Jak z prostych reguł powstaje złożony świat, czyli elementarny wstęp do automatów komórkowych

Masz 10 minut i dziwny gif na ekranie: co tu w ogóle jest do „ustawienia”?

Najczęstszy punkt startu jest zaskakująco przyziemny: widzisz animację, w której z kilku kropek robi się „coś” — tkany dywan, fraktalny trójkąt albo chaotyczna kasza. I pojawia się pytanie decyzyjne: czy to jest magia reguły, czy efekt tego, jak to ustawiono? W automatach komórkowych jedno i drugie ma znaczenie, a najłatwiej się o tym przekonać, gdy weźmiesz ten sam automat i zmienisz tylko jedną rzecz: start, rozmiar planszy albo warunki brzegowe.

Drugie pytanie, które pada szybko: czy muszę umieć programować? Nie. Do złapania intuicji wystarczy kartka w kratkę i długopis (ewentualnie arkusz kalkulacyjny). Programowanie pomaga dopiero wtedy, gdy chcesz robić setki kroków, porównywać reguły i testować „co jeśli” bez mozolnego rysowania.

Trzecia rzecz, o którą realnie potrafi potknąć się początkujący: dlaczego u mnie wychodzi inaczej niż w internecie? Najczęściej winne są detale: ktoś liczy sąsiedztwo inaczej, ktoś odwrócił kolory (0 jako czarne zamiast białego), ktoś ma inne brzegi (zawijane jak donut vs ucięte jak kartka), albo aktualizuje komórki asynchronicznie (po kolei), a nie synchronicznie (wszystkie naraz). Automat ten sam, obrazek inny — i zaczyna się podejrzenie, że matematyka oszukuje. Nie oszukuje; po prostu jest literalna.

Minimalny zestaw decyzji, zanim uznasz, że „to nic nie robi”

W praktyce, zanim w ogóle ocenisz, czy automat komórkowy generuje złożony świat, podejmujesz kilka prostych decyzji. Brzmi banalnie, ale te „przełączniki” robią ogromną różnicę:

• Rozmiar siatki (ile komórek w wierszu/kolumnie) — zbyt mała plansza potrafi sztucznie „uspokoić” dynamikę.
• Stan początkowy — pojedyncza zapalona komórka, pasek losowy, kilka wzorków, a może całkiem pełno?
• Warunki brzegowe — czy świat się kończy na krawędzi, czy zawija (lewa strona styka się z prawą).
• Liczba kroków — część ciekawych zjawisk pojawia się dopiero po setkach iteracji; inne giną po kilkunastu.
• Sposób rysowania — czy oglądasz kolejne plansze, czy robisz wykres czas–przestrzeń (bardzo polecane w 1D).

Dwa scenariusze: oglądasz vs eksperymentujesz

Jeśli tylko oglądasz animację, warto umieć rozpoznać trzy sygnały: (1) czy wzór ma symetrie, (2) czy ma powtarzalne motywy (oscylacje), (3) czy widać struktury wędrujące (coś się przemieszcza, a nie tylko miga). To już daje trop, do jakiej „rodziny zachowań” automat należy.

Jeśli masz chwilę na krótki eksperyment, najbardziej opłacalny jest prosty automat 1D z dwoma stanami (0/1) i sąsiedztwem trzech komórek. Da się go prześledzić ręcznie, a jednocześnie potrafi pokazać pełne spektrum: porządek, regularność, złożoność, chaos deterministyczny.

Automat komórkowy w czterech klockach: siatka, stany, sąsiedztwo, reguła

Automat komórkowy to model, w którym świat jest zbudowany z „komórek” ułożonych w siatkę (w 1D to po prostu linia), a każda komórka ma jeden z kilku dyskretnych stanów. Czas płynie skokowo: w każdym kroku wszystkie komórki aktualizują swój stan według tej samej lokalnej reguły, zależnej od ich sąsiedztwa. Lokalnej — czyli komórka nie „wie”, co dzieje się na drugim końcu planszy.

Brzmi jak przepis na coś nudnego? I tu jest sedno: lokalne reguły nie gwarantują lokalnych skutków. Informacja rozchodzi się krok po kroku, a interakcje „fal wpływu” potrafią tworzyć wzory, które wyglądają jakby miały intencję, plan i złośliwy charakter (ten ostatni zwłaszcza, gdy próbujesz przewidzieć wynik bez symulacji).

Komórka i stan — dlaczego „dyskretne” robi różnicę

„Dyskretne” znaczy, że stan jest wybierany z określonego zestawu: 0/1, kilka kolorów, liczby całkowite… W klasycznych przykładach spotkasz najczęściej dwa stany (martwa/żywa, 0/1), bo wtedy reguły są proste do opisania i porównywania. Dyskretność ma praktyczny efekt: nie ma „prawie żywej” komórki. Jest żywa albo nie. To ograniczenie paradoksalnie ułatwia powstawanie ostrych granic, stabilnych struktur i czytelnych wzorów.

W modelach ciągłych (np. równania różniczkowe) też powstaje złożoność, ale mechanizm jest inny. Automaty komórkowe są świetne, gdy chcesz badać, jak z czysto lokalnych decyzji mogą wyłaniać się globalne własności: przepływ, „organizmy”, stabilne obiekty, długie przejścia zanim system osiądzie.

Sąsiedztwo — jak daleko komórka „widzi” i czemu to zmienia wszystko

Sąsiedztwo to zestaw komórek, które wpływają na aktualizację danej komórki. W 1D najczęściej bierze się komórkę i jej dwóch najbliższych sąsiadów (lewy i prawy). W 2D popularne są dwa standardy:

• Sąsiedztwo von Neumanna: góra, dół, lewo, prawo (4 sąsiadów).
• Sąsiedztwo Moore’a: także skosy (8 sąsiadów wokół).

Zmiana sąsiedztwa to nie kosmetyka. To jak różnica między tym, czy człowiek podejmuje decyzję na podstawie opinii dwóch znajomych, czy całego osiedla. Automaty komórkowe są bezlitosne: większe sąsiedztwo zwykle daje więcej możliwych lokalnych konfiguracji, a więc większą przestrzeń zachowań, ale też trudniej o intuicyjne „czytanie” reguły.

Krok czasowy i aktualizacja — synchronicznie vs asynchronicznie

W klasycznym automacie komórkowym aktualizacja jest synchroniczna: wszystkie komórki liczą nowy stan na podstawie starej planszy i dopiero potem „przeskakują” naraz. To standard w większości wizualizacji, bo daje klarowny rytm i łatwo porównywać wyniki.

Aktualizacja asynchroniczna (po kolei, losowo, pasami) potrafi dać inny obraz: niektóre struktury znikają, inne przetrwają. Jeśli kiedyś trafisz na sytuację „ta sama reguła, inny wynik”, to jest jeden z pierwszych podejrzanych. W elementarnym wstępie wystarczy zapamiętać: synchronicznie = łatwiej porównywać, asynchronicznie = bliżej niektórych procesów realnych, ale trudniej o powtarzalność.

Co automatem komórkowym raczej nie jest (dla kontrastu)

Pomaga też wiedzieć, czego nie mylić z automatami komórkowymi. Jeśli reguła zależy od globalnej sumy („jeśli na całej planszy jest więcej niż 100 jedynek, to…”), to przestaje być lokalne. Jeśli stan jest ciągły i aktualizacja jest równaniem z ułamkami — to już inna rodzina modeli (choć bywają hybrydy). A jeśli każda komórka ma inną regułę — dostajesz ciekawy obiekt, ale nie klasyczny automat komórkowy w sensie „jedna reguła rządzi światem”.

Najprostszy poligon doświadczalny: 1D, dwa stany i sąsiedztwo trzech komórek

Elementarne automaty 1D są wdzięczne, bo minimalnym kosztem poznawczym dają maksymalny zwrot: widzisz, jak działa lokalna reguła, jak rozchodzi się wpływ i jak „z niczego” robi się struktura. Tu też najłatwiej przeżyć ważną lekcję: złożoność może wynikać z deterministycznego przepisu, a nie z losowania.

Ustalenia są proste: masz rząd komórek, każda jest 0 (biała) albo 1 (czarna). W każdym kroku nowy stan komórki zależy od trójki: (lewy, środek, prawy) w poprzednim kroku. To wszystko. Cała reszta to konsekwencje.

Jak ręcznie zrobić pierwsze 15–25 kroków na kartce (bez bólu)

Najwygodniej rysować to jako wiersze jeden pod drugim. Wiersz 0 to stan początkowy, wiersz 1 to wynik po jednym kroku, itd. Każda pozycja w wierszu patrzy na trzy pozycje w wierszu wyżej. Jeśli robisz to na kartce, na początek wybierz szerokość 31–51 komórek, żeby mieć zapas po bokach.

Stan początkowy, który daje czytelny obraz: pojedyncza jedynka pośrodku, reszta zera. Dzięki temu widać, jak „wpływ” rozchodzi się w lewo i prawo i jak reguła buduje wzór z jednego ziarenka. Alternatywa: losowy pasek (np. 30% jedynek) — świetny do sprawdzania, czy reguła „sprząta” chaos, czy go mieli i miesza.

Żeby nie zgubić się w ręcznym liczeniu, zrób sobie mini-ściągę: wypisz osiem możliwych trójek (000, 001, 010, 011, 100, 101, 110, 111) i obok wpisuj, co reguła z nich robi. Potem każdy nowy stan to tylko szybkie „odczyt z tabelki”. W ten sposób nawet 25 kroków jest wykonalne bez poczucia, że długopis robi za procesor z 1978 roku.

Wykres czas–przestrzeń: trójkąty, pasy i „dywan”

Najlepsza wizualizacja dla 1D to wykres czas–przestrzeń: czas leci w dół (kolejne wiersze), przestrzeń jest w poziomie (kolumny). Wtedy widzisz:

• Szybkość rozchodzenia się wpływu — maksymalnie o jedną komórkę na krok w lewo/prawo przy sąsiedztwie trzech komórek. To daje charakterystyczny „stożek” (trójkąt) oddziaływania.
• Symetrie — niektóre reguły generują idealnie symetryczne wzory z pojedynczego ziarenka.
• Tła i zakłócenia — bywa, że automat tworzy stabilne tło (np. pasy), po którym poruszają się lokalne „cząstki” (małe konfiguracje niosące informację).

Jeśli wzór przypomina tkany dywan, to zwykle oznacza, że reguła tworzy wiele lokalnych motywów, które wchodzą w interakcje. To jest dobra wiadomość: masz co obserwować. Zła wiadomość jest taka, że intuicja „a, to pewnie się powtórzy” bywa złudna — deterministyczny układ może długo nie wracać do podobnego stanu.

Pułapka: „to się zatrzymało”, czyli zbyt wąska plansza

Jeśli utniesz planszę za wcześnie, wzór dotrze do krawędzi i zacznie się deformować. Przy brzegach uciętych (bez zawijania) zwykle „wisi w powietrzu” brakujący sąsiad, którego trzeba jakoś traktować (najczęściej jako 0). To zmienia dynamikę i potrafi wywołać złudzenie stabilizacji: automat nie tyle się uspokoił, co uderzył w ścianę. Przy pierwszych testach szerokość jest tania — dawaj jej dużo.

Skąd się biorą numery reguł (Wolfram): 8 przypadków, zero magii

W elementarnych automatach 1D (dwa stany, sąsiedztwo trzech komórek) istnieje dokładnie 256 możliwych reguł. Dlaczego 256? Bo dla każdej z ośmiu konfiguracji sąsiedztwa (000 do 111) musisz zdecydować, czy wynik to 0 czy 1. To 2 do potęgi 8.

Numeracja Wolframa bierze te osiem decyzji i zamienia w liczbę od 0 do 255. Dzięki temu zamiast mówić „reguła, która mapuje 111 na 0, 110 na 1, …”, mówisz krótko: reguła 30 albo reguła 110. I wszyscy wtajemniczeni kiwają głową, jakby to było normalne. (W pewnym sensie jest.)

Tablica 000–111 i mapowanie na wynik

Ustalmy konwencję: zapisujesz konfiguracje trójek w kolejności od 111 do 000. Dla każdej trójki wpisujesz wynik (0 albo 1). To daje 8-bitowy ciąg, np.:

Ten konkretny przykład to (po przeliczeniu) reguła 30. Ale zanim przeliczymy, ważniejsze jest to, że reguła to po prostu tablica prawdy: osiem wejść, jedno wyjście.

Żeby z tej tablicy zrobić numer, traktujesz osiem wyników jak bity liczby binarnej: wynik dla 111 to najstarszy bit, a dla 000 — najmłodszy. Dla powyższego ciągu dostajesz 00011110, czyli 30 w systemie dziesiętnym. Tyle. Żadnej tajnej masonerii automatów.

Jeśli chcesz to sprawdzać „na piechotę”, działa prosty trik: wypisz wagi 128, 64, 32, 16, 8, 4, 2, 1 pod kolumnami 111 … 000 i dodaj tylko te, przy których stoi 1. W regule 30 jedynki są pod 100, 011, 010, 001, więc wychodzi 16+8+4+2 = 30. To jest ten moment, kiedy człowiek docenia, że binarki nie powstały po to, by psuć humor, tylko by upraszczać życie.

Druga strona medalu: numer reguły od razu mówi, jak zachowuje się tablica, ale jeszcze nie mówi, jak zachowa się świat. Dwie reguły o podobnych „wagach” mogą generować kompletnie inne wzory w zależności od symetrii i tego, które konfiguracje są aktywne w typowym przebiegu. Dlatego w praktyce numer to etykieta — przydatna do wyszukania i porównania — a nie opis w stylu „ta reguła robi trójkąty i jest miła”.

Praktyczne pytanie, które zwykle pada szybko: „czy odwrócenie 0/1 to nowa reguła?”. Formalnie tak, wyjdzie inny numer, ale wiele reguł jest ze sobą równoważnych przez proste sztuczki: odbicie lustrzane (zamiana lewego z prawym), negacja stanów (0↔1) albo jedno i drugie naraz. Jeśli więc dwie wizualizacje wyglądają „prawie tak samo, tylko na odwrót”, to nie halucynacja — to jedna z tych symetrii.

Trzy reguły, trzy temperamenty: 30, 90 i 110 jako przewodnik po zachowaniach

Gdyby trzeba było wybrać trzy elementarne reguły do szybkiego rozpoznawania „co w trawie piszczy”, to 30, 90 i 110 robią robotę: jedna wygląda jak chaos, druga jak matematyczny ornament, trzecia jak coś pomiędzy — i właśnie to „pomiędzy” jest najbardziej podejrzane (w dobrym sensie).

Reguła 30: chaos, który udaje losowość

Reguła 30 jest sławna, bo z pojedynczej jedynki buduje wzór, który po jednej stronie bywa zaskakująco regularny, a po drugiej wygląda jak rozsypany pieprz. To dobry test na intuicję: wszystko jest deterministyczne, a jednak „szum” wychodzi naturalnie. Dlatego ta reguła bywała używana jako źródło bitów w generatorach pseudolosowych — z tym klasycznym zastrzeżeniem: deterministyczne nie znaczy automatycznie bezpieczne kryptograficznie, tylko często wystarczające do symulacji.

Jeśli startujesz od losowego wiersza, reguła 30 zwykle nie „sprząta” chaosu, tylko go przetwarza. W praktyce to fajne, gdy chcesz zobaczyć, czy w automacie pojawiają się stabilne struktury mimo bałaganu na wejściu. Tu zwykle odpowiedź brzmi: raczej nie licz na miłe, powtarzalne klocki Lego.

Reguła 90: symetria i dywan Sierpińskiego

Reguła 90 to przeciwieństwo 30 w odbiorze wizualnym: z pojedynczego ziarenka dostajesz idealnie symetryczny fraktal (trójkąt Sierpińskiego). Ta reguła ma też wygodną własność: nowy stan to w praktyce XOR sąsiadów (lewy ⊕ prawy), więc łatwo ją implementować i analizować. Jeśli kiedykolwiek bawiłeś się w „różnice” między sąsiednimi bitami albo w proste kody parzystości, to jesteś w podobnym klimacie.

Reguła 110: „prawie chaos”, z którego wyłażą cząstki

Jeśli po regule 30 masz wrażenie, że automat robi szum, a po 90 — że robi koronkę, to reguła 110 wygląda jak coś, co próbuje robić jedno i drugie naraz. Z pojedynczego ziarenka powstaje tło, które nie jest ani nudne, ani całkiem losowe, a na nim pojawiają się lokalne struktury — małe „klocki”, które wędrują, zderzają się i czasem po zderzeniu zamieniają w coś innego.

To jest kluczowa różnica w odbiorze: zamiast pytać „czy tu jest fraktal?”, sensowniej pytać „czy widzę obiekty, które zachowują tożsamość przez wiele kroków?”. W regule 110 odpowiedź często brzmi: tak, i właśnie dlatego jest tak sławna. (Tak, ta reguła jest obliczeniowo podejrzanie mocna — ale bez stresu, nie musisz od razu wyciągać teorii obliczeń z szafy).

Szybki test „co obserwować”, gdy odpalasz 110

Gdy pierwszy raz patrzysz na czas–przestrzeń reguły 110, łatwo się zgubić w fakturze tła. Pomagają trzy proste pytania, które są bardziej użyteczne niż wpatrywanie się w obraz jak w fusy:

• Czy tło ma okres? Jeśli widzisz pasy powtarzające się co kilka kroków, to świetnie — na takim tle ruchome obiekty łatwiej odróżnić.
• Czy są obiekty, które „jadą” po skosie? Skos to sygnał stałej prędkości: obiekt przesuwa się o 1 komórkę co kilka kroków (albo odwrotnie).
• Co się dzieje przy kolizjach? Dwa obiekty mogą się anihilować, mogą się odbić, mogą stworzyć trzeci — i to jest miejsce, gdzie automaty zaczynają przypominać prostą „fizykę” z lokalnymi prawami.

Najbardziej praktyczna decyzja: stan początkowy. Pojedyncza jedynka daje czysty „wybuch” z centrum, ale w 110 często ciekawiej jest odpalić kilka ziarenek (np. trzy jedynki w różnych odległościach) albo wiersz losowy. Wtedy szybciej zobaczysz zderzenia, a nie tylko samotny rozwój w stożku.

Ustawienia, które naprawdę zmieniają wynik: start i brzegi

Gdy automat „nie wygląda jak na obrazku z internetu”, winna bywa nie reguła, tylko ustawienia eksperymentu. Dwie osoby mogą używać tej samej reguły, a oglądać zupełnie inne światy, bo jedna ma zawijanie brzegów, a druga ucięcie, albo jedna startuje od pojedynczego ziarenka, a druga od losowego szumu.

Stan początkowy: ziarenko, szum, a może „plasterek”

Trzy typowe scenariusze startu dają trzy różne rodzaje informacji:

• Pojedyncza jedynka — najlepsza do zobaczenia symetrii, stożka oddziaływania i „podpisu” reguły. Jeśli reguła ma w sobie ornament, wyjdzie szybko.
• Losowy pasek — najlepszy do pytania: „czy automat sam wytwarza porządek?”. Niektóre reguły uspokajają wzór, inne go mielą bez końca.
• Ręcznie zrobiony „plasterek” (kilka krótkich bloków jedynek rozrzuconych na tle zer) — kompromis: jest i struktura, i interakcje. W praktyce to najkrótsza droga do kolizji w regułach „cząsteczkowych” typu 110.

Mały trik, jeśli robisz to ręcznie: narysuj najpierw tylko obszar w stożku oddziaływania (zapas po 1 komórce na krok), a resztę zostaw pustą. Długopis ma prawo do urlopu.

Warunki brzegowe: ściana, pętla i „zawsze zero”

Brzegi w 1D to temat, który jest nudny tylko do pierwszego zaskoczenia. Są trzy popularne opcje:

• Ucięcie (fixed) — poza planszą traktujesz komórki jak 0. To jak świat z próżnią na zewnątrz. Dobre do prostych testów, ale krawędzie w końcu zaczną „grać” w wynik.
• Zawijanie (periodic) — lewy koniec sąsiaduje z prawym. Wzór może wracać, bo przestrzeń jest skończona. Świetne do eksperymentów z cyklami, ale też do generowania złudzeń „stabilności”.
• Odbicie — rzadziej używane na start, ale ciekawe: brzeg zachowuje się jak lustro. Potrafi tworzyć symetrie, których nie było w regule, tylko w geometrii.

Jeśli celem jest „zobaczyć czystą dynamikę reguły”, najbezpieczniej jest dać szeroką planszę i tak dobrać liczbę kroków, by stożek nie dotknął krawędzi. Brzegi wtedy nie wtrącają się do rozmowy.

Kiedy automat jest „nudny”, a kiedy „żywy”: cztery klasy zachowania w praktyce

W pewnym momencie pojawia się pytanie z gatunku: „to ma być ta cała złożoność?”. Pomaga prosta klasyfikacja, którą da się rozpoznać gołym okiem — bez formalnych definicji i bez pretendowania do bycia sędzią najwyższym chaosu.

• Stabilizacja — po kilku krokach wszystko robi się jednolite albo prawie jednolite. Reguła działa jak gumka do mazania.
• Okresowość — wzór wpada w cykl: powtarza się co jakiś czas. Czasem lokalnie (małe oscylacje), czasem globalnie (cała plansza „mruga”).
• Pozorny chaos — wygląda jak przypadek, ale jest deterministyczne; mało trwałych obiektów, dużo mieszania (reguła 30 ma tu medal).
• Złożoność z obiektami — jest tło i są „cząstki”/struktury, które na nim żyją, przenoszą informację i wchodzą w interakcje (reguła 110 często trafia tutaj).

Najbardziej praktyczna obserwacja: „żywość” zwykle widać wtedy, gdy istnieją trwałe lokalne wzorce. Jeśli nic nie utrzymuje kształtu dłużej niż parę kroków, to trudno mówić o budowaniu czegokolwiek ponad szumem.

Skok na kratkę: kiedy 1D przestaje wystarczać

1D jest świetne, bo da się je ogarnąć na kartce i w głowie. Ale jeśli w pewnym momencie pojawia się myśl „chcę coś, co przypomina kolonie, rozrost, ekosystem”, to naturalny ruch to 2D. Tu też masz te same cztery klocki (siatka, stany, sąsiedztwo, reguła), tylko geometria robi się bogatsza: są sąsiedzi w pionie, poziomie i po skosie, a wzory przestają być tylko „historią jednego przekroju”.

Najbardziej klasyczny przeskok to automat, który zyskał status kultowy, bo wygląda jakby miał intencje. Nie ma. Po prostu jest bezczelnie dobry w emergencji.

Gra w życie: reguły, które da się zapamiętać, i konsekwencje, których nie da się łatwo przewidzieć

Gra w życie Conwaya działa na siatce 2D z dwoma stanami: żywa komórka (1) i martwa (0). Służy jej sąsiedztwo Moore’a, czyli osiem pól dookoła (jak król w szachach). Aktualizacja jest synchroniczna: wszyscy podejmują decyzję naraz, na podstawie poprzedniej planszy.

Reguła B3/S23 w ludzkich słowach

Zapis B3/S23 jest popularny, bo krótko koduje zasady:

• Birth (B3): martwa komórka o dokładnie 3 żywych sąsiadach staje się żywa.
• Survival (S23): żywa komórka przeżywa, jeśli ma 2 albo 3 żywych sąsiadów.
• W pozostałych przypadkach komórka umiera (samotność lub przeludnienie).

To są trzy linijki logiki. A mimo to dostajesz stabilne obiekty, oscylatory i rzeczy, które przemieszczają się po planszy, jakby miały plan dnia (nie mają; to tylko geometria i liczenie do ośmiu).

Trzy typy obiektów, które chcesz umieć rozpoznać od razu

W praktyce dobrze jest mieć w głowie trzy „kategorie”, bo porządkują obserwację:

• Still lifes (stabilne) — po kroku nic się nie zmienia. Klasyk: block (kwadrat 2×2). To dobry test: jeśli twoja implementacja zmienia blok, to masz błąd.
• Oscylatory — wracają po kilku krokach. Najprostszy: blinker (linia trzech komórek), okres 2.
• Statki (spaceships) — obiekty, które po kilku krokach odtwarzają się przesunięte. Najsłynniejszy: glider, który „płynie” po skosie.

To są klocki, z których buduje się większe historie: zderzenia, bramki logiczne, „strumienie” gliderów. Jeśli 1D było o śladach w piasku, to tutaj zaczynają się pojawiać ślady, które same robią nowe ślady.

Dwie decyzje, które zmieniają charakter zabawy w Life

W Grze w życie bardzo szybko wychodzą na jaw dwa „pokrętła”, które w praktyce sterują tym, czy oglądasz sensowną dynamikę, czy tylko czarną plamę:

• Gęstość startu — losowy start z dużą liczbą żywych komórek często szybko się „przepala” (wiele śmierci przez przeludnienie), a potem zostawia rozrzucone stabilne resztki. Zbyt rzadko — i nic się nie spotyka. Środek jest najciekawszy, bo daje kolizje.
• Rozmiar świata / brzegi — na małej planszy glidery uderzają w krawędź i dramat gotowy. Zawijanie (torus) bywa zabawne, ale potrafi zamienić „otwarty świat” w akwarium, w którym wszystko prędzej czy później wpada na własny ogon.

Jeśli celem jest po prostu zobaczyć klasyczne obiekty, najczystsze jest ręczne wstawienie kilku znanych wzorców (block, blinker, glider) i obserwowanie, co robią osobno, a co po zbliżeniu. To taki odpowiednik „najpierw naucz się akordów, potem improwizuj”.

Gdzie ludzie najczęściej źle interpretują to, co widzą

Automaty mają talent do robienia wrażenia, że „coś rozumie”. Kilka typowych skrótów myślowych warto łapać za rękaw:

• „Wygląda losowo, więc jest losowe” — nie. Determinizm i nieprzewidywalność wizualna mogą iść razem (patrz: reguła 30).
• „To na pewno fraktal” — czasem tak (reguła 90), ale często to po prostu powtarzalne tło + lokalne zakłócenia, czyli „tekstura”, nie fraktal w sensie ścisłym.
• „Skoro świat jest skończony, to musi szybko wrócić” — formalnie wróci (dla skończonej planszy i synchronicznej aktualizacji), ale „szybko” może oznaczać „nie w tym życiu”, zwłaszcza gdy stanów jest dużo.

Najzdrowsze podejście to traktować automat jak eksperyment: zmieniasz jedno pokrętło naraz, patrzysz co się systematycznie zmienia, a co jest tylko złudzeniem pierwszego wrażenia.

Kolejny rozsądny krok: małe eksperymenty, które uczą najwięcej najszybciej

Gdy już widzisz różnicę między 30/90/110 i czujesz, o co chodzi w Life, dobrze działają trzy krótkie zadania (raczej „laboratoryjne” niż „projektowe”):

• Porównaj ten sam automat dla dwóch startów: pojedyncza jedynka vs losowy pasek (1D) albo pojedynczy glider vs losowa zupa (2D). Pytanie brzmi: co jest cechą reguły, a co cechą startu?
• Zmieniaj tylko brzegi: ucięcie vs zawijanie. Sprawdź, czy pojawiają się cykle, których wcześniej nie było, i czy „stabilizacja” nie była przypadkiem uderzeniem w ścianę.
• Wypatruj obiektów niosących informację: w 1D — lokalne wzorce jadące po skosie; w Life — glidery i oscylatory. Potem patrz na kolizje, nie na tło.

Po tych trzech krokach automaty przestają być „ładnymi gifami”, a stają się zestawem narzędzi do myślenia o tym, jak lokalne reguły potrafią budować globalne zachowanie. I to jest moment, w którym najczęściej człowiek sam z siebie zaczyna klikać „uruchom jeszcze raz”, tylko z innym parametrem.

„Co mam obserwować, żeby nie gapić się tylko na piksele?”: szybki zestaw pytań do ekranu

W pewnym momencie automat przestaje być „ładnym wzorem”, a zaczyna być czymś w rodzaju zjawiska atmosferycznego w miniaturze: dzieje się dużo, ale jeśli nie wiesz, na co patrzeć, to łatwo utknąć na etapie: „no… miga”. Pomaga parę konkretnych pytań, które da się zadawać przy każdym uruchomieniu, niezależnie czy to 1D, czy Life.

• Czy układ ma „tło”? Tło to coś, co powtarza się regularnie (np. jednolita pustka, prosta tekstura, okresowa kratka). Jeśli tła nie ma, trudniej wyłapać obiekty.
• Czy są obiekty, które trwają? W 1D: skośne „smugi” i małe lokalne wzorce. W Life: still lifes, oscylatory, glidery. Jeśli nic nie przeżywa dłużej niż chwilę, dynamika bywa efektowna, ale mało „budulcowa”.
• Czy widać przenoszenie informacji? Pytanie brzmi: czy coś przemieszcza się, a nie tylko rośnie i gaśnie w miejscu. Wędrujący wzorzec to sygnał, że automat ma z czego robić interakcje.
• Co robią kolizje? Najciekawsze rzeczy zwykle dzieją się nie w samotności, tylko przy zderzeniach: dwóch „cząstek” w 1D albo gliderów w Life. Kolizja może wygasić, odbić, stworzyć nowy obiekt — i to jest materiał na „logikę”.
• Czy zmiana jednego parametru zmienia wszystko? Jeśli minimalna zmiana startu daje kompletnie inny przebieg, masz czułość (czasem pożądaną, czasem frustrującą). Jeśli prawie nic się nie zmienia, reguła może być w trybie „walca drogowego”.

To nie jest filozofia. To jest sposób, żeby po minucie wiedzieć, czy warto drążyć dany układ, czy przewinąć dalej bez poczucia winy.

Warunki brzegowe i rozmiar świata: różnica między „otwartym polem” a terrarium

Na ekranie łatwo zapomnieć, że większość symulacji to światy skończone. A skończoność ma humory: potrafi zrobić z pięknego zjawiska albo nudną stabilizację, albo komedię omyłek, w której obiekty wpadają na ścianę i nagle „zmieniają naturę”. To nie magia, to geometria.

Dwa scenariusze, które mylą najczęściej

• „Automat się uspokoił” — a w rzeczywistości wszystko, co miało się wydarzyć, uderzyło w brzeg i zostało przycięte. W 1D stożek dotknął krawędzi; w Life glider rozbił się o ścianę. Efekt: spokój, ale wymuszony.
• „O, cykl! Automat ma okres” — a to po prostu zawijanie (torus) i mały rozmiar planszy. Układ wraca, bo nie ma gdzie uciec. To wciąż ciekawe, tylko warto wiedzieć, co jest przyczyną.

Jeśli zależy na wrażeniu „nieskończonej przestrzeni”, praktycznie działają dwie strategie: duża plansza (żeby obiekty miały czas żyć) albo plansza rosnąca/dynamiczna (jeśli narzędzie to wspiera). W przeciwnym razie nawet najlepszy glider prędzej czy później trafi na szybę — a nikt nie lubi oglądać, jak ptak testuje okno.

Jak „czytać” regułę bez liczenia wszystkiego: małe testy diagnostyczne

Gdy trafiasz na nową regułę 1D albo wariant Life (bo ktoś wrzucił ciekawy zapis typu B36/S23), kusi, żeby od razu odpalić losowy start i patrzeć, co się stanie. Tylko że losowy start jest jak wrzucenie wszystkich składników do garnka naraz: smacznie bywa, ale trudniej zrozumieć, co robi który składnik.

Lepiej zacząć od prostych „próbek kontrolnych”, które szybko ujawniają charakter reguły:

• Pojedynczy impuls — jedna zapalona komórka na pustym tle (1D) albo mały, znany wzorzec (Life). Pokazuje „odcisk palca” reguły bez chaosu startu.
• Dwa impulsy w odstępie — pozwala zobaczyć, czy kolizje generują coś nowego, czy tylko kasują ślady. W 1D to często najkrótsza droga do „czy tu są cząstki?”.
• Symetria vs jej brak — start symetryczny (np. dwa identyczne wzorce po obu stronach) i patrzenie, czy symetria zostaje zachowana. Jeśli nie, to reguła może być kierunkowa (albo implementacja ma błąd — to też się zdarza).
• Małe zaburzenie tła — jeśli układ ma stabilne tło, wstawiasz w nie „ziarenko piasku” i obserwujesz, czy zaburzenie znika, rozchodzi się, czy tworzy obiekt. To jest test „sprężystości” automatu.

Taka diagnostyka ma jedną zaletę: nie wymaga wiary w losowość ani zachwytu nad wzorkiem. Wymaga tylko cierpliwości na kilka krótkich prób.

Emergencja bez mistyki: co automaty faktycznie uczą o świecie, a co tylko udają

Automaty komórkowe są świetne jako model myślowy, bo pokazują rzecz, którą trudno poczuć intuicyjnie: globalne zachowanie może być „produktem ubocznym” lokalnych reguł. Nikt nie steruje całością, nie ma centralnego planu, a jednak pojawiają się struktury, cykle, „ruch”, czasem nawet coś, co przypomina ekologię.

Jednocześnie łatwo przesadzić z analogiami. Dwa bezpieczne rozróżnienia pomagają trzymać nogi na ziemi:

• „Podobieństwo wizualne” vs „podobieństwo mechanizmu” — to, że coś wygląda jak rozrost pleśni albo jak ruch tłumu, nie znaczy, że ma te same przyczyny. Automat może dawać podobne kształty, ale mechanika jest uproszczona do granic przyzwoitości.
• Deterministyczne nie znaczy przewidywalne — brak losowości w regule nie gwarantuje, że po dłuższym czasie da się sensownie przewidzieć, co zobaczysz. To jeden z tych przypadków, gdzie „proste” nie oznacza „łatwe”.

Jeśli chcesz używać automatów jako metafory, najlepiej działa metafora ograniczona: „lokalne reguły → globalne wzorce” oraz „interakcje obiektów → przetwarzanie informacji”. Reszta (intencje, „życie”, „świadomość”) niech zostanie w literaturze, tam przynajmniej ma lepsze dialogi.

Co dalej eksplorować, jeśli chcesz więcej niż jeden gif

Gdy podstawy są oswojone, najciekawsze rzeczy zaczynają się wtedy, kiedy przestajesz traktować regułę jak jedyny wybór. Do zabawy dochodzą „pokrętła”, które zmieniają dynamikę równie mocno, a czasem mocniej.

• Asynchroniczna aktualizacja — zamiast aktualizować wszystkie komórki naraz, aktualizujesz je w losowej kolejności albo partiami. Ten sam automat potrafi zachowywać się zupełnie inaczej, bo znika idealna „równość czasu” dla wszystkich.
• Więcej stanów niż 0/1 — trzeci stan (np. „żar” po „ogniu”) potrafi diametralnie zmienić możliwości modelowania: pojawia się pamięć lokalna bez potrzeby pamiętania historii całego świata.
• Inne sąsiedztwa — w 2D nie musisz brać Moore’a. Sąsiedztwo von Neumanna (krzyż) daje inne geometrie i inne „drogi” dla informacji.
• Reguły totalistyczne — decyzja zależy tylko od liczby żywych sąsiadów (jak w Life), nie od ich układu. To często dobry kompromis między prostotą a bogactwem.

Najbardziej rozsądny następny krok wygląda prosto: wybierz jedno pokrętło (np. asynchroniczność), zostaw resztę bez zmian i sprawdź, co się stało z obiektami, które już rozpoznajesz. Jeśli glider przestaje być gliderem, to nie jest „porażka” — to informacja o tym, jak mocno dynamika zależy od założeń, które wcześniej były niewidoczne, bo „domyślne”.

„Czy to już chaos, czy jeszcze struktura?”: cztery klasy zachowania, które da się rozpoznać gołym okiem

Jest taki moment, gdy patrzysz na ewolucję i próbujesz nazwać to, co widzisz. Niby proste komórki, a w głowie pojawia się pytanie z kategorii „czy ten układ ma charakter, czy tylko robi szum?”. Pomaga proste rozróżnienie na kilka typowych zachowań. To nie jest ścisła klasyfikacja świata (świat i tak się nie stosuje), ale jako narzędzie do pierwszej diagnozy działa świetnie.

• Stabilizacja — układ szybko zamiera w jednolity stan albo w kilka niezmiennych wysp. Po paru krokach „już wiadomo”. Dobre do nauki, nudne do długiej eksploracji.
• Oscylacje — pojawiają się cykle: wzorzec wraca co 2, 3, 4… kroków. W Life to klasyka (blinker, toad), w 1D też da się to zobaczyć jako powtarzające się pasy.
• Chaos / pseudo-losowość — wszystko wygląda jak statyczny w telewizorze. Kluczowe słowo to „pseudo”: reguła bywa w pełni deterministyczna, tylko wynik jest dla oka „nie do ogarnięcia” bez narzędzi.
• Struktury złożone — dzieją się dwie rzeczy naraz: jest tło (często regularne), a na nim obiekty, które się poruszają i wchodzą w interakcje. To ta kategoria, w której nagle zaczynasz robić notatki, bo „to chyba coś znaczy”.

Praktyczny trik: jeśli nie możesz zdecydować, czy to chaos czy złożoność, spróbuj odpalić ten sam automat na czystym tle z jedną małą skazą. Chaos zwykle od razu „zalewa” ekran. Złożoność częściej pokazuje, że skaza generuje obiekt, który ma własną tożsamość (czyli: da się go śledzić).

„Dlaczego wszyscy jarają się regułami 30, 90 i 110?”: trzy temperamenty w 1D

W elementarnych automatach 1D (dwa stany, sąsiedztwo trzech komórek) pewne reguły wracają jak dobre memy — nie dlatego, że są „najładniejsze”, tylko dlatego, że pokazują trzy różne typy zachowania przy minimalnym koszcie poznawczym.

Reguła 30: deterministyczna maszyna do pozornego szumu

Reguła 30 jest słynna z tego, że z prostego startu potrafi wygenerować obraz, który wygląda jak losowy. To wygodne w dwóch sytuacjach:

• chcesz zobaczyć, jak „losowość” może wyjść z lokalnej deterministyki, bez dorabiania teorii spiskowej do pikseli,
• chcesz sprawdzić, czy Twoje narzędzie do wizualizacji nie „wygładza” automatu, bo tutaj każde wygładzanie od razu widać.

Uwaga interpretacyjna: to, że jest „szumiąco”, nie znaczy, że nie ma struktury. Czasem jest, tylko wymaga innych narzędzi niż patrzenie w ekran (np. statystyk albo analizy powtarzalności). Jeśli Twoim celem jest polowanie na obiekty i kolizje, reguła 30 bywa jak rozmowa w zatłoczonym barze — dużo się dzieje, ale ciężko usłyszeć konkretny wątek.

Reguła 90: geometria z prostego XOR-a

Reguła 90 często daje wzory o wyraźnie fraktalnym charakterze (słynne „trójkąty” i ażurowe struktury). To dobra reguła, gdy chcesz:

• zobaczyć, jak symetria startu (np. pojedynczy impuls) przekłada się na symetrię wzoru,
• zrozumieć, że „ładne” nie musi znaczyć „skomplikowane”: tu sporo da się przewidzieć intuicyjnie.

Jeśli w regule 90 wrzucisz start losowy, fraktalna czytelność może się rozmyć. I to jest cenna lekcja sama w sobie: część automatów „lubi” starty proste, bo wtedy pokazuje swój charakter jak na białej kartce.

Reguła 110: między porządkiem a chaosem (tam, gdzie lubią mieszkać ciekawe rzeczy)

Reguła 110 ma reputację reguły, która potrafi generować bogate, „obiektowe” zachowania: tła, struktury wędrujące, zderzenia, czasem coś, co wygląda jak prymitywna fizyka cząstek. I tak — to jedna z tych reguł, o których mówi się w kontekście obliczeń.

Jeśli chcesz ją „poczuć” bez wchodzenia w formalizmy, podejdź do niej jak do testu terenowego:

• odpal z pojedynczym impulsem, żeby zobaczyć, jakie tło powstaje,
• potem z dwoma impulsami w odstępie, żeby sprawdzić, czy kolizje tworzą nowe obiekty,
• a dopiero na końcu start losowy, żeby zobaczyć, czy obiekty jeszcze dają się rozpoznawać w tłumie.

To nie jest reguła „dla estety”, tylko dla kogoś, kto lubi patrzeć na interakcje. Taki odpowiednik oglądania bilarda, tylko kule są z pikseli i nie pytają o zgodę na zderzenie.

„Jak się z tego robi numer?”: intuicja numeracji Wolframa na jednym przykładzie

Numer reguły w 1D nie bierze się z kapelusza. Jest jak skrót do tabelki „jeśli widzisz taki układ trzech komórek, to w następnym kroku środkowa będzie taka”. Tych układów są tylko 8 (bo 3 komórki, każda 0/1):

111 110 101 100 011 010 001 000

Reguła mówi, jaki będzie wynik dla każdego z nich (0 albo 1). Jeśli zapiszesz te wyniki jako ciąg ośmiu bitów i potraktujesz go jako liczbę w systemie dwójkowym, dostajesz numer reguły.

Minimalny przykład do „kliknięcia w głowie”: załóżmy, że reguła daje wynik 1 dokładnie wtedy, gdy wzorzec ma nieparzystą liczbę jedynek w sąsiedztwie (to jest intuicja „XOR-owa”, bliska regule 90). Wtedy wyniki dla kolejnych przypadków mogą wyglądać tak:

111→1
110→0
101→0
100→1
011→0
010→1
001→1
000→0

Ciąg bitów (od 111 do 000) to: 10010110. To jest liczba 150 w dziesiętnym. I już: „reguła 150” to po prostu etykieta tej tabelki. Jeśli masz w narzędziu możliwość podglądu mapowania 8 przypadków, numer przestaje być tajemnym zaklęciem, a staje się adresem w katalogu.

Przeskok na planszę: Life jako „laboratorium obiektów” zamiast ładnej animacji

Gra w życie Conwaya jest fajna z bardzo przyziemnego powodu: w 2D łatwiej budować intuicję „obiektów”. W 1D wzorce są jak smugi na wykresie; w Life od razu widzisz coś, co przypomina stworzonko, samochodzik albo klocek LEGO, który akurat postanowił migotać.

Reguły Life w wersji klasycznej są proste: komórka żyje lub umiera w zależności od liczby żywych sąsiadów. A potem okazuje się, że na tym da się zbudować trzy kategorie rzeczy, które warto umieć rozpoznawać:

• Still life — stabilne obiekty (np. blok), które po prostu trwają. To „skały” w tym ekosystemie.
• Oscylatory — obiekty, które zmieniają się cyklicznie, ale nie wędrują. To „neony”: mrugają, ale stoją w miejscu.
• Statki / wędrowcy — struktury, które przemieszczają się po planszy (glider to najsłynniejszy). To właśnie one robią z Life coś, co przypomina przesyłanie informacji.

Decyzja praktyczna, gdy odpalasz Life w narzędziu: jeśli celem jest zobaczenie „fizyki obiektów”, nie zaczynaj od pełnej losowości. Start losowy często kończy się „zupą”, która po czasie zamiera w mieszaninie drobnych stabilnych form. Lepiej wrzucić kilka znanych klocków (blok, blinker, glider) i zobaczyć, jak reagują na siebie przy różnych odległościach.

Mały scenariusz „z życia ekranu”: kiedy symulacja staje się nieczytelna

Typowa sytuacja: odpalasz Life, dajesz losowy start i po chwili wszystko przypomina rozsypane konfetti, które nagle przestaje się ruszać. Łatwo wtedy uznać, że „to wszystko, co ten automat ma”. A to często tylko efekt tego, że zaczęło się od zbyt dużej gęstości: komórki masowo się zabijają, bo mają za dużo sąsiadów, więc układ szybko przechodzi do resztek.

Jeśli narzędzie pozwala ustawić gęstość startu, pobaw się nią jak suwakiem od przypraw. Za dużo i wszystko się spali. Za mało i nic nie złapie ognia. (Tak, to metafora. Automaty i kuchnia dobrze się dogadują.)

Jeden rozsądny krok eksperymentalny: prowadź „dziennik reguły”, a nie galerię screenów

Screeny są miłe, ale szybko robią się kolekcją „ładnych wzorków bez kontekstu”. Znacznie lepiej działa prosty nawyk: dla każdej reguły (albo wariantu Life) zapisz dosłownie 3 rzeczy, po jednym zdaniu:

• Start (pojedynczy impuls / dwa impulsy / losowy / konkretny klocek w Life),
• Co jest tłem (pustka, okresowa tekstura, brak tła),
• Jakie obiekty przeżywają (nic / oscylatory / wędrowcy / kolizje dają nowe struktury).

Taki mini-dziennik robi robotę, gdy po tygodniu wracasz do tematu i nagle nie pamiętasz, czy to „ta reguła robiła fraktal”, czy „ta reguła robiła szum”. A poza tym daje naturalny kolejny krok: wybierasz jedną regułę, w której masz obiekty + kolizje, i sprawdzasz, czy da się powtórzyć to samo zachowanie po małej zmianie warunków brzegowych albo rozmiaru świata. Jeśli się da — super. Jeśli nie — jeszcze lepiej, bo właśnie znalazłeś, gdzie automat jest najbardziej „wrażliwy”, czyli gdzie naprawdę zaczyna się zabawa.

Najczęściej zadawane pytania (FAQ)

Czym są automaty komórkowe w prostych słowach?

To model „świata” złożonego z komórek ułożonych w siatkę (1D: linia, 2D: kratka). Każda komórka ma dyskretny stan, np. 0/1, a czas leci krokami: w każdym kroku stan komórki zmienia się według jednej lokalnej reguły zależnej od sąsiedztwa.

Najciekawsze jest to, że reguła jest prosta i ślepa na „daleki świat”, a mimo to potrafi tworzyć wzory wyglądające na zaplanowane: symetrie, wędrujące struktury, oscylacje albo deterministyczny chaos.

Czy muszę umieć programować, żeby zrozumieć automaty komórkowe?

Nie. Do złapania intuicji wystarczy kartka w kratkę i długopis: rysujesz wiersz 0 (stan startowy), potem wiersz 1, 2, 3… i za każdym razem liczysz nowy stan z trójki komórek nad nim (w elementarnym automacie 1D).

Programowanie przydaje się dopiero wtedy, gdy chcesz robić setki kroków, porównywać wiele reguł i bawić się parametrami bez ręcznego „wypychania” kolejnych wierszy.

Dlaczego ten sam automat komórkowy daje mi inny wynik niż w internecie?

Najczęściej nie chodzi o „inny automat”, tylko o drobne ustawienia, które zmieniają wszystko. Typowe winowajcy to: inne rozumienie sąsiedztwa, odwrócone kolory (0 jako czarne zamiast białego), inne warunki brzegowe albo inny tryb aktualizacji.

Jeśli chcesz szybko znaleźć różnicę, przejrzyj po kolei:

• Warunki brzegowe (ucięte jak kartka vs zawijane jak donut).
• Aktualizacja (synchroniczna: wszystkie naraz vs asynchroniczna: po kolei).
• Sąsiedztwo (w 2D: von Neumanna 4 pola vs Moore’a 8 pól).

Co muszę ustawić na start, żeby automat „coś robił”, a nie zamierał?

W praktyce decydują cztery przełączniki: rozmiar planszy, stan początkowy, warunki brzegowe i liczba kroków. Zbyt mała siatka albo zbyt krótka symulacja potrafią sztucznie uspokoić dynamikę, więc efekt wygląda jak „nuda”, choć to tylko ciasne warunki.

Na szybki, czytelny test w 1D dobrze działa pojedyncza jedynka pośrodku (widać, jak wpływ rozchodzi się na boki). Gdy chcesz sprawdzić, czy reguła porządkuje czy mieli chaos, użyj losowego startu (np. pasek z domieszką jedynek).

Jakie są warunki brzegowe w automatach komórkowych i jak wpływają na wynik?

Warunki brzegowe mówią, co dzieje się na krawędzi planszy. Najpopularniejsze są dwa podejścia: świat „kończy się” na brzegu (komórki poza planszą traktujesz np. jako 0) albo świat się zawija (lewy brzeg styka się z prawym).

To nie detal kosmetyczny: zawijanie eliminuje „ścianę”, więc struktury mogą krążyć i zderzać się w nieskończoność. Przy brzegach uciętych często pojawiają się efekty odbicia, wygaszania albo sztuczne symetrie.

Co znaczy, że automat aktualizuje się synchronicznie albo asynchronicznie?

Synchronicznie oznacza: wszystkie komórki liczą nowy stan na podstawie starej planszy i dopiero potem przeskakują naraz. To standard w większości wizualizacji, bo wyniki łatwo porównywać i powtarzać.

Asynchronicznie to aktualizacja po kolei (czasem losowo). Potrafi zabić część struktur albo stworzyć nowe, więc „ta sama reguła” może wyglądać zupełnie inaczej. Trochę jak przepis na ciasto, w którym ktoś miesza składniki w trakcie pieczenia — bywa ciekawie, ale przewidywalność spada.

Jaki jest najprostszy automat komórkowy do ręcznego policzenia?

Najbardziej wdzięczny start to elementarny automat 1D: dwa stany (0/1) i sąsiedztwo trzech komórek (lewa, środek, prawa). Rysujesz kolejne wiersze jeden pod drugim, a każdą komórkę w nowym wierszu wyznaczasz z trójki komórek nad nią.

Żeby nie walczyć z brzegami już na pierwszej stronie, wybierz szerokość rzędu 31–51 pól i zacznij od pojedynczej jedynki w środku. Po 15–25 krokach zwykle widać, czy reguła generuje porządek, powtarzalność, złożoność czy czysty „deterministyczny bałagan”.

Źródła

• A New Kind of Science. Wolfram Media (2002) – Elementarne automaty 1D, reguły, złożoność z prostych zasad.
• Cellular Automata and Complexity: Collected Papers. Addison-Wesley (1994) – Klasyczne prace Wolframa: definicje, klasy zachowań, przykłady.
• Cellular Automata: A Discrete View of the World. Wiley-Blackwell (2011) – Podstawy CA: siatka, stany, sąsiedztwa, aktualizacja synchroniczna/asynch.
• A Survey of Cellular Automata. Springer (2010) – Przegląd pojęć i zastosowań automatów komórkowych.
• Cellular Automata and Modeling of Complex Physical Systems. Cambridge University Press (1999) – CA jako modele procesów fizycznych; lokalność reguł i emergencja.