Gene Hive

Was passiert, wenn dieselbe Vererbung sowohl das Tier formt, das die Nahrung trägt, als auch die Entscheidungen, die es losschicken, um sie zu finden?

Eine Arbeiterin kann schnell, aber teuer im Unterhalt sein, gut geschützt, aber schwer, oder besonders empfänglich für eine hungrige Larve in der Nähe. Ihre eigenen Bedürfnisse konkurrieren mit Nahrungssuche, Brutpflege, Erkundung und Ruhe, und diese Entscheidungen bestimmen, wie viel in den Vorräten ankommt, wie schnell sich die Brut entwickelt und ob das Nest Platz zum Wachsen hat.

Spannend ist der Maßstab zwischen einem einzelnen Insekt und der ganzen Kolonie: Ein kleiner Unterschied in der Reaktion kann verändern, wer die Arbeit macht, während ein Mangel oder ein Fressfeind verändern kann, welche Merkmale nützlich sind.

• Verhalten · 17 Gene Prioritäten, Ausdauer, Risikobereitschaft, Kooperation, Vorliebe für Verwandte, Rekrutierung, Lernrate und Bereitschaft, auf den Bedarf der Kolonie einzugehen.
• Morphologie · 9 Gene Augen, Beine, Speichergewebe, Mundwerkzeuge, Fühler, Wasser- und Immungewebe, Panzer und Abwehrstacheln.
• Ein begrenztes Gewebebudget Kein Insekt bekommt jedes Organ umsonst in voller Größe: Überzogene Anlagen werden zurückgestutzt, und Körpermasse und Stoffwechsel machen jeden Körper zu einem Kompromiss.
• Ein gemaltes Teile-Rig Die Körper werden aus künstlerisch bearbeitbaren Teilen zusammengesetzt, sodass ausgeprägte Merkmale sichtbar sind; Alter und Verletzungen verändern das Aussehen zusätzlich.

Augen und Fühler bestimmen, was eine Arbeiterin wahrnimmt, Beine, wie sie sich bewegt, Speichergewebe, was sie trägt, Mundwerkzeuge, wie sie mit Nahrung umgeht, und Panzer und Stacheln, wie sie kämpft. Der Inspektor zeigt vererbte und ausgeprägte Merkmale nebeneinander, sodass sich eine große genetische Anlage und der Körper, der sich tatsächlich entwickelt, unterscheiden lassen.

Das neuronale Netz hat 11 Eingänge, vier versteckte Neuronen und 11 Ausgänge. Es liest Signale wie Hunger, Durst, Müdigkeit, Bedrohung, Ressourcenknappheit und Not in der Nähe und addiert eine begrenzte Anpassung auf von Hand definierte Nutzenwerte.

• Es formt die Absicht Das Netz beeinflusst, welches Ziel gewinnt. Machbarkeitsprüfungen, Wegfindung, Ressourcenbuchhaltung, Auftragsvergabe und Ausführung bleiben deterministische Regeln.
• Sicherheit bleibt von Hand gebaut Ein eigenes Sicherheitssystem greift ein, wenn ein dringendes Bedürfnis oder eine Bedrohung Erholung oder Flucht verlangt.
• Lernen ist nicht Vererbung Die Ausgabeschicht lernt während des Lebens eines Insekts, doch Nachkommen erben den gespeicherten Genotyp, nicht die gelernten Gewichte der Eltern. Evolution über Generationen und Anpassung innerhalb eines Lebens bleiben getrennt.

Die Diagnose hält diese Grenze sichtbar: Sie trennt Entscheidungen der Strategie von Sicherheit, Verteidigung, Transport und anderen von Hand definierten Eingriffen und zeigt, wie oft die neuronale Anpassung das gewählte Ziel tatsächlich verändert hat.

Die Oberfläche ist zugleich Quelle der Ressourcen und Quelle des Drucks.

• Nektar, Wasser und Harz Werden ausdrücklich gesammelt, getragen und eingelagert. Tragen kostet etwas, und Ressourcen müssen die Kolonie tatsächlich erreichen.
• Pheromonspuren Lokale Hinweise auf Nest, Nahrung und Wasser, die mit der Zeit verfliegen, sodass kein Insekt je die ganze Karte kennt.
• Wetter, Jahreszeiten und Tageslicht Sie verändern die Umgebung und ihre Anforderungen. Das Teichwasser ist begrenzt, wird durch Regen aufgefüllt und verdunstet.
• Pflanzen und Boden Nachwachsen, Biomasse, Zersetzung und Fruchtbarkeit hängen zusammen. Tote Insekten behalten Identität, Körpermasse und Ladung, bis sie geborgen werden oder verwesen.
• Pilz und Verletzung Kosten jenseits von Hunger und Durst. Ruhe und gegenseitige Pflege helfen, doch Kontakt kann auch Infektionen übertragen.
• Spinnen als Fressfeinde Sie schleichen sich an, greifen an, erholen sich und ziehen sich zurück. Eine besiegte Spinne wird zu Nahrung, doch Abtransport und Verarbeitung kosten Arbeit.

Vier Druck-Voreinstellungen lassen die Kolonie unter verschiedenen Bedingungen laufen:

• Calm Observation
• Seasonal Challenge
• Predator Focus
• Disease Focus

Unter der Oberfläche lebt die Kolonie auf einer eigenen Hex-Ebene, die über Eingänge verbunden ist. Die Nest-Ansicht zeigt Kinderstuben, Nahrungs- und Wasserspeicher, Materiallager, Ruheplätze und die übrigen Kammern, und diese Räume zählen: Brut braucht Platz in der Kinderstube und Pflege, Vorräte brauchen Raum, und Graben konkurriert mit jeder anderen Aufgabe.

Fortpflanzung setzt auf gesunde, geeignete erwachsene Tiere und die Ressourcen der Kolonie. Beitragspunkte beeinflussen, wer Elternteil wird, und Brut muss finanziert und aufgezogen werden, sodass jede Geburt Teil der Kolonieökonomie ist. Crossover und Mutation erzeugen neue Kombinationen aus Verhalten, Körper und Gehirn, und gelegentliche Zuwanderer bringen neue Variation, wenn Population oder genetische Vielfalt knapp werden.

Soziales Verhalten verbindet vererbte Neigungen mit von Hand gebauten Mechanismen: Futterteilen, Hilfe mit Vorliebe für Verwandte, Körperpflege und Alarmrekrutierung geben individuellen Unterschieden die Möglichkeit, eine Rolle zu spielen. Ob eine Arbeiterin auf Pflegebedarf reagiert, hängt davon ab, was sie in der Nähe wahrnimmt, und von ihrer vererbten Schwelle; zunehmend dringende Anfragen rekrutieren auch weniger empfängliche Arbeiterinnen.

Eine sich verändernde Genverteilung ist für sich allein noch kein Beweis für Anpassung.

Deshalb misst das Projekt, ob Merkmale ausgeprägt werden, ob sie Arbeit und Überleben beeinflussen und ob die Insekten, die sie tragen, tatsächlich zu späteren Generationen beitragen.

Die Oberfläche ist Teil des Experiments: Sie soll erklären, was passiert ist.

• Exemplar-Inspektion Körper, Bedürfnisse, aktuelles Ziel, Genom und neuronale Aktivität einer Arbeiterin an einem Ort.
• Evolutionsstatistik Population, Generationen, genetische Vielfalt, Merkmalsverteilungen, Abstammung und wahrscheinliche Zuchtkandidaten.
• Entscheidungsdiagnose Woher Entscheidungen kamen, wie stark das Netz sie beeinflusst hat und wie sich die Zeit auf die Ziele verteilt.
• Umweltstatistik Klimaeffekte, Zustand des Teichs, Pilzbelastung und die Kosten der Fressfeinde.
• Ressourcenstatistik Eingehende Vorräte getrennt von Unterhalt, Brut und Bau, neben der physischen Lagerkapazität.
• Overlays und Verlauf Karten-Overlays und ein Ereignisprotokoll für Erkundung, Verkehr, Ressourcen, Gefahr und Veränderung über die Zeit.

Pause, Geschwindigkeitsregler, Seed-Wechsel, Szenario-Resets sowie Speichern und Laden erlauben Beobachtung auf verschiedenen Zeitskalen, und skalierbare Oberfläche und reduzierte Bewegung halten eine dichte Simulation lesbar.

Die Simulation läuft in festen 60-Hz-Schritten mit Zufallsströmen aus festen Seeds und explizitem Zustand; Vorspulen ändert, wie viele Schritte laufen, nicht ihre Größe. Das maßgebliche Koloniemodell ist reines C# und läuft ohne Szenenbaum. Godot übernimmt Darstellung, Eingabe und Kamera, und die Ansichten lesen den Simulationszustand nur: Ein geöffnetes Statistikpanel oder ein anderes Overlay darf das Ergebnis der Kolonie nie verändern.

Ein Offline-Algorithmus sucht mit Selektion, Crossover und Mutation nach Strategien; die optionale NSGA-II-Selektion vergleicht mehrere Ziele, statt jeden Zielkonflikt auf eine Rangfolge zu reduzieren. Breite Suchen können einen günstigeren Näherungs-Evaluator nutzen, doch vielversprechende Strategien müssen sich auch in der echten Headless-Koloniesimulation bewähren, denn gutes Abschneiden in einem vereinfachten Evaluator beweist nichts über das Spiel.

Vergleiche mit festen Seeds, getrennte Validierungssätze und Läufe mit eingefrorenem gegenüber lernendem Netz trennen vererbte Leistung von Anpassung im Laufe des Lebens, und reine Test-Werkzeuge suchen gezielt nach Strategien, die Fortpflanzungspunkte sammeln, ohne die nützliche Arbeit zu leisten.

Hilft eine Strategie der Kolonie unter den Regeln, auf die sie wirklich trifft, und gilt das auch noch, wenn sich das Szenario ändert?

Gene Hive ist auch ein Experiment in menschlich gesteuerter, KI-gestützter Entwicklung. Coding-Agenten helfen bei Umsetzung, Untersuchung, Tests und Dokumentation; die laufende Simulation selbst besteht aus expliziten C#-Regeln, genetischen Operatoren und einem kompakten neuronalen Netz.

Gene Hive ist eine spielbare Grundlage in aktiver Entwicklung. Die nächsten Fragen betreffen Verhalten und Selektion:

• Kooperation Wann zahlt sich Hilfe für andere aus?
• Das Gehirn Wie viel sinnvolle Kontrolle übt das Netz tatsächlich aus?
• Druck Führen Wetter, Krankheit und Fressfeinde über Generationen zu bedeutsamen Unterschieden?

Die heutigen Werkzeuge machen diese Fragen überprüfbar: Merkmalsverteilungen zeigen Unterschiede, die ein Koloniedurchschnitt verdeckt, Entscheidungsspuren zeigen, wann die Strategie eine echte Wahl hatte, und Ressourcen- und Fressfeindstatistiken zeigen, was diese Wahl gekostet hat. Die Richtung ist eine Kolonie, deren Veränderungen sich vom Körper einer Arbeiterin bis zur Geschichte des Nests verfolgen lassen, mit Belegen, wann immer die Simulation etwas gelernt zu haben scheint.