Depuis une trentaine d'années, des chercheurs d'horizons divers contribuent à ce nouveau domaine qu'ils ont baptisé Artificial Life. Plus qu'une discipline scientifique au sens strict, la vie artificielle est un regroupement de travaux hétéroclites, ayant pour point commun de s'inspirer directement et explicitement des caractéristiques du vivant.
Parmi les systèmes de vie artificielle inspirés de la nature, se trouvent les essaims de particules.
Craig Reynolds et les principes des algorithmes d'optimisation par essaim de particules
Les algorithmes « d'optimisation par essaim de particules » (Particle Swarm Optimization — PSO) trouvent leur origine dans les boids de l'infographiste Craig Reynolds (Reynolds explique et montre son algorithme ici : analysant les nuées d'oiseaux, Reynolds a proposé de les simuler à partir de trois règles simples d'application locale : http://http://www.red3d.com/cwr/boids/) :
- Chaque individu doit éviter de heurter ses voisins ;
- Chaque individu tend à s'approcher des vitesses et directions générales du groupe local, c'est-à-dire des voisins immédiats ;
- Chaque individu cherche à s'approcher du centre de gravité du groupe local.
Il est possible d'y ajouter une règle de propension à rejoindre un point donné dans l'espace (« perchoir »).
L'application de ces règles simples a permis de construire des simulations graphiques d'un réalisme étonnant. Des algorithmes de ce type ont été utilisés dans des films aussi célèbres que Le retour de Batman ou Le Bossu de Notre Dame.
Les rassemblements animaux présentent divers avantages adaptatifs relevant au moins pour partie de l'échange d'informations. De la même manière que les algorithmes évolutionnaires s'inspirent des mécanismes évolutifs pour mettre en œuvre des procédures d'optimisation, PSO s'inspire des phénomènes de rassemblement et de nuée, considérant qu'en tant que processus adaptatifs, ils sont potentiellement porteurs de capacités d'optimisation. PSO repose sur deux règles simples :
- Chaque individu se souvient du meilleur point (le plus proche de l'objectif) par lequel il est passé au cours de ses évolutions et tend à y retourner ;
- Chaque individu est informé du meilleur point connu au sein de la population prise dans son ensemble et tend à s'y rendre.
Essaim de particules et réseau de neurones
L'une des premières applications a été l'entraînement d'un réseau de neurones devant réaliser la fonction booléenne Xor (ou exclusif) et utilisant treize paramètres. L'essaim devait ainsi se déplacer au sein d'un hyperespace à treize dimensions. Chacune de ces dimensions représente alors l'espace des poids possibles pour une connexion neurale donnée.
Cette méthode a maintenant de nombreuses utilisations. On la retrouve comme alternative aux méthodes classiques d'entraînement des réseaux de neurones, mais aussi par exemple dans des procédures d'optimisation de l'alimentation de cultures bactériennes. Là encore, l'utilisation des mécanismes du vivant s'est avérée d'une fécondité remarquable.