docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,198 @@
|
||||
---
|
||||
id: wiki-2026-0508-artificial-life
|
||||
title: Artificial Life (ALife)
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [ALife, 인공 생명, digital evolution, emergent behavior, swarm intelligence]
|
||||
duplicate_of: none
|
||||
source_trust_level: B
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [alife, evolutionary-computation, emergence, swarm, multi-agent, cellular-automata, complexity, simulation]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: Python / C++
|
||||
framework: NEAT / DEAP / mesa / NetLogo
|
||||
---
|
||||
|
||||
# Artificial Life (ALife)
|
||||
|
||||
## 📌 한 줄 통찰
|
||||
> **"매 life 의 본질 의 digital code 의 recreate"**. 매 simple rule 의 interaction → 매 emergent intelligence. 매 swarm AI / NPC behavior / evolutionary algorithm / open-ended learning 의 foundation.
|
||||
|
||||
## 📖 핵심
|
||||
|
||||
### 매 3 분류 (Langton)
|
||||
1. **Soft ALife**: 매 software simulation. 매 Conway's Life, 매 Tierra, 매 Avida.
|
||||
2. **Hard ALife**: 매 robot. 매 BEAM robotics, 매 swarm robot.
|
||||
3. **Wet ALife**: 매 synthetic biology. 매 protocell, 매 artificial chemistry.
|
||||
|
||||
### 매 핵심 concept
|
||||
1. **Emergence**: 매 simple rule → 매 complex pattern. (vs reductionism)
|
||||
2. **Self-organization**: 매 central control X.
|
||||
3. **Adaptation**: 매 environment 의 fit.
|
||||
4. **Reproduction**: 매 self-replication (von Neumann).
|
||||
5. **Evolution**: 매 mutation + selection.
|
||||
6. **Open-ended evolution**: 매 stop X.
|
||||
|
||||
### Landmark systems
|
||||
- **Conway's Game of Life** (1970): 매 cellular automata.
|
||||
- **Tierra** (Ray, 1991): 매 self-replicating program 의 evolution.
|
||||
- **Avida**: 매 digital organism 의 lab.
|
||||
- **Karl Sims' Evolved Creatures** (1994): 매 morphology + behavior 진화.
|
||||
- **NEAT** (Stanley): 매 neural network 의 evolve.
|
||||
- **POET / Open-Ended ALife**: 매 무한 challenge generation.
|
||||
|
||||
### Boids (Reynolds 1987)
|
||||
- 매 simple 3 rule:
|
||||
1. **Separation**: 매 collision 회피.
|
||||
2. **Alignment**: 매 neighbor 의 average heading.
|
||||
3. **Cohesion**: 매 neighbor 의 center.
|
||||
- → 매 flocking / schooling / swarm.
|
||||
|
||||
### Multi-agent emergence
|
||||
- 매 ant colony 의 pheromone trail.
|
||||
- 매 stigmergy: 매 environment 의 indirect communication.
|
||||
- 매 termite mound 의 collective construction.
|
||||
|
||||
### Evolutionary computation
|
||||
- **Genetic Algorithm** (GA): 매 chromosome + crossover + mutation.
|
||||
- **Genetic Programming** (GP): 매 program tree 의 evolve.
|
||||
- **Neuroevolution** (NEAT, HyperNEAT): 매 NN 의 evolve.
|
||||
- **Evolution Strategy** (ES, CMA-ES): 매 continuous parameter.
|
||||
- **Quality-Diversity** (MAP-Elites, Novelty Search): 매 diversity 의 explicit.
|
||||
|
||||
### 매 modern AI 의 응용
|
||||
1. **NPC behavior** (game): 매 boids 기반 swarm enemy.
|
||||
2. **Robotics**: 매 swarm robot, 매 self-assembly.
|
||||
3. **Open-ended ML**: 매 POET, 매 OMNI 의 curriculum.
|
||||
4. **Procedural generation**: 매 cellular automata (cave, dungeon).
|
||||
5. **Drug discovery**: 매 evolutionary search.
|
||||
6. **Architecture / design**: 매 evolutionary design.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Boids (flocking)
|
||||
```python
|
||||
import numpy as np
|
||||
|
||||
def boid_step(positions, velocities, perception=10, sep=2):
|
||||
for i in range(len(positions)):
|
||||
neighbors = [j for j in range(len(positions))
|
||||
if i != j and np.linalg.norm(positions[i]-positions[j]) < perception]
|
||||
if not neighbors: continue
|
||||
|
||||
# 매 alignment
|
||||
align = np.mean([velocities[j] for j in neighbors], axis=0) - velocities[i]
|
||||
# 매 cohesion
|
||||
cohesion = np.mean([positions[j] for j in neighbors], axis=0) - positions[i]
|
||||
# 매 separation
|
||||
separation = sum((positions[i]-positions[j])
|
||||
/ np.linalg.norm(positions[i]-positions[j])**2
|
||||
for j in neighbors
|
||||
if np.linalg.norm(positions[i]-positions[j]) < sep)
|
||||
|
||||
velocities[i] += 0.05*align + 0.01*cohesion + 0.1*separation
|
||||
positions[i] += velocities[i]
|
||||
return positions, velocities
|
||||
```
|
||||
|
||||
### Genetic Algorithm (DEAP)
|
||||
```python
|
||||
from deap import base, creator, tools, algorithms
|
||||
import random
|
||||
|
||||
creator.create('FitnessMax', base.Fitness, weights=(1.0,))
|
||||
creator.create('Individual', list, fitness=creator.FitnessMax)
|
||||
|
||||
toolbox = base.Toolbox()
|
||||
toolbox.register('attr_bool', random.randint, 0, 1)
|
||||
toolbox.register('individual', tools.initRepeat, creator.Individual, toolbox.attr_bool, 100)
|
||||
toolbox.register('population', tools.initRepeat, list, toolbox.individual)
|
||||
|
||||
def fitness(ind): return (sum(ind),)
|
||||
toolbox.register('evaluate', fitness)
|
||||
toolbox.register('mate', tools.cxTwoPoint)
|
||||
toolbox.register('mutate', tools.mutFlipBit, indpb=0.05)
|
||||
toolbox.register('select', tools.selTournament, tournsize=3)
|
||||
|
||||
pop = toolbox.population(n=300)
|
||||
algorithms.eaSimple(pop, toolbox, cxpb=0.5, mutpb=0.2, ngen=40)
|
||||
```
|
||||
|
||||
### Conway's Game of Life
|
||||
```python
|
||||
import numpy as np
|
||||
from scipy.signal import convolve2d
|
||||
|
||||
def step(grid):
|
||||
K = np.array([[1,1,1],[1,0,1],[1,1,1]])
|
||||
n = convolve2d(grid, K, mode='same', boundary='wrap')
|
||||
return ((n == 3) | ((grid == 1) & (n == 2))).astype(int)
|
||||
```
|
||||
|
||||
### MAP-Elites (Quality-Diversity)
|
||||
```python
|
||||
def map_elites(grid_size, generations=1000):
|
||||
archive = {} # 매 (behavior_descriptor) → best (fitness, genome)
|
||||
|
||||
for gen in range(generations):
|
||||
if not archive:
|
||||
genome = random_genome()
|
||||
else:
|
||||
parent = random.choice(list(archive.values()))
|
||||
genome = mutate(parent[1])
|
||||
|
||||
fitness, descriptor = evaluate(genome)
|
||||
cell = discretize(descriptor, grid_size)
|
||||
if cell not in archive or archive[cell][0] < fitness:
|
||||
archive[cell] = (fitness, genome)
|
||||
|
||||
return archive
|
||||
```
|
||||
|
||||
→ 매 single best X — 매 diverse 의 set.
|
||||
|
||||
## 🤔 결정 기준
|
||||
| 문제 | Tool |
|
||||
|---|---|
|
||||
| Game NPC swarm | Boids |
|
||||
| Optimization (discrete) | GA / GP |
|
||||
| NN architecture | NEAT |
|
||||
| Continuous param | CMA-ES |
|
||||
| Diversity 필요 | MAP-Elites / Novelty |
|
||||
| Procedural map | Cellular automata |
|
||||
| Multi-agent emergence | NetLogo / mesa |
|
||||
|
||||
**기본값**: 매 specific objective = GA. 매 diversity = MAP-Elites. 매 NN = NEAT or RL.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Complexity_Theory|Complexity-Theory]] · [[Emergence]] · [[Multi-agent-System|Multi-Agent-Systems]]
|
||||
- 변형: [[Cellular Automata]] · [[Evolutionary Biology|Evolutionary-Computation]] · [[Swarm_Intelligence|Swarm-Intelligence]]
|
||||
- 응용: [[NEAT]] · [[Procedural-Generation]]
|
||||
- Adjacent: [[Reinforcement-Learning]] · [[Self-Organization]] · [[Algorithmic-Biology]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 NPC swarm design. 매 procedural generation. 매 evolutionary optimization. 매 emergent behavior research.
|
||||
**언제 X**: 매 supervised learning 의 substitute. 매 explainability 가 필수.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **GA 의 small population**: 매 premature convergence.
|
||||
- **No diversity preservation**: 매 monoculture.
|
||||
- **Boids 의 ignore neighbor distance**: 매 unrealistic flock.
|
||||
- **Evolution 의 short generation**: 매 emergence X.
|
||||
- **Wet ALife 의 ethics 무시**: 매 synthetic biology biosecurity.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Langton, Reynolds, Sims, Stanley).
|
||||
- 신뢰도 B.
|
||||
- Related: [[Cellular Automata]] · [[Evolutionary Biology|Evolutionary-Computation]] · [[Swarm_Intelligence|Swarm-Intelligence]].
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — Langton 분류 + Boids + GA + MAP-Elites code |
|
||||
Reference in New Issue
Block a user