Artificial Life（人工生命），常簡稱爲ALife。ALife是什麼？研究它的目的是什麼？本文將帶您共同回顧ALife簡史，一起來看看ALife與人工智能的關係，共同展望ALife的未來。
Artificial Life（人工生命），常簡稱爲ALife。當你讀到這裏的時候，首先想到的是什麼？是一個T恤品牌？還是Greg Egan novel的一本小說？
對於我和數以百計的ALife從業者來說，ALife是一種自下而上的科學研究，它研究的是生命的基本原理。人工智能研究人員通過嘗試從頭構建智能系統來思考智能的本質，與之類似，ALife 研究人員通過嘗試從頭構建生命系統來研究“生命”的本質。
ALife 研究的目的是什麼？
我們的學術領域很自然地與生物學和化學重疊，但還包括計算機科學、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，當然還有人工智能和動物行爲研究。我們的標語是，“生命本該如此。”
要開始解釋這個領域，很自然就要先解釋我們所說的“生命”究竟是什麼意思。你可能認爲這個問題在很久以前就已經解決了：生命是指某種生長和繁殖的東西是活的。但是，這個定義與“生命”這個棘手的科學真相還有相當的距離。許多電子遊戲都模擬了生長和繁殖的動物，儘管你肯定會發現有人會爭辯說這些動物是活着的，但大家普遍認爲“生長和繁殖”不足以定義“活着”。“同樣，鹽晶體生長，並使更多的晶體在它們周圍生長，但它們不是活的。
等等，那DNA呢？在初中，你可能已經知道，DNA是地球上所有生命的一個共同點。即使你在另一個星球上尋找生命，DNA也是你應該尋找的確鑿證據，對嗎？好吧，事情變得越來越有趣了。
除了“它是由腺嘌呤、胸腺嘧啶、鳥嘌呤和胞嘧啶組成的雙螺旋結構”(它的基質)之外，關於DNA很重要的一件事情，是它對可以從父母遺傳給後代的細胞信息進行編碼(它的功能)。如果你專注於這個功能，不管DNA是由什麼組成的，也不管它是什麼形狀——你都可以用任何你喜歡的東西來編碼和傳輸信息，包括8個字母的DNA或計算機中的0、1字符串。某些基質在一定條件下優於其他基質，但其“傳遞信息”的功能並不依賴於DNA本身。從這個意義上說，ALife是基質不可知論的。
那麼，我們所謂的“生命”指的到底是什麼呢？這正是我們想要弄清楚的事情！從廣義上講，就像“智能”一樣，人工智能研究人員開發程序，以各種方式模擬已知人類智能的各個方面，卻不一定就“智能”的認知達成一致，我們試圖創建動態系統，模擬已知生物生命的各個方面，但不一定就“生命”的認知達成一致。換句話說，ALife從業者所追求的是一組功能，這些功能可以將生命定義爲一個過程，並允許你在特定條件下在適當的平臺上“運行”它，就像你可以在許多不同的硬件平臺上運行軟件一樣。
規則越通用，在功能維護時可以使用的平臺就越多，這樣就更好。在當前的功能列表中，有一個是這樣的：一個活的有機體應該進行自創生也就是說，這個有機體應該不斷地通過與周圍環境交換材料來“重建”自己)，對刺激做出反應，通過調整適應它的環境，將不完整的信息複製並傳遞給它的後代。然而，另一種定義認爲，生命不過是任何受自然選擇支配的自噬化學系統。我們目前的定義存在的問題是，如果它們足以生產出來，我們就已經建立了某種形式的“人工生命”，並一致認爲它是“活着的”。所以是，在遊戲上。
有了這樣一個總體目標，ALife 就不可避免地與許多其他領域重疊。讓ALife與衆不同的是它自下而上的方法，以及它關注的是可以跨領域傳遞的一般原則：涌現、信息、計算、微觀及宏觀變量之間的關係……
事實上，這是ALife最常受到批評的其中一點：它對一般原則的關注會使它“太隱喻化”、太抽象、太多地分散到其他領域，使得很難確定什麼樣的研究“屬於”ALife。但我們這個領域的研究並不是隱喻性的，正如2019年ALife大會的主題“人工生命如何幫助解決社會挑戰？”這一領域已經取得了具體的進展，既有實踐方面，也有理論方面，本文的餘下部分將會說明這一點。
ALife簡史
作爲一個科學領域，ALife正式誕生於美國計算機科學家Christopher Langton在1987年組織的第一屆ALife研討會。Langton創造了“人工生命”這個叫法，並將其定義爲“研究表現出自然生命系統行爲特徵的人工系統”。
然而ALife 的哲學思想還要更早於上世紀80年代：生命是一個過程，可以在人工基質上重建，就像可以在不同平臺上運行的一款軟件，它至少像那個魔像 的猶太故事一樣古老，它是個泥制的生物，念正確的咒語就能讓它甦醒。根據記載，人們曾試圖在人工介質上繁殖生物體的功能，如法國工程師雅克與Vaucanson的消化鴨(1739年)，它是一個機械“鴨”，可以攝取食物和排泄預裝的排泄物。
由於謎之原因，De Vaucanson的織布機械織機比他的鴨子更成功；這臺織布機是用穿孔卡片編程的，它甚至啓發了Charles Babbage，從而和Ada Lovelace一起發明了第一臺機械計算機。從那以後，ALife和計算就從未停止對彼此的相互影響。
以對數學、博弈論和計算的貢獻而聞名遐邇的約翰•馮•諾伊曼(John von Neumann)，也在用紙筆模擬的細胞自動機中，對自我複製的條件進行了嚴謹的研究。他發現了一些可以使一臺二維機器人能夠根據內部存儲的信息來複制自己的規則，而這些發現早於DNA的發現！馮·諾依曼於是對複雜性的進化產生了興趣。同時在另一個地方，在50年代早期，挪威-意大利數學家Nils Aall Barricelli 在軍用計算機上運行第一個進化算法，踏上了複雜生命進化的研究之路。
20世紀70年代， James Conway創造了最著名的細胞自動機——“生命遊戲”。
35年後，ALife作爲一個科學共同體在Langton的工作室誕生了。此後，ALife的規模一直很小，但很穩定，每年都舉行ALife會議，並有自己的期刊。該領域通常分爲3個子領域：
- 硬ALife，關注硬件，涵蓋機器人和新的計算架構
- 軟ALife，關注軟件，涵蓋計算機模擬(包括人工智能)
- 溼ALife，與溼件有關，涵蓋化學和生物學。
ALife也一直與藝術有着緊密的聯繫，以至於藝術可以被認爲是第四個子領域：ALife仿真經常在媒體畫廊中展出，基於ALife的機器人進行了歌劇表演，2018年ALife大會舉辦了一場藝術比賽。
ALife 和人工智能
ALife目前正經歷着AI社區興趣的復甦，但是它們的相互影響可以追溯到很久以前，深度學習的先驅如Geoffrey Hinton(Google Brain)受到了著名的ALife研究人員如Inman Harvey的思想的影響。Kenneth O. Stanley是Uber人工智能實驗室的負責人，因爲他對開放的親密性進行了深入的研究，也成爲了ALife社區受人尊敬的成員。斯坦利的書《爲什麼偉大不能被計劃出來》涉及了ALife最經典的研究主題：開放式進化(OEE)。Stanley指導了Pic Breeder的創建，這是一個在線協作的OEE藝術項目，在這裏可以“複製”和進化圖片。他還創造了一類新的遺傳算法，主要用於神經網絡優化。Stanley的 NEAT算法最引人注目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，從而使解決方案優於傳統的只限於性能的優化方法。NEAT榮獲2017年度國際人工生命學會近十年優秀論文獎。
意料之中的是，遺傳算法的概念本身也來源於ALife 社區內，John Holland在1975年開創性地出版了《自然和人工系統的分析》，展示他在複雜的自適應系統和遺傳算法領域的工作成果，Francisco Varela於1992年在第一個歐洲峯會上提出了一個版本，他的大名在ALife界家喻戶曉，正是他想出了自創生的概念。現在，遺傳算法有了自己的會議，GECCO。
人工智能和機器學習社區可能已經忘記了遺傳算法的ALife 起源，但它們從未停止成爲我們這個行業的一大研究領域。最著名的例子可能是Karl Sims 的《進化的虛擬生物》，而最近關於遺傳算法的研究包括的Emily Dolson的《空間分佈對進化速度的影響》，以及Artem Kaznatcheev的《適應度景觀中的計算複雜性》
ALife在人工智能之上
當然，ALife 不僅僅對單個生物的行爲感興趣。
生命中有關生物之間相互作用的部分可以廣義地定義爲羣體動力學。從簡單的模擬鳥類中複雜的羣體模式，到你最喜歡的電影中CGI戰士羣體，再到由單個真菌組成的“智能”黏液黴菌的羣體，再到羣體化學，羣體研究背後的首要原則是尋找涌現。涌現性是一種“超過其各部分之和”的東西：一種由較簡單的部分意外產生的複雜性形式。生命本身被認爲是一個涌現的過程；一堆孤立的分子可不像由這些分子組成的細胞那麼“有趣”或複雜。
我們在歷史上如何從“成堆的分子”變成“活的有機體”的是生命起源的研究主題。這是一個與ALife有些不同的領域，但在它們試圖回答的問題上，又有着明顯的重疊。生命起源研究人員往往是生物學家、地質學家或化學家，他們最感興趣的是生命“實際上”(從歷史觀點)是如何產生的，而不是它可能是如何產生的。但有一些也與ALife 社區有所重疊，研究生命起源中的哪些事件是隨機的，哪些是真正必要的；什麼可以在不同的系統中複製，什麼不能。
特別是人工化學，它是從ALife中衍生出來的一個領域。像Susan Stepney這樣的人工化學研究者調查研究了複雜性的起源、自組裝式的進化以及其他生命進化的先決條件。
儘管跨越了廣泛的學科，ALife 試圖回答的所有問題都是有聯繫的：一個活的有機體和一個個體粒子集合的基本特徵是什麼？這些特徵是如何出現的？我們如何在人工系統中從頭開始複製它們？
展望未來
就我的這一領域的未來，我看到了三條大路。首先，我認爲我們正看到了下一個人工智能冬天的初步跡象，這是一個人們對人工智能研究失去信心、資金枯竭的時期。一方面，誇大其詞宣傳偷走了人們本應關注真正進展的目光。另一方面，一些人工智能從業者在深度學習熱潮中看到了侷限，在過去幾年裏，他們開始基於新的想法去看待ALife。
ALife的問題是，如果你設法建造人工生命，並將進化應用到它身上，只要你做得對，最終一定會得到智能系統。在我看來，人工智能首先離不開ALife，因此我對未來的願景是兩者的融合。
這種大的融合將是ALife更大進步的一部分：在人工系統中融合開放式進化(OEE)。OEE這種思想，說的是一些系統隨着時間的推移會以指數級的方式變得更加複雜，而且複雜性永遠不會停止增長。地球上的生命就是這樣一個開放的系統。在計算機或化學系統中創建OEE意味着你從一些簡單的東西開始，可能是一堆分子，或者是一個空洞的模擬，然後從中獲得巨大的複雜性，就像活着的動物或有意識的人一樣。
對於ALife 而言，可能發生的最後一件事也是最大的一件事，那就是發現另一個星球上的生命。不幸的是，目前我們只知道一種生命形式。當樣本容量的N=1時，很難進行科學研究。找到任何其他類型的生命將會爲我們帶來大量的知識，瞭解什麼對於構成生命來說很重要，什麼又無關緊要。
它將徹底改變我們處理“生命是什麼”這一問題的方式，並將導致ALife在理論和實踐方面的空前進步。
作者簡介：
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ALife 研究員。本文僅是她的個人觀點，並不代表她的僱主。她獲得了優秀的老式人工智能的碩士學位，厭倦了爲愚蠢的機器人建造智能模型，轉而攻讀博士學位，希望創造出能夠構建它們自己的智能模型的機器人。這些天來，她主要致力於預言性的編碼和感知的起源，以及爲更公平的科學界提供工具。她最近被選爲國際人工生命協會的理事。
原文鏈接：https://thegradient.pub/an-introduction-to-artificial-life-for-people-who-like-ai