人工生命 Artificial life

来自集智百科
(重定向自人工生命
跳到导航 跳到搜索


人工生命 Artificial life(经常被缩写为ALife或者A-Life)是在电脑系统中,通过仿真模型、机器技术和生物化学方式,模拟自然生命系统来研究生命的过程及其演变的领域[1]。这个概念由美国理论生物学家克里斯托弗·朗顿 Christopher Langton于1986年提出。[2]

1987年,朗顿第一次在新墨西哥州的洛斯阿拉莫斯 Los Alamos, New Mexico举行了该领域的第一次会议。[3]

以研究方法命名,可将人工生命研究分为三类:[4]

  • 软,基于软件模拟[5]
  • 硬,基于硬件模拟[6]
  • 湿,基于生物化学研究[7][8]


人工生命研究者尝试通过复现生命现象的各个方面来研究传统的生物学。


用breve来编程的人工生命模拟 Braitenberg仿真小车

概述

人工生命研究人工环境中生命系统的基本过程,借此对定义此类系统的复杂信息进行更深入的理解。该研究角度涵盖深广,但通常会包括进化动力学 evolutionary dynamics、集体系统的涌现特性、仿生学、对生命本质哲学研究的相关内容,以及艺术作品中逼真的生物描绘。


哲学讨论

人工生命的建模哲学,与传统的建模相比有显著差异,它不仅是研究“我们所知的生命 life-as-we-know-it”,而且去研究“生命可能的形式 life-as-it-might-be”。[9]


传统生物学模型会侧重于捕捉生命最重要的决定因素,与之相比,人工生命建模则想要破译隐藏在生命体中最简单、最通用的规则和原理,并在模拟中实现它们。模拟仿真方法为分析各种新出现的拟生系统提供了可能性。


Vladimir Georgievich Red'ko 建议将这一本质区别推广至任意过程的建模中,从而概括出“我们所知的过程 processes-as-we-know-them”与“他们可能是的过程 processes-as-they-could-be”作为更加广义的区分。[10]


目前,学界普遍不接受任何人工生命模拟符合生命定义的、或认为软件系统是活的。认为它们并不构成任何生态系统进化过程的一部分。然而对于人工生命的潜力,依然有很多不同观点:

  • 强人工生命模拟立场认为(参见强AI),“生命是可以从任何特定的介质抽离的过程”(约翰·冯·诺依曼 John von Neumann)。值得注意的是,汤姆·雷 Tom Ray宣布,他的程序Tierra不是在计算机中模拟的生命,而是在其中成合成生命。[11]
  • 弱人工生命模拟立场否认在化学溶液之外产生“生命过程”的可能性,期研究者转而尝试模拟生命过程,以理解生命现象的基本机理。

基于软件模拟人工生命 (软人工生命)

技术

  • 元胞自动机 Cellular Automata在人工生命的早期就被使用了,因其简化可扩展性 scalability并行化 parallelization 现在仍然经常被使用研究。人工生命与元胞自动机在历史上有着相当紧密的联系。
  • 人工神经网络 Artificial neural network常常被用来对智能体大脑进行建模。虽然传统上它更多的是一种人工智能技术,但是神经网络对于模拟可以学习的生物种群动态非常重要。学习和进化之间的共生关系是关于具有较高神经复杂性的生物体中本能发展的理论的核心,例如,鲍德温效应 Baldwin effect。


著名的模拟器

下表列出了按照生物定义方法整理的人工生命/ 数字生物模拟器 。

姓名 驱动源 开始年份 结束年份
ApeSDK(以前为Noble Ape)ApeSDK (formerly Noble Ape) 语言/社会模拟language/social simulation 1996 进行中
阿维达 Avida executable DNA 1993 进行中
生物起源 Biogenesis 可执行 DNA executable DNA 2006 进行中
神经核 Neurokernel 盖佩托模拟平台Geppetto 2014 进行中
Creatures (artificial life program) 神经网络 / 模拟生物化学 neural net/simulated biochemistry 1996-2001 狂热者一直活跃到今天,对新产品进行了一些失败的尝试
Critterding 神经网络 neural net 2005 进行中
达尔文机器人 Darwinbots executable DNA 可执行的 DNA 2003 进行中
DigiHive 可执行 DNA executable DNA 2006 进行中
DOSE 可执行 DNA executable DNA 2012 进行中
EcoSim 模糊认知地图 Fuzzy Cognitive Map 2009 进行中
荧光棒 Framsticks 可执行 DNA executable DNA 1996 进行中
Geb 神经网络neural net 1997 进行中
OpenWorm 盖佩托模拟平台Geppetto 2011 ongoing进行中
多元世界 Polyworld 神经网络neural net 1990 进行中
原始生命 Primordial Life 可执行DNA executable DNA 1994 2003
脚本机器人ScriptBots 可执行DNA executable DNA 2010 进行中
技术圈 TechnoSphere 模组 modules 1995
Tierra (computer simulation计算机模拟) 可执行DNA executable DNA 1991 2004
3D虚拟生物进化 神经网络 neural net 2008 NA


基于程序模拟

更多信息请查看编程游戏

基于程序的模拟包含具有复杂DNA语言(通常为图灵完备 Turing complete)的生物。这种语言通常是计算机程序的形式,而不是实际的生物DNA。汇编派生词是最常用的语言。生物体在执行其代码时会“存活”,通常有多种方法可以进行自我复制。变异通常是通过随机更改代码来实现的。元胞自动机是常见工具,但不是唯一的。也有人用人工智能多主体系统来进行研究。


基于模块的模拟

基于模块的模拟是将单个模块添加到一个生物中。这些模块或者通过硬编码模拟(例如A型腿加快速度和新陈代谢)直接修改生物的行为和特征,或者通过生物模块之间的紧急交互作用间接地修改动物的行为和特征(例如A型腿以频率X上下移动,与其他腿部互动以产生运动)。一般来说,这些模拟器强调的是用户创造和可访问性,而不是突变和进化。


基于参数的模拟

生物体通常是由一系列预先定义的固定行为来构建的,这些行为受各种变异参数控制。也就是说,每个生物体都是一个包含数字或其他有限参数的集合。每个参数都明确地控制生物体的一个或多个方面。


基于神经网络的模拟

这些模拟让生物通过神经网络或近似衍生物进行学习和成长。通常强调的是学习,而不是自然选择,尽管并不总是如此。


复杂系统建模

复杂系统的数学模型分为三种:黑箱 black-box(现象学),白箱 White box(力学,基于第一原理)和灰箱 grey-box(现象学和力学模型的混合)。在黑箱模型中,基于个体的复杂动态系统机制仍然是个谜。[12] [13]


复杂系统数学模型

黑箱模型完全是非机械的。它们是现象学的,忽略了复杂系统的组成和内部结构。我们无法研究这种非透明模型的子系统之间的相互作用。复杂动态系统的白箱模型是透明的,直接显示了潜在的机制。在动态系统白箱模型演化的所有阶段,都可以直接看到微观、中观和宏观级别的所有事件。在大多数情况下,数学建模者使用纯数学的黑箱方法,这些方法无法生成复杂动态系统的机械模型。灰箱模型是中间模型,结合了黑箱方法和白箱方法。

基于逻辑确定性个体的单种群增长元胞自动机模型


复杂系统白箱模型的创建和先验的建模主体基础知识的必要性有关。确定性逻辑元胞自动机是白箱模型的必要条件,但不是充分条件。白箱模型的第二个必要先决条件是所研究对象的物理本体的存在。因为白箱建模完全基于主题的确定性逻辑和公理,因此,它代表了基于第一定律的自动超逻辑推断。白箱建模的目的是从基本公理中获得有关所研究对象动力学的更详细、更具体的机械知识。在创建对象的白箱模型之前必须制定对象的内在公理体系的必要性,可以根据任意逻辑规则将白箱类型的细胞自动机模型与细胞自动机模型区分开。如果尚未根据受试者的首要原理制定细胞自动机规则,则此类模型与实际问题的相关性可能较弱。[13]

对于单个有限资源,基于逻辑确定性个体的种间竞争元胞自动机模型

基于硬件模拟(硬人工生命)

更多信息请阅读机器人

基于硬件的模拟 Hardware-based人工生命主要由机器人组成,即能够独立完成任务的自动引导机器。


基于生物化学的研究(“湿人工生命”)

更多内容请阅读合成生物学

基于生化 Biochemical-based 的人工生命研究,属于合成生物学 synthetic biology领域研究。它涉及合成DNA的创建等,术语“湿”即拓展自“湿件 wetware”一词。


2019年5月,研究人员在一项具有里程碑意义的工作中,报告通过将细菌基因组中自然数量的64个密码子减少到59个密码子,并编入20个氨基酸,创造了一种新的合成(可能是人工)形式的可行生命,一种大肠杆菌的变种。[14][15]


开放性问题

生命是如何从非生命中产生的?[16][17]

  • 在体外产生一种分子原生物。
  • 从人工化学中的硅中实现向生命的过渡。
  • 确定是否存在根本上独特的活组织。
  • 模拟一个单细胞生物体的整个生命周期。
  • 解释规则和符号是如何通过生命系统中的物理动力学 physical dynamics 生成的。


生命系统的潜能和限制都是什么?

  • 确定开放式生命进化 evolution of life 中不可避免的是什么。
  • 确定从特定反应系统到通用反应系统演化过渡的最低条件。
  • 建立一个在所有尺度上综合动态层次结构的正式框架。
  • 确定生物体和生态系统进化后果的可预测性。
  • 发展一种信息处理 information processing 信息论和进化系统的信息生成理论。


生命是如何与思想、机器和文化联系起来的?

  • 演示人工生命系统中智能和思维的出现。
  • 评估机器对生命下一次重大进化的影响。
  • 提供文化和生物进化之间相互作用的定量模型。
  • 建立人工生命伦理。

相关主题

1. 传统人工智能使用自上而下的方法,而人工生命通常是自下而上的。

2. 人工化学最初是作为人工生命界中抽象化学反应过程的一种方法。

3. 进化算法是弱人工生命原理在优化问题的实际应用。许多优化算法都借鉴或密切反映了人工生命的技术。主要区别在于通过解决问题的能力而不是寻找食物、繁殖或避免死亡的能力来明确定义agent的适用性。主要区别在于前者明确地通过解决问题的能力来定义代理的适应性,而非单纯寻找食物、繁殖或避免死亡的能力。

以下是与人工生命密切相关并经常使用的进化算法列表:
  • 细菌菌落优化 Bacterial colony optimization

4. 多主体系统 Multi-agent system是指在一个环境中由多个交互的智能代理组成的计算机系统。

5. 进化艺术 Evolutionary art 使用人工生命中的技术和方法来创造新的艺术形式。

6. 进化音乐也使用类似的技术,但其领域主要应用于音乐而非视觉艺术。

7. 生物创生 Abiogenesis 和生命起源有时也会采用人工生命的方法。

History 历史

主要文章:人工生命历史

批评

人工生命有一段颇受争议的历史。1994年,约翰·梅纳德·史密斯John Maynard Smith曾批评某些人工生命研究,称他们为“无事实的科学”。[18]

另请参阅

  • 人工意识 Artificial consciousness –认知科学领域
  • 人工智能的应用
  • 自主机器人 Autonomous robot
  • 生物伦理学 Bioethics
  • 复杂自适应系统 Complex adaptive system
  • 达尔文机
  • 数字形态
  • 涌现 -复杂系统中的现象,其中相互作用产生的效果无法从子系统直接预测
  • 模拟人生游戏 Life simulation game
  • 新兴技术清单
  • 数学和理论生物学
  • 多主体系统 Multi-agent system
  • 人工智能 概述– 人工智能概述和主题指南
  • 玩家专案 Player Project
  • 模拟现实
  • 社会模拟 Social simulation
  • 苏打水构造
  • 群体智能
  • 合成生活
  • 普遍达尔文主义 –试图将达尔文进化论的应用扩展到其他领域
  • 韦伯茨 Webots

参考文献

  1. "Dictionary.com definition". Retrieved 2007-01-19.
  2. The MIT Encyclopedia of the Cognitive Sciences, The MIT Press, p.37.
  3. "The Game Industry's Dr. Frankenstein". Next Generation. No. 35. Imagine Media. November 1997. p. 10.
  4. Mark A. Bedau (November 2003). "Artificial life: organization, adaptation and complexity from the bottom up" (PDF). Trends in Cognitive Sciences. Archived from the original (PDF) on 2008-12-02. Retrieved 2007-01-19.
  5. Maciej Komosinski and Andrew Adamatzky (2009). Artificial Life Models in Software. New York: Springer. ISBN 978-1-84882-284-9. https://www.springer.com/computer/mathematics/book/978-1-84882-284-9. 
  6. Andrew Adamatzky and Maciej Komosinski (2009). Artificial Life Models in Hardware. New York: Springer. ISBN 978-1-84882-529-1. https://www.springer.com/computer/hardware/book/978-1-84882-529-1. 
  7. Langton, Christopher. "What is Artificial Life?". Archived from the original on 2007-01-17. Retrieved 2007-01-19.
  8. Aguilar, W., Santamaría-Bonfil, G., Froese, T., and Gershenson, C. (2014). The past, present, and future of artificial life. Frontiers in Robotics and AI, 1(8). https://dx.doi.org/10.3389/frobt.2014.00008
  9. See Langton, C. G. 1992. Artificial Life webarchive |date=March 11, 2007. Addison-Wesley. ., section 1
  10. See Red'ko, V. G. 1999. Mathematical Modeling of Evolution. in: F. Heylighen, C. Joslyn and V. Turchin (editors): Principia Cybernetica Web (Principia Cybernetica, Brussels). For the importance of ALife modeling from a cosmic perspective, see also Vidal, C. 2008.The Future of Scientific Simulations: from Artificial Life to Artificial Cosmogenesis. In Death And Anti-Death, ed. Charles Tandy, 6: Thirty Years After Kurt Gödel (1906-1978) p. 285-318. Ria University Press.)
  11. Ray, Thomas (1991). Taylor, C. C.; Farmer, J. D.; Rasmussen, S (eds.). "An approach to the synthesis of life". Artificial Life II, Santa Fe Institute Studies in the Sciences of Complexity (in English). XI: 371–408. Archived from the original on 2015-07-11. Retrieved 24 January 2016. The intent of this work is to synthesize rather than simulate life.
  12. Kalmykov, Lev V.; Kalmykov, Vyacheslav L. (2015), "A Solution to the Biodiversity Paradox by Logical Deterministic Cellular Automata", Acta Biotheoretica, 63 (2): 1–19, doi:10.1007/s10441-015-9257-9, PMID 25980478, S2CID 2941481
  13. 13.0 13.1 Kalmykov, Lev V.; Kalmykov, Vyacheslav L. (2015), "A white-box model of S-shaped and double S-shaped single-species population growth", PeerJ, 3:e948: e948, doi:10.7717/peerj.948, PMC 4451025, PMID 26038717
  14. Zimmer, Carl (15 May 2019). "Scientists Created Bacteria With a Synthetic Genome. Is This Artificial Life? - In a milestone for synthetic biology, colonies of E. coli thrive with DNA constructed from scratch by humans, not nature". The New York Times. Retrieved 16 May 2019.
  15. Fredens, Julius; et al. (15 May 2019). "Total synthesis of Escherichia coli with a recoded genome". Nature. 569 (7757): 514–518. doi:10.1038/s41586-019-1192-5. PMC 7039709. PMID 31092918.
  16. "Libarynth". Retrieved 2015-05-11.
  17. "Caltech" (PDF). Retrieved 2015-05-11.
  18. Horgan, J. 1995. From Complexity to Perplexity. Scientific American. p107

外部链接

编者推荐

Netlogo.png
  • 人工生命入门路径 集智斑图作者JC整理了Lana Sinapayen为人工智能研究者们提供的一份人工生命入门指南。Lana Sinapayen是索尼计算机科学实验室和东京地球生命科学研究所的一名人工生命研究者,同时也是国际人工生命学会理事会成员。


  • 北京师范大学系统科学学院张江教授通过数个案例教会大家如何去动手搭建一个多主体仿真模型,以及如何利用NetLogo去实现。可以教你如何用Netlogo程序编写人工生命。



  • 冯·诺依曼的遗产:寻找人工生命的理论根源人工生命是可以回答人工智能无法思考的问题的。尽管自从九十年代之后,人工生命才逐渐发展起来,成为独立于人工智能的科学领域,但它的理论根源却可以追溯到二十世纪五十年代。那个时候,一个伟大的数学家兼发明家冯·诺依曼正在思考如何制造可以复制自身的机器。这个自复制机器的核心目的并不在于生命自复制这个问题本身,而是希望寻找出一条途径,能够让机器一劳永逸地“抵抗熵增”,不断朝越来越复杂的方向进化,而这一方法极有可能就是制造强人工智能机器,甚至是具有自我意识的智能机器的正确途径。




本中文词条由Ilseyao2020编译,思无涯咿呀咿呀编辑,十三维审校。欢迎在讨论页面留言。

本词条内容源自wikipedia及公开资料,遵守 CC3.0协议。