ASAL 是什么？用基础模型自动搜索人工生命

自动搜索人工生命（Automated Search for Artificial Life，ASAL）是一种用 AI 基础模型自动发现新的人工生命形态的方法，由 Sakana AI 联合 MIT、OpenAI、瑞士 AI 实验室 IDSIA 等机构在 2024 年 12 月提出，论文标题是《用基础模型自动化人工生命的搜索》。

什么是人工生命

人工生命（Artificial Life，ALife）是一个研究领域，通过计算机模拟来探索“生命”可能是什么样子。著名的例子是康威的生命游戏：一个方格世界里，每个格子按照几条简单的规则决定下一刻是“生”还是“死”，却能涌现出会移动、会繁殖、极其复杂的图案。还有模拟粒子相互作用的粒子生命、模拟连续生物形态的 Lenia 等。研究者通过调整模拟的规则和参数，寻找能产生有趣、类似生命现象的设置。

以前靠人眼找

问题在于，这些模拟的参数空间巨大，有趣的设置非常稀少。过去，研究者主要靠手动调整参数、用肉眼观察结果来寻找，效率很低，而且依赖个人的直觉和审美，很难系统地探索。

ASAL 怎么做

ASAL 利用视觉语言基础模型（比如 CLIP）来自动评判模拟的结果：把模拟产生的画面输入模型，模型能理解画面的内容，并和文字描述进行比较。基于这一能力，ASAL 支持三种自动搜索：一是按描述搜索，给定一段文字描述，比如“一个细胞”“一个生态系统”，自动找出能产生符合描述的现象的模拟参数；二是搜索开放式的新颖性，寻找能持续不断地产生新变化、不会很快陷入停滞的模拟，这是人工生命研究追求的“开放式演化”；三是搜索多样性，找出一组彼此差异尽可能大的模拟，描绘出整个参数空间里可能的“生命形态图谱”。

意义

论文在多种人工生命模拟上验证了 ASAL，发现了此前未被发现的新的生命形态，还在生命游戏的规则空间里找到了一些和经典规则一样能产生开放式复杂性的新规则。它展示了基础模型作为“科学发现助手”的潜力：把人类难以系统完成的探索工作交给 AI，以前所未有的规模探索人工生命的可能性。