Evolving Self-Organising Agents Without Fitness: Three Falsifiable Experiments from Constraint-Driven Selection to Developmental Encoding
本文介绍了“Genesis”平台，旨在证明虽然仅靠物理约束无法在无适应度驱动的演化中推动渐进式的结构复杂性，但将智能体介导的生态位构建与间接发育编码（CPPNs）以及物种形成相结合，能够成功实现开放式演化。
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
想象一个生命不需要老师告诉它该做什么的世界。在野外，动物没有计分板来告诉它们作为狮子或鱼是否“优秀”；它们只需要应对酷热、严寒和饥饿。几十年来，试图在计算机上构建数字生命的科学家们一直为此苦恼。他们通常会给他们的计算机生物一个“适应度分数”——一种数字奖励系统，通过说“做得好，你找到了食物！”或者“做得不好，你撞车了！”来给予反馈。但这感觉有点像作弊。这个科学领域的重大问题在于：我们能否构建一个系统，让数字生物仅仅通过遵循物理和化学规则，就进化出复杂且有趣的各种行为，而不需要任何人递给它们一张计分表？这篇论文深入探讨了这个谜团，探索了“约束”（比如能量耗尽）如何可以成为生物唯一需要的老师，以及添加一点点“发育魔力”（比如人类婴儿如何从单个细胞成长）是否能帮助它们变得更聪明。
研究人员构建了一个名为 Genesis 的数字游乐场来测试这些想法。他们希望看看能否创建一个系统，让智能体（微小的数字生物）仅受其周围世界物理定律的驱动，在没有任何“适应度函数”告诉它们什么是胜利的情况下，实现自主进化。他们运行了三个主要实验，将每一次失败都视为一个非常精确的答案，而非一个错误。
首先，他们尝试仅利用物理规则来进化生物。想象一个游戏，你不会因为“游戏结束”屏幕而死亡，但如果你的内部电池消耗过快，你确实会死亡。科学家们移除了所有“做得好”的信号，让这些生物进化了 1 万代。他们发现，这些生物确实在不断进化和变化，这是一个巨大的成功。然而，它们遇到了一个“玻璃天花板”。这些生物变得稍微复杂了一些，但随后就停滞了。无论它们玩多久，都无法变得更大或更聪明。研究表明，两个特定的工具——动态难度调节器和一个保存奇思妙想的“新颖性保留器”——对于维持游戏的进行至关重要，但即便有了它们，这些生物也无法突破那个天花板。
接下来，他们问道：“如果生物可以改变它们的环境呢？”在生物学中，动物经常建造巢穴或改变土壤，这有助于它们的进化。团队让他们的数字生物分泌化学物质以改变周围的世界。他们使用了一个巧妙的“伪控制”（sham control）技巧来测试这一点。在一个版本中，生物确实改变了世界；而在另一个版本中，它们以为自己在改变世界，但计算机秘密地阻止了这种改变。结果令人惊讶：即使当生物成功改变环境时，这也没有帮助它们突破玻璃天花板。环境改变了，但生物的大脑并没有变得更复杂。这排除了这样一种观点，即仅仅通过“与环境互动”就足以在没有适应度分数的情况下创造复杂的生命。
最后，研究人员尝试了另一种方法：发育编码（Developmental Encoding）。他们不再给生物一份平铺直叙的指令清单（就像一个简单的食谱），而是给它们一份“生长计划”（就像一份盖房子的蓝图）。他们使用了一个特殊的网络，称为 CPPN，它可以生长并改变自身的结构，并由一个保护系统确保不同的“物种”不会互相争夺资源。这一次，结果不同了。生物开始长出更加复杂的结构。虽然前两个实验碰壁了，但这种新方法显示出了突破天花板的第一丝迹象。
为了确保这不仅仅是随机的数字噪声，他们进行了最后一组测试。他们发现，拥有复杂“生长计划”的生物在解决问题和利用能量效率方面，实际上比简单的生物表现得更好。他们证明了额外的复杂性并非仅仅是“冗余”（无用的额外代码）；它是生物在变化的世界中生存的必要工具。
简而言之，这篇论文表明，虽然严格的物理规则可以维持数字生命的存续，但它们本身不足以让生命变得真正复杂。仅仅改变环境也无法解决问题。然而，给生物一种“生长”自身大脑的方式，而不是仅仅硬编码它们，似乎是解锁更高水平复杂性的关键。这项研究得出结论：要构建真正具有开放性、自组织的生命，我们需要物理约束、保护新想法的机制，以及一个让复杂度自然增长的发育系统。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。