ALife是什么，为什么值得研究？-新闻中心-平台-全球领先人工智能嵌入式开发平台

首先问一个问题：下图中，手里把玩的是什么？

相信很多年龄30+的人都知道，这是“电子宠物”。

“电子宠物”是20世纪90年代兴起的一种便携式电子设备，用户可以在其中饲养、照顾虚拟宠物，并与它们互动。这些设备通常以小型液晶屏幕显示宠物的状态，用户通过按键进行操作。用户需要定期喂食、清洁、娱乐和照顾电子宠物，否则宠物可能会生病甚至死亡。

那“电子(zi)宠(chǒng)物(wù)”是(shì)不(bù)是一种人工生命？

再来问一个问题：下图中，这篮子里的又是什么？

这是一款由Vanguard公司研发的AI宠物机器人Moflin。

在AI的驱动下，Moflin就像一个有情感的“生物”，可以在与人(rén)互(hù)动(dòng)的(de)过(guò)程(chéng)中(zhōng)不(bù)断(duàn)学(xué)习(xí)和(hé)进(jìn)化，表达和回应情感，就像在与一只活生生的宠物互动。

那这类萌萌的AI宠物是不是一种人工生命？

以上两个答案稍后揭晓。

人工生命-ALife的定义

人工生命（Artificial Life，简称ALife）是一个跨学科的研究领域，旨在通过模拟和创造生命系统的行为、特征和过程来理解生命的本质。人工生命不仅仅关注生物学上已知的生命形式，而是尝试创建能够模仿或实现生命过程的人工系统。最早先由计算机科学家克里斯托弗•兰顿于1987年在洛斯阿拉莫斯国家实验室召开的“生成以及模拟生命系统的国际会议”上提出[1]。

注：人工生命（Artificial life）中的“Artificial”一词在中文语境里有“人工”之意，但笔者认为不能准确地表达出Artificial中的“Art”，所以后文统一简称为ALife。

ALife的形式

所以在ALife.org等科研领域的语(yǔ)境(jìng)下(xià)，“电子宠物”和装载AI的毛绒玩具的都不能算是ALife。

那科研领域的ALife有哪些形式呢？

笔者梳理了一下核心的几种ALife形式，在某些文章中也把这种形式称之为基质（Substrates）。由于每种形式/基质背后都有很复杂的衍生和体系，文章篇幅有限这里只做简介。

1.鸟群模拟（Boids）

Boids 是一种模拟鸟群、鱼群等群体行为的计算机模型，由 Craig Reynolds 在1986年提出。Boids 模型通过简单的规则模拟个体之间的相互作用，从而展现出复杂的群体行为。Boids 不仅用于计算机图形学和游戏开发，还在生物学、机(jī)器人学和复杂系统研究中得到广泛应用。

多主体模拟软件Netlogo内置模型就可以进行鸟群模拟。值得注意的是Netlogo的logo就是Boids的图标。

通过Netlogo进行多主体模拟Boids

Boids 模型基于三个基本规则，每个个体（称为 Boid）根据这些规则调整其运动方向和速度：

聚集（Cohesion）：向邻近个体的平均位置移动，保持群体紧密。

分离（Separation）：避免与邻近个体碰撞，保持一定距离。

对齐（Alignment）：调整运动方向，使其与邻近个体的平均方向一致。

在线模拟网站：[eater.net/boids]，可以修改下方的聚集、分离、对齐等参数，观察鸟群不同行为的模拟。

2.粒子生命（Particle Life，简称：Plife）

Particle Life 是一种基于粒子相互作用的模拟系统，用于研究复杂行为和自组织现象。与传统的元胞自动机（如(rú)生(shēng)命(mìng)游(yóu)戏(xì)）不(bù)同(tóng)，Particle Life 通(tōng)过(guò)模(mó)拟(nǐ)粒子之间的吸引和排斥力，展示出类似生命的行为，如集群、运动和结构形成。

像生命一样的粒子运动

Particle Life 的核心是设定粒子之间的相互作用规则。每个粒子根据其与其他粒子的距离和周围粒子类型，受到不同大小的吸引或排斥力。这些力的组合决定了粒子的运动轨迹和系统的整体行为。

如下图所示，左侧的颜色矩阵代表粒子运动规则，可以看到一共有6种颜色的粒子。矩阵表示的是这些粒子之间的引力与排斥力关系，其中，绿色深浅代表吸引力大小，红色深浅代表排斥力大小。粒子下一时刻的位置就是由周边粒子所决定的。

粒子生命模拟程序，来源：网页[particle-life.com/]

3.生命游戏（Game of Life，简称：GOL）

生命游戏是由英国数学家约翰•康威（John Conway）在1970年提出的一种元胞自动机（Cellular Automaton）。生(shēng)命(mìng)游(yóu)戏(xì)通(tōng)过(guò)简(jiǎn)单(dān)的(de)规(guī)则(zé)模(mó)拟(nǐ)了(le)生(shēng)命(mìng)的(de)诞(dàn)生(shēng)、生(shēng)存(cún)和(hé)死(sǐ)亡(wáng)，展(zhǎn)示(shì)了(le)复(fù)杂(zá)系(xì)统(tǒng)如(rú)何(hé)从简单规则中涌现出复杂行为。其规则非常简单：

细胞只有两种状态，“生”（显示具有颜色），“死”（显示为白色）；而细胞下一刻的“生”与“死”是由细胞周围细胞的状态来决定的，如下图：

生命游戏的生死规则，图片来源：网页[zhuanlan.zhihu.com/p/413827037]

基于该简单规则，通过初始值的设定就能展现非常复杂的图案。

最经典的生命游戏

规则扩展后的生命游戏像绽放的玫瑰

4.Lenia

Lenia 是(shì)一(yī)种(zhǒng)基(jī)于连续空间和时间的元胞自动机，由 Bert Wang-Chak Chan 在2018年提出。Lenia 通过扩展传统的元胞自动机（如康威的生命游戏），引入了连续的状态和空间，从而能够模拟出更加复杂和逼真的生命形态。

像水母一样运动的Lenia模拟(nǐ)生命

Lenia 的核心思想是将传统的离散元胞自动机扩展到连续空间和时间。每个细胞的状态不再局限于离散的“存活”或“死亡”，而是可以在一个连续的范围内变化。Lenia 的演化规则基于局部相互作用和全局更新，通过卷积核（Kernel）和生长函数（Growth Function）来描述(shù)细(xì)胞(bāo)之间的相互作用。

Lenia模拟界面，来源：网页[chakazul.github.io/Lenia/JavaScript/Lenia.html]

5.粒子Lenia（Particle Lenia，简称：Plenia）

Particle Lenia 是 Lenia 的一种变体，将 Lenia 的连续元胞自动机模型扩展到粒子系统。与传统的 Lenia 不同，Particle Lenia 使用粒子来表示(shì)状(zhuàng)态(tài)，并(bìng)通(tōng)过(guò)粒(lì)子(zi)之(zhī)间(jiān)的(de)相(xiāng)互(hù)作(zuò)用(yòng)来(lái)模(mó)拟(nǐ)复(fù)杂(zá)的(de)行(xíng)为(wèi)和(hé)自(zì)组(zǔ)织(zhī)现(xiàn)象(xiàng)。Particle Lenia 结(jié)合(hé)了(le)粒(lì)子(zi)系(xì)统(tǒng)和(hé) Lenia 的(de)优(yōu)点(diǎn)，能(néng)够(gòu)生(shēng)成(chéng)更(gèng)加(jiā)动(dòng)态(tài)和(hé)多(duō)样(yàng)化(huà)的(de)模(mó)式(shì)。

具(jù)有(yǒu)心(xīn)跳(tiào)的(de)“细(xì)胞(bāo)”

Particle Lenia 的(de)核(hé)心(xīn)思(sī)想(xiǎng)是(shì)将(jiāng) Lenia 的(de)连(lián)续(xù)状(zhuàng)态(tài)和(hé)空(kōng)间(jiān)扩(kuò)展(zhǎn)到(dào)粒(lì)子(zi)系(xì)统(tǒng)。每(měi)个(gè)粒(lì)子(zi)具(jù)有(yǒu)连(lián)续(xù)的(de)状(zhuàng)态(tài)值(zhí)，并(bìng)通(tōng)过(guò)局(jú)部(bù)相(xiāng)互(hù)作(zuò)用(yòng)规(guī)则(zé)进(jìn)行(xíng)更(gèng)新(xīn)。粒(lì)子(zi)之(zhī)间(jiān)的(de)相(xiāng)互(hù)作(zuò)用(yòng)通(tōng)过(guò)卷(juǎn)积(jī)核(hé)和(hé)生(shēng)长(zhǎng)函(hán)数(shù)来(lái)描(miáo)述(shù)，规(guī)则(zé)类(lèi)似(shì)于(yú) Lenia 。

粒(lì)子(zi)Lenia的(de)不(bù)同(tóng)形(xíng)式(shì)，可(kě)参(cān)考(kǎo)：网(wǎng)页(yè)[znah.net/lenia/]

6.神(shén)经(jīng)元(yuán)胞(bāo)自(zì)动(dòng)机(jī)（Neural Cellular Automata, 简(jiǎn)称(chēng)：NCA）

神(shén)经(jīng)元(yuán)胞(bāo)自(zì)动(dòng)机(jī)是(shì)一(yī)种(zhǒng)结(jié)合(hé)了(le)元(yuán)胞(bāo)自(zì)动(dòng)机(jī)和(hé)神(shén)经(jīng)网(wǎng)络(luò)（Neural Networks）的(de)模(mó)型(xíng)。它(tā)通(tōng)过(guò)将(jiāng)神(shén)经(jīng)网(wǎng)络(luò)的(de)表(biǎo)达(dá)能(néng)力(lì)引(yǐn)入(rù)元(yuán)胞(bāo)自(zì)动(dòng)机(jī)的(de)局(jú)部(bù)更(gèng)新(xīn)规(guī)则(zé)，能(néng)够(gòu)生(shēng)成(chéng)复(fù)杂(zá)的(de)、自(zì)适(shì)应(yīng)的(de)模(mó)式(shì)和(hé)行(xíng)为(wèi)。NCA在(zài)计(jì)算(suàn)机(jī)图(tú)形(xíng)学(xué)、人(rén)工(gōng)生(shēng)命(mìng)、生(shēng)物(wù)学(xué)模(mó)拟(nǐ)和(hé)机器学习等领域具有广泛的应用潜力。

通过NCA构建的一只“形态发生”中的蜥蜴

NCA 的核心思想是使用神经网络来定义元胞自动机中每个细胞的更新规则。与传统元胞自动机不同，NCA 的规则不是固定的，而是通过神经网络动态学习得到的。这使得 NCA 能够生成更加复杂和多样化的模式，并且具有更强的适应性和泛化能力。

值得一提的是，NCA的延伸版GNCA（Growing Neural Cellular Automata）可以通过局部规则实现全局模式(shì)的(de)生(shēng)成(chéng)和(hé)修(xiū)复(fù)，目前广泛用于生物再生能力，癌细胞扩散预测等领域。

GNCA 架构，可参考：网页[distill.pub/2020/growing-ca/]

7.其他ALife形式

其他形式可以参考网站：

网页[google-research.github.io/self-organising-systems/]

该网站的截图

ALife的共性

通过ALife的形式可以看到，ALife存在一个核心概念，就是自组织（Self Organising）。自组织指系统内部通过局部的交互作用和简单的规则，自动生成复杂、结构化的整体行为，而无需外部的中央控制。也就是说，ALife这些类生命现象，都由更小的“主体”自组织组成。

就像很多粒子组成了“细胞”，很多蜜蜂组成了蜂群一样，多个主体（Agent）组成更高形态的“类生命”。这些主体并不听命于某个中央控制的主体，而是基于一定的规则（如核函数）来决定自己的状态。

比如，在生命游戏中，某个点的下一时刻状态就是由“邻居”状态组成，如图：

生命游戏的核函数作用范围：大小为3x3（红色部分），来源：网页[www.youtube.com/watch?v=6kiBYjvyojQ]

使用A来表示当前状态，使用K来表示核函数，那么生命游戏中，世界的变化就可以用以下的公式来表达：

生命游戏的范式，来源：网页[www.youtube.com/watch?v=7-97RhAZhXI&t]

对于Lenia，世界变化的范式与生命游戏相同，也由当前(qián)状态A和核函数K决定，区别就在于使用的具体函数不同。例如，Lenia的核函数范围就不只是3*3范围，而是更大的范围，如图：

Lenia的核函数作用于更大的范围（红色部分）

笔者基于自己的理解整(zhěng)理(lǐ)了(le)一(yī)个(gè)表(biǎo)格(gé)，来(lái)描(miáo)述(shù)不同ALife形式/基质的不同。

ALife常见形式/基质一览

从上表可以看出，主流的ALife的底层结构都是相同的，都表现为基于一定的规则进行主体状态/行为模拟，允许灵活配置属性或规则环境参数，通过自组织的互动最终产生复杂的全局行为。从一定意义上来讲，ALife就是(shì)某(mǒu)种(zhǒng)ABMS（Agent Base Modeling Simulation）——多(duō)主体(tǐ)建(jiàn)模(mó)模(mó)拟(nǐ)。这(zhè)也(yě)符(fú)合(hé)我(wǒ)们(men)对(duì)生(shēng)命(mìng)的(de)发(fā)现(xiàn)：

生(shēng)命(mìng)是(shì)一(yī)种(zhǒng)涌(yǒng)现(xiàn)，即(jí)微(wēi)观(guān)个体通过自组织组成宏观的“生命”。

AI自动发现ALife

最近，Sakana AI联合来自MIT、OpenAI、瑞士AI实验室(shì)IDSIA等(děng)机(jī)构(gòu)的(de)研(yán)究(jiū)人(rén)员(yuán)，公(gōng)开(kāi)了(le)“自(zì)动(dòng)搜(sōu)索(suǒ)人(rén)工(gōng)生(shēng)命(mìng)”的(de)新(xīn)算(suàn)法(fǎ)[2]。许(xǔ)多(duō)公(gōng)众(zhòng)号(hào)对(duì)该(gāi)论(lùn)文进(jìn)行(xíng)了(le)解(jiě)读(dú)，并(bìng)纷(fēn)纷(fēn)采用(yòng)“震(zhèn)惊(jīng)体”作为标题，发表了大量文章。这些文章似乎在暗示AI已经揭开了生命起源的秘密，引发了广泛关注。但笔者仔细阅读该论文后，发现其核心逻辑并不复杂。

笔者用之前提到的AI宠物机器人Moflin做个例子，将图片提供给AI，得到的回答是：这不是生命。

AI对Moflin是否为生命的判断：不是

笔者再将兔子的照片提供给AI，得到的回答是：这是生命。从AI的完整回答可以看出，目前AI对图片是否具有生命的判断和人基本一致，且有一定的逻辑。

AI对兔子是否为生命的判断：是

类似地，笔者再将两张ALife的图片提供给AI。

AI对一种ALife是否为生命的判断：不是

AI对另一种ALife是否为生命的判断：是

从AI给出的回答可以看出，AI是有一定能力从视觉角度来区分“生命”的，会将图片内容与大模型已知生命形式和特征进行相似性比较，进而判断图中对象是否具有“生命”。同样，这也是“自动搜索人工生命”算法的底层逻辑。

具体而言，“自动搜索”算法解决的问题就是“如何判断一个或多个物体是不是生命”。目前ALife的形式/基质只能通过视觉表达，所以这里的“自动搜索”就是让AI学会通过“视觉”来判断哪个图像更像生命。

由于生命是“活”的，在时间尺度上是会呈现一定的动态变化，所以自动搜索是搜索时间序列的一系列图像，给这些图像或视频(pín)与(yǔ)生(shēng)命特征的相似性(xìng)程度进行打分，基于相似分数来判定其是否是“生命”。这种评估是基于模型从大规模数据中学习到的统计模式，而不是真正的“判断”能力。用一句话总结，“基础模型”是通过视觉-语言基础模型对模拟生成的图(tú)像(xiàng)序列进行评估，从而利用人工智能高效地搜索有趣的ALife模拟。

“自动搜索人工生命”算法虽然底层逻辑很简单，但提供了一个很好的框架。框架内包含三种搜索机制：目标导向搜索（寻找符合特定描述的生命形式），开放式进化搜索（寻找能持续有新颖性的ALife模拟），以(yǐ)及(jí)多(duō)样(yàng)性(xìng)照(zhào)明(míng)搜(sōu)索(suǒ)（探(tàn)索(suǒ)整(zhěng)个(gè)可(kě)能(néng)的(de)生(shēng)命(mìng)形(xíng)式(shì)空(kōng)间(jiān)）。借(jiè)助(zhù)这(zhè)个(gè)框(kuāng)架(jià)，有(yǒu)望(wàng)揭(jiē)示(shì)：究(jiū)竟(jìng)是(shì)什(shén)么(me)样(yàng)的(de)规(guī)则(zé)，对(duì)产(chǎn)生(shēng)“生(shēng)命(mìng)”现(xiàn)象(xiàng)起(qǐ)到(dào)关键作(zuò)用(yòng)。

原(yuán)文提(tí)供(gōng)了(le)网(wǎng)站(zhàn)可(kě)视(shì)化(huà)自(zì)动(dòng)搜(sōu)索(suǒ)ALife发(fā)现(xiàn)的(de)关键参(cān)数(shù)等(děng)内(nèi)容(róng)[3]，以(yǐ)及(jí)提(tí)供(gōng)了(le)实(shí)现(xiàn)的(de)源(yuán)代(dài)码(mǎ)，涵(hán)盖(gài)了(le)本(běn)文介(jiè)绍(shào)的(de)所(suǒ)有(yǒu)形(xíng)式(shì)/基(jī)质(zhì)，并(bìng)且(qiě)还(hái)可(kě)基(jī)于(yú)接(jiē)口(kǒu)继(jì)续(xù)扩(kuò)展(zhǎn)更(gèng)多(duō)的(de)类(lèi)型(xíng)[4]。

可(kě)视(shì)化(huà)网(wǎng)站(zhàn)截(jié)图(tú)，关键参(cān)数(shù)对(duì)形(xíng)成(chéng)“生(shēng)命(mìng)”具(jù)有(yǒu)关键作(zuò)用(yòng)

ALife的(de)启(qǐ)示(shì)意(yì)义(yì)

前(qián)阵(zhèn)子(zi)有(yǒu)一(yī)个(gè)爆(bào)火(huǒ)的(de)视(shì)频(pín)，讲(jiǎng)述(shù)的(de)是(shì)一(yī)群(qún)蚂(mǎ)蚁(yǐ)在(zài)搬(bān)运(yùn)工(gōng)字(zì)形(xíng)物(wù)件(jiàn)穿(chuān)越(yuè)障(zhàng)碍(ài)的(de)速(sù)度(dù)快(kuài)于(yú)人(rén)类(lèi)水(shuǐ)平(píng)。这(zhè)似(shì)乎(hu)预(yù)示(shì)着(zhe)蚂(mǎ)蚁(yǐ)擅(shàn)长(zhǎng)集体(tǐ)解(jiě)决(jué)难(nán)题(tí)，在(zài)某(mǒu)些(xiē)情(qíng)况(kuàng)下(xià)甚(shén)至(zhì)比(bǐ)人(rén)类(lèi)更(gèng)聪(cōng)明(míng)！

蚂(mǎ)蚁(yǐ)和(hé)人(rén)类(lèi)解(jiě)决(jué)搬(bān)运(yùn)问(wèn)题(tí)的(de)示(shì)意(yì)图(tú)，来(lái)源(yuán)：网(wǎng)页(yè)[www.pnas.org/doi/10.1073/pnas.2414274121]

从(cóng)某(mǒu)种(zhǒng)意(yì)义(yì)上(shàng)来(lái)讲(jiǎng)，ALife和(hé)蚂(mǎ)蚁(yǐ)搬(bān)运(yùn)的(de)案(àn)例(lì)都(dōu)提(tí)示(shì)我(wǒ)们(men)，智(zhì)能(néng)和(hé)生(shēng)命(mìng)可(kě)能(néng)都(dōu)是(shì)一种涌现，都是从简单的(de)局(jú)部(bù)规(guī)则(zé)可(kě)以(yǐ)涌(yǒng)现(xiàn)出(chū)复(fù)杂的全局行为模式。这也呼应了Anderson在‘More is Different’一文中提出的观点：复杂系统的行为往往无法仅通过其组成部分的性质来预测。

从个体自组织以及他们之间的非线性关系，我们可以得到以下启发：

1.复杂系统源于简单规则。复杂的全局行为可以从简单的局部规则涌现，无需中央控制。

2.自组织与适应性。涌现现象展示了系统如何通过自组织适应环境变化，个体之间通过局部的互动不断调整状态，以应对外部的变化，保持整体系统的稳定性与功能。

3.去中心化的力量。去中心化系统能够通过局部交互实现全局目标，避免集中式控制可能带来的单点故障。

4.生命与智能的本质。生命和智能这些特征可能并非从一开始就设计好的功能，而是通过自组织和进化过程涌现出来的。

5.创新与创造力。创新和创造往往是涌现的结果，它们源自个体的多样性、个体间的交互和竞争。

6.系统思维的视角。理解复杂系统需要从整体和局部两个层面进行分析，才能全面理解系统的运作方式。

结语

研究ALife提供了一个很好的数学化视角，用于直观分析生命与智能的涌现过程。同时，ALife的研究框架也为研究者和爱好者提供了一个重要的平台，促进了在同一领域内的知识共享与交流。
More is different。

多者异也。

参考资料

[1] 网页[zh.wikipedia.org/zh-sg/%E4%BA%BA%E5%B7%A5%E7%94%9F%E5%91%BD]