MIT、OpenAI等震撼力作：AI首次自主发现人工生命！人类窥见上帝造物

原标题：MIT、OpenAI等震撼力作：AI首次自主发现人工生命！人类窥见上帝造物
文章来源：新智元
内容字数：12116字

Sakana AI 携手 MIT 等机构，利用 AI 自动搜索人工生命

本文总结了Sakana AI联合MIT、OpenAI等机构发表的最新研究成果，该研究提出了一种名为ASAL的新算法，能够自动搜索并发现人工生命体，无需繁琐的手工设计，仅需简单的描述即可。这项研究标志着人工生命研究领域取得了里程碑式的进展。

1. 人工生命研究的挑战与突破

人工生命(ALife)研究旨在通过模拟生命的行为、特性和演化过程来理解生命的本质。然而，传统ALife研究依赖于手工设计模拟规则，这极大地限制了探索范围和意外发现的可能性。复杂的系统中，简单的部件大规模相互作用可能产生不可预测的涌现行为，给模拟设计带来巨大挑战。

ASAL算法的突破在于它利用视觉-语言基础模型(FM)自动搜索合适的模拟。FM基于大量自然界数据训练，具备与人类相似的表征能力，能够有效地量化人工生命复杂性，从而克服了传统方法的瓶颈。

2. ASAL算法：自动化人工生命搜索

ASAL框架包含三个基于视觉-语言基础模型的算法，分别用于不同类型的自动化搜索：

1. 监督目标搜索：针对能够产生特定目标或序列的模拟进行搜索。
2. 开放式搜索：针对能够在基础模型表示空间中产生持续新奇性的模拟进行搜索。
3. 启迪式搜索：针对一组具有趣味性和多样性的模拟进行搜索。

ASAL已经在Boids、粒子生命、生命游戏、Lenia和神经元元胞自动机等多种经典人工生命模拟中取得成功，发现了许多前所未见的生命形式。

3. 实验结果与分析

研究人员使用CLIP和DINOv2等基础模型，在多个基质上进行了实验验证，结果表明ASAL能够有效地发现各种人工生命形式，并对这些形式进行定量分析。例如，研究人员通过线性插值Boids模拟的参数，并测量CLIP相似性，定量地展现了Boids参数空间的非线性和混沌特性。

此外，研究还发现基础模型在衡量人类对多样性概念的认知方面，相比低级指标具有显著优势。

4. 研究意义与未来展望

ASAL算法的提出，为人工生命研究提供了一种全新的范式，能够克服手动设计模拟的瓶颈，极大地拓展了人工生命研究的可能性。这项研究不仅加深了人类对涌现现象、进化机制和智能本质的理解，也为下一代AI系统的研发提供了新的灵感。未来，该研究有望进一步探索意识的诞生等更深层次的科学问题。

联系作者

文章来源：新智元
作者微信：
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人对人类社会与文明进化的影响，领航中国新智能时代。