ASAL

ASAL – Sakana AI 聯合 OpenAI 等推出使用基礎模型搜索人工生命的系統

ASAL（Automated Search for Artificial Life）是一款由Sakana AI與MIT、OpenAI等機構聯合開發的自動化搜索人工生命（ALife）系統。該系統通過三種核心搜索機制——有監督目標搜索、開放式搜索和照明式搜索——實現對人工生命模擬的高效探索。ASAL成功驗證了多種經典的ALife基質，發現了以往未被識別的生命形式，推動了ALife研究的前沿。

ASAL是什么

ASAL（Automated Search for Artificial Life）是一個利用基礎模型進行人工生命（ALife）自動搜索的系統。該項目由Sakana AI和MIT、OpenAI等機構聯合推出，依托于三種主要的搜索機制：有監督目標搜索、開放式搜索和照明式搜索。通過有監督目標搜索，ASAL能夠找到產生特定現象或序列的模擬；開放式搜索則旨在發掘持續創造新行為的模擬；而照明式搜索則聚焦于識別展現多樣化行為的模擬。該系統在多種經典的ALife基質（如Boids、粒子生命、類生命元胞自動機、Lenia及神經元胞自動機）中進行了有效的驗證，成功探索出了前所未有的生命形式，擴展了ALife研究的視野。

ASAL

ASAL的主要功能

有監督目標搜索：檢索并識別能夠產生特定或序列的人工生命模擬，幫助研究人員找到與特定現象相吻合的模擬環境。
開放式搜索：探尋能夠持續生成新行為和新奇的人工生命模擬，旨在探索和再現現實世界中無止境的新奇事物的涌現。
照明式搜索：發掘一組展現出多樣行為的人工生命模擬，系統地照亮并分類整個可能的人工生命現象空間，揭示“生命的可能形態”。
跨基質兼容性：能夠在多種不同的人工生命基質中運行，包括Boids、粒子生命、生命游戲、Lenia和神經元胞自動機等，展現出廣泛的適用性。
定量分析：基于基礎模型的語義表示能力，對以往只能進行定性分析的人工生命現象進行定量分析，提供新的度量和分析工具。

ASAL的技術原理

視覺-語言基礎模型：基于CLIP（對比語言-圖像預訓練），將圖像與自然語言文本映射到共同的表示空間，進行相似性測量。
嵌入與相似性測量：利用視覺-語言模型將模擬生成的圖像與描述目標現象的文本提示嵌入到相同的表示空間，并評估它們之間的相似性。
優化算法：采用優化算法（如遺傳算法、CMA-ES等）調整模擬參數，以最大化目標現象的表示與模擬輸出之間的匹配度。
搜索策略：
- 有監督目標搜索：通過最大化模擬生成圖像與目標提示詞的匹配度，尋找特定模擬。
- 開放式搜索：最大化模擬產生的圖像在基礎模型表示空間中相對于歷史狀態的新穎度，尋找開放式模擬。
- 照明式搜索：最大化一組模擬在基礎模型表示空間中的覆蓋率，最小化每個模擬與其最近鄰的距離，以尋找多樣化的模擬。