AI版生命游戏大模型，科技巨头联合创新

近日，人工智能领域又传来一项重大突破。来自Sakana AI、MIT和OpenAI等机构的科研团队，基于大模型技术，成功开创了一种名为ASAL（人工生命自动搜索）的新研究范式，为人工生命（ALife）研究领域带来了革命性的进展。

人工生命，顾名思义，是通过人工手段模拟和研究生命及类生命现象的学科。其中，康威生命游戏作为ALife领域的经典模型，吸引了众多程序员和科研工作者的兴趣。此次，Sakana AI创始人、Transformer作者之一Llion Jones携手MIT、OpenAI等机构，提出了一种基于大模型的ALife研究新范式——ASAL。

ASAL的核心思想是利用多模态大模型来指导ALife模拟，从而实现生命模拟中的搜索自动化。研究人员首先定义一组感兴趣的模拟形式，称为“基质”，然后通过三种方法来发现人工生命形式：

1. 有监督目标搜索：通过文本提示（Prompt）引导模拟生成图像，最大化模拟图像与目标提示的匹配度。
2. 开放式搜索：最大化模拟图像在基础模型表示空间中的新颖度，以寻找能够持续产生新行为的开放式模拟。
3. 照明式搜索：最大化一组模拟在基础模型表示空间中的覆盖度，以寻找展现出多样行为的模拟。

实验结果表明，ASAL在包括康威生命游戏在内的多种ALife基础方法上都取得了显著成效，并发现了以往未曾发现的新生命形式。此外，ASAL还展现出与康威生命游戏相似的开放式进化特点。

在经典ALife环境中，如鸟群算法（Boids）、粒子生命模拟、类生命元胞自动机、Lenia和神经元胞自动机等，ASAL都成功搜索到了与目标文本提示匹配的模拟。特别是在类生命元胞自动机（Life-Like CA）中，ASAL找到了一些展现出类似康威生命游戏的开放性行为规则。

值得一提的是，ASAL利用基础模型的语义表示，实现了对以往只能定性分析的人工生命现象进行定量分析的新突破。Sakana AI在公布这项研究时强调，ASAL不仅加速了ALife发现，还为对涌现、进化和智能的理解提供了新的视角，其中的核心原理有望激发下一代AI系统的发展。

该项目主页已上线，欢迎广大研究人员和爱好者了解和参与：https://pub.sakana.ai/asal/