机器之心报道

机器之心编辑部

一直以来，关于人工生命（Artificial Life, ALife）的研究致力于回答这样一个问题：生命的复杂性能否在计算系统中自然涌现？

这一探索的核心目标，被称为开放式复杂化（open-ended complexification）—— 让人工系统能够像生物世界一样，在持续的适应与演化中自发产生新的结构与功能。

近年来，NCA（Neural Cellular Automata，神经细胞自动机）为这种探索提供了新的思路。它们能够在局部规则下展现分布式生长与自组织能力。然而，大多数 NCA 模型仍基于单一、固定的结构，难以突破演化的封闭边界。

在这样的背景下，来自Sakana AI的研究者提出了一种新的 ALife 模拟系统 ——PD-NCA（ Petri Dish Neural Cellular Automata）。在该系统中，多个 NCA 智能体在同一环境中竞争，它们的唯一目标是实现自我复制（self-replication）。

PD-NCA 与传统的 NCA 框架有着显著不同：

传统的 NCA 通常由单一、固定的模型在网格上运行，其参数在训练完成后保持不变；而在 PD-NCA 中，Sakana AI 引入了一个由多个独立且持续学习的 NCA 构成的种群。

每个 NCA 都拥有自己独立的神经网络参数，并在模拟过程中通过基于梯度的持续优化不断更新与适应。

这些智能体共享一个共同的空间基质 —— 即所谓的培养皿（Petri Dish）。

在这个培养皿中，不同 NCA 之间通过可微分的攻击与防御通道进行交互，表现出既竞争又合作的动态关系。

与传统 NCA 不同，后者的形态发生过程通常是根据预训练规则以确定性方式展开的；PD-NCA 则通过 learning-in-the-loop 的机制，让学习过程本身参与到模拟之中，从而实现开放式的适应与复杂性涌现。

换言之，在一个可微的、动态学习的环境中，生命体样的结构不再被预先设定，而是能在交互、进化与竞争中自行演化出丰富的行为与形态。

论文标题：Petri Dish Neural Cellular Automata论文地址：https://pub.sakana.ai/pdnca/项目地址：https://github.com/SakanaAI/petri-dish-nca

在 PD-NCA 中，每一个个体都在努力扩张自身，同时学习如何适应环境并超越邻近的竞争者。

结果显示，PD-NCA 能够产生多种复杂的涌现行为，例如周期性动态（cyclic dynamics）、领地防御（territorial defense）以及自发协作（spontaneous cooperation）。

下方的视频展示了多次模拟过程中不断演化出的丰富变化与复杂性 —— 每一种颜色代表不同的 NCA 个体。

方法介绍

模拟在一个离散的空间网格上运行。你可以把它想象成一个棋盘，它有特定的宽度（W）和高度（H）。

在棋盘的每一个格子上，都存储着一组信息，称为通道（C）。

在任何一个时间点（t）和网格位置（x,y），该格子的状态（s）都由一个特征向量来定义。这个向量包含了三个关键部分：攻击通道（a）、防御通道（d）、隐藏状态（h）。

在模拟的每一个时间步，都会依次经历以下四个阶段：处理（Processing）、竞争（Competition）、归一化（Normalization）、状态更新（State Update）。

处理阶段

每个 NCA 智能体（可以理解为模拟中的「玩家」）本身都是通过一个卷积函数来定义的。

这个函数会「观察」某个位置（x,y）及其邻近区域（N）的状态，然后生成一个「状态更新提议（Δs）」，也就是它「希望」这个格子在下一刻变成什么样。

智能体能否提出这个「提议」，受到一个「存活掩码（A）」的控制。简单来说，智能体只能在它自己存活的格子或紧邻的格子里提出更新建议。

背景环境（一个恒定的对手）

为了确保模拟始终充满活力，尤其是在某个区域只有一个智能体「活着」的情况下研究人员引入了一个静态的「背景环境（E）」

它就像一个恒定的背景竞争者，在模拟开始时随机初始化一次，然后就固定不变。

这个「背景环境」也会像智能体一样，在每个格子上提出它自己的「更新提议」。这确保了所有智能体必须时刻保持积极的攻击和防御，以对抗这种持续的背景压力，从而防止「躺平」或停滞

竞争阶段

计算式中的「温度参数（τ）」用来控制竞争的「尖锐程度」。温度越低，竞争越激烈，第一名的优势就越大。

状态更新阶段

这带来一个有趣的结果：它允许最多 2 个智能体在同一个格子里共存（因为 0.4 + 0.4 < 1.0）。研究者发现，如果阈值高于 0.5（导致赢家通吃，只留 1 个），模拟会变得很无聊。

研究者这样设置的灵感来源于混合专家（MoE）模型（它们通常会选择 Top-2 专家），这能确保模拟保持一定的探索性。

因此，虽然模拟的真实状态是连续的（一个格子可能是多个智能体更新提议的混合体），但在可视化视频中，为了清晰起见，只显示了每个格子上「贡献权重」最高的那个智能体，并用不同颜色来区分。

优化目标（智能体的「动机」）

那么，智能体是如何「学习」的呢？

每个智能体 i 的优化目标（L）都是为了最大化其领土，即最大化它在整个网格上的「总存活度」。

在实际计算中，作者通过最小化「负对数存活度」来实现这个目标。

这个目标设定非常巧妙，它会自然地「涌现」出复杂的行为：智能体必须学会在「进攻扩张」（优化其攻击通道）和「防守领地」（优化其防御通道）之间找到精妙的平衡，以便在与其他智能体和持续的背景环境压力对抗时，尽可能多地「活下去」。

实验

该研究开展了多项实验来探索 PD-NCA。

动态特性

在探索 PD-NCA 的过程中，他们发现当网格规模（grid size）与 NCA 个体数量同时增加时，系统的群体行为会变得更加丰富与复杂。

这表明未来的研究方向之一是进一步在更大尺度的网格上运行 PD-NCA，支持更多数量的 NCA 个体，并可能同时在多块 GPU 上并行计算。

下面是网格大小的影响。网格大小从 16 x 16 到 196 x 196 的结果：

下图展示了从 16×16 网格扩展到 196×196 网格时 NCA 行为的变化。

学习的影响

下方的视频展示了学习机制对 PD-NCA 模拟结果的影响。

在没有学习的情况下，系统最终会进入一种稳定状态，仅呈现出微小的波动；而引入学习之后，可以观察到有趣的周期性行为，以及系统在不同交互状态之间的持续变化与演化。

这些现象表明：NCA 的数量、网格规模以及学习过程，是产生 PD-NCA 中复杂动态与多样行为的关键因素。

接下来作者探索了反向传播的重要性。左侧视频展示的是未启用反向传播的模拟，右侧视频则展示了正常启用反向传播的运行结果。对比结果表明：反向传播显著提升了系统中复杂涌现行为的丰富度与持续性。

超参数搜索

下面视频中，左上、中间下方和右下角的模拟都先运行了很多步没有提前进行学习，然后运行了几步，又进行了学习。这反映在它们的行为上：在反向传播改变平衡之前，它们都呈现出稳定的石头剪刀布动态。中间上方的模拟展示了稳定的循环是如何出现和竞争的，暗示了共生起源的存在。

超循环

在包含 3 到 6 个 NCA 的实验中，作者测试了是否可以鼓励形成更长长度的超循环结构（hypercycles）。

结果显示，尽管修改了损失函数，但观察到完整长度的超循环很少能够稳定存在。相反，NCA 循环坍缩为较短的 2–3 NCA 循环，或者出现寄生行为与叛逃级联现象。

在图中最右侧的 N=6N=6N=6 实验中，黄色智能体因绿色智能体的扩张而获得奖励，但绿色智能体却反过来侵占了黄色智能体的领地。同时，我们还观察到一个由黄色与蓝色智能体组成的截断的二元循环（2-cycle），其中蓝色智能体在对抗寄生性的绿色智能体时扮演防御者角色。

了解更多内容，请参考原文。