人工生命研究起源于20世紀(jì)80年代，涉及模擬生物系統(tǒng)，探討生命的基本特征和機(jī)制；數(shù)學(xué)家約翰?何頓?康威在 1970 年提出的著名的「生命游戲」便是一種模擬人工生命系統(tǒng)，其中定義的規(guī)則可讓其中的「細(xì)胞」像生命體一樣運(yùn)作。

ASAL 其中一位研究者 Phillip Isola

近日，Sakana AI團(tuán)隊(duì)攜手麻省理工學(xué)院（MIT）、開(kāi)放人工智能研究院（OpenAI）以及瑞士AI實(shí)驗(yàn)室IDSIA等機(jī)構(gòu)研究人員，共同提出了“自動(dòng)化人工生命搜索”（ASAL）的新算法。

尤其，人工生命（ALife）是一門(mén)跨學(xué)科研究，旨在通過(guò)模擬生命的行為、特性和演化過(guò)程來(lái)理解生命的本質(zhì)。傳統(tǒng)的ALife研究依賴于研究人員的手工設(shè)計(jì)和直覺(jué)，難以預(yù)測(cè)復(fù)雜系統(tǒng)中的涌現(xiàn)行為。

而此次提出的自動(dòng)搜索人工生命（ASAL）框架，利用基礎(chǔ)模型的廣泛通用性，能夠系統(tǒng)性地搜索所有可能的模擬配置，從而克服手動(dòng)設(shè)計(jì)的局限性。

三種視覺(jué)-語(yǔ)言基礎(chǔ)模型

特別的是，此次研究者們提出的算法，使用視覺(jué)-語(yǔ)言基礎(chǔ)模型自動(dòng)發(fā)現(xiàn)人工生命，僅需描述搜索的模擬空間，ASAL 就可以自動(dòng)發(fā)現(xiàn)最有趣、具有開(kāi)放式的人造生命體。

監(jiān)督式目標(biāo)搜索(Supervised Target)：搜索能產(chǎn)生指定目標(biāo)事件或事件序列的模擬，有助于發(fā)現(xiàn)任意世界或與我們自己的世界相似的世界。

開(kāi)放式搜索(Open-Endedness)：在基礎(chǔ)模型的表征空間中搜索會(huì)隨時(shí)間不斷提供新變化的模擬，由此可以發(fā)現(xiàn)對(duì)人類(lèi)觀察者來(lái)說(shuō)總是很有趣的世界。

闡明（Illumination）搜索：搜索一組相關(guān)的多樣化模擬，從而展現(xiàn)對(duì)我們來(lái)說(shuō)非常陌生的世界。

新的人工生命形式

與此同時(shí)，由于基礎(chǔ)模型的廣泛通用性，ASAL算法的核心在于其自動(dòng)化的能力，通過(guò)簡(jiǎn)單描述所需的模擬空間，ASAL能夠自動(dòng)識(shí)別出具有開(kāi)放性和趣味性的人工生命形式。這一算法能夠在如Boids、Particle Life、生命游戲、Lenia和神經(jīng)元胞自動(dòng)機(jī)等經(jīng)典模型中突破。

Boids：模擬的是 N 個(gè)「鳥(niǎo)狀物體（boids）」在 2D 歐幾里得空間中的移動(dòng)情況。所有 boids 都共享權(quán)重一樣的神經(jīng)網(wǎng)絡(luò)，其會(huì)根據(jù)局部參考系中 K 個(gè)近鄰 boids 向左或向右操縱每個(gè) boid。

粒子生命：模擬 N 個(gè)粒子，這些粒子又可分為 K 類(lèi)；它們?cè)谝粋€(gè) 2D 歐幾里得空間運(yùn)動(dòng)，該基質(zhì)是 K × K 相互作用矩陣的空間，β 參數(shù)確定了粒子之間的距離。初始狀態(tài)是隨機(jī)采樣的，粒子會(huì)自組織形成動(dòng)態(tài)模式。

類(lèi)生命的元胞自動(dòng)機(jī)（CA：將康威生命游戲泛化到所有在 2D 柵格中運(yùn)作的二元狀態(tài)元胞自動(dòng)機(jī)，其中狀態(tài)轉(zhuǎn)換僅取決于活著的 Moore 鄰居的數(shù)量和細(xì)胞的當(dāng)前狀態(tài)。該基質(zhì)有 2^18 = 262,144 種可能的模擬。

Lenia：將康威生命游戲推廣到連續(xù)空間和時(shí)間，允許更高的維度、多個(gè)核和多個(gè)通道。該團(tuán)隊(duì)使用了 LeniaBreeder 代碼庫(kù)，它定義了基質(zhì)，其中動(dòng)態(tài)維度為 45 個(gè)，初始狀態(tài)維度為 32 × 32 × 3 = 3,072 個(gè)。

神經(jīng)元胞自動(dòng)機(jī)（NCA）：通過(guò)神經(jīng)網(wǎng)絡(luò)表示局部轉(zhuǎn)換函數(shù)來(lái)參數(shù)化任何連續(xù)元胞自動(dòng)機(jī)，該基質(zhì)是神經(jīng)網(wǎng)絡(luò)的權(quán)重空間。

自動(dòng)搜索人工生命

這意味著，人工生命領(lǐng)域的研究依托于計(jì)算模擬手段展開(kāi)，此方法本質(zhì)上要求全面探索并描繪潛在的模擬空間全貌，而非聚焦于單一模擬實(shí)例的深入剖析。

盡管人工生命模擬中涵蓋眾多進(jìn)化與學(xué)習(xí)機(jī)制，但迄今為止，該領(lǐng)域取得實(shí)質(zhì)性進(jìn)展的一個(gè)主要障礙是：缺乏一種系統(tǒng)的方法來(lái)搜索所有可能的模擬配置。缺乏方法的情況下，在設(shè)計(jì)人工世界最重要的方面（世界本身的規(guī)則）時(shí)，研究者就必須依靠直覺(jué)。

然而，模擬配置與涌現(xiàn)現(xiàn)象之間缺乏關(guān)聯(lián)，因此研究者很難憑直覺(jué)設(shè)計(jì)出能模擬自我復(fù)制、生態(tài)系統(tǒng)動(dòng)態(tài)或開(kāi)放性質(zhì)的系統(tǒng)。該領(lǐng)域的研究實(shí)踐常常局限于設(shè)計(jì)那些預(yù)期明確且結(jié)果可預(yù)測(cè)的模擬，相對(duì)限制了意外發(fā)現(xiàn)的可能性。

綜上所述，Sakana AI的研究開(kāi)創(chuàng)了人工生命領(lǐng)域的新方向，該研究不僅解決了傳統(tǒng)人工生命研究中“設(shè)計(jì)難、探索慢”的難題，更促進(jìn)學(xué)術(shù)界對(duì)生命本質(zhì)和智能本質(zhì)的理解；從直覺(jué)驅(qū)動(dòng)到系統(tǒng)化探索，這無(wú)疑為人工生命研究翻開(kāi)了全新篇章。