2025-11-05 12:13 四川
智能体在数字培养皿中持续学习，在竞争中涌现复杂智能
机器之心报道机器之心编辑部
✨ **PD-NCA的创新设计：** PD-NCA（Petri Dish Neural Cellular Automata）是一种新的人工生命（ALife）模拟系统，它突破了传统NCA模型的局限。其核心创新在于引入了一个由多个独立且持续学习的NCA智能体组成的种群，它们共享一个数字“培养皿”环境。每个智能体拥有独立的神经网络参数，并通过基于梯度的持续优化来适应和进化，实现了“learning-in-the-loop”机制，从而促进了开放式的复杂性涌现。
⚔️ **竞争与合作的动态交互：** 在PD-NCA模拟环境中，智能体通过可微分的攻击与防御通道进行交互，形成一种既竞争又合作的动态关系。它们唯一的共同目标是实现自我复制。这种机制促使智能体在扩张自身领地的同时，不断学习如何适应环境并超越竞争对手，从而涌现出如周期性动态、领地防御以及自发协作等复杂的群体行为。
📈 **学习与反向传播的重要性：** 实验结果表明，学习过程对PD-NCA模拟的复杂性至关重要。与无学习的稳定状态相比，引入学习机制后，系统展现出有趣的周期性行为和持续的交互状态变化。特别是反向传播的引入，显著提升了系统中复杂涌现行为的丰富度和持续性，证明了学习算法在驱动复杂系统演化中的关键作用。
🌐 **规模与参数对行为的影响：** 研究发现，增加模拟的网格规模和NCA个体数量能够显著提升系统的群体行为复杂性。此外，通过调整“最低生存阈值”等超参数，可以控制智能体在同一格子的共存数量，这有助于保持模拟的探索性，避免出现简单的“赢家通吃”局面，从而鼓励更丰富多样的行为模式。
2025-11-05 12:13 四川
智能体在数字培养皿中持续学习，在竞争中涌现复杂智能
机器之心报道机器之心编辑部
一直以来，关于人工生命（Artificial Life, ALife）的研究致力于回答这样一个问题：生命的复杂性能否在计算系统中自然涌现？
这一探索的核心目标，被称为开放式复杂化（open-ended complexification）—— 让人工系统能够像生物世界一样，在持续的适应与演化中自发产生新的结构与功能。
近年来，NCA（Neural Cellular Automata，神经细胞自动机）为这种探索提供了新的思路。它们能够在局部规则下展现分布式生长与自组织能力。然而，大多数 NCA 模型仍基于单一、固定的结构，难以突破演化的封闭边界。
在这样的背景下，来自 Sakana AI 的研究者提出了一种新的 ALife 模拟系统 —— PD-NCA（ Petri Dish Neural Cellular Automata）。在该系统中，多个 NCA 智能体在同一环境中竞争，它们的唯一目标是实现自我复制（self-replication）。
PD-NCA 与传统的 NCA 框架有着显著不同：
传统的 NCA 通常由单一、固定的模型在网格上运行，其参数在训练完成后保持不变；
而在 PD-NCA 中，Sakana AI 引入了一个由多个独立且持续学习的 NCA 构成的种群。
每个 NCA 都拥有自己独立的神经网络参数，并在模拟过程中通过基于梯度的持续优化不断更新与适应。
这些智能体共享一个共同的空间基质 —— 即所谓的培养皿（Petri Dish）。
在这个培养皿中，不同 NCA 之间通过可微分的攻击与防御通道进行交互，表现出既竞争又合作的动态关系。
与传统 NCA 不同，后者的形态发生过程通常是根据预训练规则以确定性方式展开的；PD-NCA 则通过 learning-in-the-loop 的机制，让学习过程本身参与到模拟之中，从而实现开放式的适应与复杂性涌现。
换言之，在一个可微的、动态学习的环境中，生命体样的结构不再被预先设定，而是能在交互、进化与竞争中自行演化出丰富的行为与形态。
论文标题：Petri Dish Neural Cellular Automata
在 PD-NCA 中，每一个个体都在努力扩张自身，同时学习如何适应环境并超越邻近的竞争者。
结果显示，PD-NCA 能够产生多种复杂的涌现行为，例如周期性动态（cyclic dynamics）、领地防御（territorial defense）以及自发协作（spontaneous cooperation）。
下方的视频展示了多次模拟过程中不断演化出的丰富变化与复杂性 —— 每一种颜色代表不同的 NCA 个体。
方法介绍
模拟在一个离散的空间网格上运行。你可以把它想象成一个棋盘，它有特定的宽度（W）和高度（H）。
在棋盘的每一个格子上，都存储着一组信息，称为通道（C）。
在任何一个时间点（t）和网格位置（x,y），该格子的状态（s）都由一个特征向量来定义。这个向量包含了三个关键部分：攻击通道（a）、防御通道（d）、隐藏状态（h）。
在模拟的每一个时间步，都会依次经历以下四个阶段：处理（Processing）、竞争（Competition）、归一化（Normalization）、状态更新（State Update）。
处理阶段
每个 NCA 智能体（可以理解为模拟中的「玩家」）本身都是通过一个卷积函数来定义的。
这个函数会「观察」某个位置（x,y）及其邻近区域（N）的状态，然后生成一个「状态更新提议（Δs）」，也就是它「希望」这个格子在下一刻变成什么样。
智能体能否提出这个「提议」，受到一个「存活掩码（A）」的控制。简单来说，智能体只能在它自己存活的格子或紧邻的格子里提出更新建议。
背景环境（一个恒定的对手）
为了确保模拟始终充满活力，尤其是在某个区域只有一个智能体「活着」的情况下研究人员引入了一个静态的「背景环境（E）」。
它就像一个恒定的背景竞争者，在模拟开始时随机初始化一次，然后就固定不变。
这个「背景环境」也会像智能体一样，在每个格子上提出它自己的「更新提议」。这确保了所有智能体必须时刻保持积极的攻击和防御，以对抗这种持续的背景压力，从而防止「躺平」或停滞。
竞争阶段
这是决定谁的「提议」更重要的阶段。
研究者设计了一个基于实力的「仲裁机制」。在任何一个格子上，任意两个实体（比如智能体 i 和智能体 j）之间的「互动强度（）」是这样计算的：
一个智能体 i 在某个格子上的「总竞争力（）」，就是它与所有其他智能体的互动强度，再加上它与背景环境的互动强度的总和。
归一化阶段
为了模拟环境中「资源有限」的特性，研究者采用 Softmax 归一化操作。
这个步骤会把所有智能体和背景环境的「总竞争力（）」转化成各自的「贡献权重（w）」。
这个权重代表了在最终更新状态时，每个智能体的「提议」占多少分量。
计算式中的「温度参数（τ）」用来控制竞争的「尖锐程度」。温度越低，竞争越激烈，第一名的优势就越大。
状态更新阶段
最后，网格的下一个新状态（）是这样决定的：
将当前的旧状态（），加上所有实体（包括背景环境）的「更新提议（Δs）」分别乘以它们各自「贡献权重（w）」后的总和。
与此同时，智能体的「存活状态（A）」也会根据这场竞争的结果进行更新。
规则是：如果一个智能体在某个格子上的「贡献权重（w）」高于一个「最低生存阈值（）」，它就在那里存活；否则它在该格子的存活度就记为 0。
关于状态和可视化的说明
在实验中，这个「最低生存阈值（）」被设为 0.4。
这带来一个有趣的结果：它允许最多 2 个智能体在同一个格子里共存（因为 0.4 + 0.4 < 1.0）。研究者发现，如果阈值高于 0.5（导致赢家通吃，只留 1 个），模拟会变得很无聊。
研究者这样设置的灵感来源于混合专家（MoE）模型（它们通常会选择 Top-2 专家），这能确保模拟保持一定的探索性。
因此，虽然模拟的真实状态是连续的（一个格子可能是多个智能体更新提议的混合体），但在可视化视频中，为了清晰起见，只显示了每个格子上「贡献权重」最高的那个智能体，并用不同颜色来区分。
优化目标（智能体的「动机」）
那么，智能体是如何「学习」的呢？
每个智能体 i 的优化目标（L）都是为了最大化其领土，即最大化它在整个网格上的「总存活度」。
在实际计算中，作者通过最小化「负对数存活度」来实现这个目标。
这个目标设定非常巧妙，它会自然地「涌现」出复杂的行为：智能体必须学会在「进攻扩张」（优化其攻击通道）和「防守领地」（优化其防御通道）之间找到精妙的平衡，以便在与其他智能体和持续的背景环境压力对抗时，尽可能多地「活下去」。
实验
该研究开展了多项实验来探索 PD-NCA。
动态特性
在探索 PD-NCA 的过程中，他们发现当网格规模（grid size）与 NCA 个体数量同时增加时，系统的群体行为会变得更加丰富与复杂。
这表明未来的研究方向之一是进一步在更大尺度的网格上运行 PD-NCA，支持更多数量的 NCA 个体，并可能同时在多块 GPU 上并行计算。
下面是网格大小的影响。网格大小从 16 x 16 到 196 x 196 的结果：
下图展示了从 16×16 网格扩展到 196×196 网格时 NCA 行为的变化。
学习的影响
下方的视频展示了学习机制对 PD-NCA 模拟结果的影响。
在没有学习的情况下，系统最终会进入一种稳定状态，仅呈现出微小的波动；而引入学习之后，可以观察到有趣的周期性行为，以及系统在不同交互状态之间的持续变化与演化。
这些现象表明：NCA 的数量、网格规模以及学习过程，是产生 PD-NCA 中复杂动态与多样行为的关键因素。
接下来作者探索了反向传播的重要性。左侧视频展示的是未启用反向传播的模拟，右侧视频则展示了正常启用反向传播的运行结果。对比结果表明：反向传播显著提升了系统中复杂涌现行为的丰富度与持续性。
超参数搜索
下面视频中，左上、中间下方和右下角的模拟都先运行了很多步没有提前进行学习，然后运行了几步，又进行了学习。这反映在它们的行为上：在反向传播改变平衡之前，它们都呈现出稳定的石头剪刀布动态。中间上方的模拟展示了稳定的循环是如何出现和竞争的，暗示了共生起源的存在。
超循环
在包含 3 到 6 个 NCA 的实验中，作者测试了是否可以鼓励形成更长长度的超循环结构（hypercycles）。
结果显示，尽管修改了损失函数，但观察到完整长度的超循环很少能够稳定存在。相反，NCA 循环坍缩为较短的 2–3 NCA 循环，或者出现寄生行为与叛逃级联现象。
在图中最右侧的 N=6 实验中，黄色智能体因绿色智能体的扩张而获得奖励，但绿色智能体却反过来侵占了黄色智能体的领地。同时，我们还观察到一个由黄色与蓝色智能体组成的截断的二元循环（2-cycle），其中蓝色智能体在对抗寄生性的绿色智能体时扮演防御者角色。
了解更多内容，请参考原文。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com
AI辅助创作，多种专业模板，深度分析，高质量内容生成。从观点提取到深度思考，FishAI为您提供全方位的创作支持。新版本引入自定义参数，让您的创作更加个性化和精准。
鱼阅，AI 时代的下一个智能信息助手，助你摆脱信息焦虑