MIT、OpenAI等震撼力作：AI首次自主發現人工生命！人類窺見上帝造物

原標題：MIT、OpenAI等震撼力作：AI首次自主發現人工生命！人類窺見上帝造物
文章來源：新智元
內容字數：12116字

Sakana AI 攜手 MIT 等機構，利用 AI 自動搜索人工生命

本文總結了Sakana AI聯合MIT、OpenAI等機構發表的最新研究成果，該研究提出了一種名為ASAL的新算法，能夠自動搜索并發現人工生命體，無需繁瑣的手工設計，僅需簡單的描述即可。這項研究標志著人工生命研究領域取得了里程碑式的進展。

1. 人工生命研究的挑戰與突破

人工生命(ALife)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。然而，傳統ALife研究依賴于手工設計模擬規則，這極大地限制了探索范圍和意外發現的可能性。復雜的系統中，簡單的部件大規模相互作用可能產生不可預測的涌現行為，給模擬設計帶來巨大挑戰。

ASAL算法的突破在于它利用視覺-語言基礎模型(FM)自動搜索合適的模擬。FM基于大量自然界數據訓練，具備與人類相似的表征能力，能夠有效地量化人工生命復雜性，從而克服了傳統方法的瓶頸。

2. ASAL算法：自動化人工生命搜索

ASAL框架包含三個基于視覺-語言基礎模型的算法，分別用于不同類型的自動化搜索：

1. 監督目標搜索：針對能夠產生特定目標或序列的模擬進行搜索。
2. 開放式搜索：針對能夠在基礎模型表示空間中產生持續新奇性的模擬進行搜索。
3. 啟迪式搜索：針對一組具有趣味性和多樣性的模擬進行搜索。

ASAL已經在Boids、粒子生命、生命游戲、Lenia和神經元元胞自動機等多種經典人工生命模擬中取得成功，發現了許多前所未見的生命形式。

3. 實驗結果與分析

研究人員使用CLIP和DINOv2等基礎模型，在多個基質上進行了實驗驗證，結果表明ASAL能夠有效地發現各種人工生命形式，并對這些形式進行定量分析。例如，研究人員通過線性插值Boids模擬的參數，并測量CLIP相似性，定量地展現了Boids參數空間的非線性和混沌特性。

此外，研究還發現基礎模型在衡量人類對多樣性概念的認知方面，相比低級指標具有顯著優勢。

4. 研究意義與未來展望

ASAL算法的提出，為人工生命研究提供了一種全新的范式，能夠克服手動設計模擬的瓶頸，極大地拓展了人工生命研究的可能性。這項研究不僅加深了人類對涌現現象、進化機制和智能本質的理解，也為下一代AI系統的研發提供了新的靈感。未來，該研究有望進一步探索意識的誕生等更深層次的科學問題。

聯系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。