🤖 AI

In Search of the Ingredients of Open-Endedness: Replicating Picbreeder with Large Vision-Language Models

本文探讨了大型视觉 - 语言模型能否复现人类驱动的 Picbreeder 实验中所观察到的开放式创造性发现，研究发现，尽管视觉 - 语言模型能够生成独特的输出，但若要更好地理解并可能弥合生成能力方面的差距，则有必要引入探索性噪声、行为多样性和记忆等机制。

原作者： Sam Earle, Kay Arulkumaran, Andrew Dai, Akarsh Kumar, Julian Togelius, Sebastian Risi

发布于 2026-05-26

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Sam Earle, Kay Arulkumaran, Andrew Dai, Akarsh Kumar, Julian Togelius, Sebastian Risi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个名为Picbreeder的数字艺术画廊。多年来，真实的人类访客来到这里，玩一场“进化艺术”游戏。他们从一个随机的、模糊的像素团块开始。他们挑选自己最喜欢的那个，要求计算机对其进行微小的随机修改（如同基因突变），然后挑选出最好的新版本。他们反复重复这个过程，创造出图像的家谱。随着时间的推移，人类发现他们可以将这些团块进化成可识别的事物，如汽车、人脸或蘑菇，而且往往是通过偶然发现这些形状，而非事先规划。

这篇论文提出的核心问题是：人工智能能否独自完成这一过程？

研究人员用大型视觉语言模型（VLMs）——能够识别图像并理解语言的超级智能人工智能——取代了人类玩家。他们想看看这些人工智能能否复制人类“开放式”发现新事物、有趣事物的能力，而无需预设特定目标。

以下是他们的发现，通过简单的类比进行解释：

1. 设置：人工智能艺术课

将人工智能代理想象成艺术课上的学生。

画布：他们不是使用颜料，而是在进化微小的神经网络（生成图像数学配方）。
老师：人工智能被告知：“看看这些图像，挑选你喜欢的，并基于它们创作新图像。”
目标：没有“正确”的答案。目标仅仅是永远持续不断地创造新事物、有趣事物。

2. 问题：人工智能陷入死胡同

当研究人员让人工智能独自游戏而不使用任何特殊技巧时，它的表现有点像一位感到无聊并开始反复画同一件事的学生。

“狐狸”陷阱：人工智能没有发现各种各样的动物，而是陷入循环，创造出几十种略有不同的狐狸状或鱼骨状形状。它缺乏人类那种“大胆飞跃”到全新想法的能力。
记忆问题：人类会记住自己看过的东西，并试图避免重复。然而，人工智能在记忆方面存在困难。
- 如果人工智能没有过去行动的记忆，它就会反复刷屏同一张图像。
- 如果人工智能拥有太多记忆（阅读其完整历史），它会感到不知所措和困惑，往往产生混乱、嘈杂的噪点，而非清晰的图像。
- 最佳平衡点：当人工智能只记住它刚刚做过的那件事时，效果最好。这足以阻止它立即重复自己，但又不会多到让它感到困惑。

3. 解决方案：如何让人工智能更具创造力

研究人员尝试了三种主要的“成分”，看看能否激发更多创造力，这就像老师试图激励学生一样。

A. 加入一点“混乱”（探索性噪声）
想象一个过于擅长遵守规则的学生。有时，你需要告诉他：“嘿，偶尔选个随机颜色吧！”

研究人员在人工智能的选择中加入了一小部分随机性。人工智能不再总是挑选“最好”的图像，而是偶尔随机挑选一张，只是为了看看会发生什么。
结果：这帮助人工智能摆脱了“狐狸陷阱”，发现了更多样化的形状。然而，如果加入太多混乱，人工智能就开始生成垃圾噪点。少量的随机性是找到新路径的关键。

B. 赋予人工智能“个性”
想象一个拥有 1000 名学生的教室，但你不是让他们全都一样，而是给每个人赋予独特的个性特征。一个痴迷于“营火烟的味道”，另一个在“寻找警笛的视觉声音”，还有一个“感到无聊并想打破规则”。

研究人员创建了 1000 个不同的人工智能代理，每个代理都有独特、古怪的个性提示词。
结果：这创造了极大的多样性。因为每个代理都在寻找不同的东西，画廊里充满了各种各样的图像。
潜在问题：虽然画廊具有多样性，但也充满了“对抗性”图像——奇怪、迷幻、嘈杂的图案，看起来像电视雪花。这些图像满足了代理们怪异、抽象的个性，但看起来不像任何真实事物。这就像有一个学生决定“糟糕的电视接收信号”是最美的艺术形式。

4. 裁决：人类仍占优势

论文得出结论，虽然人工智能可以玩这个游戏，但它尚未完全达到人类版本的水准。

人类画廊：充满了精致、可识别的物体（汽车、人脸、工具），感觉富有意义且经过进化。
人工智能画廊：充满了有趣的图案，但往往陷入循环，或者充满了嘈杂、抽象的噪点。人工智能难以像人类那样自然地实现创造力的“巨大飞跃”。

核心启示：
研究人员不仅仅构建了一个更好的艺术机器人；他们建立了一个实验室，以理解为什么人类如此擅长开放式发现。他们发现，要让人工智能真正具有创造力，需要微妙的平衡：

刚好足够的记忆以避免重复自己。
刚好足够的随机性以尝试新事物。
多样化的“个性”群体，以探索创意空间的不同角落。

但即使有了这些成分，人工智能仍然产生大量“噪点”，尚未完全掌握独自寻找有意义、可识别物体的艺术。论文表明，我们仍在寻找让人类创造力如此特殊的秘密“成分”。

技术摘要：探寻开放性的要素：用大型视觉 - 语言模型复现 Picbreeder

问题陈述

本文探讨了实现人工开放性（artificial open-endedness）的挑战：即一个自主系统在没有人工干预或预定义优化目标的情况下，持续生成看似无穷无尽的新颖且有意义的产物的能力。虽然机器学习严重依赖静态数据集，而这些数据集正逐渐成为瓶颈，但开放性系统承诺能够持续生成新颖性。然而，完全自动化的开放性仍然是一个“重大挑战”。

作者提出，Picbreeder作为一个历史性的“人在回路”（human-in-the-loop）系统，用户通过神经网络（CPPNs）协作进化图像，是开放性发现的典范。核心研究问题是：大型视觉 - 语言模型（VLMs）能否在该环境中复现人类用户的开放性行为，以及如果需要，哪些设计要素（记忆、探索、多样性）对于促成这种行为是必要的。

方法论

作者实现了对 Picbreeder 的完全人工复现，用前沿的 VLM 取代了人类用户。

系统架构

底层引擎：系统使用NEAT（神经拓扑增强进化）来进化CPPNs（组合模式生成网络）。每个 CPPN 以 $(x, y, r)$ 坐标为输入，输出色调、饱和度和亮度，生成 $128 \times 128$ 的图像。
代理循环：一个“会话”由一个代理从现有图像分支或从随机种群开始组成。代理从包含 15 张图像的种群中选择父代，应用突变（和交叉），并进化种群 20 代。在最后一代，代理选择一张图像发布到共享档案中并为其命名。
代理接口：代理接收档案的样本（按评分最高、最佳新图、分支最多、最新和随机分类），并被提示选择父代、切换颜色/结构模式以及调整突变强度。它们必须提供其决策的理由。

实验干预

为了识别开放性的“要素”，作者改变了三个关键参数：

记忆（上下文长度，$CL$）：包含在代理上下文窗口中的先前交互步骤的数量。
- $CL=0$：仅显示当前种群。
- $CL=1$（默认）：显示当前回合及前一个回合。
- $CL=20$（完整）：显示整个会话历史，包括一个特定的提示，要求代理就相对于档案的新颖性进行辩护。
探索（选择噪声， $\epsilon$ ）：一种 $\epsilon$ -greedy 策略，即以概率 $\epsilon$ 将代理的选择替换为随机动作（随机父代选择、随机突变设置或切换颜色模式）。
多代理多样性（ $N_A$ ）：分配给代理的不同“个性”的数量。个性特征（例如，“你正在寻找视觉上的尖啸警报声”）由 LLM 生成并添加到系统提示之前，以模拟多样化的游戏风格。

评估指标

作者开发了指标来量化人类档案的“X 因素”：

语义召回（Semantic Recall）：通过测量档案图像与联合文本 - 视觉空间（SigLIP2-B）中类别嵌入之间的最小余弦距离，来衡量重新发现已知物体（基于 THINGS 数据集）的能力。
视觉与语义新颖性：通过嵌入空间中的 $k$ -覆盖半径来衡量（图像使用 SigLIP-2-B-alignet，标题使用 gemini-embedding-001）。这量化了档案覆盖可能形式空间的程度。
系统发育树平衡（ $J_1$ ）：衡量进化谱系多样性的指标，评估代理是从广泛的祖先分支，还是反复从相同的少数图像分支。

主要结果

1. 探索与质量的权衡

噪声（ $\epsilon$ ）：引入少量的探索性噪声（ $\epsilon \approx 0.25$ ）增加了档案的多样性（视觉/语义覆盖）并防止了模式崩溃。然而，较高的噪声水平（ $\epsilon \ge 0.5$ ）降低了图像的可读性和语义召回率。
观察：虽然噪声增加了系统发育多样性（代理从更多样化的来源分支），但这并不一定以导致更深层次、有意义的长期变异的方式增加遗传多样性。VLM 表现出“顽固的偏好”，即使在噪声集合中，也一致地选择特定的形式。

2. 记忆的作用（上下文长度）

$CL=0$：代理遭受严重的模式崩溃，发布重复和几乎相同的变体，导致语义召回率低。
$CL=1$：出人意料地有效。单步上下文足以防止立即重复，并产生了最高的语义召回分数。
**$CL > 1 $**：增加上下文长度通常会降低性能。$ CL=2 $和$ CL=10$ 导致“病态行为”，包括信息过载、图像杂乱以及代理强化自身偏好的“自动阿谀奉承”循环。
**$CL=20 $**：虽然多样性指标达到峰值（可能是由于明确的新颖性提示），但语义召回率仍低于$ CL=1$，且图像通常抽象或充满噪声。

3. 多代理动态

多样性：增加代理数量（ $N_A$ ）显著提高了视觉和语义覆盖以及树平衡。
对抗性伪影：在高代理数量下（ $N_A = 1,000$ ），档案中充满了高频、不可解释的“迷幻”图案。这些图像充当了对抗性枢纽，同时满足了许多不同代理相互冲突的抽象偏好。虽然这些图像实现了高语义覆盖分数，但在质量上缺乏描述性且充满噪声。

4. 与人类基线的比较

历史人类档案在大多数指标上占据主导地位，特别是在语义召回和图像的精炼方面。人类展示了在语义空间中进行“大胆飞跃”的能力（例如，从人脸跳跃到汽车），而 VLM 倾向于进行较小的、渐进的步骤（例如，人脸 $\to$ 眼睛 $\to$ 青蛙 $\to$ 汽车）。

意义与主张

本文声称，即使使用最先进的模型，VLM 也尚未实现完全自动化的开放性。然而，该研究提供了一个框架来理解必要的条件：

最小记忆是最优的：与“更多历史有助于推理”的直觉相反，作者发现过多的上下文会导致病态行为和模式崩溃。最小上下文（$CL=1$）足以实现最佳性能。
探索是一把双刃剑：虽然逃离局部最优需要探索，但过多的噪声会降低产物的质量。
缺乏凝聚力的多样性：多代理系统增加了搜索空间的覆盖范围，但可能导致传播“对抗性”图像，这些图像满足了众多代理但缺乏语义意义。
"X 因素”差距：作者得出结论，VLM 目前缺乏人类用户的“大胆和辨别力”。虽然它们可以被引导产生多样化的产物，但它们难以生成高质量、语义连贯的新颖性的“垫脚石”，而这正是人类驱动的开放性搜索的特征。

这项工作表明，为了实现人类水平的开放性，未来的系统可能需要仔细结合这些干预措施，并可能纳入用户研究来校准指标，而不是仅仅依赖自动化优化。代码已公开，以促进对开放性“要素”的进一步研究。