【导读】Sakana AI联合MIT、OpenAI等机构，在人工生命领域投下了一枚重磅冲击波。他们提出了一种全新的算法，能够自动搜索并发现全新的人造生命体——你只需要给它一个描述，剩下的事情，AI替你搞定。

就在刚刚，由Transformer八子创立的Sakana AI，携手MIT、OpenAI、瑞士AI实验室IDSIA等机构的研究人员，共同提出了一个名为“自动搜索人工生命”的新算法。

论文地址：https://arxiv.org/abs/2412.17799

有意思的是，Sakana AI正是那个提出全球首个“AI科学家”的团队——那种可以独立搞科研、完全不需要人类插手的家伙。当时它一口气肝出了10篇论文，震惊四座。

言归正传，咱们今天要聊的ALife，全称是“人工生命”（Artificial Life）。它是一门交叉学科，核心是通过计算机模拟生命的行为、特性和演化过程，来理解生命的本质。这里面融合了计算科学、生物学、复杂系统科学甚至物理学。

说到人工生命的价值，它蕴藏着能够推动和加速人工智能进步的重要洞见。如果能用AI加速人工生命的发现进程，人类就能更深入地理解涌现现象、进化机制和智能的本质。而这些核心原则，恰恰可以为下一代AI系统提供灵感。

而这次研究者们提出的算法，核心思路很简单：利用视觉-语言基础模型，自动发现人工生命。过去，人工生命模拟的每一个微小细节规则，都需要繁琐的手工设计；现在不一样了——你只需要描述想要探索的模拟空间，ASAL就能自动发现最有趣、最具开放性的生命形式。

由于基础模型的广泛通用性，ASAL在多种经典的人工生命模拟中都有出色表现，包括Boids、Particle Life、生命游戏（Game of Life）、Lenia和神经元胞自动机（Neural Cellular Automata）。

已发现的生命形式的例子

更令人兴奋的是，ASAL甚至发现了一些全新的元胞自动机规则，这些规则比经典的康威生命游戏更具开放性和表现力。研究者们相信，这种新范式能够克服手动设计模拟的瓶颈，重新点燃人工生命研究的热情，从而突破人类创造力的极限，让这一领域再上一个台阶。

这则研究一出，网友们的反应相当热烈。有人说，这项惊人的工作，是释放AI的力量，重新定义人工生命。

有研究者表示，自己多年来一直在尝试类似的事情——用随机数学运算符作为基因，来模拟行为进化。但ASAL的这项工作，显然是一个更精彩的版本。

自主智能创造人工生命——听起来，我们似乎正在扮演上帝的角色。

更有趣的是，这项研究是否可以用来观察意识的诞生？

AI自动搜索“可能的生命”

生命是什么？这个看似简单的问题，却蕴含着无尽的探索空间。在现实世界里，我们只能观察和研究已知的生命形式。但通过计算机模拟，科学家们正在探索一个更宏大的命题——可能存在的生命。这正是人工生命研究的核心。

通过计算机来研究生命，意味着需要搜索、绘制整个可能的模拟空间，而非仅局限在单一的模拟上。这样一来，研究人员就能搞清楚，不同模拟配置下，为什么会以及如何产生不同的涌现行为。

ALife中进化和学习的机制丰富多样，但一个主要的障碍始终存在：缺乏系统性的方法来搜索所有可能的模拟配置。传统上，研究人员主要依靠直觉和经验，去手动设计这些“人工虚拟世界”的基本规则。

另一个挑战是，在复杂系统中，简单部件大规模相互作用，可能会产生完全意想不到的涌现结果。更关键的是，这些现象很难——甚至不可能提前预测。这种不可预测性，使得设计出能自我复制、具备生态系统动态特性的模拟变得极其困难。

正因如此，当前ALife领域的研究往往停留在手动设计模拟的阶段，而且这些模拟也通常只针对简单、可预测的结果，从而限制了意外发现的可能性。

那么，最好的解决办法是什么？Sakana AI、MIT、OpenAI的研究者们认为，自动化搜索模拟的方法，能够扩大探索范围，从根本上改变ALife的研究方式。目前，也有很多团队尝试通过“复杂生命度量”、“复杂性”、“有趣程度”等指标来量化ALife，但这些指标几乎总是无法完全捕捉人类对这些概念的细微理解。

ASAL开创性框架

针对上述问题，新研究中提出了一个创新方案：利用基础模型来自动化搜索合适的模拟。基础模型基于大量自然界数据完成训练，形成了与人类类似的表征能力，甚至可能正在趋向于真实世界统计特征的“柏拉图式”表征。正是这一特性，使得基础模型成为量化人工生命复杂性的理想工具。

基于这个思路，团队提出了自动化人工生命搜索（ASAL）的全新框架，如下图所示。

研究人员首先定义一组感兴趣的模拟，称为“基质”（substrate）。基质S包含任何感兴趣的人工生命模拟集合（比如所有Lenia模拟的集合）。这些模拟可能在初始状态、转换规则或两者上有所不同。S由参数θ定义，该参数确定了一个包含三个组件的单一模拟：初始状态分布Init_θ、前向动态阶跃函数Step_θ，以及渲染函数（将状态转换为图像）Render_θ。需要说明的是，渲染函数的参数化和搜索并非必须，但在处理先验不可解释的状态值时却是必要的。

将这些组件连接在一起，就定义了一个函数θ：它对初始状态S_0进行采样，运行模拟T步，并将最终状态渲染为图像：

最后，两个附加函数VLM_img(⋅)和VLM_txt(⋅)通过视觉语言基础模型嵌入图像和自然语言文本，并应用相应的内积运算<⋅,⋅>，以便在嵌入空间中进行相似度测量。

ASAL包含了三个基于视觉-语言基础模型的算法，它们通过不同类型的方式自动化搜索发现人工生命。

监督目标搜索

这种模式针对能够产生特定目标事件或事件序列的模拟进行搜索，从而促进各种可能世界——或与我们自身相似的世界——的发现。在ALife研究中，寻找能够实现特定事件或事件序列的模拟是一个重要目标。这种发现可以帮助研究人员识别与人类世界相似的模拟世界，或者测试某些反事实的进化轨迹在给定基质中是否可能，从而洞察某些生命形式的可行性。

为此，ASAL系统搜索能够产生与目标自然语言提示在基础模型表示空间中匹配的图像的模拟。研究人员可以控制在每个时间步是否使用提示，以及使用什么样的提示。

开放式搜索

这种模式针对能够在基础模型表示空间中产生时间上持续开放的新奇性的模拟进行搜索，从而发现对人类观察者始终保持有趣的世界。ALife研究的一个重大挑战就是寻找开放式模拟。尽管开放性是主观的、难以定义的，但在适当表示空间中的新颖性可以捕捉到开放性的一般概念。这种方法将测量开放性的主观性转移到了表示函数的构建上，该函数体现了观察者的视角。

在论文中，视觉-语言基础模型的表示充当了人类表示的智能体。有了这种新能力，ASAL可以搜索能够在基础模型表示空间中产生历史性新颖图像的模拟。初步实验表明，通过历史最近邻来评估新颖性，比基于方差的方法效果明显更好。

启迪式搜索（Illumination）

这种模式针对一组具有趣味性和多样性的模拟进行搜索，从而探索未知的世界。ALife研究的另一个关键目标，是自动揭示基质中可能出现的所有多样化现象。这种理念源于对理解“可能存在的生命形式”的追求，是绘制和分类整个基底的第一步。为了实现这一目标，ASAL搜索一组模拟，使其产生的图像在基础模型的表示空间中近邻距离最大。研究人员发现，这种基于最近邻的多样性比基于方差的多样性能够产生更好的揭示效果。

总体来说，ASAL这一全新方法已经在多个人工生命系统中取得了重要突破，包括Boids、粒子生命、生命游戏、Lenia和神经元元胞自动机等。ASAL发现了前所未见的生命形式，拓展了人工生命中涌现的结构边界。而且，这也是人类首次通过基础模型驱动ALife模拟发现的研究。

实验

研究者通过多种基质的实验验证了ASAL的有效性，随后利用基础模型对部分发现的模拟进行了新颖的定量分析。

基础模型

• CLIP（对比语言-图像预训练）：这是一种视觉-语言基础模型，通过在大规模互联网数据集上进行对比预训练，将图像和文本的潜在空间对齐，从而学习通用的图像和文本表示。CLIP明确提供了VLM_img(⋅)和VLM_txt(⋅)两种功能。
• DINOv2（无标签蒸馏）：这是一种仅针对视觉的基础模型，通过在大型图像数据集上使用自监督的师生框架学习视觉表征。DINOv2仅提供VLM_img(⋅)，因此无法用于ASAL的监督目标搜索。

基质

• Boids：模拟了N个“鸟群”（boids）在二维欧几里得空间中的运动。所有boids共享一个神经网络的权重，该网络根据局部参考框架中K个邻近boids的情况，决定每个boid向左或向右转向。该基质是神经网络的权重空间。

• Particle Life（或Clusters）：模拟了N个粒子，每个粒子属于K种类型之一，在二维欧几里得空间中相互作用。该基质是K×K交互矩阵和β参数的空间，用于确定粒子之间的接近程度。初始状态是随机采样的，粒子自组织形成动态模式。

• 类生命元胞自动机（CA）：将康威生命游戏推广到所有二进制状态的CA，这些CA在二维晶格中运行，其状态转换仅取决于活着的摩尔邻居数量和单元当前状态。该基质有2^18=262,144种可能的模拟。

• Lenia：将康威生命游戏推广到连续的空间和时间，允许更高的维度、多种核和多通道。研究者使用LeniaBreeder代码库，定义了动态的45维度和初始状态的32×32×3=3072维度。搜索空间以找到的解决方案为中心。

• 神经元胞自动机（NCA）：通过用神经网络表示局部转换函数，来参数化任何连续的元胞自动机。该基质是神经网络的权重空间。

目标模拟的搜索

单一目标：团队研究了在Lenia、Boids和Particle Life中，通过单个提示词指定目标模拟的搜索效果。监督目标方程在经过T个模拟时间步后，应用一次提示词进行优化。其中，CLIP作为基础模型，优化算法使用了Sep-CMA-ES。下图显示，从定性角度看，在找到与指定提示词匹配的模拟方面，优化过程表现良好。一些失败模式表明，当优化失败时，问题往往出在基质的表达能力不足，而非优化过程本身。

时间序列目标：团队研究了使用NCA基质搜索生成一系列目标事件的模拟的有效性。通过一个提示词列表，研究者优化了监督目标方程，每个提示词在模拟展开过程中按均匀的时间间隔依次应用。研究者使用CLIP作为基础模型，按照原始NCA论文的方法，使用了时间反向传播和梯度下降算法，并采用Adam优化器进行优化。下图展示了ASAL可以找到生成符合提示词序列轨迹的模拟。通过指定期望的进化轨迹并结合约束基质，ASAL能够识别出体现所需进化过程本质的更新规则。例如，当提示词序列为“一个细胞”然后是“两个细胞”时，相应的更新规则会自然地支持自我复制的能力。

搜索开放式模拟

为了研究搜索开放式模拟的有效性，研究者使用了类生命元胞自动机（Life-Like CAs）基质，并优化了开放式评分。CLIP作为基础模型。由于搜索空间相对较小，仅包含262,144种模拟，因此采用了穷举搜索方法。

下图揭示了类生命元胞自动机中开放式的潜力。根据开放式指标，著名的康威生命游戏（Conway’s Game of Life）在开放式评分中排名前5%。顶部子图显示，最开放的元胞自动机表现出位于混沌边缘的非平凡动态模式——它们既不会停滞，也不会爆炸。左下方子图描绘了三个元胞自动机在CLIP空间中的轨迹随模拟时间的变化情况。基础模型的表示与人类的认知表示相关，通过基础模型表示空间中的轨迹生成新颖性，也会为人类观察者带来一系列新奇体验。右下方子图使用UMAP图对所有类生命元胞自动机的CLIP嵌入进行了可视化，并按开放式评分着色，显示出有意义的结构：最开放的元胞自动机集中在模拟主岛外的小岛上。

启迪整片基质

研究者使用Lenia和Boids基质，来研究启迪式算法的有效性，其中CLIP作为基础模型。他们使用一种自定义的遗传算法执行搜索：在每一代中，随机选择父代，生成带有变异的子代，然后保留解决方案中最具多样性的子集。结果模拟集被展示在下图的“模拟图谱”中。这种可视化突出了按视觉相似性组织的发现行为的多样性。可以看到图谱以一种有序的方式映射了所有发现的模拟。其中，左上方的插图显示了未使用启迪式算法进行随机采样的结果。在Lenia中，ASAL发现了许多以前未曾见过的生命形式，这些生命形式类似于按颜色和形状分类的细胞和细菌。

在Boids中，ASAL不仅重新发现了经典的群体行为，还探索出了其他行为模式，例如蛇形运动、聚集、绕圈以及其他变体。

量化人工生命

基础模型不仅可以对有趣现象进行搜索，还能够对之前仅能进行定性分析的现象进行定量化分析。在下图中，研究人员对两个Boids模拟之间的参数进行线性插值。中间的模拟缺乏任何一个原始模拟的特性，表现为无序状态，这清楚地表明Boids参数空间具有非线性和混沌特性。更重要的是，通过测量中间模拟最终状态与两个原始模拟的CLIP相似性，这一定性观察现在可以通过定量数据得以支持。

下图评估了粒子生命（Particle Life）中粒子数量对其表现特定生命形式能力的影响。在这个案例中，搜索“毛毛虫”，发现只有当模拟中至少有1,000个粒子时才能找到毛毛虫——这与科学观察中“数量决定差异”的理念一致。

接下来的图表通过逐一调整粒子生命模拟的各个参数，并测量CLIP提示词对齐评分的标准差，来量化每个参数对模拟行为的重要性。在确定最重要的参数后，发现其对应于绿色和黄色粒子之间的交互强度，而这种交互对毛毛虫的形成至关重要。

下图展示了Lenia模拟中CLIP向量随模拟时间变化的速度。该指标在模拟看起来已经定性静止时精确达到平台期，为模拟提供了一个有用的停止条件。

独立于基础模型

为了研究使用适当表示空间的重要性，研究人员对Lenia和Boids的启迪式过程所使用的FM进行了消融实验。在实验中，他们分别使用了CLIP、DINOv2以及低级像素表示作为对比。如下图所示，在生成与人类认知一致的多样性方面，CLIP的表现似乎略优于DINOv2，但两者在质量上都显著优于基于像素的表示。这一结果强调了在衡量人类对多样性概念的认知时，深度基础模型表示相比低级指标的重要性。