Vida artificial: Una reproducción en Python de 300 líneas de la investigación de Vida Computacional
Qué es esto
Artificial-life es una reproducción en Python de 300 líneas del artículo de investigación Computational Life 'Cómo surgen programas bien formados y autorreplicantes de una interacción simple'. Simula la autorreplicación emergente en una cuadrícula de programas simples.
Cómo funciona
La simulación utiliza una cuadrícula de 240x135 que contiene programas similares a Brainfuck con una longitud de 64 instrucciones que se inicializan aleatoriamente. Cada iteración sigue este proceso:
- Los programas vecinos se emparejan aleatoriamente
- Sus cintas de instrucciones se concatenan juntas
- El programa combinado se ejecuta durante un máximo de 213 pasos
- Después de la ejecución, las cintas se separan nuevamente
Las instrucciones pueden crear bucles y mutar las propias cintas de instrucciones. Como se describe en el artículo original, los programas autorreplicantes que se copian a sí mismos sobre la cinta de su vecino a menudo surgen espontáneamente y se propagan para dominar toda la cuadrícula.
Representación visual y ejecución
Cada píxel representa una instrucción con colores únicos, mientras que el negro indica almacenamiento de datos sin procesar (no una instrucción). Cada sección de 8x8 píxeles representa un solo programa.
Para ejecutar una simulación con semilla 1:
uv run main.py --seed 1En esta ejecución específica, un autorreplicador emerge relativamente temprano y domina la mayor parte de la cuadrícula hasta que evoluciona un autorreplicador más eficiente y domina todo.
El repositorio incluye salidas de ejemplo: universe.gif y universe.mp4 que muestran el progreso de la simulación.
Detalles técnicos
El proyecto utiliza exclusivamente Python (100.0% según la detección de lenguaje de GitHub) e incluye archivos estándar de proyectos Python: pyproject.toml, uv.lock y .python-version.
Esta implementación demuestra cómo puede surgir un comportamiento emergente complejo a partir de reglas de interacción simples, mostrando específicamente cómo pueden evolucionar programas autorreplicantes sin programación explícita para la replicación.
📖 Read the full source: HN AI Agents
👀 Ver también
Habilidades de Marketing de Corey Haines para Agentes de IA
Se ha añadido a OpenClaw un conjunto de 25 habilidades de marketing para agentes de IA, que abarcan optimización de conversión, redacción publicitaria, análisis e ingeniería de crecimiento. Se destaca que la habilidad de optimización de conversión es especialmente eficaz en configuraciones multiagente.
Desarrollo Local de IA con Qwen3.6-27B y Opencode en una 5090
Un usuario de Reddit comparte su experiencia al cambiar de herramientas de codificación de IA en la nube (Claude Code, Cursor) a una configuración local usando Opencode + llama-server + Qwen3.6-27B con 128K de contexto en una sola RTX 5090, citando libertad de límites de uso y riesgos de cuenta.
Pila de modelos de IA de código abierto para un reemplazo rentable de Claude
Un usuario de Reddit comparte una pila de modelos de IA funcional que utiliza modelos de código abierto como Llama 3.3 70b y DeepSeek R1 32b para ejecución local, reduciendo los costos mensuales de IA de más de £60 a menos de £3 al enrutar el 90% de las tareas a modelos gratuitos.
Enjambre de Espinas: Sistema de IA Multiagente en Lienzo Visual para Proyectos sin Programación
Spine Swarm es un sistema multiagente que funciona en un lienzo visual infinito para completar proyectos complejos que no requieren codificación, como análisis competitivo, modelado financiero, auditorías SEO, presentaciones de lanzamiento y prototipos interactivos. El sistema utiliza bloques como abstracciones sobre los modelos de IA que pueden conectarse para pasar contexto entre diferentes tipos de modelos.