人工生命研究起源于20世紀80年代，涉及模擬生物系統，探討生命的基本特征和機制；數學家約翰?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，其中定義的規則可讓其中的「細胞」像生命體一樣運作。

ASAL 其中一位研究者 Phillip Isola

近日，Sakana AI團隊攜手麻省理工學院（MIT）、開放人工智能研究院（OpenAI）以及瑞士AI實驗室IDSIA等機構研究人員，共同提出了“自動化人工生命搜索”（ASAL）的新算法。

尤其，人工生命（ALife）是一門跨學科研究，旨在通過模擬生命的行為、特性和演化過程來理解生命的本質。傳統的ALife研究依賴于研究人員的手工設計和直覺，難以預測復雜系統中的涌現行為。

而此次提出的自動搜索人工生命（ASAL）框架，利用基礎模型的廣泛通用性，能夠系統性地搜索所有可能的模擬配置，從而克服手動設計的局限性。

三種視覺-語言基礎模型

特別的是，此次研究者們提出的算法，使用視覺-語言基礎模型自動發現人工生命，僅需描述搜索的模擬空間，ASAL 就可以自動發現最有趣、具有開放式的人造生命體。

監督式目標搜索(Supervised Target)：搜索能產生指定目標事件或事件序列的模擬，有助于發現任意世界或與我們自己的世界相似的世界。

開放式搜索(Open-Endedness)：在基礎模型的表征空間中搜索會隨時間不斷提供新變化的模擬，由此可以發現對人類觀察者來說總是很有趣的世界。

闡明（Illumination）搜索：搜索一組相關的多樣化模擬，從而展現對我們來說非常陌生的世界。

新的人工生命形式

與此同時，由于基礎模型的廣泛通用性，ASAL算法的核心在于其自動化的能力，通過簡單描述所需的模擬空間，ASAL能夠自動識別出具有開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和神經元胞自動機等經典模型中突破。

Boids：模擬的是 N 個「鳥狀物體（boids）」在 2D 歐幾里得空間中的移動情況。所有 boids 都共享權重一樣的神經網絡，其會根據局部參考系中 K 個近鄰 boids 向左或向右操縱每個 boid。

粒子生命：模擬 N 個粒子，這些粒子又可分為 K 類；它們在一個 2D 歐幾里得空間運動，該基質是 K × K 相互作用矩陣的空間，β 參數確定了粒子之間的距離。初始狀態是隨機采樣的，粒子會自組織形成動態模式。

類生命的元胞自動機（CA：將康威生命游戲泛化到所有在 2D 柵格中運作的二元狀態元胞自動機，其中狀態轉換僅取決于活著的 Moore 鄰居的數量和細胞的當前狀態。該基質有 2^18 = 262,144 種可能的模擬。

Lenia：將康威生命游戲推廣到連續空間和時間，允許更高的維度、多個核和多個通道。該團隊使用了 LeniaBreeder 代碼庫，它定義了基質，其中動態維度為 45 個，初始狀態維度為 32 × 32 × 3 = 3,072 個。

神經元胞自動機（NCA）：通過神經網絡表示局部轉換函數來參數化任何連續元胞自動機，該基質是神經網絡的權重空間。

自動搜索人工生命

這意味著，人工生命領域的研究依托于計算模擬手段展開，此方法本質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例的深入剖析。

盡管人工生命模擬中涵蓋眾多進化與學習機制，但迄今為止，該領域取得實質性進展的一個主要障礙是：缺乏一種系統的方法來搜索所有可能的模擬配置。缺乏方法的情況下，在設計人工世界最重要的方面（世界本身的規則）時，研究者就必須依靠直覺。

然而，模擬配置與涌現現象之間缺乏關聯，因此研究者很難憑直覺設計出能模擬自我復制、生態系統動態或開放性質的系統。該領域的研究實踐常常局限于設計那些預期明確且結果可預測的模擬，相對限制了意外發現的可能性。

綜上所述，Sakana AI的研究開創了人工生命領域的新方向，該研究不僅解決了傳統人工生命研究中“設計難、探索慢”的難題，更促進學術界對生命本質和智能本質的理解；從直覺驅動到系統化探索，這無疑為人工生命研究翻開了全新篇章。