大模型版生命游戏来了!「AI科学家」背后公司联手MIT&OpenAI等打造

原标题：大模型版生命游戏来了!「AI科学家」背后公司联手MIT&OpenAI等打造
文章来源：人工智能学家
内容字数：7929字

利用大模型加速人工生命研究：ASAL范式的突破

本文介绍了一种基于大模型的人工生命(ALife)研究新范式——ASAL(人工生命自动搜索)，该方法利用多模态大模型自动化ALife模拟中的搜索过程，从而加速对生命现象和进化的理解。

1. ASAL：人工生命自动搜索

ALife研究的核心在于搜索和绘制整个可能的模拟空间。ASAL通过利用大模型，实现了这一搜索过程的自动化。研究人员定义了一组模拟形式，称为“基质”，然后ASAL通过三种方法发现人工生命形式：

2. 三种搜索方法

1. 有监督目标搜索： 给定目标状态的文本提示，ASAL最大化模拟生成图像与提示词的匹配度，从而找到能够产生指定目标现象或序列的模拟。

2. 开放式搜索： ASAL最大化模拟产生的图像在基础模型表示空间中的新颖度，从而找到能够持续产生新行为的开放式模拟，这对于研究生命系统的开放性进化至关重要。

3. 照明式搜索： ASAL最大化一组模拟在基础模型表示空间中的覆盖度，从而找到一组展现出多样行为的模拟，探索生命可能性空间。

3. 实验结果与发现

研究人员在多个经典ALife环境（包括康威生命游戏、鸟群算法、粒子生命模拟等）中测试了ASAL。结果表明：

• ASAL能够有效地根据文本提示搜索到匹配的模拟，包括对序列的模拟。

• ASAL在类生命元胞自动机中发现了展现出与康威生命游戏相似开放的规则，能够持续产生新模式。

• ASAL通过照明式搜索发现了许多前所未见的生命形式，并展现了在Lenia和Boids环境中的丰富多样行为。

• ASAL利用基础模型的语义表示，实现了对人工生命现象的定量分析，突破了以往只能定性分析的局限。

4. 研究意义

这项研究突破了人工设计模拟的瓶颈，加速了ALife的发现，并加快了我们对涌现、进化和智能的理解。ASAL的核心原理可以激发下一代AI系统的开发。

总而言之，ASAL代表了ALife研究领域的一次重要突破，它利用大模型的力量，自动化了生命模拟的搜索过程，从而更高效地探索生命现象的奥秘，并为理解复杂系统和智能的本质提供了新的途径。

联系作者

文章来源：人工智能学家
作者微信：
作者简介：致力成为权威的人工智能科技媒体和前沿科技研究机构