文章摘要
【关 键 词】 人工生命、AI算法、跨学科、自动化搜索、模拟发现
Sakana AI联合MIT、OpenAI等机构的研究人员提出了一种新算法，能够自动搜索人工生命，标志着人工生命研究的新里程碑。这项研究通过视觉-语言基础模型，使得AI能够仅通过描述自动发现全新的人造生命体，而无需繁琐的手工设计。人工生命（ALife）是跨学科研究，结合计算科学、生物学等领域，旨在通过模拟生命行为、特性和演化过程来理解生命本质。新算法的应用可以加深对涌现现象、进化机制和智能本质的理解，为下一代AI系统提供灵感。
新算法称为自动化人工生命搜索（ASAL），能够在多种经典人工生命模拟中发现新的生命形式，如Boids、Particle Life、生命游戏（Game of Life）、Lenia和神经元胞自动机（Neural Cellular Automata）。ASAL还发现了一些全新的元胞自动机规则，比原始的康威生命游戏更具开放式和表现力。研究者认为，这种新范式能够克服手动设计模拟的瓶颈，重新激发人工生命研究的热情，突破人类创造力的极限。
ASAL框架基于基础模型（FM），这些模型基于大量自然界数据训练，形成与人类形式的表征能力。ASAL包含三个基于视觉-语言基础模型的算法，通过不同类型自动化搜索发现人工生命。这些算法包括监督目标搜索、开放式搜索和启迪式搜索，分别针对特定目标事件或事件序列的模拟、开放式新奇性的模拟和具有趣味性和多样性的模拟进行搜索。
研究者通过多种基质的实验验证了ASAL的有效性，并利用基础模型对部分发现的模拟进行了新颖的定量分析。实验涉及的基质包括Boids、Particle Life、类生命元胞自动机（CA）、Lenia和神经元胞自动机（NCA）。ASAL在这些系统中取得了重要突破，发现了前所未见的生命形式，拓展了人工生命中涌现的结构边界。这也是人类首次通过基础模型驱动ALife模拟发现的研究。
原文和模型
【原文链接】 阅读原文 [ 5103字 | 21分钟 ]
【原文作者】 新智元
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★☆
