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
Claude Code v2.1.238: keybindingFlavor, headersHelper, correcciones para el runner autoalojado
Claude Code v2.1.238 añade keybindingFlavor=readline para Ctrl+W, headersHelper para mercados de plugins, flags para runners autoalojados de apagado y autorización de proxy, y numerosas correcciones.

PromptForest: Detección de Inyección de Prompts Local-Primero con Incertidumbre
PromptForest es una biblioteca ligera y de primera local que detecta inyecciones de comandos y jailbreaks, clasificándolos mientras evalúa la certeza, todo sin aumentar la latencia promedio de las solicitudes.

Orloj: Entorno de Ejecución de Orquestación Declarativa para Sistemas de IA Multiagente
Orloj v0.1.0 es un entorno de ejecución de orquestación de código abierto que te permite definir agentes de IA, herramientas, políticas y flujos de trabajo en manifiestos YAML con GitOps. Maneja la programación, ejecución, gobernanza y confiabilidad para sistemas de múltiples agentes en producción.

Google Research presenta TurboQuant para la compresión de modelos de IA.
Google Research ha presentado TurboQuant, un algoritmo de compresión que reduce el tamaño de los modelos de IA sin pérdida de precisión. Aborda la sobrecarga de memoria en la cuantización vectorial y mejora el rendimiento de la caché clave-valor.