[论文解读] Digital Genesis: Computers, Evolution and Artificial Life

Tim Taylor, Alan Dorin+1 more|arXiv (Cornell University)|Dec 7, 2015

Computability, Logic, AI Algorithms参考文献 11被引用 3

一句话总结

本文追溯了数字进化与人工生命的历史发展脉络，从冯·诺依曼的理论基础和巴里凯利早期的计算实验，到现代对开放性进化的探索。文章认为，整合能量、物质和环境动态等生态学原理，对于构建真正开放的数字生命系统至关重要。

ABSTRACT

The application of evolution in the digital realm, with the goal of creating artificial intelligence and artificial life, has a history as long as that of the digital computer itself. We illustrate the intertwined history of these ideas, starting with the early theoretical work of John von Neumann and the pioneering experimental work of Nils Aall Barricelli. We argue that evolutionary thinking and artificial life will continue to play an integral role in the future development of the digital world.

研究动机与目标

• 追溯从基础理论工作到当代研究的数字进化与人工生命的历史脉络。
• 识别当前数字进化系统的核心局限性，这些系统往往在初始活跃期后陷入准稳定状态。
• 主张将生态学原理（如能量、物质和环境动态）整合进来，是实施数字系统中开放性进化的关键。
• 倡导采用更具原则性的、受生态学启发的建模方法，以弥合生物进化与数字进化之间的差距。
• 将进化计算与人工生命定位为未来自适应、自主数字系统发展的核心驱动力。

提出的方法

• 通过关键的理论与实验里程碑分析数字进化的歷史发展，包括冯·诺依曼用于自复制机器的细胞自动机框架。
• 审视巴里凯利开创性地使用一维细胞自动机模拟具有自复制、寄生和基因交换特性的‘共生生物’（symbioorganisms）的研究。
• 回顾图灵早期关于通过突变与人工反馈实现进化机器学习的提案，尽管当时成效有限且未正式发表。
• 梳理20世纪中叶从人工生命目标向以优化为导向的研究转变的过程，随后在1980年代通过ALIFE会议系列推动人工生命研究的复兴。
• 评估现代实现开放性进化的尝试，识别缺失的生态学要素，如资源动态与环境反馈机制。
• 提出未来系统必须更严谨地建模物理动态与生物体-环境相互作用，以实现持续的进化创新。

实验结果

研究问题

• RQ1 支撑数字系统中应用进化原理的历史基础是什么？这些基础如何在多位研究者中独立发展起来？
• RQ2 为何大多数数字进化系统尽管满足变异、遗传和差异繁殖等基本条件，仍无法维持开放性进化？
• RQ3 当前数字进化模型中缺少哪些生态与物理动态，导致复杂、适应性数字生命无法出现？
• RQ4 如何更准确地建模生物体与其环境之间的关系，以支持数字系统中长期的进化创新？
• RQ5 进化思维与人工生命概念在多大程度上能够继续塑造人工智能与自适应计算系统未来的发展？

主要发现

• 冯·诺依曼关于自复制细胞自动机的理论工作，为数字进化奠定了首个正式基础，尽管在他生前从未实际实现。
• 尼尔斯·阿勒·巴里凯利使用一维细胞自动机的实验，成功展示了数字实体之间的自复制、寄生和基因交换，首次提出并使用了‘共生生物’（symbioorganisms）一词。
• 图灵早期关于进化机器学习的工作虽当时被忽视，却预见了现代神经进化与强化学习的方法。
• 从1950年代到1980年代，大多数研究转向优化，人工生命原本追求的开放性进化目标被边缘化。
• 尽管有所进展，大多数数字进化系统在初始创新后达到稳定状态，因生态建模不足而无法维持开放性进化。
• 本文结论指出，未来数字人工生命的发展成败，取决于是否将能量、物质和环境动态等生态学原理整合进数字进化框架。