由哲学引导的元胞自动机与人工神经网络的自动编程

许多计算机模型如元胞自动机和人工神经网络已被开发并成功应用。然而，在某些情况下，这些模型可能对可能的解具有限制性，或其解可能难以解释。为克服该问题，我们概述了一种新方法，即所谓的 allagmatic 方法，它以尽可能少的限制自动编程和执行模型，同时保持人类可解释性。早前我们根据结构与操作（时间维度）的哲学概念描述了元模型和其构建块。它们是实体、环境和更新函数，共同抽象地描述了元胞自动机、人工神经网络以及任何类型的计算机模型。通过在进化计算中自动组合这些构建块，可解释性可能通过其与元模型的关系而增强，并且模型可通过元模型转换为更具可解释性的模型。我们提出通用和面向对象编程，将实体及其环境实现为动态和通用数组，并将更新函数实现为方法。我们展示了两个实验，其中简单的元胞自动机和人工神经网络被自动编程、编译和执行。在元胞自动机和人工神经网络中分别成功进化并学习了目标状态。我们得出结论，allagmatic 方法可以在哲学引导下以自动化方式创建并执行元胞自动机和人工神经网络模型。