來源:集智俱樂部
本公眾號主要關注複雜性科學與人工智慧的前沿進展、經典書籍與最新文獻,同時也發布集智俱樂部、集智學園舉辦的各類講座、課程等活動相關信息。
本文7590字,建議閱讀15分鐘。
本文為一份詳盡的人工生命入門指南。
『導讀』自然界的生命千姿百態,奇妙無窮,一直以來,人們從未停止過對生命本質的探索。人工生命是 20世紀80年代後期興起的一門新興學科,旨在研究具有自然生命系統行為特徵的人工系統。自誕生以來,人工生命與人工智慧相互影響,相互促進。人工智慧凜冬將至?無論相信與否,前景如何,我們都希望人工生命能為其提供新的研究思路。Lana Sinapayen 是索尼計算機科學實驗室和東京地球生命科學研究所的一名人工生命研究者,同時也是國際人工生命學會理事會成員。她為人工智慧研究者們提供了一份人工生命入門指南。
荷蘭動感雕塑藝術家Theo Jansen發明的風力仿生獸Strandbeests
人工生命 Artificial Life,通常簡稱為 ALife。當你讀到這幾個字時,首先會想到什麼?一個T恤衫品牌還是一本Greg Egan的科幻小說?
對於許許多多的人工生命研究者來說,人工生命是對生命基本原理自下而上的科學研究。正如人工智慧研究者通過從零開始構建智能系統來思考智能的本質一樣,人工生命研究者通過從零開始構建生命系統來研究「生命」的本質。
▌人工生命的研究目標是什麼? ▌
人工生命研究者的學術研究領域自然而然地與生物學和化學重疊,但也與計算機科學、天體生物學、物理學、複雜系統、網絡科學、地質學、進化科學、生命起源研究、當然還有人工智慧和動物行為研究重疊。人工生命研究者的口頭禪是「生命如其所能。」
要闡釋人工生命這個領域,很自然地就要先解釋人工生命研究者所說的「生命」是什麼意思。你可能會認為「生命是什麼」這個問題很久以前就被解決了:正在生長和繁殖的東西就是活著的生命。但是,這個定義與雜亂的「生命」的科學事實相去甚遠。很多視頻遊戲會模擬生長和繁殖中的動物,儘管有些人會認為這些動物是活著的,但大多數人的共識是,「生長和繁殖」不足以定義「活著」。同樣地,鹽晶體生長並且導致更多的鹽晶體在它們周圍生長,但是它們不是活著的。
但是,等一等,DNA呢?在初中時,你可能就知道了DNA是地球上所有生命的共同點。即使你正在尋找另一個星球上的生命,DNA也是你應該尋找的確鑿證據,對嗎?好了,事情變得更有趣了。
DNA是由腺嘌呤、胸腺嘧啶、鳥嘌呤和胞嘧啶(DNA的基質)構成的雙螺旋結構,除此之外還有另一個至關重要的事實,那就是它編碼了關於細胞的信息,這些信息可以從親本傳遞給後代(DNA的功能)。如果你專注於這個功能,而不管DNA是由什麼組成的,也不管它是什麼形狀,那麼你可以使用任何東西來編碼和傳遞信息,包括由8個核苷酸組成的DNA分子(8-letter DNA )或計算機中由0和1組成的字符串。在一定條件下,一些基質優於其它基質,但「信息傳遞」的功能並不依賴於DNA本身。在這個意義上,人工生命不受基質的限制。
8-letter DNA 的維基百科:
https://en.wikipedia.org/wiki/Hachimoji_DNA
那麼,人工生命研究者所說的「生命」是什麼意思呢?這是我們想要弄清楚的問題!總的來說,正如人工智慧研究者開發一些程序,用各種方式模擬已知的人類智能,而不一定就什麼是「智能」達成一致,人工生命研究者試圖創建動態系統來模擬已知生物的生命,而不一定就什麼是「生命」達成一致。換句話說,人工生命追求的是一組功能,可以將生命定義為一個進程,並允許你在特定條件下在合適的平台上「運行」它,就像你可以在許多不同的硬體平台上運行一個軟體一樣。
你設置的規則越通用,並且在維護功能時可以使用的平台越多,效果就越好。目前,其中一個功能是這樣的:一個生物體應該進行自創生( autopoiesis)(即有機體應該不斷通過與周圍環境交換物質來「重建」自己),對刺激作出反應,適應周圍環境,繁殖並將不完美的信息傳遞給後代。然而,另一種定義認為,生命只是會受自然選擇影響的任何自創生化學系統。當前讓我們把問題定義為,如果它們有足夠的生產力,我們就已經創建了一種人工生命形式,並且達成共識,稱之為「活的」。所以,遊戲開始了。
自創生( autopoiesis)的學術詞典:
https://www.merriam-webster.com/dictionary/autopoiesis
有了這樣一個廣義的目標,人工生命不可避免地與許多其它領域重疊。人工生命與眾不同之處在於其自下而上的方法,並專注於可以跨領域遷移的通用原理:湧現、信息、計算、微觀和宏觀變量之間的關係等等。
事實上,這是對人工生命最普遍的批評之一:人工生命對通用原則的關注使其「過於隱喻」、過於抽象、過於分散到其它領域,從而難以確定哪種研究「屬於」人工生命。但是這個領域的研究並非隱喻性的,2019年人工生命會議的主題「人工生命如何幫助解決社會挑戰?」就明確了這一點,這個領域在實踐和理論上都取得了具體進展,本文剩餘部分將展示這一點。
▌人工生命簡史 ▌
作為一個科學領域,人工生命誕生於1987年美國計算機科學家Christopher Langton舉辦的第一屆人工生命研討會。Langton創造了「人工生命」這個名稱,並將其定義為「研究具有自然生命系統行為特徵的人工系統」。
第一屆人工生命研討會:
http://www.alife.org/conference/alife-1
然而,人工生命的哲學比20世紀80年代要古老得多:生命是一個可以在人工基質上重新創造的進程,就像一個可以在不同平台上運行的軟體一樣,這個觀點至少和猶太人關於魔像(Golem)的故事一樣古老,魔像是一種由泥土構成的生物,只要寫上正確的詞語就會激活。有一些記錄在案的例子,一些人試圖在人工介質上重現生物機能,比如法國工程師Jacques de Vaucanson的消化鴨(1739年),這是一種機械「鴨子」,可以吞食食物並排泄預先裝載的糞便。
魔像(Golem)的故事:
https://en.wikipedia.org/wiki/Golem
出於一些神秘的原因,De Vaucanson的織布機比他的鴨子更成功;這台織布機可以使用穿孔卡片進行編程,甚至激發了Charles Babbage的靈感,他與Ada Lovelace一起發明了第一台機械計算機。從那時起,人工生命和計算從未停止相互影響。
左圖:消化鴨,右圖:由消化鴨發明者設計的帶有穿孔卡片的可編程織布機
(圖片來源:維基百科)
約翰·馮·諾伊曼(John von Neumann)以對數學、博弈論和計算的貢獻而聞名。他也嚴謹地研究了細胞自動機自我複製的條件,這裡的細胞自動機是他用紙和筆模擬的。他發現了允許二維自動機基於內部存儲的信息構建自身副本的規則,而這是在發現DNA之前!馮·諾依曼隨後對複雜性的進化產生了興趣。與此同時,在50年代早期,挪威-義大利數學家Nils Aall Barricelli在軍用級計算機上運行有史以來第一個進化算法,開始研究複雜生命的進化。
John von Neumann 人物介紹:
https://en.wikipedia.org/wiki/John_von_Neumann#Cellular_automata,_DNA_and_the_universal_constructor
Nils Aall Barricelli 人物介紹:
http://nautil.us/issue/14/mutation/meet-the-father-of-digital-life
馮·諾依曼的自複製通用構造器的第一個實現
(圖片來源:維基百科)
35年後,在Langton召開的研討會上人工生命作為一個科學社區誕生了。此後,該社區規模雖小但穩定,每年都舉辦人工生命會議,並擁有自己的期刊。該領域通常分為3個子領域:
1. 硬人工生命(Hard ALife),與硬體相關,包括機器人學和新的計算架構;
2. 軟人工生命(Soft ALife),與軟體相關,包括計算機模擬(含人工智慧);
3. 濕人工生命(Wet ALife),與濕件相關,包括化學和生物學。
人工生命期刊:
https://www.mitpressjournals.org/loi/artl
人工生命也一直與藝術有著緊密的聯繫,以至於藝術可以被認為是第四個子領域。比如人工生命模擬經常在媒體畫廊中展出,基於人工生命的機器人能夠指揮歌劇演出,2018年人工生命會議舉辦了一次藝術競賽。
機器人指揮歌劇演出的視頻:
https://www.youtube.com/watch?v=ePIYMN6gbzs
2018年人工生命會議舉辦的藝術競賽介紹:
http://artaward2018.alifelab.org/#winner
▌人工智慧與人工生命 ▌
目前,人工生命正受到AI界的再次關注。人工智慧和人工生命的相互影響可以追溯到很久以前,深度學習的先驅們(如谷歌大腦的Geoffrey Hinton)受到了Inman Harvey等著名人工生命研究者的思想的影響。Uber人工智慧實驗室的負責人Kenneth O. Stanley也是人工生命社區的受人尊敬的成員,因為他對開放性(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經典的主題:開放式進化(Open Ended Evolution,OEE)。Stanley指導了Pic Breeder的創建,這是一個在線合作的OEE藝術項目,圖片在其中進行「繁殖」和演變。他還創建了一類新的遺傳算法,主要用於神經網絡優化。Stanley的NEAT算法最顯著的特點是它專注於優化解決方案的多樣性,而不僅僅是性能,從而使產生的解決方案超越了傳統的僅專注於優化性能的方法。NEAT被授予2017年國際人工生命學會十年傑出論文獎。
深度學習的先驅們受到了人工生命研究者的思想的影響:
https://twitter.com/geoffreyhinton/status/1110914561811587072
Inman Harvey 人物介紹:
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 網站:
http://picbreeder.org/
NEAT算法:
https://www.mitpressjournals.org/doi/10.1162/106365602320169811
不出所料,遺傳算法的概念本身也起源於人工生命研究社區。1975年John Holland的開創性著作《Adaptation of Natural and Artificial Systems》介紹了他在複雜自適應系統和遺傳算法上的工作。1992年在第一屆歐洲人工生命會議上他和Francisco Varela一起提出了新的版本。Francisco Varela是人工生命社區中另一個家喻戶曉的名字,他提出了自創生的概念。現在,遺傳算法有自己的會議GECCO。
John Holland 人物介紹:
https://en.wikipedia.org/wiki/John_Henry_Holland
Francisco Varela 人物介紹:
https://en.wikipedia.org/wiki/Francisco_Varela
遺傳算法會議 GECCO:
https://sig.sigevo.org/index.html/tiki-index.php#&panel1-1
Karl Sims進化的虛擬生物
人工智慧和機器學習社區可能已經忘記了遺傳算法起源於人工生命,但遺傳算法從未停止成為人工生命領域的一大研究領域。最著名的例子可能是Karl Sims進化的虛擬生物,但最近關於遺傳算法的工作包括Emily Dolson關於空間分布對進化速度的影響的工作,和Artem Kaznatcheev關於適應度景觀(fitness landscapes)中計算複雜性的工作。
Emily Dolson 的工作:
http://cse.msu.edu/~dolsonem/
Artem Kaznatcheev 的工作:
https://www.biorxiv.org/content/10.1101/187682v4
▌超出人工智慧領域的人工生命 ▌
當然,人工生命不僅僅對單個生物的行為感興趣。
人工生命中關於生物之間相互作用的部分可以廣義地定義為群體動力學(Swarm Dynamics)。從簡單化模擬的鳥類具有的複雜集群模式(這啟發了在電影中使用CGI技術創造戰士群體),到由單個真菌組成的「智能」黏液菌成群遊動,再到群體化學(swarm chemistry),群體研究背後的首要原則是尋找湧現。湧現的屬性是某種「超過其各部分之和」的東西:一種從較簡單的部分中意外產生的複雜形式。生命本身被認為是一個湧現的過程;一堆孤立的分子並不像由這些同樣的分子組成的細胞那樣「有趣」或複雜。
CGI(Computer-generated imagery)即電腦生成動畫技術,它自誕生之際就被運用於視覺藝術創作,如今已在電影、繪畫等領域發展成熟,如《阿麗塔:戰鬥天使》《頭號玩家》《阿凡達》。
使用CGI技術創造戰士群體:
https://www.rocketstock.com/blog/crowd-control-the-vfx-behind-dynamic-crowd-simulations/
歷史上我們是如何從「成堆的分子」變成「生物體」的,這是生命起源研究的主題。這是一個與人工生命有些不同的領域,但是兩者在試圖回答的問題上有很大的重疊。生命起源的研究者往往是生物學家、地質學家或化學家,他們最感興趣的是生命在歷史上「真正」是如何產生的,而不是它可能產生的所有方式。但也有一些研究者是人工生命社區的成員,他們研究生命起源中哪些事件是隨機的,哪些是真正必要的;哪些可以在不同的系統中繁殖,哪些不能。
特別地,人工化學(Artificial chemistry)是一個從人工生命延伸出來的領域。人工化學研究者,如 Susan Stepney,研究複雜性的起源、自組裝的進化,以及其它生命進化的先決條件。
人工化學(Artificial chemistry)的維基百科:
https://en.wikipedia.org/wiki/Artificial_chemistry
Susan Stepney 人物介紹:
https://pure.york.ac.uk/portal/en/researchers/susan-stepney(1c276791-122c-4bd2-b5f0-09bb01fd3fe6).html
儘管涉及的學科範圍很廣,但人工生命試圖回答的所有問題都是相互關聯的:與單個微粒的集合相比,生物體的基本特徵是什麼?這些特徵是如何形成的?我們如何在人工系統中從零再現它們?
▌本文作者Lana Sinapayen對人工生命未來的展望 ▌
Lana認為人工生命領域的未來主要有3條發展路徑。首先,我們看到了下一個人工智慧寒冬的初步跡象,人們對人工智慧研究失去信心,資金枯竭。一方面,誇大其詞的言論搶走了真實進展的風頭。另一方面,一些人工智慧從業者看到了深度學習熱潮的局限性,並且在最近幾年中,已經開始向人工生命尋求新的想法。
人工智慧寒冬:
https://en.wikipedia.org/wiki/AI_winter
誇大其詞的言論搶走了真實進展的風頭:
https://www.skynettoday.com/briefs/sophia
人工智慧向人工生命尋求新的想法:
https://www.quantamagazine.org/computers-evolve-a-new-path-toward-human-intelligence-20191106/
對於人工生命,如果你設法構建人工生命,並將進化應用於它,那麼只要你做對了,最終一定能獲得智能系統。在Lana看來,沒有人工生命就沒有人工智慧,因此Lana對未來的展望是兩個領域的融合。
這項大規模的融合將是人工生命取得更大進步的一部分:在人工系統中合成開放式進化(OEE)。OEE是這樣一種想法,即一些系統隨著時間的推移複雜性會呈指數增長,並且複雜性永遠不會停止增長。地球上的生命據說就是這樣一個開放的系統。在計算機或化學系統中創建 OEE意味著你從一些簡單的東西開始,也許是一堆分子,或者是從零開始的模擬,然後從中獲得巨大的複雜性,例如活著的動物或有意識的生物。
對於人工生命來說,最後一件,也可能是最重大的一件事,就是在另一個星球上發現生命。不幸的是,到目前為止,我們只知道一種生命。當你的樣本量是N=1時,很難進行科學研究。找到任何其它類型的生命會給我們帶來豐富的知識:對於構建生命,什麼是重要的,什麼是無關緊要的。這將徹底改變我們處理「生命是什麼」這個問題的方式,並將使人工生命在理論和實踐上取得空前的進步。
▌總結 ▌
在結束這個入門指南之前,再給大家分享一些在2019年人工生命會議上發表的論文。這個純粹主觀的選擇包括一篇關於硬人工生命的論文、一篇關於濕人工生命的論文、一篇關於軟人工生命的論文和一篇關於藝術人工生命的論文。要獲得更多關於人工生命的資源,請滾動至本文結尾。
2019年人工生命會議上發表的論文,可開放獲取:
https://www.mitpressjournals.org/toc/isal/31
主題:硬人工生命
論文題目:
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
論文地址:
https://www.mitpressjournals.org/doi/abs/10.1162/isal_a_00147
簡介:眾所周知,進化論利用隨機突變來找到問題可接受的優化。進化算法可用於設計機器人的身體和控制器,但這通常發生在模擬仿真中,然後才可能在現實世界中實現解決方案。這最後一步需要大量的人力勞動,並且常常面臨很多失敗,因為現實世界總是比模擬世界更為嚴苛。本文提出了一種系統,該系統可以完全在現實世界中構建和進化小型機器人,這個過程是自主的,或者只需少量的人工干預。有了這個系統,你就不會在機器人進化的世界和現實世界之間有「現實差距」:一切都發生在現實世界中!
主題:濕人工生命
論文題目:
Synthetic Biology in the Brain: A Vision of Organic Robots
作者:
Ithai Rabinowitch
論文地址:
https://www.mitpressjournals.org/doi/abs/10.1162/isal_a_00236
簡介:當你使用自然生物學來構造人工系統時,或者當你使用工程學來構造生命系統時,合成生物學就發生了。基因工程已經相當成功了,在這篇論文中,Rabinowitch解釋了他如何僅通過修改秀麗隱杆線蟲(C. Elegans worm)的DNA而在它的大腦中創建新的突觸。
這尤其令人印象深刻,因為從DNA上移除基因的步驟就像找到線蟲大腦中一個特定神經元上的一個突觸一樣具體!線蟲是研究神經網絡的絕佳模型:與大鼠或人類不同,線蟲只有數百個神經元,並且我們知道每個神經元的精確映射。因為它們的大腦是流線型的,所以小小的修改就可能導致行為發生重大變化。通過創建一個突觸,Rabinowitch成功地將迴避行為轉變為尋求行為,從而有效地編程出一個非常簡單的「有機機器人」。
主題:軟人工生命
論文題目:
On Sexual Selection in the Presence of Multiple Costly Displays
作者:
Clifford Bohm,Acacia L. Ackles,Charles Ofria,Arend Hintze
論文地址:
https://www.mitpressjournals.org/doi/abs/10.1162/isal_a_00170
簡介:一些動物表現出誇張的特徵(比如五顏六色的羽毛或者精心編排的舞蹈)來吸引可能的配偶,儘管這些表現可能使它們更容易被捕食者吃掉。矛盾的是,理想情況下,你希望你的配偶死於愚蠢的可能性較小,而不是可能性較大。那麼,這些代價巨大的特徵是如何進化出來的呢?一個可能的解釋是「性感的兒子(sexy sons)」假說,女性選擇一個「性感」的男性,希望她的兒子能夠繼承性感,並被儘可能多的女性選擇,這導致了一個自我強化的代價巨大的性感循環。本文使用一個自下而上的方法來證明這些動力確實在一個系統中進化,在該系統中,一些特徵的代價是不必要的,這些特徵除了保證你有一些性感的兒子之外沒有其它優勢。
主題:藝術人工生命
論文題目:
Edge of Chaos: Artificial Life based interactive art installation
作者:
Vasilija Abramovic,Ruairi Glynn
論文地址:
https://www.mitpressjournals.org/doi/abs/10.1162/isal_a_00209
簡介:你聽說過混沌邊緣嗎?混沌邊緣是由Christopher Langton(就是創造「人工生命」這個名稱的人)發現的,最初僅用於細胞自動機,指的是介於有序和混沌之間的空間。在這個空間中,改變一個變量的值可以使一個系統通過不同的高複雜度階段進行轉換,而並不完全有序或完全混沌。一些研究探索發現大腦在混沌邊緣運轉最佳,並且生命本身據說也存在於混沌邊緣。受到這個概念的啟發,Vasilija Abramovic和Ruairi Glynn建造了一個巨型裝置,其中運動物體由細胞自動機控制。這個裝置對參觀者的出現做出反應,這種反應既不是可預測的,也不是混沌的。
▌人工生命資源清單 ▌
首先,與我們一起參加在蒙特婁舉辦的下一屆人工生命會議,主題是「人工智慧的新領域:人工生命能為人工智慧提供什麼?」
2020年人工生命會議官網:
http://2020.alife.org/
了解更多關於人工生命的基本概念:
Dave Ackley 關於人工生命的系列視頻:
https://www.youtube.com/watch?v=QkuZIKj9U6c&list=PLm5k2NUmpIP-j5oOSEljDo3evg-wBIrMM
Samim 關於人工生命的視頻:
https://youtu.be/wQQ2NHECcvQ
來自國際人工生命學會的資源清單:
http://www.alife.org/online-resources
Kenneth O. Stanley 關於開放式進化的論文:
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進展:
人工生命期刊:
https://www.mitpressjournals.org/loi/artl
由 Anya Vostinar 和本文作者 Lana Sinapayen 共同管理的推特帳號
@alifepapers,專為發布獲獎的人工生命相關論文:
https://twitter.com/AlifePapers
Arxiv 上的人工生命的關鍵詞:
https://arxiv.org/search/searchtype=all&query=%22artificial+life%22&abstracts=show&size=50&order=-submitted_date
關注會議和活動:
國際人工生命學會官網:
http://www.alife.org/
聯繫和實踐:
社交新聞網站 Reddit 關於人工生命的子版塊:
https://www.reddit.com/r/alife/
關於人工生命的日語書籍的 GitHub 倉庫,不是英文的,但Python代碼很容易理解:
https://github.com/alifelab/alife_book_src/
Lenia 的 Mathematical Life Forms 的 GitHub 倉庫:
https://github.com/Chakazul/Lenia
由 Olaf Witkowski 和本文作者 Lana 組織的人工生命識別競賽:
https://competitions.codalab.org/competitions/20612
更多可供欣賞的藝術人工生命資源:
2018年人工生命藝術競賽獲獎者:
http://artaward2018.alifelab.org/#winner
Joel Simon的作品集:
https://www.joelsimon.net/
Ken Stanley 的 PicBreeder 網站:
http://picbreeder.org/
由 Joel Simon 創建的 ArtBreeder 網站,與 PicBreeder 類似,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 的未來專欄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,「機器人」一詞的來源(1920年):
https://en.wikipedia.org/wiki/R.U.R.
劉慈欣的《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/
— 完 —
關注清華-青島數據科學研究院官方微信公眾平台「THU數據派」及姊妹號「數據派THU」獲取更多講座福利及優質內容。