数字生命「培养皿」里，AI竟然学会了打架、结盟、抢地盘
文章摘要
【关 键 词】 人工生命、神经细胞自动机、开放式演化、自我复制、竞争合作
人工生命研究领域长期探索的核心问题是计算系统中能否自然涌现出生命的复杂性，这一目标被称为开放式复杂化。近年来，神经细胞自动机（NCA）为这一探索提供了新思路，但其传统模型通常基于单一固定结构，难以突破演化边界。Sakana AI提出的PD-NCA（Petri Dish Neural Cellular Automata）系统通过引入多智能体竞争环境，实现了更接近生物世界的动态演化。该系统将多个独立学习的NCA智能体置于共享的”培养皿”空间，通过可微分的攻击与防御通道形成竞争合作关系。
PD-NCA的创新性体现在三个方面：首先，它打破了传统NCA的确定性形态发生模式，通过learning-in-the-loop机制使学习过程直接参与模拟；其次，系统设置了恒定的背景环境作为持续压力源，防止智能体陷入停滞；最后，采用基于实力的仲裁机制和Softmax归一化，模拟资源有限条件下的竞争。实验显示，该系统能自发产生周期性动态、领地防御和自发协作等复杂行为。
在技术实现上，PD-NCA采用离散网格空间，每个格子包含攻击通道、防御通道和隐藏状态三个关键部分。智能体通过卷积函数生成状态更新提议，其存活状态由贡献权重与阈值（设为0.4）决定，这一设置允许两个智能体共存，灵感来源于混合专家模型。优化目标设定为最大化领土面积，促使智能体在进攻扩张与防守领地间寻找平衡。
研究发现，网格规模与智能体数量增加会显著提升系统复杂性。学习机制的引入是产生周期性行为和状态转换的关键，对比实验显示反向传播能大幅提升涌现行为的丰富度。在超循环实验中，系统更倾向于形成2-3个智能体的短循环结构，而非完整长度的超循环，并观察到寄生行为等生态现象。这些发现为理解开放式演化中的复杂性涌现提供了新视角，未来研究可探索更大规模网格和更多智能体并行的场景。
原文和模型
【原文链接】 阅读原文 [ 2720字 | 11分钟 ]
【原文作者】 机器之心
【摘要模型】 deepseek/deepseek-v3-0324
【摘要评分】 ★★★★☆
相关文章
