ASAL

ASAL – Sakana AI 联合 OpenAI 等推出使用基础模型搜索人工生命的系统

ASAL（Automated Search for Artificial Life）是一款由Sakana AI与MIT、OpenAI等机构联合开发的自动化搜索人工生命（ALife）系统。该系统通过三种核心搜索机制——有监督目标搜索、开放式搜索和照明式搜索——实现对人工生命模拟的高效探索。ASAL成功验证了多种经典的ALife基质，发现了以往未被识别的生命形式，推动了ALife研究的前沿。

ASAL是什么

ASAL（Automated Search for Artificial Life）是一个利用基础模型进行人工生命（ALife）自动搜索的系统。该项目由Sakana AI和MIT、OpenAI等机构联合推出，依托于三种主要的搜索机制：有监督目标搜索、开放式搜索和照明式搜索。通过有监督目标搜索，ASAL能够找到产生特定现象或序列的模拟；开放式搜索则旨在发掘持续创造新行为的模拟；而照明式搜索则聚焦于识别展现多样化行为的模拟。该系统在多种经典的ALife基质（如Boids、粒子生命、类生命元胞自动机、Lenia及神经元胞自动机）中进行了有效的验证，成功探索出了前所未有的生命形式，扩展了ALife研究的视野。

ASAL的主要功能

• 有监督目标搜索：检索并识别能够产生特定或序列的人工生命模拟，帮助研究人员找到与特定现象相吻合的模拟环境。
• 开放式搜索：探寻能够持续生成新行为和新奇的人工生命模拟，旨在探索和再现现实世界中无止境的新奇事物的涌现。
• 照明式搜索：发掘一组展现出多样行为的人工生命模拟，系统地照亮并分类整个可能的人工生命现象空间，揭示“生命的可能形态”。
• 跨基质兼容性：能够在多种不同的人工生命基质中运行，包括Boids、粒子生命、生命游戏、Lenia和神经元胞自动机等，展现出广泛的适用性。
• 定量分析：基于基础模型的语义表示能力，对以往只能进行定性分析的人工生命现象进行定量分析，提供新的度量和分析工具。

ASAL的技术原理

• 视觉-语言基础模型：基于CLIP（对比语言-图像预训练），将图像与自然语言文本映射到共同的表示空间，进行相似性测量。
• 嵌入与相似性测量：利用视觉-语言模型将模拟生成的图像与描述目标现象的文本提示嵌入到相同的表示空间，并评估它们之间的相似性。
• 优化算法：采用优化算法（如遗传算法、CMA-ES等）调整模拟参数，以最大化目标现象的表示与模拟输出之间的匹配度。
• 搜索策略：
  • 有监督目标搜索：通过最大化模拟生成图像与目标提示词的匹配度，寻找特定模拟。
  • 开放式搜索：最大化模拟产生的图像在基础模型表示空间中相对于历史状态的新颖度，寻找开放式模拟。
  • 照明式搜索：最大化一组模拟在基础模型表示空间中的覆盖率，最小化每个模拟与其最近邻的距离，以寻找多样化的模拟。

ASAL的项目地址

• 项目官网：pub.sakana.ai/asal
• GitHub仓库：https://github.com/SakanaAI/asal
• arXiv技术论文：https://arxiv.org/pdf/2412.17799

ASAL的应用场景

• 生物进化研究：模拟生物进化过程，研究遗传变异和自然选择如何促成新物种的形成。
• 智能机器人行为：探索机器人在未知环境中的自适应行为与学习策略，提升其自主性和灵活性。
• 游戏AI开发：在游戏开发中，创造具有复杂行为的非玩家角色（NPC），提高游戏的沉浸感和挑战性。
• 生态保护模拟：模拟不同保护措施对生态系统的影响，为生态保护决策提供科学依据。
• 艺术创作：生成动态艺术作品，使其根据观众的互动或外部环境变化而不断演变。