科学前沿：AI多样性搜索驱动元胞自动机涌现Agency

摘要

人工生命领域研究生命现象（如代理性和自我调节）如何在计算机模拟中自组织。在元胞自动机（CA）中，一个关键的开放问题是：能否找到环境规则，从一个本不存在“身体”、“大脑”、“感知”或“行动”等事物的初始状态中，自组织出稳健的“个体”。在此，本研究利用机器学习的最新进展，结合多样性搜索、课程学习和梯度下降算法，以实现对此类“个体”的自动化搜索。研究证明，这种方法能够系统地找到CA中导致基本代理形式自组织的环境条件，即一些局域化结构：它们能够移动，以连贯且高度稳健的方式对外部障碍做出反应，维持其完整性，并具有强大的能力以泛化到新环境。这种方法为人工智能和合成生物工程开辟新的视角。

关键词：感觉运动代理性（Sensorimotor Agency），连续元胞自动机 Lenia（Continuous Cellular Automata Lenia），内在动机目标探索过程（Intrinsically Motivated Goal Exploration Process, IMGEP），自组织（Self-Organization）

王璇丨作者

赵思怡丨审校

论文题目：Discovering sensorimotor agency in cellular automata using diversity search 论文链接：https://www.science.org/doi/epdf/10.1126/sciadv.adp0834 发表时间：2025年10月31日 论文来源：Science Advances

核心突破：当AI成为“人工生命”的发现者

理解生命与智能如何从简单的物理规则中涌现，是科学的终极难题之一。生物学中，生物体由遵循底层规则的细胞构成，却能形成一个具有个体性和自维持能力的整体，即“自创生系统”。传统机械论方法预设了智能体的身体与传感器，这与生命自下而上的涌现本质相悖。而“生成论”虽强调从局部交互中自组织出智能体，却长期受困于搜索效率低下和所得结构脆弱两大瓶颈。

计算模型是研究此问题的利器。在代谢尺度，元胞自动机（Cellular Automata）被视为定义生命功能的最小模型；在认知尺度，强化学习框架则用于理解具有预设身体的智能体行为。然而，一个更根本的挑战悬而未决：能否在一个最初连“身体”都不存在的虚拟基质中，直接让具有感觉运动能力的agent“无中生有”？

该研究遵循生成论框架，选用连续元胞自动机Lenia作为“人工宇宙”，并引入IMGEP的AI搜索方法。该方法融合多样性搜索、课程学习和梯度下降，成功自动化地发现了能让稳健、能适应、可泛化的感觉运动智能体自组织涌现的环境规则。

图 1. 科学问题概述。A. 生成论框架（enactivist framework）; B. 在诸如“生命游戏（Game of Life）”及更复杂的连续扩展模型“Lenia”等 CA 中，研究已证实系统可自组织形成所谓的“滑翔机（gliders）”，即具有定向运动能力的空间局域化模式。

模型系统：Lenia——更贴近生命的连续 CA

要实现“无预设自组织agent”的目标，需灵活且支持复杂自组织的模拟环境，研究团队选用Lenia正是因其特性与这一需求高度契合。它不仅是康威“生命游戏”（Game of Life）的连续扩展，也是人工生命领域代表性的连续 CA 模型。这种连续性让Lenia能支持更丰富的生命行为，其内部可自组织出有空间局域性、定向运动能力的“孤子（soliton）”结构，部分结构还能依与其他模式的交互改变方向，解决了无预设自组织研究中难以验证agent功能的关键痛点。

此外，为精准控制扰动、测试agent稳健性，研究团队进一步采用Lenia的“多通道版本”：系统分两个核心通道。“固定通道（fixed channel）”由人工设计，生成稳定可控的障碍，障碍规则预设，确保扰动可重复，“可学习通道（learnable channel）”的物理规则可优化，也是感觉运动agent自组织的土壤。既解决传统元胞自动机“扰动难控制”的问题，又明确“搜索agent自组织环境规则”的目标，让该通道自组织出“会移动、抗障碍扰动、维持自身完整性”的感觉运动agent。

图 2. 系统概述。顶部：展示了一次实验推演的过程。底部：含障碍的 Lenia 模型中单个步骤的详细视图。

方法引擎：

IMGEP——好奇心驱动的自动化发现

在Lenia的高维、混沌参数空间中，寻找能自组织智能体的规则如同大海捞针。研究团队的核心创新在于将“好奇心”机制化，打造了一个AI发现助手：IMGEP。

该过程首先为系统设定一个简单的行为目标，然后利用梯度下降优化Lenia的底层规则和初始状态以实现该目标。关键在于，IMGEP会自动、持续地生成由易到难的新目标，并优先探索那些能产生新行为结果的规则区域（多样性搜索）。

这种“目标导向的好奇搜索”推动系统在参数空间中高效导航，逐步演化出能移动、能抗干扰、最终能在复杂障碍场中稳健导航的智能体。与随机搜索相比，IMGEP发现可用规则的效率高出一个数量级以上。

智能体验证：从个体韧性到群体交互

经IMGEP发现的agent在定量测试中展现出多维度、类生命的综合能力。

首先，能够自组织成空间局域化的“孤子”结构，在保持形态完整的同时实现稳定的定向运动，进而在包含随机障碍的测试中，表现出极高的环境适应性，高水平agent的平均存活率超过95%。其次，面对训练中未出现过的更密集障碍、异步更新、状态噪声、尺度缩放乃至初始化扰动，多数agent依然展现出色的泛化鲁棒性。更引人注目的是，当多个同源agent被置于同一环境中时，系统会自发涌现出个体性维持、相互吸引乃至碰撞“繁殖”等复杂的群体交互模式，为研究原始社会行为的起源提供了可计算、可观测的理想模型。

图 3. 已发现感觉运动agent泛化能力的定性测试。A. 自由绘制的障碍；B. 自由绘制的初始状态；C-E. 在网格中引入其他agent；F. 引入额外的低层级元素, 这类元素对感觉运动agent具有 “吸引” 作用；G. 自定义质量移除。

结论与展望：连接虚拟与生命，启发AI未来

这项研究在“机械论”与“生成论”之间架起了一座桥梁。在完全由底层规则驱动的生成论系统中，涌现出了堪比具身智能体的高级感觉运动功能。从康威 “生命游戏” 的简单滑翔机，到 Lenia 中能避障、会修复、可交互的感觉运动agent，人工生命领域的研究正在一步步逼近 “重现生命本质” 的目标。这项研究不仅通过 AI 技术解决了传统人工生命研究的 “低效” 与 “不稳健” 痛点，更让我们看到生命的核心特征：代理性、自组织、稳健性。并非依赖复杂的预设结构，而是可以从简单的局部规则中涌现。而这一切的起点，正是在 CA 中，那些从无到有、稳健生长的感觉运动agent。

《一种新科学》读书会

《一种新科学》作为Stephen Wolfram的开创性著作，在人工智能蓬勃发展的今天重新焕发生机。该书探讨的简单程序生成复杂性、计算普遍性和涌现行为等核心概念，与现代AI和大语言模型的基本原理高度吻合。最近社区成员韩司阳等老师积极推动《A New Kind of Science》在国内的翻译出版工作，所以集智俱乐部联合社区成员韩司阳、章彦博、徐恩峤、张江一起联合发起关于，从9月1日起，每周日上午10:00-12:00开始系列的讨论，欢迎大家加入读书会，做读书会分享或者认领翻译任务。

本次读书会主要是为了聚集更多对这本书和这套理论感兴趣的探索者一起深度交流碰撞，并组织有能力的研究者一同将这本20年的经典巨作翻译成中文版；同时也是想借此机会，能够深入重读经典《A New Kind of Science》，挖掘与当前人工智能和大模型研究有着深刻联系，学习Wolfram的跨学科方法和对自然界模式的研究，为AI算法优化和系统设计提供了新视角。帮助更多的学术研究者和技术应用者从更广阔的科学哲学角度审视AI技术，深化对AI本质的理解，并可能激发解决当前AI挑战的创新思路，为探索AI的未来发展方向提供启示。

详情请见：

1.

2.

3.

4.

5.

6.

7.

8.

7.