست، خصوصا که تکثیر سیگنال‌های الکتریکی درون مغز تا اطلاع ثانوی شدنی نیست.

همینطور که قابلیت ما برای شبیه‌سازی حیات روزبه‌روز دقیق‌تر می‌شود، مدام به این فکر می‌کنم که مسئولیت ما در قبال آن چه خواهد بود؟ در طول ساخت این ویدئو، من هزاران ارگانیسم مجازی را، برای هدف سرگرمی و آموزش، فدا و منقرض کردم. و البته که این «ارگانیسم‌»ها صرفا پیکسل و مشتی صفر و یک بودند. ولی با نظر به اینکه چگونه قابلیت ما برای شبیه‌سازی تکاملْ «تکامل» ‌می‌یابد، واضح است که همه‌چیز با سرعتی روزافزون رو به پیشرفت است. اگر روزی واقعا بتوانیم یک کیهان را درون یک جعبه [کامپیوتر] پردازش کنیم، با کلی موجودات مجازی‌ای که کپی حیات بیولوژیکی هستند، کنجکاوم بدانم که با این قدرت چه کار خواهیم کرد؟ به‌هرحال می‌دانیم مردم چگونه سیمز/Sims بازی می‌کنند [با آزار و اذیت انسان‌های مجازی‌ای که می‌سازند].

شاید روزی به عقب نگاه کنیم و آن پیکسل‌های ابتدایی درون حیات کانوی را آغازگر یک نوع حیات جدید ببینیم؛ درست همانطور که روزگاری در اقیانوس‌های روی زمینْ سلول‌ها از هم تقسیم شدند. این می‌تواند حکم باز کردن جعبه‌ی پاندورا را داشته باشد، و فصلی جدید در قصه‌ی حیات آغاز شود. و اینکه این فصل چه سر و ظاهری داشته باشد مسئولیتش به عهده‌ی ماست…

افکار هستی‌گرایانه را که کنار بگذاریم، آینده‌ی این زیرسبک بسیار امیدبخش است.

منبع: Curious Archive


کنسول بازی سونی مدل PlayStation 5 ظرفیت 825 گیگابایت ریجن 1200 آسیا
کنسول بازی مایکروسافت مدل XBOX SERIES S ظرفیت 512 گیگابایت