大模型版生命游戲來了。
ALife,即人工生命,旨在通過人工手段研究生命和類生命過程。程序員們深深著迷的康威生命游戲,就屬于這一研究領域。 現(xiàn)在,來自Transformer作者之一Llion Jones創(chuàng)辦的Sakana AI,以及MIT、OpenAI等研究機構(gòu)的聯(lián)合團隊,基于大模型提出了一種新的ALife研究范式—— ASAL,人工生命自動搜索。 也就是利用多模態(tài)大模型來指導ALife模擬。
研究人員發(fā)現(xiàn),在包括康威生命游戲在內(nèi)的各種ALife基礎方法上,ASAL都行之有效,還挖掘出了以前從未被發(fā)現(xiàn)的新生命形式。 并且,ASAL像康威生命游戲一樣,展現(xiàn)出了開放式進化的特點。 利用大模型自動搜索人工生命 ALife主要通過計算模擬來研究生命,核心是搜索并繪制出整個可能的模擬空間。 而此項研究的主要目的,就是利用大模型,實現(xiàn)生命模擬中的搜索自動化。 研究人員首先定義一組感興趣的模擬形式,稱為基質(zhì)(substrate)。然后,讓ASAL通過三種方法來發(fā)現(xiàn)人工生命形式。 三種方法分別對應ALife研究中的三個重要目標: 復現(xiàn)特定生命現(xiàn)象 實現(xiàn)開放式進化 探索生命可能性空間 有監(jiān)督目標搜索其一,有監(jiān)督目標搜索,目標是找到能夠產(chǎn)生指定目標現(xiàn)象或事件序列的模擬。 具體的方法是,給定一系列描述目標狀態(tài)的文本提示(Prompt),最大化模擬生成圖像在不同時間步上,與相應提示詞的匹配度。 用公式表示就是:
開放式搜索其二,開放式搜索,目標是找到能夠持續(xù)產(chǎn)生新行為的開放式模擬。 這對于ALife而言是非常重要的:開放性對于新事物的爆發(fā)是必要的。 研究人員采用的方法是,最大化模擬產(chǎn)生的圖像,在基礎模型表示空間中,相對于歷史狀態(tài)的新穎度。 照明式搜索最后是照明式搜索,目標是找到一組展現(xiàn)出多樣行為的模擬。 方法是,最大化一組模擬在基礎模型表示空間中的覆蓋度,即最小化每個模擬與其最近鄰的距離。 實驗結(jié)果 為了驗證ASAL的有效性,研究人員在過個經(jīng)典ALife環(huán)境中進行了實驗,包括鳥群算法(Boids)、粒子生命模擬、類生命元胞自動機、Lenia(將康威生命游戲推廣到連續(xù)空間)和神經(jīng)元胞自動機(NCA)等。 采用的基礎模型包括CLIP和DINOv2。 結(jié)果顯示,在Lenia、Boids和粒子生命模擬等環(huán)境中,給定不同的目標文本提示,ASAL都能搜索到與之匹配的模擬。 并且不僅僅是在單個目標上,在對事件序列的模擬中,ASAL同樣有效。 開放性方面,研究人員使用類生命元胞自動機(Life-Like CA)為“基質(zhì)”,CLIP為基礎模型,對ASAL進行了驗證。 結(jié)果顯示,ASAL找到了一些展現(xiàn)出與康威生命游戲相似的開放性行為的規(guī)則。 這些自動機能夠持續(xù)產(chǎn)生新模式,在基礎模型空間中形成發(fā)散的軌跡。 另外,在Lenia和Boids環(huán)境中,ASAL使用照明式搜索發(fā)現(xiàn)了具備豐富多樣行為的模擬,并發(fā)現(xiàn)了許多前所未見的生命形式。 研究人員還提到,利用基礎模型的語義表示,對于此前只能定性分析的現(xiàn)象,ASAL實現(xiàn)了新的突破:可以對一些人工生命現(xiàn)象進行定量分析。 最后,簡單總結(jié)一下就是,ALife旨在重現(xiàn)自然進化,而這項新研究,突破了人工設計模擬的瓶頸,加速了ALife發(fā)現(xiàn)。 此前打造了首位“AI科學家”的Sakana AI在公布這項研究時,還劃了個重點: 這加快了我們對涌現(xiàn)、進化和智能的理解,其中的核心原理可以激發(fā)下一代AI系統(tǒng)! 項目主頁: 本文來源:量子位 |
原創(chuàng)欄目
IT百科
網(wǎng)友評論
聚超值•精選