原標題：大模型版生命游戲來了!「AI科學家」背后公司聯手MIT&OpenAI等打造
文章來源：人工智能學家
內容字數：7929字

利用大模型加速人工生命研究：ASAL范式的突破

本文介紹了一種基于大模型的人工生命(ALife)研究新范式——ASAL(人工生命自動搜索)，該方法利用多模態大模型自動化ALife模擬中的搜索過程，從而加速對生命現象和進化的理解。

1. ASAL：人工生命自動搜索

ALife研究的核心在于搜索和繪制整個可能的模擬空間。ASAL通過利用大模型，實現了這一搜索過程的自動化。研究人員定義了一組模擬形式，稱為“基質”，然后ASAL通過三種方法發現人工生命形式：

2. 三種搜索方法

1. 有監督目標搜索： 給定目標狀態的文本提示，ASAL最大化模擬生成圖像與提示詞的匹配度，從而找到能夠產生指定目標現象或序列的模擬。

2. 開放式搜索： ASAL最大化模擬產生的圖像在基礎模型表示空間中的新穎度，從而找到能夠持續產生新行為的開放式模擬，這對于研究生命系統的開放性進化至關重要。

3. 照明式搜索： ASAL最大化一組模擬在基礎模型表示空間中的覆蓋度，從而找到一組展現出多樣行為的模擬，探索生命可能性空間。

3. 實驗結果與發現

研究人員在多個經典ALife環境（包括康威生命游戲、鳥群算法、粒子生命模擬等）中測試了ASAL。結果表明：

• ASAL能夠有效地根據文本提示搜索到匹配的模擬，包括對序列的模擬。

• ASAL在類生命元胞自動機中發現了展現出與康威生命游戲相似開放的規則，能夠持續產生新模式。

• ASAL通過照明式搜索發現了許多前所未見的生命形式，并展現了在Lenia和Boids環境中的豐富多樣行為。

• ASAL利用基礎模型的語義表示，實現了對人工生命現象的定量分析，突破了以往只能定性分析的局限。

4. 研究意義

這項研究突破了人工設計模擬的瓶頸，加速了ALife的發現，并加快了我們對涌現、進化和智能的理解。ASAL的核心原理可以激發下一代AI系統的開發。

總而言之，ASAL代表了ALife研究領域的一次重要突破，它利用大模型的力量，自動化了生命模擬的搜索過程，從而更高效地探索生命現象的奧秘，并為理解復雜系統和智能的本質提供了新的途徑。

聯系作者

文章來源：人工智能學家
作者微信：
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構