Vida-artificial: Uma reprodução em Python de 300 linhas da pesquisa de Vida Computacional
O que é isso
Artificial-life é uma reprodução em Python de 300 linhas do artigo de pesquisa Computational Life 'Como Programas Bem Formados e Autorreplicantes Emergem de Interações Simples'. Ele simula a emergência de autorreplicação em uma grade de programas simples.
Como funciona
A simulação usa uma grade 240x135 contendo 64 programas semelhantes ao Brainfuck com comprimento de instrução de 64, inicializados aleatoriamente. Cada iteração segue este processo:
- Programas vizinhos são emparelhados aleatoriamente
- Suas fitas de instruções são concatenadas
- O programa combinado é executado por no máximo 213 passos
- Após a execução, as fitas são separadas novamente
As instruções podem fazer loops e mutar as próprias fitas de instruções. Conforme descrito no artigo original, programas autorreplicantes que copiam a si mesmos na fita do vizinho frequentemente emergem espontaneamente e se espalham para dominar toda a grade.
Representação visual e execução
Cada pixel representa uma instrução com cores únicas, enquanto o preto indica armazenamento de dados brutos (não uma instrução). Cada seção de 8x8 pixels representa um único programa.
Para executar uma simulação com semente 1:
uv run main.py --seed 1Nesta execução específica, um autorreplicador emerge relativamente cedo e domina a maior parte da grade até que um autorreplicador mais eficiente evolua e domine tudo.
O repositório inclui saídas de exemplo: universe.gif e universe.mp4 mostrando o progresso da simulação.
Detalhes técnicos
O projeto usa exclusivamente Python (100,0% de acordo com a detecção de linguagem do GitHub) e inclui arquivos padrão de projetos Python: pyproject.toml, uv.lock e .python-version.
Esta implementação demonstra como comportamentos emergentes complexos podem surgir de regras de interação simples, mostrando especificamente como programas autorreplicantes podem evoluir sem programação explícita para replicação.
📖 Leia o código-fonte completo: HN AI Agents
👀 See Also
Construindo um Ciclo de Sonhos Autossuficiente com Cron Jobs e Claude
Um desenvolvedor criou um ciclo de sonhos autônomo usando dois cron jobs: um às 22h30 para pesquisa e reflexão, e outro às 23h00 para revisão e planejamento. O sistema escaneia arXiv, GitHub trending e Reddit, identifica fraquezas e propõe melhorias concretas.
Construindo um RAG Agentic para o Obsidian com Claude e uma Estrutura de Avaliação para Detectar Alucinações
Um desenvolvedor construiu um sistema RAG agêntico sobre um cofre Obsidian para permitir que o Claude respondesse perguntas de livros de engenharia e, em seguida, criou um harness de avaliação usando o Claude Sonnet como juiz para detectar quando o agente estava confiantemente errado. Iterações na rubrica melhoraram a concordância juiz-humano de 39% para 94%.
altRAG: Substitua o Vector DB RAG por Arquivos de Ponte de 2KB para Agentes de IA de Codificação
altRAG é uma ferramenta Python que substitui o RAG de banco de dados vetorial por arquivos de ponteiro leves. Ele escaneia arquivos de habilidades em Markdown/YAML para criar um arquivo esqueleto de 2KB que mapeia seções para números de linha exatos e deslocamentos de bytes, permitindo que agentes de IA leiam apenas as seções necessárias em vez de arquivos inteiros.
antirez DS4: Executando DeepSeek V4 Flash com Contexto de 1M no Mac Metal e DGX
O criador do Redis, Salvatore Sanfilippo, lançou o DS4, um projeto para executar o DeepSeek V4 Flash com uma janela de contexto de 1M em hardware Mac Metal e DGX, com endpoints OpenAI/Anthropic para ferramentas de codificação agêntica.