Comme Charles Darwin l'a écrit à la fin de son livre fondateur de 1859 Sur l'origine des espèces, "Alors que cette planète a fait du vélo selon la loi fixe de la gravité, depuis un commencement si simple, les formes les plus belles et les plus merveilleuses ont été, et sont, évolué." Les scientifiques ont depuis longtemps cru que la diversité et la gamme des formes de vie sur Terre fournissent la preuve que l'évolution biologique innove spontanément de manière ouverte, inventant sans cesse de nouvelles choses. Cependant, les tentatives de construction de simulations artificielles de systèmes évolutifs ont tendance à se heurter à des limites dans la complexité et la nouveauté qu'elles peuvent produire. C'est ce que l'on appelle parfois « le problème de l'ouverture ». En raison de cette difficulté, à ce jour, les scientifiques ne peuvent pas facilement créer des systèmes artificiels capables de présenter la richesse et la diversité des systèmes biologiques.

Dans une nouvelle étude publiée dans la revue Vie artificielle , une équipe de recherche dirigée par Nicholas Guttenberg et Nathaniel Virgo du Earth-Life Science Institute (ELSI) du Tokyo Institute of Technology, Japon, et Alexandra Penn du Center for Evaluation of Complexity Across the Nexus (CECAN), Université de Surrey, Royaume-Uni (CRESS), examiner le lien entre le caractère ouvert de l'évolution biologique et les études récentes en apprentissage automatique. Ils espéraient que la connexion des idées de ces domaines permettrait de combiner les réseaux de neurones avec les motivations et les idées de la vie artificielle pour créer de nouvelles formes d'ouverture.

L'une des sources d'ouverture dans les systèmes biologiques en évolution est la « course aux armements » de la survie. Par exemple, les renards plus rapides peuvent évoluer pour attraper des lapins plus rapides, qui à son tour peut évoluer pour devenir encore plus rapide pour s'éloigner des renards plus rapides. Cette idée se reflète dans les développements récents consistant à mettre des réseaux en concurrence les uns avec les autres pour produire des choses telles que des images réalistes à l'aide de réseaux antagonistes génératifs (GAN) et pour découvrir des stratégies dans des jeux complexes tels que le go. En évolution, des facteurs tels que la mutation peuvent limiter l'ampleur d'une telle course aux armements. Cependant, à mesure que les réseaux de neurones ont été étendus, aucune limitation de ce type ne semble exister, et le réseau peut continuer à s'améliorer à mesure que des données supplémentaires sont fournies à leurs algorithmes.