生命游戲2.0：當(dāng)代碼學(xué)會“斷肢再生”，神經(jīng)元胞自動機正在重演進(jìn)化史

何為生命？何為智能？這些古老的哲學(xué)問題在計算科學(xué)的新視角下獲得了令人驚嘆的啟示。神經(jīng)元胞自動機（Neural Cellular Automata，NCA）作為一種新興的計算模型，正在揭示生命和智能從簡單規(guī)則中自然涌現(xiàn)的可能。

本文系統(tǒng)介紹了NCA的發(fā)展歷程、訓(xùn)練機制及其展現(xiàn)出的驚人再生能力。從NCA的誕生到其作為可編程計算范式的廣闊應(yīng)用前景，文章將帶您探索這一前沿領(lǐng)域如何重新定義我們對生命本質(zhì)的理解。作為延展閱讀，文末還摘引了谷歌科技與社會首席技術(shù)官Blaise Agüera y Arcas在其新作《何為智能》（What Is Intelligence?）中關(guān)于NCA模擬生命起源的思考。

這些見解為我們提供了一個全新視角：智能的出現(xiàn)或許并非偶然，而是計算過程中的必然涌現(xiàn)。

作者

喬治·穆瑟George Musser

知名科學(xué)作家和編輯

擁有布朗大學(xué)電氣工程和數(shù)學(xué)學(xué)士學(xué)位以及康奈爾大學(xué)行星科學(xué)研究生學(xué)位。他著有《弦理論完全傻瓜指南》（The Complete Idiot's Guide to String Theory）和《遠(yuǎn)距離的幽靈作用》（Spooky Action at a Distance: The Phenomenon That Reimagines Space and Time—and What It Means for Black Holes, the Big Bang, and Theories of Everything）等作品，其編輯工作曾獲國家雜志獎，個人也榮獲行星科學(xué)新聞獎和美國物理學(xué)會科學(xué)寫作獎等多項榮譽。

神經(jīng)元胞自動機NCA的誕生

?亞歷克斯·莫爾德文采夫（Alex Mordvintsev）谷歌軟件工程師，主要研究領(lǐng)域為人工智能和神經(jīng)網(wǎng)絡(luò)。他因開發(fā)了谷歌的 DeepDream 算法而聞名，該算法能夠通過神經(jīng)網(wǎng)絡(luò)生成奇幻的圖像，催生了一種新的藝術(shù)形式——“感應(yīng)主義”。此外，他還致力于神經(jīng)網(wǎng)絡(luò)的可視化研究，幫助人們更好地理解神經(jīng)網(wǎng)絡(luò)的內(nèi)部工作機制，其研究成果在學(xué)術(shù)界和藝術(shù)界都產(chǎn)生了廣泛影響。圖源：X

1985年，Alex Mordvintsev出生于俄羅斯烏拉爾山脈東麓的Miass小城。少年時代，他通過自學(xué)編程，在一臺蘇聯(lián)時代的IBM PC克隆機上編寫了一系列模擬程序，如行星動力學(xué)、氣體擴(kuò)散和螞蟻群落等。自此以后，他便一直著迷于“在計算機中創(chuàng)造一個微型的宇宙，然后讓它運行，并擁有一個你可以完全控制的模擬現(xiàn)實”。

2014年，Mordvintsev加入了蘇黎世谷歌實驗室。彼時多層神經(jīng)網(wǎng)絡(luò)的圖像識別技術(shù)風(fēng)靡科技界，盡管這些系統(tǒng)功能強大，但神經(jīng)網(wǎng)絡(luò)的工作機制卻如同黑盒一般令人困惑——這種困擾直到今天依然存在。他決心深入理解其運作原理。

2015年，他提出了“深度夢境”（DeepDream）——一種能夠捕捉并夸張神經(jīng)網(wǎng)絡(luò)在圖像中識別模式的技術(shù)。借助這一技術(shù)，普通照片可以被轉(zhuǎn)化為由狗鼻子、魚鱗或鸚鵡羽毛交織而成的迷幻藝術(shù)品。這些奇異的視覺作品迅速席卷了整個互聯(lián)網(wǎng)，也讓Mordvintsev一躍成為當(dāng)時軟件界的知名人物。

?Places205-GoogLeNet. 圖源：Google, Inceptionism gallery

Mordvintsev的“深度夢境”引起了學(xué)術(shù)界的廣泛關(guān)注，Tufts大學(xué)發(fā)育生物學(xué)領(lǐng)軍人物Michael Levin對此尤為感興趣。Levin認(rèn)為，神經(jīng)網(wǎng)絡(luò)與生物有機體同樣是難以解析的復(fù)雜系統(tǒng)；他好奇，這種揭示神經(jīng)網(wǎng)絡(luò)內(nèi)部運作的方法，是否也能幫助我們理解生命本身。Levin的郵件重新點燃了Mordvintsev對模擬自然的興趣，尤其是引起了他對元胞自動機（cellular automata）的關(guān)注。

?90號規(guī)則元胞自動機（Rule 90）是一種簡單的一維計算模型，由Stephen Wolfram提出。它基于每個單元格的兩個鄰居狀態(tài)，通過異或（XOR）運算更新狀態(tài)，能生成復(fù)雜的Sierpinski三角形圖案，常用于研究復(fù)雜系統(tǒng)和藝術(shù)設(shè)計。 圖源：Wolfram MathWorld

元胞自動機，是計算機之父馮·諾依曼在20世紀(jì)50年代提出的一種仿真方法，最初正是為了模擬生命系統(tǒng)所具有的自復(fù)制功能而提出。2020 年，Alex Mordvintsev巧妙地將現(xiàn)代神經(jīng)網(wǎng)絡(luò)、圖靈的形態(tài)發(fā)生學(xué)（morphogenesis）以及元胞自動機結(jié)合在一起，創(chuàng)造了“神經(jīng)元胞自動機”（neural cellular automaton，NCA）。

NCA用神經(jīng)網(wǎng)絡(luò)替換了經(jīng)典元胞自動機中簡單且固定的像素變化規(guī)則。每個格子中的神經(jīng)網(wǎng)絡(luò)能夠感知并影響代表自身及周邊格子中信息素的濃度，經(jīng)過計算后做出相應(yīng)反應(yīng)。NCA可以被訓(xùn)練來“生長”任何所需的圖案或圖像，而不僅僅是斑馬條紋或豹子斑點。

模仿自然進(jìn)化的訓(xùn)練

?蜥蜴形狀復(fù)原NCA示例. 圖源：distill

NCA的演示開始時，單個細(xì)胞逐步演化成完整的蜥蜴形狀。此時，你用鼠標(biāo)穿過蜥蜴“劃傷”它，“受損”區(qū)域很快開始自我修復(fù)——在這些經(jīng)鼠標(biāo)擦除所留下的空白像素格子中，NCA的神經(jīng)網(wǎng)絡(luò)感知周圍環(huán)境，并根據(jù)局部信息計算并調(diào)整自身狀態(tài)。不久后，完整的蜥蜴圖案便重新顯現(xiàn)。這種強大的自我修復(fù)能力，正是NCA最令人驚嘆的特性。

類似的自組織現(xiàn)象，其實在自然界中隨處可見。椋鳥的群舞或螞蟻群體作為一個整體行動，科學(xué)家們已經(jīng)提出了簡單的規(guī)則，如果每只鳥或每只螞蟻都遵循這些規(guī)則，就能解釋集體行為。同樣，你身體的細(xì)胞相互作用，將自己塑造成一個單一的有機體。

NCA的訓(xùn)練與之類似，其方法不是從規(guī)則開始并觀察結(jié)果，而是從一個期望的模式開始，找出能夠產(chǎn)生該模式的簡單規(guī)則。“想象你想建造一座大教堂，但你不是設(shè)計大教堂，就是而是設(shè)計磚塊。你的磚塊應(yīng)該是什么形狀，才能在你將大量磚塊搖晃足夠長的時間后，為你建造起一座大教堂”，這樣的設(shè)計思路，正如物理學(xué)家和Stephen Wolfra在1986年所描述的“編程系統(tǒng)的基本構(gòu)件，使它們能夠自組裝成任何你想要的形式。”

NCA的核心創(chuàng)新在于使用神經(jīng)網(wǎng)絡(luò)來定義元胞自動機的物理規(guī)則。

在“生命游戲”中，網(wǎng)格中的每個細(xì)胞要么活著，要么死亡，在模擬時鐘的每個滴答聲中，要么繁殖、死亡或保持不變。每個細(xì)胞的行為規(guī)則表現(xiàn)為一系列條件：例如，“如果一個細(xì)胞擁有超過三個鄰居，它就會死亡”。

而在NCA中，神經(jīng)網(wǎng)絡(luò)替代了固定規(guī)則——神經(jīng)網(wǎng)絡(luò)會根據(jù)細(xì)胞及其鄰居的當(dāng)前狀態(tài)，結(jié)合周邊格子的信息素濃度進(jìn)行計算，從而決定格子（細(xì)胞）的狀態(tài)（顏色）。這一過程類似于神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用——正如神經(jīng)網(wǎng)絡(luò)可以學(xué)會區(qū)分狗和貓的圖像特征，NCA中的神經(jīng)網(wǎng)絡(luò)也學(xué)會了根據(jù)局部環(huán)境信息來決定細(xì)胞狀態(tài)。與傳統(tǒng)元胞自動機需要預(yù)設(shè)固定規(guī)則不同，NCA通過訓(xùn)練獲得的神經(jīng)網(wǎng)絡(luò)能夠動態(tài)地做出決策。

?神經(jīng)網(wǎng)絡(luò)更新示例. 圖源：distill

NCA訓(xùn)練從一個“活”細(xì)胞開始，讓神經(jīng)網(wǎng)絡(luò)控制細(xì)胞不斷演化，最終將生成的圖案與目標(biāo)圖案進(jìn)行對比。初次嘗試時，生成的結(jié)果往往與目標(biāo)圖案毫無相似之處。此時需要調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)，重新運行網(wǎng)絡(luò)觀察是否有所改善，然后不斷重復(fù)這個過程。經(jīng)過數(shù)千次反復(fù)訓(xùn)練，每一輪都會更新細(xì)胞的狀態(tài)。只要確實存在能夠生成目標(biāo)圖案的神經(jīng)網(wǎng)絡(luò)配置，那么通過足夠多次的嘗試和調(diào)整，訓(xùn)練程序最終一定能夠找到它。

參數(shù)調(diào)整的實現(xiàn)方式包括反向傳播、遺傳算法等。反向傳播雖然訓(xùn)練速度更快，但需要連續(xù)平滑的變化過程。而生命游戲中細(xì)胞只有死亡或存活兩種狀態(tài)，這種跳躍式狀態(tài)切變導(dǎo)致反向傳播無法使用。為此，Mordvintsev借鑒了2010年代中期谷歌東京實驗室Bert Chan等人的創(chuàng)新思路：將細(xì)胞狀態(tài)設(shè)置為0到1之間的連續(xù)數(shù)值，讓NCA中的細(xì)胞不再是絕對的死亡或存活，而始終處于兩者之間。

此外，Mordvintsev發(fā)現(xiàn)訓(xùn)練過程中需要為每個細(xì)胞添加“隱藏”變量。這些變量不表示細(xì)胞的生死狀態(tài)或類型，卻能指導(dǎo)細(xì)胞的行為特征。“沒有這些變量，系統(tǒng)根本無法正常工作。”如果像傳統(tǒng)生命游戲那樣讓所有細(xì)胞同步更新，生成的模式會顯得僵硬不自然，缺乏目標(biāo)圖案的特征。這個問題的解決方案是采用隨機間隔更新機制。

Mordvintsev的神經(jīng)網(wǎng)絡(luò)最終包含8000個參數(shù)。這個數(shù)字初看令人費解——2020年卡內(nèi)基梅隆大學(xué)博士研究生Jacob Springer和洛斯阿拉莫斯國家實驗室Garrett Kenyon進(jìn)行的模擬中，將生命游戲直接轉(zhuǎn)換為神經(jīng)網(wǎng)絡(luò)只需25個參數(shù)。

之所以參數(shù)數(shù)量巨大差異，是因為學(xué)習(xí)執(zhí)行某項任務(wù)，往往比執(zhí)行該任務(wù)要困難得多，因此需要更大的網(wǎng)絡(luò)規(guī)模。同時，參數(shù)數(shù)量的增加也帶來了能力的質(zhì)變，傳統(tǒng)生命游戲雖然能夠展現(xiàn)出極其豐富的涌現(xiàn)行為，但Mordvintsev的NCA憑借其龐大的參數(shù)空間，已經(jīng)躍升到了一個全新的復(fù)雜度層次。

感興趣的讀者，可參考2020年Mordvintsev發(fā)表的論文第一篇NCA論文及交互小程序 Mordvintsev, A., Randazzo, E., Niklasson, E., & Levin, M. (2020). Growing Neural Cellular Automata. Distill.

類似生命的再生能力

?Mordvintsev 的神經(jīng)元胞自動機示例，測試鏈接：https://distill.pub/2020/growing-ca/

NCA中的圖像并非逼真的動物模擬——它們沒有心臟、神經(jīng)或肌肉，僅僅是形狀像動物的多彩細(xì)胞圖案。但它們確實捕捉了形態(tài)發(fā)生的某些關(guān)鍵方面，即生物細(xì)胞形成組織和身體的過程。NCA提供了一種通用方法來模擬不涉及運動、僅涉及狀態(tài)變化（此處以顏色表示）以及化學(xué)物質(zhì)吸收或釋放的細(xì)胞可能行為范圍。在元胞自動機中，每個細(xì)胞的反應(yīng)僅基于其鄰居的狀態(tài)，而非在主控指導(dǎo)下就位。

真實細(xì)胞內(nèi)部雖并不存在所謂的“神經(jīng)網(wǎng)絡(luò)”，但每個細(xì)胞都在運行相同的DNA，就像運行著一套經(jīng)過高度進(jìn)化、非線性且具有目的性的“程序”，以決定在外部刺激和內(nèi)部狀態(tài)下將采取何種行動。如此，細(xì)胞能夠?qū)崿F(xiàn)自組織，重現(xiàn)自身的結(jié)構(gòu)。

NCA的再生能力，源于訓(xùn)練中Mordvintsev的意外發(fā)現(xiàn)——如果給單個像素的規(guī)則是形成蜥蜴，那么即使存在巨大傷口，蜥蜴也能復(fù)原完整。于是，他開始針對性訓(xùn)練NCA的再生能力，例如故意損壞一個模式，并調(diào)整規(guī)則，直到系統(tǒng)能夠恢復(fù)。

Mordvintsev發(fā)現(xiàn)，NCA會自發(fā)采用冗余策略來確保魯棒性。例如，如果訓(xùn)練系統(tǒng)防止關(guān)鍵部位（如動物眼睛）受損，系統(tǒng)可能會生產(chǎn)“備用副本”。“無法讓眼睛足夠穩(wěn)定，NCA于是開始增殖——比如長出三個眼睛。”

至于是什么賦予了NCAs的再生能力，哥本哈根IT大學(xué)計算機科學(xué)家Sebastian Risi認(rèn)為，其中一個因素是隨機更新間隔等特征為自動機引入的不確定性。這種看似“干擾”的不確定性，實際上成為了系統(tǒng)進(jìn)化出魯棒性的驅(qū)動力。這一原理與自然界的生物系統(tǒng)高度吻合，Ris指出“生物系統(tǒng)之所以如此魯棒，正是因為它們所處的底層環(huán)境充滿了噪聲。”

在NCA中增加記憶

2024年，來自塔夫茨大學(xué)和維也納理工大學(xué)的理論物理學(xué)家Ben Hartl加入了Risi和Levin的研究團(tuán)隊，試圖利用NCA研究了噪聲如何導(dǎo)致魯棒性。他們在傳統(tǒng)的NCA架構(gòu)中增加了一個特性：記憶。增加后的系統(tǒng)可以通過兩種方式重現(xiàn)期望的圖案——調(diào)整網(wǎng)絡(luò)參數(shù)，或?qū)D案逐個像素地存儲在記憶中。研究人員在各種條件下對其進(jìn)行了訓(xùn)練，觀察它會采用哪種策略。

結(jié)果頗為有趣：在簡單任務(wù)重，系統(tǒng)傾向于選擇記憶。畢竟，如果只要重現(xiàn)固定模式，直接“背下來”顯然比費力調(diào)整復(fù)雜的神經(jīng)網(wǎng)絡(luò)要高效得多。

然而，當(dāng)研究人員在訓(xùn)練中引入噪聲干擾時，情況發(fā)生了逆轉(zhuǎn)。面對不確定性，神經(jīng)網(wǎng)絡(luò)開始展現(xiàn)其價值——它能夠發(fā)展出抵抗噪聲的策略，而單純的記憶則顯得束手無策。即便研究人員更換目標(biāo)模式，該網(wǎng)絡(luò)能夠更快地學(xué)會新圖案，因為它已經(jīng)掌握了諸如繪制線條等可遷移的技能；相比之下，單純依賴記憶的方法則必須從零開始。簡言之，對噪聲具有魯棒性的系統(tǒng)通常也更具靈活性。

?即使受到干擾，NCA所形成的紋理也具有自我修復(fù)的能力。 圖源：distill

研究人員認(rèn)為，他們的這套實驗設(shè)置實際上是對自然進(jìn)化機制的一種模擬。在真實的生物進(jìn)化中，基因組并不直接規(guī)定生物體的性狀；相反，它編碼的是一套能夠生成性狀的發(fā)育機制。這是這種可以靈活重組現(xiàn)有能力的機制，使得物種能夠更快地適應(yīng)新環(huán)境，“這極大地加速了進(jìn)化過程”。

不過，Lila Sciences研究計算進(jìn)化和自然進(jìn)化的人工智能研究員Ken Stanley也警告說，盡管NCA功能強大，但它仍然只是生物學(xué)的不完美模型。與機器學(xué)習(xí)不同，自然進(jìn)化并不是靶定特定目標(biāo)發(fā)展。他指出：“進(jìn)化并非預(yù)見了魚類的某種理想形態(tài)，然后想方設(shè)法將其編碼出來。”因此，從NCA中獲得的教訓(xùn)可能無法推廣到自然界。

全新范式計算能耗低

NCA在缺損再生的過程中展現(xiàn)出解決問題的能力，這讓Mordvintsev認(rèn)為它們有望成為通用計算的新范式。雖然NCA表面上是在形成視覺圖案，但其本質(zhì)仍是根據(jù)算法處理細(xì)胞狀態(tài)數(shù)值的過程。在適當(dāng)條件下，元胞自動機具備與其他類型的計算機同的的通用計算能力。

回顧計算機發(fā)展史，馮·諾依曼在20世紀(jì)40年代提出了第一種計算機標(biāo)準(zhǔn)模型，將中央處理器與存儲器相結(jié)合，CPU依次執(zhí)行一系列指令。神經(jīng)網(wǎng)絡(luò)則是第二種架構(gòu)，它將計算和存儲分配到數(shù)千到數(shù)十億個相互連接的并行運行的單元上。NCA延續(xù)了這一思路，但并行得更為徹底——每個計算單元僅與其鄰居相連，而放棄了馮·諾依曼架構(gòu)和神經(jīng)網(wǎng)絡(luò)架構(gòu)中存在的長程連接。

這種設(shè)計差異帶來了顯著的能效優(yōu)勢。長程連接是傳統(tǒng)計算系統(tǒng)的主要耗能瓶頸，因此如果NCA能具備其他計算系統(tǒng)的功能，將實現(xiàn)巨大的節(jié)能效果。正如谷歌技術(shù)與社會部門的首席技術(shù)官Blaise Agüera y Arcas所言，“一臺類似NCA的計算機，其效率將遠(yuǎn)超現(xiàn)有的任何計算機。”

但如何為這樣的系統(tǒng)編寫代碼呢？圣菲研究所的Melanie Mitchell認(rèn)為：“真正需要做的是構(gòu)建有關(guān)抽象概念——就像編程語言之于馮·諾依曼式計算一樣。至于大規(guī)模分布式并行計算的編程范式，我們至今一無所知。”

神經(jīng)網(wǎng)絡(luò)并非直接編程而成，而是通過訓(xùn)練獲得功能。20世紀(jì)90年代，加州大學(xué)戴維斯分校的Jim Crutchfield和圣菲研究所的Peter Hraber以及Mitchell展示了元胞自動機如何實現(xiàn)同樣的功能。他們使用遺傳算法訓(xùn)練自動機執(zhí)行多數(shù)操作（the majority operation），即如果多數(shù)細(xì)胞死亡，其余的細(xì)胞也會死亡；如果多數(shù)細(xì)胞存活，所有死亡的細(xì)胞都會恢復(fù)生命。細(xì)胞必須在不了解全局情況的情況下完成這一操作——每個細(xì)胞只知道其鄰居中有多少存活、多少死亡，但無法看到更遠(yuǎn)的地方。在訓(xùn)練過程中，系統(tǒng)自發(fā)地發(fā)展出了一種新的計算范式：死亡或存活的細(xì)胞區(qū)域會擴(kuò)大或縮小，最終占主導(dǎo)地位的細(xì)胞區(qū)域會完全占據(jù)整個自動機。“這是一種非常有趣的算法，如果能稱為‘算法’的話，”Mitchell說道。

這些想法一度沉寂，直到NCA出現(xiàn)，又重新激發(fā)了在元胞自動機上進(jìn)行編程的一系列設(shè)想。

?讀取手寫數(shù)字的NCA示例，測試網(wǎng)址：https://distill.pub/2020/selforg/mnist/

2020年，Mordvintsev及同事創(chuàng)造了一個能夠讀取手寫數(shù)字的NCA。這是一個經(jīng)典的機器學(xué)習(xí)測試案例：當(dāng)你在自動機中繪制一個數(shù)字，細(xì)胞會逐漸改變顏色，直到它們都變成相同的顏色，從而識別出數(shù)字。

今年，倫敦帝國學(xué)院的Gabriel Béna和他的合著者，基于軟件工程師Peter Whidden未發(fā)表的工作，創(chuàng)造了一種用于矩陣乘法及其他數(shù)學(xué)運算的算法，這一算法“顯然已經(jīng)學(xué)會了真正的矩陣乘法”，正如Béna所言。

最近，挪威奧斯陸大學(xué)學(xué)院的教授Stefano Nichele（專門從事非常規(guī)計算機架構(gòu)研究）以及他的合著者們，將NCAs應(yīng)用于解決抽象推理語料庫（Abstraction and Reasoning Corpus）中的問題，這是一個旨在衡量通用智能發(fā)展進(jìn)程的機器學(xué)習(xí)基準(zhǔn)。這些問題類似經(jīng)典的智商測試：許多題目由成對的線條圖組成，你需要弄清楚第一個圖形如何轉(zhuǎn)變?yōu)榈诙€圖形，然后將該規(guī)則應(yīng)用于新的案例中。例如，第一個是短對角線，第二個是長對角線，那么規(guī)則就是“延伸線條”。

?抽象推理語料庫題目示例. 圖源：substack

傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在此類問題上表現(xiàn)糟糕，因為它們傾向于記住像素排列，而不是提取規(guī)則。但細(xì)胞自動機缺乏長程連接，無法一次性獲取整個圖像，也就無法記憶。在上述例子中，它無法看出一條線比另一條線長。它唯一能將它們關(guān)聯(lián)起來的方式是通過一個將第一條線增長以匹配第二條線的過程。因此，它能自然地識別出變換規(guī)則，從而能夠順利應(yīng)對全新的案例。“這其實是在強制它不去記憶答案，而是去學(xué)習(xí)一個開發(fā)出解決方案的過程”，Nichele說道。

NCA也開始被用于來編程機器人集群。機器人集群這一概念由Stanis?av Lem（斯坦尼斯瓦夫·萊姆）等科幻作家在20世紀(jì)60年代提出，并在90年代開始成為現(xiàn)實。佛蒙特大學(xué)機器人研究者Josh Bongard提出，NCA系統(tǒng)可以設(shè)計出能夠緊密協(xié)作的機器人，它們不再僅僅是集群，而成為一個統(tǒng)一的有機體。“想象一下，機器人集群像一群蠕動中的昆蟲或細(xì)胞，它們互相爬行并不斷重構(gòu)。這就是多細(xì)胞生物的真實狀態(tài)。目前相關(guān)研究還處于早期階段——但這可能是機器人領(lǐng)域的可行方向。”

為此，Hartl、Levin和維也納大學(xué)物理學(xué)家 Andreas Z?ttl訓(xùn)練了一群虛擬機器人——模擬池塘中的一串珠子，像蝌蚪一樣擺動。“這個架構(gòu)非常穩(wěn)健，它們能夠在其中游來游去。”

NCA展現(xiàn)出的潛在可能性是無限的。如果生物學(xué)家能夠弄清楚NCA中的蝴蝶如何如此巧妙地再生翅膀，也許醫(yī)生能夠促使我們的身體重新生長失去的肢體。對于經(jīng)常從生物學(xué)中尋找靈感的工程師來說，NCA是一種潛在的全新模型，用于創(chuàng)建無需中心協(xié)調(diào)即可執(zhí)行任務(wù)的完全分布式計算機。在某些方面，NCA可能在問題解決方面比神經(jīng)網(wǎng)絡(luò)更具天生的優(yōu)勢。

在Mordvintsev看來，生物學(xué)、計算機和機器人之間的交叉融合，正在延續(xù)20世紀(jì)40年代計算科學(xué)早期的傳統(tǒng)——那時馮·諾依曼和其他先驅(qū)們自由地從生物學(xué)中汲取靈感。“對于那一代人來說，自組織、生命和計算之間的關(guān)系是顯而易見的。這些領(lǐng)域不知何故發(fā)生了分化，而現(xiàn)在它們正在重新走向統(tǒng)一。”

https://www.quantamagazine.org/self-assembly-gets-automated-in-reverse-of-game-of-life-20250910/

延展閱讀：何為智能與人工生命？

馮·諾依曼的自復(fù)制自動機（self-reproducing automata）表明，在一個物理定律不允許進(jìn)行計算的宇宙中，生命進(jìn)化是不可能的。幸運的是，我們宇宙的物理學(xué)允許進(jìn)行計算，這一點由我們能夠建造計算機——而且我們確實在這里——的事實所證明。

現(xiàn)在我們處于一個能夠提出問題的位置：在一個能夠進(jìn)行計算的宇宙中，生命將多久出現(xiàn)一次？顯然，它在這里發(fā)生了。這是奇跡，是必然，還是介于兩者之間？

Blaise Agüera y Arcas和幾位合作者于2023 年末開始探索這個問題。他們最初的實驗使用了一種由一位瑞士物理系學(xué)生和業(yè)余雜耍愛好者三十年前發(fā)明的神秘編程語言，即Urban Müller所創(chuàng)造的Brainfuck語言。請將所有命名的反饋直接發(fā)送給他。

然而，這名字起的沒錯，用Brainfuck編程簡直是一場噩夢。例如，下面是一個打印“helloworld”的Brainfuck程序——祝你好運，看懂它。

++++++[?>+++++<]>?[>[++++>]++++[<]>?]>>>>.>+.<<…<?.<+++.>.+++.>.>>?.

Brainfuck的優(yōu)勢在于其極致的極簡主義。它并非是一種單指令語言（single-instruction language，即處理器在每個時鐘周期內(nèi)執(zhí)行一條指令），它僅包含少量操作。如同圖靈機，該語言規(guī)定了一個讀寫頭，該頭可以在磁帶上向左（“ < ”指令）或向右（“ > ”指令）移動。 “ + ”和“ ? ”指令用于增加和減少磁帶（tape）上當(dāng)前位置的字節(jié)。 “ 33 ” “ , ”和“ . ”指令用于從控制臺輸入一個字節(jié)或向其輸出一個字節(jié)（在上面的代碼中，你可以數(shù)出十個“ . ”指令，每個指令打印“helloworld”中的一個字母）。最后，“ [ ”和“ ] ”指令用于實現(xiàn)循環(huán)：“ [ ”如果當(dāng)前位置的字節(jié)為零，將跳轉(zhuǎn)到與之匹配的“ ] ”；“ ] ”如果字節(jié)不為零，將跳轉(zhuǎn)回與之匹配的“ [ ”。就是這樣！

很難相信Brainfuck語言能夠在諸如Windows的操作系統(tǒng)中被部署，但它具有“圖靈完備性”。在這里這意味著：只要給定足夠的時間和內(nèi)存（也就是說，足夠長的磁帶），它就能模擬任何其他計算機，并計算任何可計算的事物。

上述研究中，研究者構(gòu)建了一個稱為湯（bff）的模擬環(huán)境，其中包含數(shù)千條磁帶，每條磁帶都包含Brainfuck代碼和數(shù)據(jù)。在Brainfuck程序中，代碼與磁帶是分離的，而在bff中，我們希望代碼能夠自我修改。這只有在代碼本身位于磁帶上時才可能實現(xiàn)，這就像圖靈最初所設(shè)想的圖靈機。

bff磁帶的長度是固定的64字節(jié)，大約與上面那個神秘的“helloworld”程序一樣長。它們開始時被填充了隨機字節(jié)。然后，它們會持續(xù)隨機地相互作用。在一次相互作用中，兩條隨機選擇的磁帶會被首尾相連，這個組合起來的128字節(jié)長的磁帶會被執(zhí)行，也有可能自我修改。然后，被分為兩個64字節(jié)的磁帶，并返回到“湯”中。偶爾，某個字節(jié)的值會被隨機改變，就像宇宙射線對DNA所做的那樣。

上述實驗中描述的，可視為一個簡化版的NCA，其中每個磁帶可以是一個帶記憶的神經(jīng)網(wǎng)絡(luò)，由對應(yīng)Brainfuck代碼構(gòu)成，NCA中的交互，是在一個二維網(wǎng)格中，而bff中的交互，則是隨機選擇的兩個磁帶組合并執(zhí)行，而不受到磁帶所在位置的制約，除此之外，上述實驗描述的過程，就是缺少外界感知能力的NCA在開放環(huán)境下的演化過程。

由于Brainfuck只包含七條指令（用字符“ <>+?,[] ”表示），而存在256種可能的字節(jié)值，隨機初始化后，給定磁帶上只有7/256，即2.7%的字節(jié)包含有效指令；任何非指令都被簡單地跳過。因此，最初時，磁帶之間的交互并沒有太多結(jié)果。偶爾，一條有效指令會修改一個字節(jié)，這種修改會持續(xù)存在于"湯"中。然而，平均而言，每次交互只進(jìn)行一兩個計算操作，而且通常沒有效果。換句話說，雖然在這個玩具宇宙中理論上任何計算都是可能的，但實際上最初發(fā)生的事情卻很少。隨機突變可能會改變這里或那里的一個字節(jié)。即使一條有效指令導(dǎo)致一個字節(jié)發(fā)生變化，但這種改變也是任意的、沒有目的的。

但經(jīng)過數(shù)百萬次交互后，奇妙的事情發(fā)生了：磁帶開始復(fù)制！隨著它們生成自身的副本以及彼此的副本，隨機性逐漸讓位于復(fù)雜的秩序。這種變化的突然性類似于“相變”，如氣體與液體之間，或液體與固體之間的轉(zhuǎn)化。事實上，湯的初始無序狀態(tài)與隨機旋轉(zhuǎn)的氣體分子非常相似。

?早期版本的bff展示了從隨機初始化到全帶復(fù)制的演化過程；僅顯示了用于指令的字節(jié)編碼

我們將能執(zhí)行特定功能的代碼稱為“計算子”， 當(dāng)相變發(fā)生時，計算量會急劇增加。。而這其中的關(guān)鍵，類似線粒體被吞噬后成為真核生物的一部分。Brainfuck的七條指令中有兩條（“ [ ”和“ ] ”）用于條件分支，并在代碼中定義循環(huán)。繁殖至少需要一個這樣的循環(huán)（“復(fù)制字節(jié)直到完成”），而這會導(dǎo)致每次交互中執(zhí)行的指令數(shù)量增加到數(shù)千條。

?磁帶中相同指令編碼的字節(jié)數(shù)的直方圖，在1500萬次后變?yōu)槿艓?fù)制，但計算量依然在持續(xù)增加

進(jìn)化產(chǎn)生的代碼不再隨機，而是明顯具有目的性，其功能可以被分析和逆向工程。不幸的突變可能破壞它，使其無法復(fù)制。隨著時間的推移，代碼進(jìn)化出巧妙的策略來增強其抵御此類損害，以增強魯棒性。

這種功能和目的的出現(xiàn)，就像我們在各個尺度的有機生命中所看到的那樣；因此，我們可以談?wù)撗h(huán)系統(tǒng)的功能、腎臟或線粒體的功能，以及它們?nèi)绾巍笆А薄M管沒有人設(shè)計這些系統(tǒng)。

研究團(tuán)隊使用多種編程語言和環(huán)境重現(xiàn)了基本結(jié)果。以NCA聞名的Alex創(chuàng)建了NCA模式下的bff。一個200×200的“像素”數(shù)組中的每個元素都包含一個磁帶，并且交互僅在網(wǎng)格上的相鄰帶之間發(fā)生。為了紀(jì)念這些研究者充滿nerd味的童年，這些磁帶被解釋為1976年推出的標(biāo)志性8位計算機Zilog Z80微處理器的指令。在這些研究中，復(fù)雜的可復(fù)制程序也很快從隨機交互中涌現(xiàn)，并在連續(xù)的波浪中在網(wǎng)格上進(jìn)化和擴(kuò)散。

?在模擬的 200×200 Zilog Z80 處理器網(wǎng)格上競爭復(fù)制體的演化

模擬表明，在一般情況下，只要條件允許，生命就會自發(fā)產(chǎn)生。促成生命的條件似乎很簡單：只需要一個能夠支持計算的環(huán)境、一些隨機性以及足夠的時間。

讓我們停下來思考一下為什么這是如此非凡。

從直覺上看，人們并不期望功能或目的性會自發(fā)產(chǎn)生。當(dāng)然，我們早已知道，在初始隨機條件下可以產(chǎn)生一定程度上的秩序；例如，波浪的拍打可以大致將沙灘上的沙子排序，形成從細(xì)到粗的梯度。但如果我們從受隨機波浪作用的沙灘上的沙子開始，幾小時后回來發(fā)現(xiàn)那里寫著一首詩，或者沙粒熔合成了一個復(fù)雜的電子電路，我們會認(rèn)為有人在捉弄我們。

復(fù)雜秩序自發(fā)產(chǎn)生的極端不可能性通常被認(rèn)為源于熱力學(xué)，即物理學(xué)中研究物質(zhì)在隨機熱波動作用下的統(tǒng)計行為。熱力學(xué)指出，所有物質(zhì)，因為高于絕對零度，都會受到隨機性的影響。受隨機力作用的物質(zhì)被認(rèn)為會變得更加隨機，而不是隨機性減少。然而，通過生長、繁殖、進(jìn)化，甚至僅僅是存在，生命似乎違背了這一原理。

這只是表面上的違背，因為生命需要自由能的輸入，才能使熵的力量得以遏制。然而，生命系統(tǒng)看似自發(fā)的出現(xiàn)和“復(fù)雜化”現(xiàn)象，似乎并未被物理定律嚴(yán)格禁止，至少也未得到它們的解釋。這就是為什么偉大的物理學(xué)家薛定諤在他于1944年出版的中寫道：

生命物質(zhì)雖然尚未違背迄今為止所確立的"物理學(xué)定律"，但很可能涉及此前未知"其他物理學(xué)定律"，然而一旦這些定律被揭示，它們將和前者一樣成為這門科學(xué)中同樣不可或缺的一部分。

本章摘引自Google副總裁兼研究員、技術(shù)與社會的首席技術(shù)官、智能范式團(tuán)隊的創(chuàng)始人Blaise Agüera y Arcas，2025年9月出版的新書《何為智能》（What is intelligence）中第一章部分內(nèi)容，在線鏈接為https://whatisintelligence.antikythera.org/chapter-01/-as-computation

編譯后記

Blaise Agüera y Arcas的《何為智能》（What is intelligence？）一書中，提出了一個核心思想，將生命視作“一種因進(jìn)化選擇動態(tài)穩(wěn)定性而出現(xiàn)的自我修改的可計算物質(zhì)”，那么智能就是“一種模擬、預(yù)測和影響自身未來的能力，在與其他智能的關(guān)系中進(jìn)化，以創(chuàng)造更大的共生智能”。

從這個角度來說，智能本質(zhì)上是一種計算過程，可以跨越不同載體，在神經(jīng)元、硅片還是NCA中實現(xiàn)。因此，可通過NCA去揭示生命如何起源，隨機性促成具有簡易功能的可復(fù)制原件，而當(dāng)可復(fù)制原件組合成更大的合作組織時，復(fù)雜性就會如水沸騰一般迅速增長。

NCA作為一種建模工具，不止適合了解生物的復(fù)原能力，還能用于對社會現(xiàn)象的建模。例如迷因（meme）的傳播，傳統(tǒng)建模方法假設(shè)個體按照固定規(guī)則決定是否傳播信息，但這與現(xiàn)實情況不符。而NCA則可解釋為何有些謠言即使辟謠仍會反復(fù)出現(xiàn)。

從核糖體網(wǎng)絡(luò)到人類社會再到人機混合體，從輸入法預(yù)測下一個詞到大模型的出現(xiàn)，任何包含隨機性和計算的宇宙都會偶然遇到自我復(fù)制程序。這樣的程序?qū)嶓w化后可視為生命，而表現(xiàn)出的行為則是智能的體現(xiàn)。

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問為紐帶，深入探究AI與人類智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復(fù)哦~

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創(chuàng)建的世界最大私人腦科學(xué)研究機構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點，支持腦科學(xué)研究，造福人類。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實驗室、AI與精神健康前沿實驗室；與加州理工學(xué)院合作成立了加州理工天橋神經(jīng)科學(xué)研究院。

Chen Institute建成了支持腦科學(xué)和AI領(lǐng)域研究的生態(tài)系統(tǒng)，項目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、、大圓鏡科普等。