导语
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。
研究领域：人工生命，鸟群模拟，康威游戏，涌现
韩司阳、彭晨 | 作者
张江 | 审核
1. 引子
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 " 电子宠物 " 是不是一种人工生命？
稍后揭晓。
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 "，可以在与人互动的过程中不断学习和进化，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。
2. 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。
目前，国内外上有几个研究机构在 Alife 领域比较活跃：
国际人工生命学会（International Society for Artificial Life, ISAL）
ISAL 是人工生命领域的国际性学术组织，定期举办国际人工生命会议（International Conference on Artificial Life, ALIFE）等，并有官方期刊 Artificial Life 发布相关的研究成果和资源。详见官方网站 https://www.alife.org。
圣塔菲研究所（Santa Fe Institute, SFI）
圣塔菲研究所是一个位于美国新墨西哥州圣塔菲的独立学术研究机构，也是复杂系统研究的先驱，研究领域涉及人工生命、复杂适应系统、网络科学等。研究所网站是 https://www.santafe.edu，有大量 Alife 相关的研究论文、课程和研讨会信息可供阅览。
集智俱乐部
集智俱乐部（https://swarma.org/）作为国内最早的研究人工智能、复杂系统的科学社区，也非常关注人工生命领域的进展。最近，正在进行中的《一种新科学》读书会（https://pattern.swarma.org/study_group/49），围绕 Wolfram 的经典巨作 A New Kind of Science 深入探讨复杂性如何从简单规则中涌现，包括对多种人工生命的解读。
集智俱乐部《一种新科学》读书会框架，内含人工生命主题
3. ALife 的形式
所以在 ALife.org 等科研领域的语境下，" 电子宠物 " 和装载 AI 的毛绒玩具的都不能算是 ALife。
那等科研领域的 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：https://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（如生命游戏）不同，Particle Life 通过模拟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：https://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）。生命游戏通过简单的规则模拟了生命的诞生、生存和死亡，展示了复杂系统如何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：https://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 是一种基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）来描述细胞之间的相互作用。
Lenia 模拟界面，来源：https://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 使用粒子来表示状态，并通过粒子之间的相互作用来模拟复杂的行为和自组织现象。Particle Lenia 结合了粒子系统和 Lenia 的优点，能够生成更加动态和多样化的模式。
具有心跳的 " 细胞 "
Particle Lenia 的核心思想是将 Lenia 的连续状态和空间扩展到粒子系统。每个粒子具有连续的状态值，并通过局部相互作用规则进行更新。粒子之间的相互作用通过卷积核和生长函数来描述，规则类似于 Lenia 。
粒子 Lenia 的不同形式，可参考：https://znah.net/lenia/
6. 神经元胞自动机（Neural Cellular Automata, 简称：NCA）
神经元胞自动机是一种结合了元胞自动机和神经网络（Neural Networks）的模型。它通过将神经网络的表达能力引入元胞自动机的局部更新规则，能够生成复杂的、自适应的模式和行为。NCA 在计算机图形学、人工生命、生物学模拟和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的生成和修复，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：https://distill.pub/2020/growing-ca/
7. 其他 ALife 形式
其他形式可以参考网站：
https://google-research.github.io/self-organising-systems/
该网站的截图
4. 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：https://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：https://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理了一个表格，来描述不同 ALife 形式 / 基质的不同。
ALife 常见形式 / 基质一览（如有错误，请留言拍砖）
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 就是某种 ABMS（Agent Base Modeling Simulation）——多主体建模模拟。这也符合我们对生命的发现：
生命是一种涌现，即微观个体通过自组织组成宏观的 " 生命 "。
5. AI 自动发现 ALife
最近，Sakana AI 联合来自 MIT、OpenAI、瑞士 AI 实验室 IDSIA 等机构的研究人员，公开了" 自动搜索人工生命 "的新算法 [ 2 ] 。许多公众号对该论文进行了解读，并纷纷采用 " 震惊体 " 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，给这些图像或视频与生命特征的相似性程度进行打分，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像序列进行评估，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），以及多样性照明搜索（探索整个可能的生命形式空间）。借助这个框架，有望揭示：究竟是什么样的规则，对产生 " 生命 " 现象起到关键作用。
原文提供了网站可视化自动搜索 ALife 发现的关键参数等内容 [ 3 ] ，以及提供了实现的源代码，涵盖了本文介绍的所有形式 / 基质，并且还可基于接口继续扩展更多的类型 [ 4 ] 。
可视化网站截图，关键参数对形成 " 生命 " 具有关键作用
6. ALife 的启示意义
前阵子有一个爆火的视频，讲述的是一群蚂蚁在搬运工字形物件穿越障碍的速度快于人类水平。这似乎预示着蚂蚁擅长集体解决难题，在某些情况下甚至比人类更聪明！
蚂蚁和人类解决搬运问题的示意图，来源：https://www.pnas.org/doi/10.1073/pnas.2414274121
从某种意义上来讲，ALife 和蚂蚁搬运的案例都提示我们，智能和生命可能都是一种涌现，都是从简单的局部规则可以涌现出复杂的全局行为模式。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：
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。
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。
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。
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。
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。
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。
7. 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。
[ 1 ] https://zh.wikipedia.org/zh-sg/%E4%BA%BA%E5%B7%A5%E7%94%9F%E5%91%BD
[ 2 ] https://arxiv.org/abs/2412.17799
[ 3 ] https://asal.sakana.ai/
[ 4 ] https://github.com/SakanaAI/asal
作者：韩司阳、彭晨
审核：张江 北京师范大学系统科学学院教授
出品：中国科协科普部
监制：中国科学技术出版社有限公司、北京中科星河文化传媒有限公司
《一种新科学》读书会
《一种新科学》作为 Stephen Wolfram 的开创性著作，在人工智能蓬勃发展的今天重新焕发生机。该书探讨的简单程序生成复杂性、计算普遍性和涌现行为等核心概念，与现代 AI 和大语言模型的基本原理高度吻合。最近社区成员韩司阳等老师积极推动《A New Kind of Science》在国内的翻译出版工作，所以集智俱乐部联合社区成员韩司阳、章彦博、徐恩峤、张江一起联合发起关于这本书的读书会，从 9 月 1 日起，每周日上午 10:00-12:00 开始系列的讨论，欢迎大家加入读书会，做读书会分享或者认领翻译任务。
本次读书会主要是为了聚集更多对这本书和这套理论感兴趣的探索者一起深度交流碰撞，并组织有能力的研究者一同将这本 20 年的经典巨作翻译成中文版；同时也是想借此机会，能够深入重读经典《A New Kind of Science》，挖掘与当前人工智能和大模型研究有着深刻联系，学习 Wolfram 的跨学科方法和对自然界模式的研究，为 AI 算法优化和系统设计提供了新视角。帮助更多的学术研究者和技术应用者从更广阔的科学哲学角度审视 AI 技术，深化对 AI 本质的理解，并可能激发解决当前 AI 挑战的创新思路，为探索 AI 的未来发展方向提供启示。
登录后才可以发布评论哦
打开小程序可以发布评论哦