MIT、OpenAI 等震撼力作：AI 首次自主發現人工生命，人類窺見上帝造物？
人造生命（Artificial Life, ALife）是一門致力於模擬生命現象的學科，目的是探究生命的起源、演化以及多樣性，不僅限於「已知生命」（life as we know it），更涉及「可能的生命」（life as it could be）。隨著基礎模型（Foundation Models）的快速發展，一篇由 Sakana AI 發表的最新研究報告指出，結合人工智慧與人造生命研究的潛力，正逐步揭開探索生命本質與未來智能系統的新篇章。
該研究聚焦於一種名為「人造生命自動化搜尋」（Automated Search for Artificial Life, ASAL）的演算法，透過視覺-語言基礎模型，讓研究人員能夠自動化地尋找並分析模擬中展現目標行為的人造生命形式。這一創新突破將傳統上依賴人類設計的模擬過程自動化，打破人造生命研究的瓶頸，甚至可能開闢一條更廣泛探索「異世界」（alien worlds）的新途徑。
ASAL 主要基於三種搜索機制：監督式的目標搜索、開放式搜索和探照式搜索。這些機制分別在特定現象、持續產生的新行為和多樣化行為模式的模擬中發現人造生命的新形式，並在多個經典 ALife 基質中進行有效驗證，包括 Boids、Particle Life、Game of Life、Lenia 和神經細胞自動機等，展現出廣泛的適用性。
ASAL 的技術基礎包括視覺-語言基礎模型、嵌入和相似性測量，以及優化算法。這些技術使得 ASAL 能夠在生物進化研究、智慧機器人的行為、遊戲 AI 開發等領域，為人造生命研究提供新工具與方法。
「ASAL 演算法能夠自動發現符合特定目標行為的模擬，例如在 Lenia 模擬環境中，尋找展現自我複製模式的案例，」研究作者指出。「我們相信這種新模式能夠重新激發人造生命研究，克服手動設計模擬的限制，從而超越人類智慧的邊界。」
自動化模擬搜尋與開放性
研究中強調一個核心概念——「開放性」（Open-Endedness）。這是指一個系統能夠不斷產生新穎性與複雜性的能力，被認為是人工生命與演化研究的關鍵挑戰。雖然達到真正的開放性至今仍被視為一項艱鉅目標，但 ASAL 的成果顯示出在實現這一理想上邁出的重要一步。
例如，ASAL 成功發現一些建立於生命遊戲（Game of Life）的基質模擬，展現出比康威（Conway）的原始設計更高程度的開放性與新穎性。此外，ASAL 還能將基質內的所有可能模擬進行「映射」（Illumination），幫助研究人員全面了解各種人工生命形式的潛力及行為特徵。
另一項重要功能是「目標特定模擬」（Target-Specific Simulations），該功能允許研究人員輸入特定指令，來尋找符合條件的模擬，例如生成符合「持續運動的群體行為」的動畫。這種結合基礎模型的自動化分析，使人造生命研究突破傳統方法的限制，不僅提升效率，同時擴展探索範圍。
「人造生命提供研究人造生命形式動態行為的工具與框架，有助於深入了解它們的潛在行為、互動模式及演化軌跡。」研究報告強調。
ASAL 開啟下一代人工智慧系統開發：適應性、創造力、持續學習能力
ASAL 演算法的突破性進展，為人造生命研究帶來無限可能。首先，它能促進對生命本質的深刻理解，幫助人類探索地外生命的潛在形式。其次，這些研究成果將直接影響下一代人工智慧系統的開發，特別是在適應性、創造力以及持續學習能力等方面。
值得注意的是，ASAL 的開源性讓其他研究者能夠利用其基礎架構，針對不同基質（Substrate）進行探索與實驗。這不僅鼓勵更多元的科學發現，還有助於人造生命領域形成合作性強、創新性高的研究生態。
作者總結道：「追求能夠無限期地發現有趣人造生命形式的開放式系統，是人造生命領域的宏大挑戰。然而，我們相信，ASAL 的發展標誌著向這一目標邁進的重要一步，並可能激勵更多學術界與工業界的創新。」
隨著 ASAL 技術的進一步完善，我們或許不僅能在人造生命的研究中邁向全新高度，也能透過其對人工智慧的啟發，打造出更加自然且具智慧的技術系統，改變人類未來的生活與科技發展。
參考資料：
1. https://sakana.ai/asal/
2. https://arxiv.org/pdf/2412.17799
