人工生命全景图：如何创造出超越人工智能的生命系统
『导读』自然界的生命千姿百态，奇妙无穷，一直以来，人们从未停止过对生命本质的探索。人工生命是 20世纪80年代后期兴起的一门新兴学科，旨在研究具有自然生命系统行为特征的人工系统。自诞生以来，人工生命与人工智能相互影响，相互促进。人工智能凛冬将至？无论相信与否，前景如何，我们都希望人工生命能为其提供新的研究思路。Lana Sinapayen 是索尼计算机科学实验室和东京地球生命科学研究所的一名人工生命研究者，同时也是国际人工生命学会理事会成员。她为人工智能研究者们提供了一份人工生命入门指南。
荷兰动感雕塑艺术家Theo Jansen发明的风力仿生兽Strandbeests
人工生命 Artificial Life，通常简称为 ALife。当你读到这几个字时，首先会想到什么？一个T恤衫品牌还是一本Greg Egan的科幻小说？
对于许许多多的人工生命研究者来说，人工生命是对生命基本原理自下而上的科学研究。正如人工智能研究者通过从零开始构建智能系统来思考智能的本质一样，人工生命研究者通过从零开始构建生命系统来研究“生命”的本质。
▌人工生命的研究目标是什么？ ▌
人工生命研究者的学术研究领域自然而然地与生物学和化学重叠，但也与计算机科学、天体生物学、物理学、复杂系统、网络科学、地质学、进化科学、生命起源研究、当然还有人工智能和动物行为研究重叠。人工生命研究者的口头禅是“生命如其所能。”
要阐释人工生命这个领域，很自然地就要先解释人工生命研究者所说的“生命”是什么意思。你可能会认为“生命是什么”这个问题很久以前就被解决了：正在生长和繁殖的东西就是活着的生命。但是，这个定义与杂乱的“生命”的科学事实相去甚远。很多视频游戏会模拟生长和繁殖中的动物，尽管有些人会认为这些动物是活着的，但大多数人的共识是，“生长和繁殖”不足以定义“活着”。同样地，盐晶体生长并且导致更多的盐晶体在它们周围生长，但是它们不是活着的。
但是，等一等，DNA呢？在初中时，你可能就知道了DNA是地球上所有生命的共同点。即使你正在寻找另一个星球上的生命，DNA也是你应该寻找的确凿证据，对吗？好了，事情变得更有趣了。
DNA是由腺嘌呤、胸腺嘧啶、鸟嘌呤和胞嘧啶（DNA的基质）构成的双螺旋结构，除此之外还有另一个至关重要的事实，那就是它编码了关于细胞的信息，这些信息可以从亲本传递给后代（DNA的功能）。如果你专注于这个功能，而不管DNA是由什么组成的，也不管它是什么形状，那么你可以使用任何东西来编码和传递信息，包括由8个核苷酸组成的DNA分子（8-letter DNA ）或计算机中由0和1组成的字符串。在一定条件下，一些基质优于其它基质，但“信息传递”的功能并不依赖于DNA本身。在这个意义上，人工生命不受基质的限制。
8-letter DNA 的维基百科:
https://en.wikipedia.org/wiki/Hachimoji_DNA
那么，人工生命研究者所说的“生命”是什么意思呢？这是我们想要弄清楚的问题！总的来说，正如人工智能研究者开发一些程序，用各种方式模拟已知的人类智能，而不一定就什么是“智能”达成一致，人工生命研究者试图创建动态系统来模拟已知生物的生命，而不一定就什么是“生命”达成一致。换句话说，人工生命追求的是一组功能，可以将生命定义为一个进程，并允许你在特定条件下在合适的平台上“运行”它，就像你可以在许多不同的硬件平台上运行一个软件一样。
你设置的规则越通用，并且在维护功能时可以使用的平台越多，效果就越好。目前，其中一个功能是这样的：一个生物体应该进行自创生（ autopoiesis）（即有机体应该不断通过与周围环境交换物质来“重建”自己），对刺激作出反应，适应周围环境，繁殖并将不完美的信息传递给后代。然而，另一种定义认为，生命只是会受自然选择影响的任何自创生化学系统。当前让我们把问题定义为，如果它们有足够的生产力，我们就已经创建了一种人工生命形式，并且达成共识，称之为“活的”。所以，游戏开始了。
自创生（ autopoiesis）的学术词典：
https://www.merriam-webster.com/dictionary/autopoiesis
有了这样一个广义的目标，人工生命不可避免地与许多其它领域重叠。人工生命与众不同之处在于其自下而上的方法，并专注于可以跨领域迁移的通用原理：涌现、信息、计算、微观和宏观变量之间的关系等等。
事实上，这是对人工生命最普遍的批评之一：人工生命对通用原则的关注使其“过于隐喻”、过于抽象、过于分散到其它领域，从而难以确定哪种研究“属于”人工生命。但是这个领域的研究并非隐喻性的，2019年人工生命会议的主题“人工生命如何帮助解决社会挑战？”就明确了这一点，这个领域在实践和理论上都取得了具体进展，本文剩余部分将展示这一点。
▌人工生命简史 ▌
作为一个科学领域，人工生命诞生于1987年美国计算机科学家Christopher Langton举办的第一届人工生命研讨会。Langton创造了“人工生命”这个名称，并将其定义为“研究具有自然生命系统行为特征的人工系统”。
第一届人工生命研讨会：
http://www.alife.org/conference/alife-1
然而，人工生命的哲学比20世纪80年代要古老得多：生命是一个可以在人工基质上重新创造的进程，就像一个可以在不同平台上运行的软件一样，这个观点至少和犹太人关于魔像（Golem）的故事一样古老，魔像是一种由泥土构成的生物，只要写上正确的词语就会激活。有一些记录在案的例子，一些人试图在人工介质上重现生物机能，比如法国工程师Jacques de Vaucanson的消化鸭（1739年），这是一种机械“鸭子”，可以吞食食物并排泄预先装载的粪便。
魔像（Golem）的故事：
https://en.wikipedia.org/wiki/Golem
出于一些神秘的原因，De Vaucanson的织布机比他的鸭子更成功；这台织布机可以使用穿孔卡片进行编程，甚至激发了Charles Babbage的灵感，他与Ada Lovelace一起发明了第一台机械计算机。从那时起，人工生命和计算从未停止相互影响。
左图：消化鸭，右图：由消化鸭发明者设计的带有穿孔卡片的可编程织布机
（图片来源：维基百科）
约翰·冯·诺伊曼（John von Neumann）以对数学、博弈论和计算的贡献而闻名。他也严谨地研究了细胞自动机自我复制的条件，这里的细胞自动机是他用纸和笔模拟的。他发现了允许二维自动机基于内部存储的信息构建自身副本的规则，而这是在发现DNA之前！冯·诺依曼随后对复杂性的进化产生了兴趣。与此同时，在50年代早期，挪威-意大利数学家Nils Aall Barricelli在军用级计算机上运行有史以来第一个进化算法，开始研究复杂生命的进化。
John von Neumann 人物介绍：
https://en.wikipedia.org/wiki/John_von_Neumann#Cellular_automata,_DNA_and_the_universal_constructor
Nils Aall Barricelli 人物介绍：
http://nautil.us/issue/14/mutation/meet-the-father-of-digital-life
冯·诺依曼的自复制通用构造器的第一个实现
（图片来源：维基百科）
35年后，在Langton召开的研讨会上人工生命作为一个科学社区诞生了。此后，该社区规模虽小但稳定，每年都举办人工生命会议，并拥有自己的期刊。该领域通常分为3个子领域：
1. 硬人工生命（Hard ALife），与硬件相关，包括机器人学和新的计算架构；
2. 软人工生命（Soft ALife），与软件相关，包括计算机模拟（含人工智能）；
3. 湿人工生命（Wet ALife），与湿件相关，包括化学和生物学。
人工生命期刊：
https://www.mitpressjournals.org/loi/artl
人工生命也一直与艺术有着紧密的联系，以至于艺术可以被认为是第四个子领域。比如人工生命模拟经常在媒体画廊中展出，基于人工生命的机器人能够指挥歌剧演出，2018年人工生命会议举办了一次艺术竞赛。
机器人指挥歌剧演出的视频：
https://www.youtube.com/watch?v=ePIYMN6gbzs
2018年人工生命会议举办的艺术竞赛介绍：
http://artaward2018.alifelab.org/#winner
▌人工智能与人工生命 ▌
目前，人工生命正受到AI界的再次关注。人工智能和人工生命的相互影响可以追溯到很久以前，深度学习的先驱们（如谷歌大脑的Geoffrey Hinton）受到了Inman Harvey等著名人工生命研究者的思想的影响。Uber人工智能实验室的负责人Kenneth O. Stanley也是人工生命社区的受人尊敬的成员，因为他对开放性（Open Endedness）有深刻的研究。Stanley的著作《Why Greatness Cannot be Planned》涉及到了人工生命研究中最经典的主题：开放式进化（Open Ended Evolution，OEE）。Stanley指导了Pic Breeder的创建，这是一个在线合作的OEE艺术项目，图片在其中进行“繁殖”和演变。他还创建了一类新的遗传算法，主要用于神经网络优化。Stanley的NEAT算法最显著的特点是它专注于优化解决方案的多样性，而不仅仅是性能，从而使产生的解决方案超越了传统的仅专注于优化性能的方法。NEAT被授予2017年国际人工生命学会十年杰出论文奖。
深度学习的先驱们受到了人工生命研究者的思想的影响：
https://twitter.com/geoffreyhinton/status/1110914561811587072
Inman Harvey 人物介绍：
http://2018.alife.org/events/inman-harvey/
Stanley的著作《Why Greatness Cannot be Planned》：
https://www.goodreads.com/book/show/25670869-why-greatness-cannot-be-planned
Pic Breeder 网站：
http://picbreeder.org/
NEAT算法：
https://www.mitpressjournals.org/doi/10.1162/106365602320169811
不出所料，遗传算法的概念本身也起源于人工生命研究社区。1975年John Holland的开创性著作《Adaptation of Natural and Artificial Systems》介绍了他在复杂自适应系统和遗传算法上的工作。1992年在第一届欧洲人工生命会议上他和Francisco Varela一起提出了新的版本。Francisco Varela是人工生命社区中另一个家喻户晓的名字，他提出了自创生的概念。现在，遗传算法有自己的会议GECCO。
John Holland 人物介绍：
https://en.wikipedia.org/wiki/John_Henry_Holland
Francisco Varela 人物介绍：
https://en.wikipedia.org/wiki/Francisco_Varela
遗传算法会议 GECCO：
https://sig.sigevo.org/index.html/tiki-index.php#&panel1-1
Karl Sims进化的虚拟生物
人工智能和机器学习社区可能已经忘记了遗传算法起源于人工生命，但遗传算法从未停止成为人工生命领域的一大研究领域。最著名的例子可能是Karl Sims进化的虚拟生物，但最近关于遗传算法的工作包括Emily Dolson关于空间分布对进化速度的影响的工作，和Artem Kaznatcheev关于适应度景观（fitness landscapes）中计算复杂性的工作。
Emily Dolson 的工作：
http://cse.msu.edu/~dolsonem/
Artem Kaznatcheev 的工作：
https://www.biorxiv.org/content/10.1101/187682v4
▌超出人工智能领域的人工生命 ▌
当然，人工生命不仅仅对单个生物的行为感兴趣。
人工生命中关于生物之间相互作用的部分可以广义地定义为群体动力学（Swarm Dynamics）。从简单化模拟的鸟类具有的复杂集群模式（这启发了在电影中使用CGI技术创造战士群体），到由单个真菌组成的“智能”黏液菌成群游动，再到群体化学（swarm chemistry），群体研究背后的首要原则是寻找涌现。涌现的属性是某种“超过其各部分之和”的东西：一种从较简单的部分中意外产生的复杂形式。生命本身被认为是一个涌现的过程；一堆孤立的分子并不像由这些同样的分子组成的细胞那样“有趣”或复杂。
CGI（Computer-generated imagery）即电脑生成动画技术，它自诞生之际就被运用于视觉艺术创作，如今已在电影、绘画等领域发展成熟，如《阿丽塔：战斗天使》《头号玩家》《阿凡达》。
使用CGI技术创造战士群体：
https://www.rocketstock.com/blog/crowd-control-the-vfx-behind-dynamic-crowd-simulations/
历史上我们是如何从“成堆的分子”变成“生物体”的，这是生命起源研究的主题。这是一个与人工生命有些不同的领域，但是两者在试图回答的问题上有很大的重叠。生命起源的研究者往往是生物学家、地质学家或化学家，他们最感兴趣的是生命在历史上“真正”是如何产生的，而不是它可能产生的所有方式。但也有一些研究者是人工生命社区的成员，他们研究生命起源中哪些事件是随机的，哪些是真正必要的；哪些可以在不同的系统中繁殖，哪些不能。
特别地，人工化学（Artificial chemistry）是一个从人工生命延伸出来的领域。人工化学研究者，如 Susan Stepney，研究复杂性的起源、自组装的进化，以及其它生命进化的先决条件。
人工化学（Artificial chemistry）的维基百科：
https://en.wikipedia.org/wiki/Artificial_chemistry
Susan Stepney 人物介绍：
https://pure.york.ac.uk/portal/en/researchers/susan-stepney(1c276791-122c-4bd2-b5f0-09bb01fd3fe6).html
尽管涉及的学科范围很广，但人工生命试图回答的所有问题都是相互关联的：与单个微粒的集合相比，生物体的基本特征是什么？这些特征是如何形成的？我们如何在人工系统中从零再现它们？
▌本文作者Lana Sinapayen对人工生命未来的展望 ▌
Lana认为人工生命领域的未来主要有3条发展路径。首先，我们看到了下一个人工智能寒冬的初步迹象，人们对人工智能研究失去信心，资金枯竭。一方面，夸大其词的言论抢走了真实进展的风头。另一方面，一些人工智能从业者看到了深度学习热潮的局限性，并且在最近几年中，已经开始向人工生命寻求新的想法。
人工智能寒冬：
https://en.wikipedia.org/wiki/AI_winter
夸大其词的言论抢走了真实进展的风头：
https://www.skynettoday.com/briefs/sophia
人工智能向人工生命寻求新的想法：
https://www.quantamagazine.org/computers-evolve-a-new-path-toward-human-intelligence-20191106/
对于人工生命，如果你设法构建人工生命，并将进化应用于它，那么只要你做对了，最终一定能获得智能系统。在Lana看来，没有人工生命就没有人工智能，因此Lana对未来的展望是两个领域的融合。
这项大规模的融合将是人工生命取得更大进步的一部分：在人工系统中合成开放式进化（OEE）。OEE是这样一种想法，即一些系统随着时间的推移复杂性会呈指数增长，并且复杂性永远不会停止增长。地球上的生命据说就是这样一个开放的系统。在计算机或化学系统中创建 OEE意味着你从一些简单的东西开始，也许是一堆分子，或者是从零开始的模拟，然后从中获得巨大的复杂性，例如活着的动物或有意识的生物。
对于人工生命来说，最后一件，也可能是最重大的一件事，就是在另一个星球上发现生命。不幸的是，到目前为止，我们只知道一种生命。当你的样本量是N=1时，很难进行科学研究。找到任何其它类型的生命会给我们带来丰富的知识：对于构建生命，什么是重要的，什么是无关紧要的。这将彻底改变我们处理“生命是什么”这个问题的方式，并将使人工生命在理论和实践上取得空前的进步。
▌总结 ▌
在结束这个入门指南之前，再给大家分享一些在2019年人工生命会议上发表的论文。这个纯粹主观的选择包括一篇关于硬人工生命的论文、一篇关于湿人工生命的论文、一篇关于软人工生命的论文和一篇关于艺术人工生命的论文。要获得更多关于人工生命的资源，请滚动至本文结尾。
2019年人工生命会议上发表的论文，可开放获取：
https://www.mitpressjournals.org/toc/isal/31
主题：硬人工生命
论文题目：
The ARE Robot Fabricator: How to (Re)produce Robots that Can Evolve in the Real World
作者：
Matthew F. Hale，Edgar Buchanan，Alan F. Winfield，Jon Timmis
论文地址：
https://www.mitpressjournals.org/doi/abs/10.1162/isal_a_00147
简介：众所周知，进化论利用随机突变来找到问题可接受的优化。进化算法可用于设计机器人的身体和控制器，但这通常发生在模拟仿真中，然后才可能在现实世界中实现解决方案。这最后一步需要大量的人力劳动，并且常常面临很多失败，因为现实世界总是比模拟世界更为严苛。本文提出了一种系统，该系统可以完全在现实世界中构建和进化小型机器人，这个过程是自主的，或者只需少量的人工干预。有了这个系统，你就不会在机器人进化的世界和现实世界之间有“现实差距”：一切都发生在现实世界中！
主题：湿人工生命
论文题目：
Synthetic Biology in the Brain: A Vision of Organic Robots
作者：
Ithai Rabinowitch
论文地址：
https://www.mitpressjournals.org/doi/abs/10.1162/isal_a_00236
简介：当你使用自然生物学来构造人工系统时，或者当你使用工程学来构造生命系统时，合成生物学就发生了。基因工程已经相当成功了，在这篇论文中，Rabinowitch解释了他如何仅通过修改秀丽隐杆线虫（C. Elegans worm）的DNA而在它的大脑中创建新的突触。
这尤其令人印象深刻，因为从DNA上移除基因的步骤就像找到线虫大脑中一个特定神经元上的一个突触一样具体！线虫是研究神经网络的绝佳模型：与大鼠或人类不同，线虫只有数百个神经元，并且我们知道每个神经元的精确映射。因为它们的大脑是流线型的，所以小小的修改就可能导致行为发生重大变化。通过创建一个突触，Rabinowitch成功地将回避行为转变为寻求行为，从而有效地编程出一个非常简单的“有机机器人”。
主题：软人工生命
论文题目：
On Sexual Selection in the Presence of Multiple Costly Displays
作者：
Clifford Bohm，Acacia L. Ackles，Charles Ofria，Arend Hintze
论文地址：
https://www.mitpressjournals.org/doi/abs/10.1162/isal_a_00170
简介：一些动物表现出夸张的特征（比如五颜六色的羽毛或者精心编排的舞蹈）来吸引可能的配偶，尽管这些表现可能使它们更容易被捕食者吃掉。矛盾的是，理想情况下，你希望你的配偶死于愚蠢的可能性较小，而不是可能性较大。那么，这些代价巨大的特征是如何进化出来的呢？一个可能的解释是“性感的儿子（sexy sons）”假说，女性选择一个“性感”的男性，希望她的儿子能够继承性感，并被尽可能多的女性选择，这导致了一个自我强化的代价巨大的性感循环。本文使用一个自下而上的方法来证明这些动力确实在一个系统中进化，在该系统中，一些特征的代价是不必要的，这些特征除了保证你有一些性感的儿子之外没有其它优势。
主题：艺术人工生命
论文题目：
Edge of Chaos: Artificial Life based interactive art installation
作者：
Vasilija Abramovic，Ruairi Glynn
论文地址：
https://www.mitpressjournals.org/doi/abs/10.1162/isal_a_00209
简介：你听说过混沌边缘吗？混沌边缘是由Christopher Langton（就是创造“人工生命”这个名称的人）发现的，最初仅用于细胞自动机，指的是介于有序和混沌之间的空间。在这个空间中，改变一个变量的值可以使一个系统通过不同的高复杂度阶段进行转换，而并不完全有序或完全混沌。一些研究探索发现大脑在混沌边缘运转最佳，并且生命本身据说也存在于混沌边缘。受到这个概念的启发，Vasilija Abramovic和Ruairi Glynn建造了一个巨型装置，其中运动物体由细胞自动机控制。这个装置对参观者的出现做出反应，这种反应既不是可预测的，也不是混沌的。
▌人工生命资源清单 ▌
首先，与我们一起参加在蒙特利尔举办的下一届人工生命会议，主题是“人工智能的新领域：人工生命能为人工智能提供什么？”
2020年人工生命会议官网：
http://2020.alife.org/
了解更多关于人工生命的基本概念：
Dave Ackley 关于人工生命的系列视频：
https://www.youtube.com/watch?v=QkuZIKj9U6c&list=PLm5k2NUmpIP-j5oOSEljDo3evg-wBIrMM
Samim 关于人工生命的视频：
https://youtu.be/wQQ2NHECcvQ
来自国际人工生命学会的资源清单：
http://www.alife.org/online-resources
Kenneth O. Stanley 关于开放式进化的论文：
Open-endedness: The last grand challenge you've never heard of
https://www.oreilly.com/radar/open-endedness-the-last-grand-challenge-youve-never-heard-of/
跟上人工生命的最新进展：
人工生命期刊：
https://www.mitpressjournals.org/loi/artl
由 Anya Vostinar 和本文作者 Lana Sinapayen 共同管理的推特账号
@alifepapers，专为发布获奖的人工生命相关论文：
https://twitter.com/AlifePapers
Arxiv 上的人工生命的关键词：
https://arxiv.org/search/searchtype=all&query=%22artificial+life%22&abstracts=show&size=50&order=-submitted_date
关注会议和活动：
国际人工生命学会官网：
http://www.alife.org/
联系和实践：
社交新闻网站 Reddit 关于人工生命的子版块：
https://www.reddit.com/r/alife/
关于人工生命的日语书籍的 GitHub 仓库，不是英文的，但Python代码很容易理解：
https://github.com/alifelab/alife_book_src/
Lenia 的 Mathematical Life Forms 的 GitHub 仓库：
https://github.com/Chakazul/Lenia
由 Olaf Witkowski 和本文作者 Lana 组织的人工生命识别竞赛：
https://competitions.codalab.org/competitions/20612
更多可供欣赏的艺术人工生命资源：
2018年人工生命艺术竞赛获奖者：
http://artaward2018.alifelab.org/#winner
Joel Simon的作品集：
https://www.joelsimon.net/
Ken Stanley 的 PicBreeder 网站：
http://picbreeder.org/
由 Joel Simon 创建的 ArtBreeder 网站，与 PicBreeder 类似，但使用的是GAN算法：
https://artbreeder.com/
William Latham 的作品集：
http://doc.gold.ac.uk/~mas01whl/index.html
人工生命科幻作品：
Greg Egan 的 Permutation City（1995年）和Diaspora（1997年）：
https://www.goodreads.com/fr/book/show/9687758-permutation-city
https://www.goodreads.com/book/show/156785.Diaspora
Janelle Shane 的未来专栏We Shouldn’t Bother the Feral Scooters of Central
Park（2019年）：
https://www.nytimes.com/2019/11/04/opinion/future-scooters-central-park.html
Karel Čapek 的 Rossum’s Universal Robots，“机器人”一词的来源（1920年）：
https://en.wikipedia.org/wiki/R.U.R.
刘慈欣的《山》（2012年）：
https://www.goodreads.com/book/show/13608770-mountain
Greg Bear 的 Blood music（1985年）：
https://www.goodreads.com/book/show/340819.Blood_Music
原文地址：
https://thegradient.pub/an-introduction-to-artificial-life-for-people-who-like-ai/
——END——
