これまでの人工生命研究では、生命らしい振る舞いを示すシステムの設計は、研究者の直感や試行錯誤に大きく依存していた。なぜなら、単純なルールから複雑な振る舞いが創発する過程を事前に予測することが極めて困難だからである。

ASALは、画像と言語を理解する基盤モデル（CLIPやDINOv2）を活用することで、この探索過程を自動化。具体的には3つの方法を提供する。

1つ目は「Supervised Target」で、特定の現象（例えば「顕微鏡で見た生物細胞のような」振る舞い）を示すシステムを自動的に発見する。

2つ目は「Open-Endedness」で、時間とともに新しい振る舞いを継続的に生み出すシステムを見つける。

3つ目は「Illumination」で、これは互いに異なる特徴を持つシミュレーションを幅広く発見する手法である。

https://www.itmedia.co.jp/aiplus/

※本記事は、スウィングクルーがピックアップしているマーケティング関連ニュースのクリップです。スウィングクルーが発表しているニュースではございません。