ชีวิตเทียมหรือเรียกอีกอย่างว่าALifeเป็นสาขาการศึกษาที่นักวิจัยตรวจสอบระบบที่เกี่ยวข้องกับชีวิต ตามธรรมชาติ กระบวนการ และวิวัฒนาการ โดยใช้การจำลองด้วยแบบจำลองคอมพิวเตอร์หุ่นยนต์และชีวเคมี^{[ 1 ] [ 2 ]}สาขาวิชานี้ได้รับการตั้งชื่อโดย ค ริสโตเฟอร์ แลงตันนักวิทยาศาสตร์คอมพิวเตอร์ชาวอเมริกันในปี 1986 ^{[ 3 ]}ในปี 1987 แลงตันได้จัดงานประชุมครั้งแรกในสาขานี้ที่ ลอสอะลามอส รัฐนิวเม็กซิโก^{[ 4 ]}ชีวิตเทียมมีสามประเภทหลัก^{[ 5 ]}ซึ่งตั้งชื่อตามแนวทางของมัน ได้แก่แบบอ่อน^{[ 6 ]}มาจากซอฟต์แวร์แบบแข็ง [ ^{7 ]}มาจากฮาร์ดแวร์และแบบเปียกมาจากชีวเคมี นักวิจัยชีวิตเทียมศึกษาชีววิทยา แบบดั้งเดิม โดยพยายามจำลองแง่มุมต่างๆ ของปรากฏการณ์ทาง^{ชีววิทยา[ 8 ] [ 9 ]}

การศึกษาชีวิตเทียมศึกษาถึงกระบวนการพื้นฐานของระบบสิ่งมีชีวิตในสภาพแวดล้อมเทียม เพื่อให้ได้ความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับการประมวลผลข้อมูลที่ซับซ้อนซึ่งกำหนดระบบดังกล่าว หัวข้อเหล่านี้กว้างขวาง แต่โดยทั่วไปมักรวมถึงพลวัตเชิงวิวัฒนาการคุณสมบัติที่เกิดขึ้นใหม่ของระบบรวมการเลียนแบบชีวภาพตลอดจนประเด็นที่เกี่ยวข้องกับปรัชญาของธรรมชาติของชีวิตและการใช้คุณสมบัติที่เหมือนจริงในงานศิลปะ^{[ 5 ]}

ปรัชญาการสร้างแบบจำลองชีวิตเทียมแตกต่างอย่างมากจากการสร้างแบบจำลองแบบดั้งเดิม โดยไม่เพียงแต่ศึกษา "ชีวิตอย่างที่เรารู้จัก" แต่ยังศึกษา "ชีวิตอย่างที่มันอาจจะเป็นได้" อีกด้วย^{[ 10 ]}

แบบจำลองระบบชีวภาพแบบดั้งเดิมจะเน้นที่การจับภาพพารามิเตอร์ที่สำคัญที่สุด ในทางตรงกันข้าม แนวทางการสร้างแบบจำลอง ALife โดยทั่วไปจะพยายามถอดรหัสหลักการพื้นฐานที่ง่ายที่สุดและทั่วไปที่สุดของสิ่งมีชีวิต และนำไปใช้ในการจำลอง การจำลองนี้จะเปิดโอกาสให้สามารถวิเคราะห์ระบบที่เหมือนสิ่งมีชีวิตใหม่ๆ และแตกต่างออกไปได้

Vladimir Georgievich Red'ko เสนอให้ขยายความแตกต่างนี้ไปสู่การสร้างแบบจำลองของกระบวนการใดๆ ซึ่งนำไปสู่ความแตกต่างทั่วไปมากขึ้นระหว่าง "กระบวนการอย่างที่เราทราบ" และ "กระบวนการอย่างที่มันอาจจะเป็น" ^{[ 11 ]}

ในปัจจุบันนิยามของชีวิต ที่ได้รับการยอมรับโดยทั่วไป ไม่ได้พิจารณาว่าการจำลองหรือซอฟต์แวร์ ALife ใด ๆ ในปัจจุบัน มีชีวิต และไม่ได้เป็นส่วนหนึ่งของกระบวนการวิวัฒนาการของระบบนิเวศ ใด ๆ อย่างไรก็ตาม ความคิดเห็นที่แตกต่างกันเกี่ยวกับศักยภาพของชีวิตเทียมได้เกิดขึ้นแล้ว:

• จุดยืนที่แข็งแกร่งของ ALife (ดูStrong AI ) ระบุว่า "ชีวิตเป็นกระบวนการที่สามารถแยกออกจากสื่อใดๆ ได้" (John von Neumann) ^{[ 12 ]}มุมมองนี้มีรากฐานมาจากงานของ von Neumann เกี่ยวกับออโตมาตาเซลลูลาร์และตัวสร้างสากลซึ่งแสดงให้เห็นว่าเครื่องจักรที่ใช้ตรรกะสามารถสร้างตัวเองได้โดยไม่คำนึงถึงพื้นฐานทางกายภาพ ที่น่าสังเกตคือTom Rayประกาศว่าโปรแกรมTierra ของเขา ไม่ได้จำลองชีวิตในคอมพิวเตอร์ แต่เป็นการสังเคราะห์ชีวิต^{[ 13 ]}
• จุดยืนที่อ่อนแอของกลุ่ม ALifeปฏิเสธความเป็นไปได้ในการสร้าง "กระบวนการมีชีวิต" นอกเหนือจากสารละลายทางเคมี นักวิจัยของกลุ่มนี้พยายามจำลองกระบวนการมีชีวิตเพื่อทำความเข้าใจกลไกพื้นฐานของปรากฏการณ์ทางชีววิทยาแทน

เป้าหมายหลักในปรัชญาและการสร้างแบบจำลองของชีวิตเทียมคือการบรรลุวิวัฒนาการแบบเปิดกว้าง (Open-Ended Evolution: OEE)ซึ่งหมายถึงความสามารถของระบบในการสร้างพฤติกรรมหรือเอนทิตีที่แปลกใหม่ ซับซ้อน และปรับตัวได้อย่างต่อเนื่องโดยไม่ถึงจุดสมดุลที่เสถียรหรือจุดสิ้นสุดที่กำหนดไว้ล่วงหน้า^{[ 14 ]}นักวิจัยโต้แย้งว่า OEE เป็นลักษณะเด่นของชีวิตตามธรรมชาติที่ระบบเทียมในปัจจุบันยังไม่สามารถจำลองได้อย่างสมบูรณ์^{[ 15 ]}

• ระบบออโตมาตาเซลลู ลาร์ ถูกนำมาใช้ในยุคแรกเริ่มของปัญญาประดิษฐ์ และยังคงถูกใช้บ่อยครั้งในปัจจุบันเนื่องจากง่ายต่อการขยายขนาดและการประมวลผลแบบขนาน ปัญญาประดิษฐ์และออโตมาตาเซลลูลาร์มีประวัติความเป็นมาที่เกี่ยวพันกันอย่างใกล้ชิด
• บางครั้งมีการใช้ โครงข่ายประสาทเทียมเพื่อจำลองสมองของสิ่งมีชีวิต แม้ว่าโดยทั่วไปแล้วจะเป็น เทคนิค ปัญญาประดิษฐ์ มากกว่า แต่โครงข่ายประสาทเทียมก็มีความสำคัญสำหรับการจำลองพลวัตของประชากรสิ่งมีชีวิตที่สามารถเรียนรู้ได้ความสัมพันธ์แบบพึ่งพาอาศัยกันระหว่างการเรียนรู้และวิวัฒนาการเป็นหัวใจสำคัญของทฤษฎีเกี่ยวกับการพัฒนาสัญชาตญาณในสิ่งมีชีวิตที่มีความซับซ้อนทางระบบประสาทสูง เช่น ในปรากฏการณ์บอลด์วินเป็นต้น
• วิวัฒนาการประสาท

การจำลองแบบโปรแกรมประกอบด้วยสิ่งมีชีวิตที่มีภาษา "จีโนม" ภาษาดังกล่าวส่วนใหญ่มักอยู่ในรูปของ โปรแกรมคอมพิวเตอร์ ที่สมบูรณ์แบบตามทฤษฎีบททัวริงมากกว่าดีเอ็นเอทางชีววิทยาจริง ๆ ภาษาที่ใช้กันมากที่สุดคือภาษาที่พัฒนามาจากภาษาแอสเซมบลี สิ่งมีชีวิตจะ "มีชีวิต" เมื่อรหัสของมันถูกประมวลผล และโดยทั่วไปจะมีวิธีการต่าง ๆ ที่ช่วยให้สามารถจำลองตัวเองได้การกลายพันธุ์มักถูกนำมาใช้เป็นการเปลี่ยนแปลงแบบสุ่มในรหัส การใช้เซลลูลาร์ออโตมาตาเป็นเรื่องปกติแต่ไม่จำเป็น ตัวอย่างอื่น ๆ อาจเป็นปัญญาประดิษฐ์และระบบ/โปรแกรมหลายเอเจนต์

มีการเพิ่มโมดูลแต่ละชิ้นเข้าไปในสิ่งมีชีวิต โมดูลเหล่านี้จะปรับเปลี่ยนพฤติกรรมและลักษณะของสิ่งมีชีวิตโดยตรง โดยการเขียนโค้ดลงในโปรแกรมจำลอง (เช่น ขาแบบ A เพิ่มความเร็วและการเผาผลาญ) หรือโดยอ้อม ผ่านปฏิสัมพันธ์ที่เกิดขึ้นเองระหว่างโมดูลต่างๆ ของสิ่งมีชีวิต (เช่น ขาแบบ A เคลื่อนที่ขึ้นลงด้วยความถี่ X ซึ่งจะโต้ตอบกับขาอื่นๆ เพื่อสร้างการเคลื่อนไหว) โดยทั่วไปแล้ว โปรแกรมจำลองเหล่านี้จะเน้นการสร้างและการเข้าถึงของผู้ใช้มากกว่าการกลายพันธุ์และวิวัฒนาการ

โดยทั่วไปแล้ว สิ่งมีชีวิตถูกสร้างขึ้นด้วยพฤติกรรมที่กำหนดไว้ล่วงหน้าและคงที่ ซึ่งถูกควบคุมโดยพารามิเตอร์ต่างๆ ที่เปลี่ยนแปลงได้ กล่าวคือ สิ่งมีชีวิตแต่ละชนิดประกอบด้วยชุดของตัวเลขหรือ พารามิเตอร์ จำกัด อื่นๆ แต่ละพารามิเตอร์ควบคุมลักษณะหนึ่งหรือหลายลักษณะของสิ่งมีชีวิตในลักษณะที่กำหนดไว้อย่างชัดเจน

การจำลองเหล่านี้มีสิ่งมีชีวิตที่เรียนรู้และเติบโตโดยใช้โครงข่ายประสาทเทียมหรือสิ่งที่ใกล้เคียงกัน โดยมักเน้นที่การเรียนรู้มากกว่าการคัดเลือกโดยธรรมชาติ แม้จะไม่ใช่เสมอไปก็ตาม

แบบจำลองทางคณิตศาสตร์ของระบบที่ซับซ้อนมีสามประเภท ได้แก่แบบกล่องดำ (เชิงปรากฏการณ์) แบบกล่องขาว (เชิงกลไก โดยอิงจากหลักการพื้นฐาน ) และแบบกล่องเทา (การผสมผสานระหว่างแบบจำลองเชิงปรากฏการณ์และเชิงกลไก) ^{[ 16 ] [ 17 ]}ในแบบจำลองกล่องดำ กลไกที่อิงตามแต่ละบุคคล (เชิงกลไก) ของระบบไดนามิกที่ซับซ้อนยังคงถูกซ่อนไว้

แบบจำลองกล่องดำนั้นไม่มีกลไกการทำงานโดยสิ้นเชิง เป็นเพียงแบบจำลองเชิงปรากฏการณ์และละเลยองค์ประกอบและโครงสร้างภายในของระบบที่ซับซ้อน เนื่องจากลักษณะที่ไม่โปร่งใสของแบบจำลอง จึงไม่สามารถตรวจสอบปฏิสัมพันธ์ของระบบย่อยได้ ในทางตรงกันข้าม แบบจำลองกล่องขาวของระบบพลวัตที่ซับซ้อนมี 'ผนังโปร่งใส' และแสดงกลไกพื้นฐานโดยตรง เหตุการณ์ทั้งหมดในระดับจุลภาค ระดับกลาง และระดับมหภาคของระบบพลวัตสามารถมองเห็นได้โดยตรงในทุกขั้นตอนของการวิวัฒนาการของแบบจำลองกล่องขาว ในกรณีส่วนใหญ่ นักสร้างแบบจำลองทางคณิตศาสตร์ใช้ระเบียบวิธีทางคณิตศาสตร์แบบกล่องดำที่ซับซ้อน ซึ่งไม่สามารถสร้างแบบจำลองเชิงกลไกของระบบพลวัตที่ซับซ้อนได้ แบบจำลองกล่องเทาเป็นแบบจำลองระดับกลางที่ผสมผสานวิธีการแบบกล่องดำและกล่องขาวเข้าด้วยกัน

การสร้างแบบจำลองกล่องขาวของระบบที่ซับซ้อนนั้นเกี่ยวข้องกับปัญหาความจำเป็นในการมีความรู้พื้นฐานเกี่ยวกับสิ่งที่จะจำลองออโตมาตาเซลลูลาร์ เชิงตรรกะแบบกำหนดได้ นั้นเป็นเงื่อนไขที่จำเป็นแต่ไม่เพียงพอสำหรับแบบจำลองกล่องขาว เงื่อนไขที่จำเป็นประการที่สองของแบบจำลองกล่องขาวคือการมีอยู่ของออนโทโลยี ทางกายภาพ ของวัตถุที่กำลังศึกษา การสร้างแบบจำลองกล่องขาวแสดงถึงการอนุมานเชิงตรรกะขั้นสูงโดยอัตโนมัติจากหลักการพื้นฐานเนื่องจากมันขึ้นอยู่กับตรรกะแบบกำหนดได้และทฤษฎีสัจพจน์ของเรื่องนั้นอย่างสมบูรณ์ จุดประสงค์ของการสร้างแบบจำลองกล่องขาวคือการได้มาซึ่งความรู้เชิงกลไกที่ละเอียดและเป็นรูปธรรมมากขึ้นเกี่ยวกับพลวัตของวัตถุที่กำลังศึกษาจากสัจพจน์พื้นฐาน ความจำเป็นในการกำหนดระบบสัจพจน์ ภายใน ของเรื่องก่อนที่จะสร้างแบบจำลองกล่องขาวนั้น ทำให้แบบจำลองออโตมาตาเซลลูลาร์แบบกล่องขาวแตกต่างจากแบบจำลองออโตมาตาเซลลูลาร์ที่อิงตามกฎตรรกะตามอำเภอใจ หากกฎของออโตมาตาเซลลูลาร์ไม่ได้ถูกกำหนดขึ้นจากหลักการพื้นฐานของเรื่องนี้ โมเดลดังกล่าวอาจมีความเกี่ยวข้องกับปัญหาที่แท้จริงเพียงเล็กน้อย^{[ 17 ]}

นี่คือรายชื่อโปรแกรมจำลองสิ่งมีชีวิตเทียมและสิ่งมีชีวิตดิจิทัล :

ปัญญาประดิษฐ์ที่ใช้ฮาร์ดแวร์เป็นพื้นฐานส่วนใหญ่ประกอบด้วยหุ่นยนต์ซึ่งก็คือเครื่องจักรที่ควบคุมโดยอัตโนมัติและสามารถทำงานต่างๆ ได้ด้วยตนเอง

สิ่งมีชีวิตที่อาศัยชีวเคมีเป็นพื้นฐานนั้นได้รับการศึกษาในสาขาชีววิทยาสังเคราะห์ซึ่งเกี่ยวข้องกับการวิจัยต่างๆ เช่น การสร้างดีเอ็นเอสังเคราะห์คำว่า "เปียก" (wet) เป็นส่วนขยายของคำว่า " เว็ตแวร์ " (wetware) ความพยายามในการสร้างสิ่งมีชีวิตเทียมแบบ "เปียก" นั้นมุ่งเน้นไปที่การสร้างเซลล์ขนาดเล็กที่มีชีวิตจากแบคทีเรียที่มีชีวิตMycoplasma laboratoriumและการสร้างระบบคล้ายเซลล์ทางชีวเคมีที่ไม่ใช่สิ่งมีชีวิตขึ้นมาใหม่ตั้งแต่เริ่มต้น

ในเดือนพฤษภาคม พ.ศ. 2562 นักวิจัยรายงานความก้าวหน้าครั้งใหม่ในการสร้าง สิ่งมี ชีวิตสังเคราะห์ รูปแบบใหม่ (อาจเป็น สิ่งมีชีวิต เทียม ) ที่สามารถดำรง ชีวิตได้ ซึ่งเป็นสายพันธุ์หนึ่งของแบคทีเรียEscherichia coliโดยการลดจำนวนโคดอนตามธรรมชาติ 64 โคดอนในจีโนม ของแบคทีเรีย ให้เหลือ 59 โคดอนแทน เพื่อเข้ารหัสกรดอะมิโน 20 ชนิด^{[ 18 ] [ 19 ]}

ในปี 2020 Sam Kriegman และ Douglas Blackiston รายงานการสร้างหุ่น ยนต์ชีวภาพที่ได้รับความช่วยเหลือจากปัญญาประดิษฐ์^{[ 20 ]}

ในปี 2021 ทีมเดียวกันที่พัฒนา Xenobots ได้รายงานความก้าวหน้าครั้งสำคัญอีกครั้ง นั่นคือหุ่นยนต์ชีวภาพตัวแรกที่สามารถจำลองตัวเองได้แบบจลนศาสตร์ซึ่งแตกต่างจากการสืบพันธุ์ทางชีวภาพแบบดั้งเดิม (การเจริญเติบโต/การเกิด) สิ่งมีชีวิตสังเคราะห์เหล่านี้จะรวบรวมเซลล์ที่กระจัดกระจายในสภาพแวดล้อมเพื่อประกอบเป็นสำเนาใหม่ของตัวเอง ซึ่งเป็นกระบวนการที่เคยพบเห็นเฉพาะในระดับโมเลกุลเท่านั้น^{[ 21 ]}

การกำเนิดสิ่งมีชีวิต^{[ 22 ] [ 23 ]}

• สร้างสิ่งมีชีวิตต้นแบบระดับโมเลกุลในหลอดทดลอง
• บรรลุการเปลี่ยนผ่านสู่ชีวิตในเคมีเทียมแบบจำลองในคอมพิวเตอร์
• พิจารณาว่าองค์กรสิ่งมีชีวิตรูปแบบใหม่โดยพื้นฐานสามารถมีอยู่ได้หรือไม่
• จำลองสิ่งมีชีวิตเซลล์เดียวตลอดวงจรชีวิตของมัน
• อธิบายว่ากฎและสัญลักษณ์ต่างๆ เกิดขึ้นได้อย่างไรจากพลศาสตร์ทางกายภาพในระบบสิ่งมีชีวิต

• จงพิจารณาว่าสิ่งใดเป็นสิ่งที่หลีกเลี่ยงไม่ได้ในวิวัฒนาการอันไร้จุดสิ้นสุดของชีวิต
• กำหนดเงื่อนไขขั้นต่ำสำหรับการเปลี่ยนแปลงเชิงวิวัฒนาการจากระบบตอบสนองเฉพาะไปสู่ระบบตอบสนองทั่วไป
• สร้างกรอบการทำงานที่เป็นทางการสำหรับการสังเคราะห์ลำดับชั้นแบบไดนามิกในทุกระดับ
• กำหนดความสามารถในการคาดการณ์ผลลัพธ์เชิงวิวัฒนาการของการเปลี่ยนแปลงสิ่งมีชีวิตและระบบนิเวศ
• พัฒนาทฤษฎีเกี่ยวกับการประมวลผลข้อมูลการไหลเวียนของข้อมูลและการสร้างข้อมูลสำหรับระบบที่กำลังเปลี่ยนแปลง

• สาธิตการเกิดขึ้นของสติปัญญาและจิตใจในระบบสิ่งมีชีวิตเทียม
• ประเมินอิทธิพลของเครื่องจักรที่มีต่อการเปลี่ยนแปลงวิวัฒนาการครั้งสำคัญครั้งต่อไปของสิ่งมีชีวิต
• นำเสนอแบบจำลองเชิงปริมาณที่แสดงถึงปฏิสัมพันธ์ระหว่างวิวัฒนาการทางวัฒนธรรมและวิวัฒนาการทางชีวภาพ
• กำหนด หลัก จริยธรรมสำหรับสิ่งมีชีวิตเทียม

1. การสร้างแบบจำลองโดยใช้ตัวแทน (Agent-based modeling)ถูกนำมาใช้ในปัญญาประดิษฐ์และสาขาอื่นๆ เพื่อสำรวจปรากฏการณ์ที่เกิดขึ้นใหม่ในระบบ
2. ปัญญาประดิษฐ์โดยทั่วไปใช้ แนวทาง จากบนลงล่างในขณะที่ ALife โดยทั่วไปทำงานจากล่างขึ้นบน^{[ 24 ]}
3. เคมีประดิษฐ์เริ่มต้นจากการเป็นวิธีการภายในชุมชน ALife เพื่อจำลองกระบวนการของปฏิกิริยาเคมี
4. อัลกอริทึมเชิงวิวัฒนาการเป็นการประยุกต์ใช้หลักการ ALife แบบอ่อนในทางปฏิบัติกับปัญหาการหาค่าเหมาะสมที่สุดอัลกอริทึมการหาค่าเหมาะสมที่สุดจำนวนมากถูกสร้างขึ้นโดยยืมหรือเลียนแบบเทคนิคของ ALife อย่างใกล้ชิด ความแตกต่างหลักอยู่ที่การกำหนดความเหมาะสมของตัวแทนอย่างชัดเจนโดยความสามารถในการแก้ปัญหา แทนที่จะเป็นความสามารถในการหาอาหาร สืบพันธุ์ หรือหลีกเลี่ยงความตาย ต่อไปนี้คือรายชื่ออัลกอริทึมเชิงวิวัฒนาการที่เกี่ยวข้องอย่างใกล้ชิดและใช้ใน ALife:
   • การเพิ่มประสิทธิภาพอาณานิคมมด
   • การเพิ่มประสิทธิภาพโคโลนีแบคทีเรีย
   • อัลกอริทึมทางพันธุกรรม
   • การโปรแกรมทางพันธุกรรม
   • ปัญญาแบบกลุ่ม
5. ระบบหลายเอเจนต์ – ระบบหลายเอเจนต์คือระบบคอมพิวเตอร์ที่ประกอบด้วยเอเจนต์อัจฉริยะหลายตัวที่โต้ตอบกันภายในสภาพแวดล้อมหนึ่ง
6. ศิลปะเชิงวิวัฒนาการใช้เทคนิคและวิธีการจากสิ่งมีชีวิตเทียมเพื่อสร้างสรรค์ศิลปะรูปแบบใหม่
7. ดนตรีเชิงวิวัฒนาการใช้เทคนิคที่คล้ายคลึงกัน แต่ประยุกต์ใช้กับดนตรีแทนที่จะเป็นศิลปะทัศนศิลป์
8. การกำเนิดของสิ่งมีชีวิตและต้นกำเนิดของชีวิตบางครั้งก็ใช้วิธีการ ของ ALife ด้วยเช่นกัน
9. ปัญญาประดิษฐ์เชิงควอนตัมประยุกต์ใช้อัลกอริธึมควอนตัมกับระบบปัญญาประดิษฐ์

ชีวิตเทียมมีประวัติที่ก่อให้เกิดข้อถกเถียงจอห์น เมย์นาร์ด สมิธวิพากษ์วิจารณ์งานวิจัยเกี่ยวกับชีวิตเทียมบางเรื่องในปี 1994 ว่าเป็น "วิทยาศาสตร์ที่ปราศจากข้อเท็จจริง" ^{[ 25 ]}มาริโอ บันจ์วิพากษ์วิจารณ์แนวคิดเรื่องชีวิตเทียมที่แข็งแกร่ง ซึ่งเป็นส่วนหนึ่งของการวิพากษ์วิจารณ์ลัทธิการคำนวณ ในวงกว้าง เขาเขียนว่าผู้สนับสนุนชีวิตเทียมที่แข็งแกร่งกำลังลบความแตกต่างระหว่างการจำลองและกระบวนการที่กำลังถูกจำลองออกไปอย่างผิดพลาด เขาไม่มีข้อโต้แย้งใดๆ ต่อโครงการชีวิตเทียมที่อ่อนแอ^{[ 26 ]}

• สมาคมปัญญาประดิษฐ์ระหว่างประเทศ
• วารสาร Artificial Lifeจากสำนักพิมพ์ MIT Press
• ห้องปฏิบัติการปัญญาประดิษฐ์ (Artificial Life Lab ) ห้องปฏิบัติการสภาพแวดล้อมเสมือนจริง
• โครงการบิบิทส์
• ยีนพูล