最近，人工智能领域出现了一项引人注目的研究进展，即大模型版生命游戏（Artificial Life，简称ALife）的研究。这项研究由Sakana AI——由Transformer模型的作者之一Llion Jones创立的公司——以及来自麻省理工学院（MIT）和OpenAI等顶尖研究机构的联合团队共同完成。他们提出了一种新的ALife研究范式，即利用多模态大模型来指导ALife模拟，这一方法不仅有效，而且在各种ALife基础方法上，如康威生命游戏，发现了以前未被探测到的新生命形式。
ASAL（Artificial Life through Large Language Models）的核心思想是利用大模型自动搜索人工生命形式。研究人员首先定义了一组感兴趣的模拟形式，称之为“基质”（substrate），然后让ASAL通过三种方法来发现人工生命形式，分别对应ALife研究中的三个重要目标：
有监督目标搜索
：这种方法旨在找到能够产生指定目标现象或事件序列的模拟。具体操作是通过给定一系列描述目标状态的文本提示（Prompt），最大化模拟生成图像在不同时间步上与相应提示词的匹配度。这种搜索方式涉及将图像和文本映射到基础模型表示空间的函数，以实现更精准的匹配。
开放式搜索 ：这种方法的目标是找到能够持续产生新行为的开放式模拟。这对于ALife来说至关重要，因为开放性是新事物爆发的前提。研究人员通过最大化模拟产生的图像在基础模型表示空间中相对于历史状态的新颖度来实现这一点。
照明式搜索 ：这种方法的目标是找到一组展现出多样行为的模拟。通过最大化一组模拟在基础模型表示空间中的覆盖度，即最小化每个模拟与其最近邻的距离，来实现这一目标。
研究人员在多个经典ALife环境中进行了实验，包括鸟群算法（Boids）、粒子生命模拟、类生命元胞自动机、Lenia（将康威生命游戏推广到连续空间）和神经元胞自动机（NCA）等。他们采用的基础模型包括CLIP和DINOv2。实验结果显示，在Lenia、Boids和粒子生命模拟等环境中，ASAL能够搜索到与给定目标文本提示匹配的模拟。这不仅体现在单个目标上，ASAL在对事件序列的模拟中也同样有效。
在开放性方面，研究人员使用类生命元胞自动机（Life-LikeCA）作为基质，CLIP作为基础模型，对ASAL进行了验证。ASAL找到了一些展现出与康威生命游戏相似的开放性行为的规则，这些自动机能够持续产生新模式，在基础模型空间中形成发散的轨迹。在Lenia和Boids环境中，ASAL使用照明式搜索发现了具备丰富多样行为的模拟，并发现了许多前所未见的生命形式。
研究人员还提到，利用基础模型的语义表示，ASAL实现了对一些人工生命现象的定量分析，这是以前只能定性分析的现象的新突破。简而言之，这项新研究通过突破人工设计模拟的瓶颈，加速了ALife的发现，加快了我们对涌现、进化和智能的理解，其中的核心原理有潜力激发下一代AI系统的发展。
本文来自作者[eeekj]投稿，不代表白鹜号立场，如若转载，请注明出处：https://vip.eeekj.cn/zixue/202412-80021.html
评论列表（4条）
我是白鹜号的签约作者“eeekj”！
希望本篇文章《OpenAI等顶尖机构共创未来科技 革命性突破 携手MIT 大模型版生命游戏震撼登场——AI科学家领衔 (openai是什么公司)》能对你有所帮助！
本站[白鹜号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：最近，人工智能领域出现了一项引人注目的研究进展，即大模型版生命游戏，ArtificialLife，简称ALife，的研究，这项研究由SakanaAI——由Transformer...