💻 computer science

Genesis: An Empirical Platform for Studying Open-Ended Evolution Without Fitness Functions

本文介绍了“Genesis”，这是一个开源平台，它通过实证表明，约束驱动的选择可以在没有适应度函数的情况下维持开放式演化动力学，同时也确立了仅靠生态位构建不足以打破复杂性平台，并为物理定律的元演化提出了一个新的方向。

原作者： Anushka Sharma

发布于 2026-07-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Anushka Sharma

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

逃离计分板的大逃亡

想象一款电子游戏，赢得游戏的唯一方式就是获得最高分。你奔跑、跳跃、射击，但你的每一个动作都根据一个数字来评判：你的分数。如果你拿不到更多的分，你就无法进入下一关。这就是当今大多数试图模拟进化的计算机程序的工作方式。它们痴迷于一个“适应度函数”——一个严格的计分板，明确告诉计算机该构建什么以及如何改进。但如果你观察现实生活，自然界并没有计分板。鸟类进化出更好的翅膀，并不是因为某个评委给了它更高的分数；而是因为它需要应对风力、寻找食物并躲避捕食者。世界上没有一种单一的“最佳”生存方式，只有上百万种不同的生存之道。

科学家们一直试图构建能够像自然界那样工作的计算机程序：即在没有计分板指示它们做什么的情况下，创造出无穷无尽且令人惊喜的新事物。这被称为“开放式进化”。核心问题在于：如果你拿掉分数，计算机是会停止尝试，还是会找到一种新的方式继续成长？这就是名为《创世纪》（Genesis）的论文试图解决的谜题。它在问：我们能否构建一个数字世界，让生命仅仅通过遵循物理规则和竞争来进行进化，而不需要任何人告诉它要实现什么目标？

创世纪实验：没有计分板的世界

研究人员构建了一个名为 Genesis 的数字游乐场。把它想象成一个充满微小数字生物的虚拟培养皿。在几乎所有其他的类似实验中，计算机都扮演着严厉教师的角色，对每个生物进行评分，并且只让那些“最聪明”的个体进行繁殖。但在 Genesis 中，老师被解雇了。这里没有分数，没有目标，也没有“好”或“坏”的标准答案。相反，这些生物必须基于三个简单的物理规则来生存：

物理守门人（The Physics Gatekeeper）： 想象一个只关心你的体型和能量的夜店保镖。如果一个生物的身体（其“基因组”）变得过于臃肿或消耗过多能量，保镖就会把它踢出去。生物必须保持高效才能生存。
适应性调节器（The Adaptive Regulator）： 这就像是整个种群的恒温器。如果太多生物死亡，规则就会放宽一点以让更多生物存活；如果存活的生物太多，规则就会变得更严格。它在不偏袒任何一方的情况下保持种群的健康。
免疫系统（The Immune System）： 这是一个记录独特生物的图书管理员。如果某种类型的生物变得过于普遍且乏味，图书管理员会将一些这类生物剔除，并从档案库中找回一些更古老、更独特的生物，以保持趣味性。

团队让这些数字生物经历了超过 一百万代 的演化，以观察会发生什么。

结果：生存是可能的，但增长很难

第一个大惊喜是，生命确实继续延续了下去。在 12 次运行中的 7 次 里，即使在完全移除计分板后，生物仍然继续进化和改变。这是一个巨大的突破，因为它证明了你不需要一个“目标”来推动进化；你只需要物理限制和竞争。生物们为了保持高效和多样性而奋斗，这足以让进化的引擎持续运转。

然而，故事撞到了墙。虽然生物们在不断变化，但它们似乎并没有在持久意义上变得更“聪明”或更“复杂”。在第一组实验中，研究人员测量了生物身体的复杂程度，发现它达到了一个结构性的天花板，停滞在 140 到 155 之间。这就像生物们是在跑步机上运动：它们在移动，但并没有走向新的高度。

为了弄清楚为什么会撞墙，研究人员进行了第二次实验。他们赋予了生物改变环境的能力，就像蜜蜂建造蜂巢或海狸建造水坝一样。他们想：“也许如果生物可以构建自己的世界，它们就会变得更加复杂。”他们运行了 20 个实验（10 个真实的，10 个虚假的“伪控制”实验，在伪控制实验中，生物虽然尝试建造，但环境实际上并未发生变化）。结果是一个沉重的“不”字。在第二次实验中，无论是在真实条件还是伪控制条件下，复杂度指标都维持在 0.00。即使生物可以改变它们的世界，它们的复杂度依然平坦如初。环境改变了，但生物似乎并没有察觉到，也没有通过变得更复杂来适应环境。

下一步：进化物理规则

研究人员意识到，问题可能不在于生物本身，而在于它们所生活的世界的规则。如果物理定律（比如能量如何运作或物体如何运动）是固定且枯燥的，那么生物可能无法超越某个特定的点。

因此，他们现在正在开发一个新版本 Genesis V4，在这个版本中，物理定律本身也可以进化。想象一个重力法则或物体衰减速度可以随着时间推移而改变和改进的世界，就像生物进化一样。他们正在准备一项包含 100 个不同世界 的大规模实验，以观察让“游戏规则”随之进化是否是解锁真正无止境、开放式进化的秘诀。

这对我们意味着什么

这篇论文并不声称已经解决了生命的奥秘，也没有创造出完美的通用人工智能。相反，它提供了一张新的地图。它向我们展示了我们可以构建无需计分板即可进化的系统，但也警告我们，仅仅移除分数并不足以创造无限的复杂性。我们可能需要让宇宙本身的法则随生物一起改变。这是一个充满趣味且严谨的研究，探讨如果我们不再试图给生命打分，而是让它按照自己的规则去玩耍时，生命会是如何运作的。

技术摘要：Genesis —— 一个用于研究无适应度函数开放式演化的实证平台

1. 问题陈述

演化计算（EC）在历史上一直依赖于标量适应度函数来为解评分并引导选择。然而，生物演化在没有此类函数的情况下，依然能够维持复杂的开放式演化动力学（OEE）。在此项工作之前，尚无对完全移除适应度后人工系统表现如何的实证表征，也缺乏对在缺乏设计者指定目标时，哪些架构组件对于维持演化动力学是必要的清晰理解。本文通过探讨以下问题来填补这一空白：一个人工系统需要具备什么才能在完全移除适应度后维持演化活动？

2. 方法论：Genesis 架构

本文介绍了一个名为 Genesis 的开源平台，旨在测试关于无适应度演化的假设。Genesis 用三个相互作用的机制取代了传统的基于适应度的选择，这些机制旨在调节生存能力（viability）和多样性，而非性能：

约束驱动选择 (CDS)： 智能体拥有可变长度的、基于密码子的基因组。生存仅取决于是否满足不变的物理约束。代谢成本函数 $M(G) = \alpha|G|^\beta + \sum k\gamma_k f_k(G)$ 会惩罚基因组膨胀。一个“物理守门人”（Physics Gatekeeper）负责执行硬性的资源限制，幸存者通过内部轴线（能量效率、资源获取、交互稳定性）上的帕累托关系支配进行选择。
约束自适应调节原则 (CARP)： 该机制动态调整约束强度 ( $\lambda$ )，以将种群生存率 ( $V(t)$ ) 维持在目标区间（70–90%）内。更新规则为 $\lambda(t+1) = \lambda(t) + \eta(V_{target} - V(t))$ 。至关重要的是，CARP 调节的是容量，而非编码对特定行为的偏好。
人工免疫系统 (AIS)： 为了防止停滞，AIS 维护一个代表性基因型的创新存档。它会修剪占主导地位的谱系，并在种群新颖度低于最小阈值 ( $N_{min}$ ) 时重新引入存档基因型。

仪器化工具 (PNCT)：
该平台利用 种群级非适应度特征化工具包 (PNCT) 来量化没有适应度指标的演化活动：

遗传活动系数 (GAC)： 在 500 代时间跨度内持续存在的基因组编辑比例。如果中位 GAC $\ge 0.1$ ，则认为一次运行是“持续的”。
表达表型复杂度 (EPC)： 基于 LZW 压缩的表达表型复杂度。正向的 EPC 斜率是更严格的开放式增长标准。
新颖性网络密度 (NND)： 测量表型特征空间中的局部密度，以确保多样性。

3. 实验结果

论文报告了三项总计超过一百万个演化世代的独立实验：

实验 1：适应度移除 (V2)

设置： 12 次独立运行，每次 10,000 代，采用渐进式消除外部适应度的方法 ( $p_m=0.01, N=512$ )。
发现： 在 7/12 次运行（58.3%）中，在完全移除适应度后仍维持了演化活动。这显著优于四个基准模型（随机搜索、固定约束、新颖性搜索和 MAP-Elites），其 $p < 0.01$ 且 Cohen's $d = 1.47$ 。
消融实验： 移除 CARP 或 AIS 中的任何一个都会使失败率从 41.7% 上升到 90% 以上，证实两者都是关键组件。
局限性： 尽管维持了活动，但所有成功的运行中 EPC 都在 140–155 之间趋于平缓，这表明存在一个结构性天花板，即演化虽然在继续，但不一定变得具有开放性。

实验 2：伪控制下的生态位构建 (V3)

假设： 生物可写入的环境（生态位构建）会打破 EPC 天花板。
设置： 20 次运行（10 次真实实验，10 次伪控制实验），持续 50,000 代。智能体可以在 3×3 邻域内分泌一种持久的化学物质 ( $S$ )。“伪控制”组执行相同的动作并扣除成本，但不会更新化学场。
发现： 虽然真实运行中的分泌物理特性正常运作（ $S_{mean}=0.48$ ），但真实与伪控制组的 EPC 均为零，且 LZ76 复杂度完全相同（0.068）。
结论： 如果没有频率依赖的选择，仅靠改变环境不足以驱动开放式增长；智能体的内部策略并未对化学场做出反应。

实验 3：物种保护下的生态位构建 (V4 Stage 3)

假设： 新颖的结构需要足够的保护时间（通过物种化）才能积累。
设置： 在架构中加入了 CPPN 基因组和类 NEAT 的物种化机制。
发现： 初步验证运行（两个种子，500 代）显示，与 V3 中的情况不同，真实条件与伪控制条件之间的基因组大小和物种数量出现了分歧。
状态： 这些结果与假设一致，但目前尚不足以确立该假设；它们作为定向支架，支持目前正在进行的中规模复制实验。

4. 核心贡献

无适应度演化的经验边界： 证明了约束驱动的选择可以在没有适应度的情况下维持演化活动，尽管这并不自动导致开放式增长。
伪控制协议： 提供了一种严谨的方法，将生态位构建与其能量成本分离，揭示了生态位构建本身并不能打破复杂度平台期。
PNCT 指标： 引入了一套可证伪的指标（GAC, EPC, NND），用于在没有标量适应度的情况下表征演化。
关于基质可演化性的假设： 表明对于真正的 OEE，系统的法则（物理规律）可能需要是可演化的，而不仅仅是种群动力学。

5. 意义与展望

论文声称建立了无适应度演化的经验边界。观察到的固定物理环境下的 EPC 平台期（V2–V3）表明，固定的物理法则可能在结构上无法支持 OEE。因此，作者提出了一个新的方向：物理学的元演化 (meta-evolution of physics)，即管理系统的法则（如扩散、衰减、能量注入）本身也是可以演化的。

这项工作通过提供一个可移植的工具包 (PNCT)、一个可重用的实验协议（伪控制）以及一个关于基质可演化性是开放式增长必要条件的假设，为演化计算领域做出了贡献。作者指出，旨在测试元演化的“百世界”实验正在准备中。