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
Historial de Archivos de Claude: Extensión de VS Code para Seguimiento de Sesiones de Código de Claude
Una extensión de VS Code llamada Claude File History rastrea cada sesión de Claude Code que ha interactuado con tus archivos, permitiéndote encontrar conversaciones pasadas, previsualizar lo que se discutió y reanudar conversaciones con un doble clic.
Hallazgos Prácticos de 11 Construcciones de Software Multi-Agente Sin Andamiaje Programático
El análisis de 11 construcciones autónomas de múltiples agentes muestra que la aplicación del alcance funciona mecánicamente (20/20 éxitos) no mediante indicaciones (0/20), los costos de orquestación están dominados por la reingestión de memoria (~95% del gasto de entrada), y la capacidad del modelo de trabajador crea brechas de rendimiento de 9.8x.
Blackwell LLM Toolkit: Configuraciones NVFP4, Ruedas y Benchmarks para TensorRT-LLM en RTX Pro 6000
Un repositorio comunitario proporciona configuraciones de TensorRT-LLM, ruedas LMCache preconstruidas con soporte sm_120 y puntos de referencia para GPU Blackwell. Nemotron-3-Nano-Omni V3 alcanza 270 tok/s en contexto de 8k en una sola RTX Pro 6000.
Storybloq: Un Seguidor de Proyectos que Vive en el Directorio .story/ de tu Repositorio Ahora Tiene una App para Mac
Storybloq, un rastreador de proyectos que almacena tickets, incidencias, fases de hoja de ruta y traspasos de sesión como JSON/markdown dentro de .story/ en tu repositorio, ahora tiene una aplicación gratuita para Mac en la App Store. Se integra con Claude Code a través de CLI y servidor MCP, y fue construido completamente usando Claude Code.