Informace k semináři Evolving structures in mathematics NMMB471

Výběrový seminář pro studenty bakalářského, navazujícího magisterského a doktorského studia

Tvůrčí seminář o možnostech, jak modelovat evoluci složitých adaptujících se systémů na počítači

Seminář vede

Tomáš Mikolov za pomoci  Jiřího Tůmy a případných hostů

Místo a čas

Seminární místnost katedry algebry, 3. patro, budova Sokolovská 83, čtvrtek 15,40

Konzultace

Lze domluvit osobně po semináři nebo mailem na tuma (at)  karlin.mff.cuni.cz, nebo telefonem 2 2191 3240

Zápočet

Bude za pravidelnou a aktivní účast na semináři


Program semináře v tomto semestru

21.2.2019  Tomáš Mikolov, prezentace o článku A. Turing, Computing Machinery and Intelligence,  

28.2.2019  Tomáš Mikolov,  prezentace

7.3.2019   Bára Hudcová, prezentace

14.3.2019  Alex Kazda, O Kolmogorovově složitosti, prezentace, některé odkazy:

Blogpost o K. složitosti, ze kterého jsem vycházel:
https://johncarlosbaez.wordpress.com/2011/10/28/the-complexity-barrier/

Slajdy z přednášky o K. složitosti z CMU
https://www.cs.cmu.edu/afs/cs.cmu.edu/academic/class/15251-f05/Site/Materials/Lectures/Lecture28/lecture28.ppt

Scott Aaronson o K. složitosti a komplexitě:
https://www.scottaaronson.com/blog/?p=762
https://www.scottaaronson.com/blog/?p=791

Stránky Jana Kadlece (poslední update je teda z roku 2010):
http://rrrola.wz.cz/

Wikipedie o překryvu genů:
https://en.wikipedia.org/wiki/Overlapping_gene

21.3.2019 Volná diskuse nad tématy  Tomáše Mikolova
1. Můžeme definovat množinu matematických modelů, ve kterých může docházet k otevřené evoluci? Jaké podmínky musí tato množina splňovat?
2.Jak by mohl vypadat jeden konkrétní model, který se může neomezeně rozvíjet?
3.Jak kontrolovat evoluci v těchto modelech tak, aby byla pro nás pochopitelná/užitečná ?
4.Vztah Kolmogorovovy složitosti a evoluce.
a tématy Jiřího Tůmy
1. Jaké modely evoluce na počítači si umíte úředstavit? (Kromě celulárních automatů)
2. Jaké evoluce v přírodě, u člověka, ve společnosti, vás zajímají?
3. Co z možnosttí 2. si umíte představit v nějaké zjednodušené  formě modelované napočítači?
4. Jak jsou různé evoluční procesy ovlivňované prostředím?

28.3.2019  Pokračování volné diskuse

4.4.2019  Jarní škola katedry algebry

11.4.2019  Pavel Pudlák, Matematický ústav Akademie věd ČR, 

18.4.2019  Michal Koucký,  Informatický ústav UK, MFF, O Kolmogorovově složitosti

25.4.2019  Tomáš Mikolov, von Neumannovy sebereplikující automaty

2.5.2019 

9.5.2019  

16.5.2019  

23.5.2019  


Plánovaný program semináře

Computing Machinery and Intelligence, A. Turing
- We will discuss some early ideas about artificial intelligence, and high-level overview of topics such as Turing-completeness.

Society of Mind, Marwin Minsky
- In this book, Marwin advocates that complex intelligent behavior is a result of cooperation of simple agents, and that the human mind can be explained this way.

The Quark and The Jaguar, Murray Gell-Mann
- Occam's razor, Minimum description length, Kolmogorov complexity, Algorithmic probability, measures of complexity proposed by Gell-Mann

L-systems: Mathematical Models for Cellular Interactions in Development, A. Lindenmayer; Wikipedia
- parallel string rewriting grammars that can generate objects that resemble those found in nature (leaves, trees); the grammars can be very trivial, while the objects may appear complex to us

Fractals: The fractal geometry of nature, B. Mandelbrot
- Fractals are objects that appear the same at different scales, while some appear rather complex to us. 

Von Neumann's Self-Reproducing Automata, A. W. Burks
- Conway's Game of Life can be seen as a simple example how cellular automatons work. However, the ideas here are deeper than they appear at first, and we can see that the original motivation for the development of cellular automatons was to design mathematical structures that can copy themselves in a non-trivial way, and possibly increase in complexity while doing so.

Studying Artificial Life with Cellular Automata, C. G. Langton
- Deals with mathematical structures that can have similar properties to how we define life: self-reproduction, evolution.

Genetic Algorithms, J. Holland
- We will discuss the basic ideas behind evolutionary and genetic algorithms and genetic programming, and compare these algorithms with the previously discussed attempts to design objects that can evolve.

Neuroevolution
- Evolving neural networks through augmenting topologies, K. O. Stanley and R. Miikkulainen
- Another attempt to simulate evolution that uses neural networks. In this talk, we will briefly discuss the basics of artificial neural networks, and extend these to models that can grow in complexity.

Psychology of Mathematics
Henri Poincare, Mathematical Creation
Jacques Hadamard, An Essy on the Psyhology of Invention in the Filed of Mathematics