---
title: "አእምሮዎች፣ አንጎሎችና ሰው ሠራሽ ዓለማት · ማስመሰሎች · የማስመሰል መላምት"
url: https://simulation-hypothesis.com/am/simulations/minds-computation
description: "የነርቭ ሴሎች፣ አንጎሎች፣ ሰው ሠራሽ ሕይወት፣ እና ማሽኖች የሚማሩባቸው የተመሰሉ ዓለማት። ሰዎች በእርግጥ የሚያስኬዷቸው የማስመሰሎች ምደባ አካል።"
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl፣ የማስመሰል መላምት (simulation-hypothesis.com)"
---

[ማስመሰሎች](https://simulation-hypothesis.com/am/simulations)ዘርፍ 11 ከ18

# አእምሮዎች፣ አንጎሎችና ሰው ሠራሽ ዓለማት

የነርቭ ሴሎች፣ አንጎሎች፣ ሰው ሠራሽ ሕይወት፣ እና ማሽኖች የሚማሩባቸው የተመሰሉ ዓለማት።

የአንጎሎች ማስመሰሎች፣ እና ለሰው ሠራሽ ወኪሎች እንዲኖሩ እና እንዲማሩ የተገነቡ ዓለማት። በአንድ ውስን መንገድ፣ የማስመሰል መላምት እዚህ አስቀድሞ እውን ነው፦ ውስጣቸው የሚማሩ ወኪሎች ያሏቸው የተመሰሉ ዓለማትን ገንብተናል።

## አንጎሎች

### ዝርዝር የነርቭ ሞዴሎች

አንድ ነርቭ እንደ ቅርንጫፍ የኤሌክትሪክ ገመድ ከአዮን ቻናሎች ጋር፣ ሆጅኪን እና ሃክስሊን ተከትሎ።

የሚመልሰው ጥያቄ: የዚህ የነርቭ ሕዋስ ቅርጽ የሚያሰላውን እንዴት ይለውጣል?

የሚተው፦ የአንድ ነርቭ ዝርዝር ኬሚስትሪ አሁንም ወደ ጥቂት ጅረቶች ተቀልሏል።

የሚሠራበት፦ ወደ 10^12 FLOPS ግምታዊ ላፕቶፕ፣ ለአንድ ነርቭ በእውነተኛ ጊዜ ከመቼ ጀምሮ፦ 1952 Huxley የHodgkin–Huxley እኩልታዎችን በሜካኒካል ካልኩሌተር በእጅ አዋህዷል፣ ለአንድ የእርምጃ እምቅ ኃይል ሦስት ሳምንት ገደማ፤ ኮምፒውተሮች በኋላ ተረከቡ [ምንጭ](https://www.physoc.org/about-us/history-archives/historicalhighlights/hodgkin-and-huxleys-modelling-of-the-action-potential/) በማስመሰሎች ዛፍ ውስጥ: [በእጅ የተሠራ Hodgkin–Huxley](https://simulation-hypothesis.com/am/trees/simulations?n=min-hh)

[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)ወለል፦ ሕዋሳት

### ትልልቅ የአንጎል ወረዳዎች

የኮርቴክስን ቁራጭ በሚመስል ወረዳ የተገናኙ በሚሊዮኖች የሚቆጠሩ የሚተኮሱ ነርቮች።

የሚመልሰው ጥያቄ: የአንጎል ምቶችን እና ምላሾችን ከሽቦ ብቻ ማባዛት እንችላለን?

የሚተው፦ ሽቦው ብዙ ጊዜ ስታቲስቲካዊ ነው እንጂ የእንስሳው እውነተኛ የተለኩ ግንኙነቶች አይደለም።

የሚሠራበት፦ ወደ 10^15 FLOPS ግምታዊ የዩኒቨርሲቲ ክላስተር፣ ለኮርቲካል ቁርጥራጭ ሰዓታት ከመቼ ጀምሮ፦ 2006 እስከ 2006፣ የኮርቲካል አምድ ቀደምት ትላልቅ ማስመሰሎች በማስመሰሎች ዛፍ ውስጥ: [የኒዮኮርቲካል ማይክሮሰርኪት](https://simulation-hypothesis.com/am/trees/simulations?n=min-markram)

[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)[የመረብ ሞዴሎች](https://simulation-hypothesis.com/am/simulations/methods#m-network)ወለል፦ ሕዋሳት

### የሙሉ-አንጎል አውታረ መረብ ሞዴሎች

እንደ በተለካ ሽቦ የተገናኙ ኖዶች የአንጎል ክልሎች፣ ከስካኖች ጋር የተስማሙ።

የሚመልሰው ጥያቄ: በአንድ ክልል ውስጥ የሚደርስ ጉዳት በአንጎል ውስጥ ያለውን እንቅስቃሴ እንዴት ይለውጣል?

የሚተው፦ ክልሎች እንደ ነጠላ ነጥቦች ይወሰዳሉ፤ በውስጣቸው ያለውን ዝርዝር ሁሉ ያመልጣሉ።

የሚሠራበት፦ ወደ 10^14 FLOPS ግምታዊ የዩኒቨርሲቲ ክላስተር፣ በተመሰለ ሁኔታ ደቂቃዎች ከመቼ ጀምሮ፦ 2008 እስከ 2008፣ ከስርጭት MRI ሽቦ ጋር የተስማሙ ቀደምት የሙሉ-አንጎል ኔትወርክ ሞዴሎች

ሞዴሎች፦ [ሰው](https://simulation-hypothesis.com/am/entities/human)

[የመረብ ሞዴሎች](https://simulation-hypothesis.com/am/simulations/methods#m-network)[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)ወለል፦ ሕዝቦች

### የተመሰሉ ትናንሽ ፍጥረታት

እንደ የክብ ትል 302 ነርቮች ያለ የጥቃቅን እንስሳ ሙሉ የነርቭ ሥርዓት፣ በምናባዊ ሳህን ውስጥ ከተመሰለ አካል ጋር የተገናኘ።

የሚመልሰው ጥያቄ: የሽቦ ንድፉ ባህሪውን ለማምረት በቂ ነው?

የሚተው፦ የሽቦ ንድፉ ብቻ አሁንም የእንስሳውን ባሕርይ ሙሉ በሙሉ አያብራራም።

የሚሠራበት፦ ወደ 10^12 FLOPS ግምታዊ ላፕቶፕ፣ ለመላው የነርቭ ሥርዓት በእውነተኛ ጊዜ ከመቼ ጀምሮ፦ 1997 እስከ 1997፣ በክብ ትል 1986 ኮኔክቶም ካርታ ላይ የተገነቡ ቀደምት ማስመሰሎች በማስመሰሎች ዛፍ ውስጥ: [OpenWorm](https://simulation-hypothesis.com/am/trees/simulations?n=min-openworm)

[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)ወለል፦ ሕዋሳት

### የኒውሮሞርፊክ ሃርድዌር ማስመሰል

እኩልታዎችን በሶፍትዌር ደረጃ በደረጃ ከማስላት ይልቅ በሃርድዌር ውስጥ በቀጥታ እንደ ነርቮች እና ሲናፕሶች የሚሠሩ ወረዳዎች የተገነቡ ቺፖች።

የሚመልሰው ጥያቄ: ኒውሮሞርፊክ ሃርድዌር አንጎል የሚያሰላቸውን ተመሳሳይ ነገሮች በጣም ያነሰ ኃይል በመጠቀም ማስላት ይችላል?

የሚተው፦ እውነተኛ ነርቮች ስፓይኮቻቸውን ለመምሰል ከተገነባ ወረዳ እጅግ የበለጸገ ኬሚስትሪ አላቸው።

የሚሠራበት፦ ወደ 10^13 FLOPS ግምታዊ የኒውሮሞርፊክ የምርምር ቺፕ፣ በእውነተኛ ጊዜ ከመቼ ጀምሮ፦ 1989 የCarver Mead ቀደምት የሲሊኮን ነርቭ እና ሬቲና ወረዳዎች

[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)ወለል፦ ሕዋሳት

### የአንጎል በሽታ እና የሚጥል መስፋፋት

እንደ ሚጥል በሽታ ወይም የመርሳት በሽታ፣ በተመሰለ የአንጎል ኔትወርክ ውስጥ የሚሰራጭ ያልተለመደ የኤሌክትሪክ እንቅስቃሴ ወይም በስህተት የታጠፉ ፕሮቲኖች።

የሚመልሰው ጥያቄ: የሚጥል በሽታ መናድ የት ይጀምራል፣ ምን ያህልስ ይሰራጫል?

የሚተው፦ የእያንዳንዱ እውነተኛ አንጎል የበሽታ መንገድ የተለየ ነው፤ ሞዴሉ ቅጥ ያሳያል እንጂ ለአንድ ታካሚ ትንበያ አይደለም።

የሚሠራበት፦ ወደ 10^13 FLOPS ግምታዊ የሆስፒታል ወይም የዩኒቨርሲቲ ክላስተር፣ በታካሚ ሞዴል ደቂቃዎች ከመቼ ጀምሮ፦ 1997 እስከ 1997፣ በአንጎል የሚጥል መስፋፋት ቀደምት የኔትወርክ ሞዴሎች

[የመረብ ሞዴሎች](https://simulation-hypothesis.com/am/simulations/methods#m-network)[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)ወለል፦ ሕዝቦች

### በኮኔክቶም የተገደቡ የሙሉ-አንጎል ሞዴሎች

የነርቭ ማስመሰል የነፍሳት አንጎል ሙሉ የተለካ ሽቦ ከቀላል የነርቭ ሞዴሎች ጋር ይጠቀማል፤ ማነቃቂያዎች ባህሪን እንዴት እንደሚያመነጩ ለመተንበይ።

የሚመልሰው ጥያቄ: ሽቦ ብቻ አንጎል ስሜቶችን ወደ ድርጊት እንዴት እንደሚቀይር ይተነብያል?

የሚተው፦ የሲናፕስ ጥንካሬዎችና የነርቭ ተለዋዋጭነት ከቀላል ሕጎች ይታሰባሉ።

የሚሠራበት፦ ወደ 10^12 FLOPS ግምታዊ ወደ 130,000 ነርቮች ያሉት የስፓይኪንግ አውታረ መረብ ከመቼ ጀምሮ፦ 2024 A Drosophila computational brain model reveals sensorimotor processing (2024) [ምንጭ](https://doi.org/10.1038/s41586-024-07763-9)

[የመረብ ሞዴሎች](https://simulation-hypothesis.com/am/simulations/methods#m-network)[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)ወለል፦ ሕዋሳት

### የነርቭ ብዛት እና የመስክ ሞዴሎች

ወደ አንድ ወይም ሁለት አማካይ የእንቅስቃሴ ተለዋዋጮች የተቀነሰ የነርቮች ሕዝብ፣ የሙሉ ክልሎች ምቶች እና ሞገዶችን ይሰጣል።

የሚመልሰው ጥያቄ: ማነቃቂያና መከልከል በሕዝቦች መካከል ምን የጋራ ሪትሞችን ሊያመጡ ይችላሉ?

የሚተው፦ ነጠላ ነርቮች ወደ አማካይ ይጠፋሉ።

የሚሠራበት፦ ወደ 10^9 FLOPS ግምታዊ ላፕቶፕ፣ ሰከንዶች ከመቼ ጀምሮ፦ 1972 እስከ 1972፣ Wilson and Cowan, Excitatory and inhibitory interactions in localized populations of model neurons [ምንጭ](https://doi.org/10.1016/s0006-3495%2872%2986068-5)

[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)[ቀጣይ መስኮች](https://simulation-hypothesis.com/am/simulations/methods#m-continuum)ወለል፦ ሕዋሳት

### ተግባራዊ ምት-አመንጪ (ስፓይኪንግ) የአንጎል ሞዴሎች

እንደ ማስታወስ፣ መቁጠር እና የተሳለ አሃዝ መቅዳት ያሉ የአእምሮ ሥራዎችን ለማከናወን የተገነባ ምት የሚያመነጩ የሞዴል ነርቮች ኔትወርክ።

የሚመልሰው ጥያቄ: ከነርቮች የተሠራ ሞዴል አንጎል የሚይዛቸውን ሥራዎች ማከናወን ይችላል?

የሚተው፦ የሥራ ስብስቡ ትንሽ ነው፤ ሽቦውም የተነደፈ እንጂ የተለካ አይደለም።

የሚሠራበት፦ ወደ 10^15 FLOPS ግምታዊ የዩኒቨርሲቲ ክላስተር፣ ሰዓታት ከመቼ ጀምሮ፦ 2012 እስከ 2012፣ Eliasmith and others, A large-scale model of the functioning brain (Spaun) [ምንጭ](https://doi.org/10.1126/science.1225266)

[የመረብ ሞዴሎች](https://simulation-hypothesis.com/am/simulations/methods#m-network)[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)ወለል፦ ሕዋሳት

### አትራክተር ማህደረ ትውስታ ኔትወርኮች

ግንኙነቶቹ ቅጦችን እንደ የተረጋጉ ሁኔታዎች የሚያከማቹ ቀላል አሃዶች ኔትወርክ፤ ስለዚህ ከፊል ምልክት ወደ ሙሉ ትውስታ ይረጋጋል።

የሚመልሰው ጥያቄ: አንድ ኔትወርክ ከአንድ ቁራጭ ሙሉ ትውስታን እንዴት ማስታወስ ይችላል?

የሚተው፦ አቅሙ ትንሽ ነው እና እውነተኛ ነርቮች እጅግ የበለጠ ውስብስብ ናቸው።

የሚሠራበት፦ ወደ 10^8 FLOPS ግምታዊ ላፕቶፕ፣ ሰከንዶች ከመቼ ጀምሮ፦ 1982 እስከ 1982፣ Hopfield, Neural networks and physical systems with emergent collective computational abilities [ምንጭ](https://en.wikipedia.org/wiki/Hopfield%5Fnetwork)

[የመረብ ሞዴሎች](https://simulation-hypothesis.com/am/simulations/methods#m-network)[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)ወለል፦ ሕዋሳት

### በኮኔክቶም ላይ የተመሠረቱ የነፍሳት አንጎል ሞዴሎች

ከተለካው የሽቦ ንድፍ የተመሰለ ሙሉ የዝንብ አንጎል፣ እያንዳንዱ ነርቭ እና ሲናፕስ ከተሠራው መልሶ ግንባታ የተወሰደ።

የሚመልሰው ጥያቄ: ግንኙነቶቹ ሁሉ ከታወቁ በኋላ ከሽቦ ብቻ ምን ባሕርያት ይከተላሉ?

የሚተው፦ የሲናፕስ ጥንካሬዎችና የነርቭ ኬሚስትሪ ይገመታሉ እንጂ አይለኩም።

የሚሠራበት፦ ወደ 10^14 FLOPS ግምታዊ የሥራ ጣቢያ፣ በተመሰለ ሰከንድ ደቂቃዎች ከመቼ ጀምሮ፦ 2024 እስከ 2024፣ Dorkenwald and others, የአዋቂ ዝንብ አንጎል የሽቦ ንድፍ፣ እና Shiu and others, በእሱ ላይ የተገነባ ስሌታዊ ሞዴል [ምንጭ](https://doi.org/10.1038/s41586-024-07763-9)

[የመረብ ሞዴሎች](https://simulation-hypothesis.com/am/simulations/methods#m-network)[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)ወለል፦ ሕዋሳት

## ሠራሽ ሕይወት እና ውስብስብነት

### ሴሉላር አውቶማታ

እንደ John Conway’s Life ያሉ ቀላል ሕጎችን የሚከተሉ የሕዋስ ፍርግርግ፤ ተንሸራታቾችን፣ ራሳቸውን የሚባዙ ቅርጾችን እና የሚሠሩ ኮምፒውተሮችን እንኳን ያበቅላሉ።

የሚመልሰው ጥያቄ: ከምን ያህል ቀላል ሕግ ምን ያህል ውስብስብነት ሊያድግ ይችላል?

የሚተው፦ ቀላል ሕጎች እውነተኛ አካላዊ ወይም ባዮሎጂያዊ ሥርዓቶች ላይ እምብዛም በንጽሕና አይተገበሩም።

የሚሠራበት፦ ወደ 10^12 FLOPS ግምታዊ ላፕቶፕ፣ ግዙፍ ፍርግርግ በሰከንዶች ከመቼ ጀምሮ፦ 1970 የJohn Conway የሕይወት ጨዋታ በማስመሰሎች ዛፍ ውስጥ: [Life፣ በእጅ የተጫወተ](https://simulation-hypothesis.com/am/trees/simulations?n=life-life)

[በይነተገናኙን ሞዴል ማስኬድ](https://simulation-hypothesis.com/am/simulations/run#toy-life)

[ሴሉላር አውቶማታ](https://simulation-hypothesis.com/am/simulations/methods#m-cellular-automata)ወለል፦ ደንቦች

### ዲጂታል ዝግመተ ለውጥ

በተመሰለ ማሽን ውስጥ ለፕሮሰሰር ጊዜ የሚለዋወጡ እና የሚወዳደሩ ራሳቸውን የሚገለብጡ የኮምፒውተር ፕሮግራሞች።

የሚመልሰው ጥያቄ: ዝግመተ ለውጥ ደረጃ በደረጃ ማየት የምንችላቸውን ውስብስብ ባህሪያት ሊፈጥር ይችላል?

የሚተው፦ ፕሮግራሞች በሰው ሠራሽ የኮምፒውተር ዓለም ውስጥ ይሻሻላሉ፤ እውነተኛ ባዮኬሚስትሪ አይደለም።

የሚሠራበት፦ ወደ 10^12 FLOPS ግምታዊ ዴስክቶፕ፣ በአንድ ሌሊት በሚሊዮን የሚቆጠሩ ትውልዶች ከመቼ ጀምሮ፦ 1953 የBarricelli በInstitute for Advanced Study ኮምፒውተር ላይ የቁጥር ዝግመተ ለውጥ ሙከራዎች [ምንጭ](https://www.ias.edu/ideas/2012/george-dyson-ecp)

[ዝግመተ ለውጥ](https://simulation-hypothesis.com/am/simulations/methods#m-evolutionary)ወለል፦ ደንቦች

### የተሻሻሉ ምናባዊ ፍጥረታት

በፊዚክስ ማስመሰል በዝግመተ ለውጥ አብረው ያደጉ አካላት እና አንጎሎች፣ መዋኘትን፣ መራመድን ወይም መዝለልን የሚማሩ።

የሚመልሰው ጥያቄ: ዝግመተ ለውጥን ባልመራነው ጊዜ ምን ዓይነት አካላትና ባሕርያትን ይፈጥራል?

የሚተው፦ የተሻሻሉ አረማመዶች ከባዮሎጂካሎቹ በጣም የተለዩ ይመስላሉ፣ ምክንያቱም የተመሰለው ፊዚክስ ከእውነተኛው ዓለም በረቂቅ ይለያል።

የሚሠራበት፦ ወደ 10^13 FLOPS ግምታዊ ዴስክቶፕ ወይም ትንሽ ክላስተር፣ ሕዝብን በዝግመተ ለውጥ ለማሳለፍ ሰዓታት ከመቼ ጀምሮ፦ 1994 Karl Sims በፊዚክስ ማስመሰል ውስጥ የሚዋኙ እና የሚራመዱ ፍጥረታትን አዳበረ

[ዝግመተ ለውጥ](https://simulation-hypothesis.com/am/simulations/methods#m-evolutionary)[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)ወለል፦ አካላት

### ራስን-አደራጅ ወሳኝነት

በአሸዋ ክምር ላይ አንድ ባንድ እህል ይጨመራል፤ በመጨረሻም የሁሉም መጠን ናዳዎች ይታያሉ።

የሚመልሰው ጥያቄ: የመሬት መንቀጥቀጦች፣ እሳቶችና መጥፋቶች ተመሳሳይ ስታቲስቲክስ ለምን ይከተላሉ?

የሚተው፦ እውነተኛ የመሬት መንቀጥቀጦች እና እሳቶች የአሸዋ ክምር በካርቱን ብቻ የሚያሳያቸው ልዩ ፊዚክስ አላቸው።

የሚሠራበት፦ ወደ 10^11 FLOPS ግምታዊ ላፕቶፕ፣ ለትልቅ የአሸዋ ክምር ሰከንዶች ከመቼ ጀምሮ፦ 1987 የBak፣ Tang እና Wiesenfeld የአሸዋ ክምር ሞዴል

[በይነተገናኙን ሞዴል ማስኬድ](https://simulation-hypothesis.com/am/simulations/run#toy-sandpile)

[ሴሉላር አውቶማታ](https://simulation-hypothesis.com/am/simulations/methods#m-cellular-automata)ወለል፦ አካላት

### የመንጋ ብልህነት አልጎሪዝሞች

መንገድ ማስያዝ እና መርሐ ግብር ያሉ ረቂቅ ችግሮችን ለመፍታት ከጉንዳኖች እና ከወፎች የተዋሱ፣ ዱካዎችን የሚተዉ ወይም ጎረቤቶቻቸውን የሚገለብጡ ቀላል ምናባዊ ወኪሎች።

የሚመልሰው ጥያቄ: ቀላል መቅዳት እና ዱካ መከተል ከባድ የማመቻቸት ችግርን ሊፈታ ይችላል?

የሚተው፦ በተፈተነባቸው በደንብ በተቀመጡ ችግሮች ላይ ጥሩ ይሠራል። እውነተኛና ያልተስተካከሉ ችግሮች ተጨማሪ ማስተካከያ ይፈልጋሉ።

የሚሠራበት፦ ወደ 10^11 FLOPS ግምታዊ ላፕቶፕ፣ በሩጫ ሰከንዶች እስከ ደቂቃዎች ከመቼ ጀምሮ፦ 1992 የMarco Dorigo የጉንዳን ማኅበረሰብ ማመቻቸት አልጎሪዝም

[በይነተገናኙን ሞዴል ማስኬድ](https://simulation-hypothesis.com/am/simulations/run#toy-flock)

[በወኪል ላይ የተመሠረተ](https://simulation-hypothesis.com/am/simulations/methods#m-agent-based)[ዝግመተ ለውጥ](https://simulation-hypothesis.com/am/simulations/methods#m-evolutionary)ወለል፦ ደንቦች

### የዘፈቀደ ቡሊያን ኔትወርኮች

በዘፈቀደ የተገናኙ ማብሪያ ማጥፊያዎች፣ እያንዳንዳቸው በጥቂት ሌሎች ላይ ተመሥርተው የሚበሩ ወይም የሚጠፉ፤ መላው አውታረ መረብ መቼ እንደሚረጋጋ ወይም ለዘላለም እንደሚዋልል ይጠናሉ።

የሚመልሰው ጥያቄ: የመቀየሪያዎች ኔትወርክ ትርምስ ከመሆኑ በፊት ምን ያህል ሽቦ ያስፈልጋል?

የሚተው፦ የዘፈቀደ ሽቦ የእውነተኛ ሕዋስ ወይም አንጎል በጥንቃቄ የዳበረ ሽቦ ሻካራ ምትክ ነው።

የሚሠራበት፦ ወደ 10^11 FLOPS ግምታዊ ላፕቶፕ፣ በኔትወርክ ሰከንዶች ከመቼ ጀምሮ፦ 1969 የStuart Kauffman የዘረመል ማብሪያ ማጥፊያዎች የዘፈቀደ አውታረ መረቦች

[የመረብ ሞዴሎች](https://simulation-hypothesis.com/am/simulations/methods#m-network)[ሴሉላር አውቶማታ](https://simulation-hypothesis.com/am/simulations/methods#m-cellular-automata)ወለል፦ ደንቦች

### ቀጣይነት ያላቸው የሕዋስ አውቶማታ

የሕዋስ ሁኔታዎች፣ ቦታ እና ጊዜ ቀጣይነት ያላቸው የሕዋስ አውቶማታ፣ ለስላሳ ራሳቸውን የሚያደራጁ ፍጥረታትን ይፈጥራሉ።

የሚመልሰው ጥያቄ: በቀጣይ ሴሉላር አውቶማቶን ውስጥ ሕይወት የሚመስሉ ምን ንድፎች ይታያሉ?

የሚተው፦ ሕጎቹ ሰው ሠራሽ ናቸው፤ እውነተኛ ኬሚስትሪንም አይመስሉም።

የሚሠራበት፦ ወደ 10^11 FLOPS ግምታዊ የGPU ፍርግርግ ዝመናዎች ከመቼ ጀምሮ፦ 2018 Lenia: biology of artificial life (2018) [ምንጭ](https://arxiv.org/abs/1812.05433)

[ሴሉላር አውቶማታ](https://simulation-hypothesis.com/am/simulations/methods#m-cellular-automata)ወለል፦ ደንቦች

### የነርቭ ሕዋስ አውቶማታ

እያንዳንዱ ሕዋስ አካባቢያዊ ደንቡን የሚማር ትንሽ ነርቭ ኔትወርክ ይይዛል፣ ስለዚህ ፍርግርግ ዒላማ ቅጥን ያበቅላል እና ይጠግናል።

የሚመልሰው ጥያቄ: አካባቢያዊ የተማረ ደንብ አጠቃላይ ንድፍ እንዲያድግ እና ራሱን እንዲጠግን ሊያደርግ ይችላል?

የሚተው፦ የዒላማ ንድፎች ትንሽ ናቸው፤ ሕጎቹም የሚሠለጥኑ እንጂ የሚገኙ አይደሉም።

የሚሠራበት፦ ወደ 10^11 FLOPS ግምታዊ አነስተኛ ተለይቶ የሚለወጥ ሥልጠና ከመቼ ጀምሮ፦ 2020 Growing Neural Cellular Automata (2020) [ምንጭ](https://distill.pub/2020/growing-ca/)

[ሴሉላር አውቶማታ](https://simulation-hypothesis.com/am/simulations/methods#m-cellular-automata)[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ ደንቦች

### ራሳቸውን የሚገለብጡ የፕሮግራም ሾርባዎች

የዘፈቀደ ፕሮግራሞች ገንዳ ራሳቸውን የሚገለብጡ እስኪወጡ ድረስ በአጋጣሚ ይገናኛሉ።

የሚመልሰው ጥያቄ: ራሳቸውን የሚባዙ ሳይነደፉ ሊታዩ ይችላሉ?

የሚተው፦ የቋንቋ ምርጫ ውጤቱን ይወስናል፤ ከኬሚስትሪም እጅግ የራቀ ነው።

የሚሠራበት፦ ወደ 10^10 FLOPS ግምታዊ በሚሊዮኖች የሚቆጠሩ ጥቃቅን የፕሮግራም መስተጋብሮች ከመቼ ጀምሮ፦ 2024 Computational Life: how well-formed, self-replicating programs emerge from simple interaction (2024) [ምንጭ](https://arxiv.org/abs/2406.19108)

[ዝግመተ ለውጥ](https://simulation-hypothesis.com/am/simulations/methods#m-evolutionary)[ስቶካስቲክ ሂደቶች](https://simulation-hypothesis.com/am/simulations/methods#m-stochastic)ወለል፦ ደንቦች

### ሠራሽ ኬሚስትሪ

በደንቦች ምላሽ የሚሰጡ የረቂቅ ሞለኪውሎች ገንዳ፤ ያለ ምንም እውነተኛ ኬሚስትሪ ራሳቸውን የሚጠብቁ መዋቅሮች ሊታዩ ይችላሉ።

የሚመልሰው ጥያቄ: ራሱን የሚደግፍ የኬሚካል አደረጃጀት ከቀላል የምላሽ ተመኖች ሊነሳ ይችላል?

የሚተው፦ ሞለኪውሎቹ ምልክቶች ናቸው፤ እውነተኛ የቦንድ ኃይልና ጂኦሜትሪ የለም።

የሚሠራበት፦ ወደ 10^9 FLOPS ግምታዊ ላፕቶፕ፣ ሰዓታት ከመቼ ጀምሮ፦ 1991 እስከ 1991፣ የFontana AlChemy፣ በSecond Artificial Life Conference የቀረበ [ምንጭ](https://en.wikipedia.org/wiki/Artificial%5Fchemistry)

[ደንቦችና ሁኔታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-rules)[ስቶካስቲክ ሂደቶች](https://simulation-hypothesis.com/am/simulations/methods#m-stochastic)[በወኪል ላይ የተመሠረተ](https://simulation-hypothesis.com/am/simulations/methods#m-agent-based)ወለል፦ ሞለኪውሎች

### የዝግመተ ለውጥ ሮቦቲክስ

የተመሰሉ ሮቦቶች መቆጣጠሪያዎች ወይም አካላት ለሥራ አፈጻጸም በመምረጥ በብዙ ትውልዶች በዝግመተ ለውጥ ይዳብራሉ።

የሚመልሰው ጥያቄ: የሮቦት አንጎል እና አካል ከመንደፍ ይልቅ ሊራቡ ይችላሉ?

የሚተው፦ በማስመሰል በዝግመተ ለውጥ የተገኙ መቆጣጠሪያዎች በእውነተኛ ሃርድዌር ላይ ብዙ ጊዜ ይወድቃሉ።

የሚሠራበት፦ ወደ 10^14 FLOPS ግምታዊ የዩኒቨርሲቲ ክላስተር፣ ቀናት ከመቼ ጀምሮ፦ 1993 እስከ 1993፣ Cliff, Husbands and Harvey, Evolving visually guided robots [ምንጭ](https://doi.org/10.7551/mitpress/3116.003.0051)

[ዝግመተ ለውጥ](https://simulation-hypothesis.com/am/simulations/methods#m-evolutionary)[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)[ልዩነታዊ እኩልታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-equations)ወለል፦ አካላት

### ቀጣይነት ያለው ሠራሽ ሕይወት

ቀጣይነት ያለው ሁኔታ፣ ቦታ እና ጊዜ ያለው የሕዋስ አውቶማታ፤ የሚንቀሳቀሱ፣ ራሳቸውን የሚያደራጁ ሕይወት መሰል ቅርጾችን ይፈጥራል።

የሚመልሰው ጥያቄ: ሕጎቹ ከተቆራረጡ ይልቅ ለስላሳ ሲሆኑ ሕይወት የሚመስሉ ምን ቅርጾች ይታያሉ?

የሚተው፦ ንድፎቹ ሕያዋን ፍጥረታትን ይመስላሉ፤ ነገር ግን ምንም እውነተኛ ባዮሎጂ አይከተሉም።

የሚሠራበት፦ ወደ 10^11 FLOPS ግምታዊ የጨዋታ ፒሲ፣ በእውነተኛ ጊዜ ከመቼ ጀምሮ፦ 2018 እስከ 2018፣ Chan, Lenia: Biology of Artificial Life (arXiv 1812.05433) [ምንጭ](https://arxiv.org/abs/1812.05433)

[ሴሉላር አውቶማታ](https://simulation-hypothesis.com/am/simulations/methods#m-cellular-automata)[ቀጣይ መስኮች](https://simulation-hypothesis.com/am/simulations/methods#m-continuum)ወለል፦ ደንቦች

### ሠራሽ የበሽታ መከላከያ ሞዴሎች

በምርጫ እና በኔትወርክ ውጤቶች ንድፎችን ማወቅን የሚማሩ የሚገናኙ ፀረ እንግዳ አካል መሰል ወኪሎች ሕዝቦች።

የሚመልሰው ጥያቄ: የመለያ ሥርዓት በአካባቢያዊ መስተጋብሮች ብቻ እንዴት ይስማማል?

የሚተው፦ ለኮምፒውቲንግ ከበሽታ መከላከያ ሳይንስ ሐሳቦችን ይዋሳል፤ የእውነተኛ የበሽታ መከላከያ ምላሽ የተስተካከለ ሞዴል አይደለም።

የሚሠራበት፦ ወደ 10^8 FLOPS ግምታዊ ላፕቶፕ፣ ሰዓታት ከመቼ ጀምሮ፦ 1986 እስከ 1986፣ Farmer, Packard and Perelson, The immune system, adaptation, and machine learning [ምንጭ](https://doi.org/10.1016/0167-2789%2886%2990240-x)

[በወኪል ላይ የተመሠረተ](https://simulation-hypothesis.com/am/simulations/methods#m-agent-based)[የመረብ ሞዴሎች](https://simulation-hypothesis.com/am/simulations/methods#m-network)[ዝግመተ ለውጥ](https://simulation-hypothesis.com/am/simulations/methods#m-evolutionary)ወለል፦ ሕዋሳት

### Core War ውጊያዎች

በትንሽ አሴምብሊ ቋንቋ የተጻፉ ፕሮግራሞች እርስ በርሳቸው ላይ እየጻፉ የጋራ የተመሰለ ማህደረ ትውስታን ለመቆጣጠር ይዋጋሉ።

የሚመልሰው ጥያቄ: ሙሉ ትውስታ የጦር ሜዳ ሲሆን የትኛው ራሱን የሚገለብጥ ፕሮግራም ይተርፋል?

የሚተው፦ ማሽኑ የተፈጠረ የመመሪያ ስብስብ ነው፤ ስለዚህ ትምህርቶች ወደ እውነተኛ ማልዌር አይተረጎሙም።

የሚሠራበት፦ ወደ 10^7 FLOPS ግምታዊ ላፕቶፕ፣ በውጊያ ሰከንዶች ከመቼ ጀምሮ፦ 1984 እስከ 1984፣ በScientific American ውስጥ በJones እና Dewdney Core War [ምንጭ](https://en.wikipedia.org/wiki/Core%5FWar)

[ደንቦችና ሁኔታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-rules)[የተቆራረጠ ክስተት](https://simulation-hypothesis.com/am/simulations/methods#m-discrete-event)[ዝግመተ ለውጥ](https://simulation-hypothesis.com/am/simulations/methods#m-evolutionary)ወለል፦ ደንቦች

## ለሰው ሠራሽ አእምሮዎች ዓለማት

### የማጠናከሪያ ትምህርት አካባቢዎች

ሰው ሠራሽ ወኪል የሚሠራባቸው፣ የሚሸለምባቸው እና በሚሊዮኖች ሙከራዎች የሚሻሻልባቸው የተመሰሉ ዓለማት።

የሚመልሰው ጥያቄ: ወኪል ይህንን ክህሎት ከሙከራ እና ስህተት ብቻ መማር ይችላል?

የሚተው፦ በቀለለ ዓለም የተማሩ ክህሎቶች ሁልጊዜ ወደ እውነታ ውስብስብነት አይተላለፉም።

የሚሠራበት፦ ወደ 10^15 FLOPS ግምታዊ የGPU ክላስተር፣ በቀናት የሚቆጠር የተመሰለ ልምድ ከመቼ ጀምሮ፦ 1992 እስከ 1992፣ TD-Gammon የባክጋሞን ስልት በራስ-ጨዋታ ተማረ

[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ አካላት

### ባለብዙ-ወኪል የAI ማኅበረሰቦች

የራሳቸው ግቦች፣ ትውስታዎች እና ውይይቶች ያሏቸው ዓለም የሚጋሩ ብዙ የAI ወኪሎች።

የሚመልሰው ጥያቄ: ብዙ ሰው ሠራሽ ወኪሎች አብረው ሲኖሩ ምን ማኅበራዊ ባሕርይ ይታያል?

የሚተው፦ ማኅበራዊ የሚመስሉ ባህሪዎች ለሥልጠና ማዋቀር የተስተካከሉ ጠባብ ብልሃቶች ሊሆኑ ይችላሉ።

የሚሠራበት፦ ወደ 10^15 FLOPS ግምታዊ የGPU ክላስተር፣ ብዙ ወኪሎችን በትይዩ የሚያስኬድ ከመቼ ጀምሮ፦ 2017 እስከ 2017፣ አንድ ዓለም የሚጋሩ ብዙ የሚማሩ ወኪሎች ቀደምት ሙከራዎች

[በወኪል ላይ የተመሠረተ](https://simulation-hypothesis.com/am/simulations/methods#m-agent-based)[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ አካላት

### ሰው ሠራሽ የሥልጠና መረጃ

የማየት ሥርዓቶችን ለማሠልጠን በማያልቁ ልዩነቶች የተሰሉ ፎቶ-እውነታዊ ትዕይንቶች።

የሚመልሰው ጥያቄ: በተሳሉ ምስሎች ብቻ የሠለጠነ ሥርዓት እውነተኛውን ዓለም ማየት ይችላል?

የሚተው፦ የታዩ ትዕይንቶች ከእውነታ የበለጠ ንጹሕ ናቸው፤ ስለዚህ የሠለጠኑ ሥርዓቶች በእውነተኛ-ዓለም ጫጫታ ሊሳሳቱ ይችላሉ።

የሚሠራበት፦ ወደ 10^14 FLOPS ግምታዊ የሬንደር ፋርም ወይም የGPU ክላስተር፣ ለመረጃ ስብስብ ሰዓታት ከመቼ ጀምሮ፦ 2016 እስከ 2016፣ ቀደምት የተሳሉ የመረጃ ስብስቦች የምስል ማወቂያ ሥርዓቶችን ያሠለጥናሉ

[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)ወለል፦ አካላት

### የተማሩ የዓለም ሞዴሎች

በዓለም ውስጥ ቀጥሎ የሚሆነውን የሚተነብይ፣ ሊጫወቱ የሚችሉ ትዕይንቶችን ለመፍጠር በቂ የሆነ ነርቭ ኔትወርክ።

የሚመልሰው ጥያቄ: ኔትወርክ ዓለምን በማየት ብቻ ማስመሰልን መማር ይችላል?

የሚተው፦ የረጅም ጊዜ ትንበያዎች በአካል ከሚጣጣም ከማንኛውም ነገር ይርቃሉ።

የሚሠራበት፦ ወደ 10^15 FLOPS ግምታዊ ትልቅ የGPU ክላስተር፣ የሥልጠና ቀናት ከመቼ ጀምሮ፦ 2018 Ha እና Schmidhuber አንድ ኔትወርክ የጨዋታ መሰል ትዕይንቶችን እንዲተነብይ እና እንዲያልም አሰለጠኑ

[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ መስኮች

### በራስ-ጨዋታ ስትራቴጂ ሥልጠና

ሰው ሠራሽ ወኪል በአብስትራክት ስትራቴጂ ጨዋታ ከራሱ ቅጂዎች ጋር ተደጋጋሚ ግጥሚያዎችን ይጫወታል፣ በእያንዳንዱ ዙር ይሻሻላል።

የሚመልሰው ጥያቄ: ከራሱ ያለፈ ማንነት በስተቀር ምንም አስተማሪ ሳይኖር ስትራቴጂ ምን ያህል ጠንካራ ሊሆን ይችላል?

የሚተው፦ ከተመሳሳይ ወኪል ቅጂ ጋር የተስተካከሉ ስልቶች የተለየ ተቃዋሚ የሚጠቀምባቸው ዕውር ቦታዎች ሊኖራቸው ይችላል።

የሚሠራበት፦ ወደ 10^16 FLOPS ግምታዊ ትልቅ የGPU ክላስተር፣ የራስ-ጨዋታ ቀናት ከመቼ ጀምሮ፦ 1959 የArthur Samuel የቼከርስ ፕሮግራም ራሱን በመጫወት ተማረ

[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)[የጨዋታ ንድፈ ሐሳብ](https://simulation-hypothesis.com/am/simulations/methods#m-game-theory)ወለል፦ ደንቦች

### የሰው ሰራሽ ብልህነት ደኅንነት የቀይ-ቡድን አካባቢዎች

ሰው ሠራሽ ወኪልን ወደ ያልተፈለገ ባህሪ ለማባበል የተገነባ የተመሰለ አካባቢ፤ ውድቀቱ ከማሰማራት በፊት እንዲገኝ።

የሚመልሰው ጥያቄ: በምን ሁኔታዎች ይህ ሥርዓት ሊኖረው የማይገባ ባሕርይ ያሳያል?

የሚተው፦ ቀይ ቡድኑ ለመፈለግ ያሰበባቸውን ውድቀቶች ብቻ ይፈትናል።

የሚሠራበት፦ ወደ 10^14 FLOPS ግምታዊ የምርምር ቡድን GPU ሰርቨር፣ በሙከራ ስብስብ ሰዓታት ከመቼ ጀምሮ፦ 2016 እስከ 2016፣ ለማጠናከሪያ-ትምህርት ወኪሎች ቀደምት የተቃውሞ ሙከራ አካባቢዎች

[በወኪል ላይ የተመሠረተ](https://simulation-hypothesis.com/am/simulations/methods#m-agent-based)[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ ደንቦች

### ሰውነት ያላቸው የቤተሰብ አስመሳዮች

ወኪሉ የሚያይበት፣ የሚንቀሳቀስበት እና ዕቃዎችን የሚይዝበት 3D ምናባዊ ቤቶች፤ ሰውነት ያለው ሰው ሠራሽ ብልህነትን ለማሰልጠን እና ለመፈተሽ ያገለግላሉ።

የሚመልሰው ጥያቄ: ወኪል በምናባዊ ቤት ውስጥ ወደ እውነተኛው የሚተላለፉ ሥራዎችን መማር ይችላል?

የሚተው፦ የነገር ፊዚክስ እና የትዕይንት ልዩነት ውስን ናቸው።

የሚሠራበት፦ ወደ 10^12 FLOPS ግምታዊ በቅጽበት ማሳየት፣ ብዙ ትይዩ ምሳሌዎች ከመቼ ጀምሮ፦ 2017 AI2-THOR: an interactive 3D environment for visual AI (2017) [ምንጭ](https://arxiv.org/abs/1712.05474)

[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)[ደንቦችና ሁኔታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-rules)ወለል፦ አካላት

### ክፍት-ፍጻሜ የአካባቢ ማመንጨት

የሥልጠና ዓለማት ወኪሎች ሲማሩ በራስ-ሰር ይፈጠራሉ፣ ይለወጡማል፤ ስለዚህ ፈተናዎች በችግርና በልዩነት ማደጋቸውን ይቀጥላሉ።

የሚመልሰው ጥያቄ: የአካባቢ አመንጪ ጠቃሚ አዳዲስ ፈተናዎችን ማምረቱን መቀጠል ይችላል?

የሚተው፦ ፍለጋው የአካባቢ ቤተሰቡ ሊገልጸው በሚችለው የተገደበ ነው።

የሚሠራበት፦ ወደ 10^15 FLOPS ግምታዊ የአካባቢዎች እና የወኪሎች ሕዝብ ከመቼ ጀምሮ፦ 2019 Paired Open-Ended Trailblazer (POET) (2019) [ምንጭ](https://arxiv.org/abs/1901.01753)

[ዝግመተ ለውጥ](https://simulation-hypothesis.com/am/simulations/methods#m-evolutionary)[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ ደንቦች

### ለወኪሎች የተመሰሉ የድር አካባቢዎች

የቋንቋ ሞዴል ወኪል ሥራዎችን የሚያጠናቅቅባቸው የእውነተኛ ድረ ገጾች በራስ-የሚስተናገዱ ቅጂዎች፣ የመጨረሻውን ሁኔታ በመፈተሽ ውጤት የሚሰጣቸው።

የሚመልሰው ጥያቄ: ወኪል በእውነተኛ ድር ጣቢያዎች ላይ ባለብዙ-ደረጃ ሥራዎችን ማጠናቀቅ ይችላል?

የሚተው፦ ጣቢያዎች የማይንቀሳቀሱ ቅጂዎች ናቸው፣ የሥራ ልዩነትም ውስን ነው።

የሚሠራበት፦ ወደ 10^13 FLOPS ግምታዊ የአካባቢ ዳግም ማስጀመሪያዎች እና ብዙ የሞዴል ጥሪዎች ከመቼ ጀምሮ፦ 2023 WebArena (2023) [ምንጭ](https://arxiv.org/abs/2307.13854)

[ደንቦችና ሁኔታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-rules)[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ ደንቦች

### የምክር ሥርዓት አስመሳዮች

የምክር ስልተ ቀመሮችን ለማሰልጠን እና ለመፈተሽ የሚያገለግል፣ ሊዋቀር የሚችል የተመሰለ ተጠቃሚዎች ሕዝብ እና የዕቃዎች ካታሎግ።

የሚመልሰው ጥያቄ: የምክር አልጎሪዝም ከተጠቃሚዎች ጋር በብዙ መስተጋብሮች እንዴት ይሠራል?

የሚተው፦ የተጠቃሚ ባሕርይ የታሰበ ነው እንጂ የተለካ አይደለም።

የሚሠራበት፦ ወደ 10^10 FLOPS ግምታዊ ርካሽ ትይዩ ሩጫዎች ከመቼ ጀምሮ፦ 2019 RecSim: a configurable simulation platform for recommender systems (2019) [ምንጭ](https://arxiv.org/abs/1909.04847)

[በወኪል ላይ የተመሠረተ](https://simulation-hypothesis.com/am/simulations/methods#m-agent-based)[ስቶካስቲክ ሂደቶች](https://simulation-hypothesis.com/am/simulations/methods#m-stochastic)ወለል፦ ደንቦች

### የነርቭ ጨዋታ ሞተሮች

በጨዋታ ቅጂዎች የሠለጠነ የስርጭት ሞዴል፣ የጨዋታውን ራሱ ሞተር በመተካት ከተጫዋቹ ድርጊት ቀጣዩን ፍሬም ይፈጥራል።

የሚመልሰው ጥያቄ: ነርቭ ኔትወርክ በይነተገናኝ ጨዋታን በሚጫወት ፍጥነት ማስኬድ ይችላል?

የሚተው፦ ትውስታ አጭር ነው፤ ዝርዝሮችም በረጅም ጨዋታ ይንሸራተታሉ።

የሚሠራበት፦ ወደ 10^15 FLOPS ግምታዊ ከባድ ሥልጠና፤ በአንድ አክስሌሬተር ላይ በቅጽበት አመክንዮ ድምዳሜ ከመቼ ጀምሮ፦ 2024 Diffusion models are real-time game engines (2024) [ምንጭ](https://arxiv.org/abs/2408.14837)

[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)ወለል፦ ደንቦች

### በይነተገናኝ ፈጣሪ ዓለማት

ሞዴል ምልክት ካልተደረገበት ቪዲዮ ይማራል፣ ተጠቃሚው ፍሬም በፍሬም የሚሠራባቸውን ሊቆጣጠሩ የሚችሉ ዓለማትን ለመፍጠር።

የሚመልሰው ጥያቄ: ሊጫወት የሚችል ዓለም ከምስሎች ብቻ ሊፈጠር ይችላል?

የሚተው፦ ወጥነት እና የፍሬም መጠን ውሱን ናቸው፣ እና ፊዚክስ አይረጋገጥም።

የሚሠራበት፦ ወደ 10^17 FLOPS ግምታዊ ትልቅ ደረጃ የቪዲዮ ሥልጠና ከመቼ ጀምሮ፦ 2024 Genie: generative interactive environments (2024) [ምንጭ](https://arxiv.org/abs/2402.15391)

[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ ደንቦች

### የተማሩ እውነተኛ-ዓለም በይነተገናኝ አስመሳዮች

በድርጊቶች ላይ የተመሠረተ የቪዲዮ ሞዴል፣ በእጅ የተሠራ አስመሳይን በመተካት፣ ሮቦት ወይም ወኪል ከእያንዳንዱ ትእዛዝ በኋላ የሚያየውን ይተነብያል።

የሚመልሰው ጥያቄ: የተማረ ሞዴል የድርጊቶችን እውነተኛ-ዓለም ውጤቶች ማስመሰል ይችላል?

የሚተው፦ ረጅም ተከታታይ ትንበያዎች ይቅዠታሉ፤ አካላዊ ትክክለኛነትም አልተረጋገጠም።

የሚሠራበት፦ ወደ 10^17 FLOPS ግምታዊ በትላልቅ የቪዲዮና የድርጊት መረጃ ስብስቦች ላይ ሥልጠና ከመቼ ጀምሮ፦ 2023 Learning interactive real-world simulators (2023) [ምንጭ](https://arxiv.org/abs/2310.06114)

[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ ደንቦች

### አመንጪ የመንዳት ዓለም ሞዴሎች

በፍጥነት እና በመሪ ላይ የተመሠረተ የቪዲዮ ሞዴል ራስን ችሎ መንዳትን ለማሰልጠን እና ለመፈተሽ ከመኪና እይታ ሊሆኑ የሚችሉ የወደፊት ትዕይንቶችን ይፈጥራል።

የሚመልሰው ጥያቄ: ከተሰጠ የመንዳት ድርጊት ምን የትራፊክ ትዕይንቶች ሊከተሉ ይችላሉ?

የሚተው፦ የተፈጠሩ ትዕይንቶች ፊዚክስን ወይም የብርቅ-ጉዳይ ባህሪን ሊጥሱ ይችላሉ።

የሚሠራበት፦ ወደ 10^17 FLOPS ግምታዊ ትልቅ የቪዲዮ ሞዴል ሥልጠና ከመቼ ጀምሮ፦ 2023 GAIA-1: a generative world model for autonomous driving (2023) [ምንጭ](https://arxiv.org/abs/2309.17080)

[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)ወለል፦ ደንቦች

### የተመሰለ የሮቦት እግር ኳስ

ሁለት የሶፍትዌር ተጫዋቾች ቡድኖች፣ እያንዳንዱ በጫጫታ ስሜት የሜዳውን ክፍል ብቻ ሲያይ፣ በተመሰለ ስታዲየም እግር ኳስ ይጫወታሉ፤ ትብብርና ስትራቴጂን ለመፈተሽ።

የሚመልሰው ጥያቄ: ገለልተኛ የሶፍትዌር ተጫዋቾች ተቀናቃኝ ቡድንን ለማሸነፍ በበቂ ሁኔታ መተባበር ይችላሉ?

የሚተው፦ ሜዳው፣ ኳሱና የሮቦት አካላት ተስማሚ ተደርገዋል፤ ስለዚህ ስኬት ከእውነተኛ ሃርድዌር ጋር ያለውን ችሎታ ሳይሆን ታክቲክን ያሳያል።

የሚሠራበት፦ ወደ 10^9 FLOPS ግምታዊ በዎርክስቴሽን ላይ ለአንድ ግጥሚያ በቅጽበት። ከመቼ ጀምሮ፦ 1998 የNoda እና የሥራ ባልደረቦቹ Soccer Server፣ ለባለብዙ-ወኪል ሥርዓቶች ምርምር መሣሪያ። [ምንጭ](https://doi.org/10.1080/088395198117848)

[በወኪል ላይ የተመሠረተ](https://simulation-hypothesis.com/am/simulations/methods#m-agent-based)[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)[የጨዋታ ንድፈ ሐሳብ](https://simulation-hypothesis.com/am/simulations/methods#m-game-theory)ወለል፦ ሕዝቦች

### የሶፍትዌር ምህንድስና ወኪል መሞከሪያዎች

ወኪል እውነተኛ የኮድ ፕሮጀክት እና የችግር ሪፖርት ይሰጠዋል፣ ፋይሎችን ያርማል እና በአሸዋ ሳጥን ውስጥ ፈተናዎችን ያስኬዳል፣ ማስተካከያው ፈተናውን ማለፉ ይገመገማል።

የሚመልሰው ጥያቄ: የሰው ሰራሽ ብልህነት ወኪል ያለ እገዛ በእውነተኛ የሶፍትዌር ፕሮጀክቶች ውስጥ እውነተኛ ስህተቶችን ማስተካከል ይችላል?

የሚተው፦ ፈተናዎች ማለፋቸው ትክክለኛ ጥገና ማለት አይደለም፤ ፕሮጀክቶቹም ከሁሉም ሶፍትዌር ትንሽ ቁራጭ ናቸው።

የሚሠራበት፦ ወደ 10^15 FLOPS ግምታዊ በሺዎች የሚቆጠሩ የሞዴል ሩጫዎች፣ እያንዳንዳቸው ብዙ ጥሪዎችና የሙከራ ሩጫዎች ያሏቸው። ከመቼ ጀምሮ፦ 2023 የJimenez እና የሥራ ባልደረቦቹ SWE-bench፣ ለቋንቋ ሞዴሎች የእውነተኛ GitHub ችግሮች ስብስብ። [ምንጭ](https://arxiv.org/abs/2310.06770)

[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)[ደንቦችና ሁኔታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-rules)ወለል፦ ደንቦች

### የዴስክቶፕ ኮምፒውተር ወኪል አካባቢዎች

እውነተኛ ፕሮግራሞች ያሉት ሙሉ ምናባዊ ኮምፒውተር ማያ ገጹን ለሚያይ፣ ለሚጫን እና ለሚተይብ ወኪል ይሰጣል፤ ሥራው መጠናቀቁ ይገመገማል።

የሚመልሰው ጥያቄ: የሰው ሰራሽ ብልህነት ወኪል በኮምፒውተር ላይ ሰው እንደሚያደርገው ሥራዎችን ማከናወን ይችላል?

የሚተው፦ ሥራዎቹ ቋሚና በስክሪፕት የተጻፉ ናቸው፤ እውነተኛ ሥራ ግን ክፍት፣ የሚቋረጥና ከሌሎች ሰዎች ጋር የሚጋራ ነው።

የሚሠራበት፦ ወደ 10^15 FLOPS ግምታዊ በሺዎች የሚቆጠሩ ሩጫዎች፣ እያንዳንዳቸው ምናባዊ ማሽን እና ብዙ የሞዴል ጥሪዎችን የሚያስኬዱ። ከመቼ ጀምሮ፦ 2024 የXie እና የባልደረቦቹ OSWorld፣ በእውነተኛ የኮምፒውተር አካባቢዎች ወኪሎችን መመዘን። [ምንጭ](https://doi.org/10.52202/079017-1650)

[የተማሩ ኢሙሌተሮች](https://simulation-hypothesis.com/am/simulations/methods#m-learned)[እውነተኛ ጊዜ](https://simulation-hypothesis.com/am/simulations/methods#m-real-time)[ደንቦችና ሁኔታዎች](https://simulation-hypothesis.com/am/simulations/methods#m-rules)ወለል፦ ደንቦች

[◂ ከተሞች፣ መሠረተ ልማትና ሥራዎች](https://simulation-hypothesis.com/am/simulations/cities-operations)[ሒሳብና ስሌት ▸](https://simulation-hypothesis.com/am/simulations/mathematics-computation)