Machine Zygote: Causal Biparental Heredity Before Learning in a Germline--Soma Artificial Agent
本文介绍了“机器合子”（Machine Zygote），这是一个计算性生殖细胞-体细胞框架，它为人工智能体在学习发生前可测量的双亲遗传提供了因果证据，证明了亲本遗传贡献显著决定了表型特征，且独立于发育动态或出生后的学习。
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
在人工智能的广阔领域中，研究人员长期以来一直痴迷于如何构建能够像生物一样自主生长和变化的机器。几十年来，科学家们一直在探索如何赋予机器人一种“蓝图”，使其能够从简单的初始代码发展出复杂的身体和行为，这一过程被称为发育编码（developmental encoding）。他们还研究了机器人如何通过经验学习，并将这些习得的技能传递给其数字后代。然而，一个特定的问题一直难以得到确定的回答：一个全新的智能体是否能在它进行任何学习或适应之前，就从两个亲本那里继承特定的行为？在自然界中，新生动物的特征是其父母基因的混合物，但在数字领域，人们往往很难分辨机器人的行为究竟是源于其继承的代码，还是源于其创造过程中的随机噪声。区分什么是真正传承下来的，什么是仅仅是一个幸运的巧合，对于理解人工生命如何进化至关重要。
一位名叫 Lyes Saad Saoud 的研究人员通过一项名为“机器受精卵”（Machine Zygote）的新型计算实验解决了这一难题。该目标是创建一个数字系统，让两个亲本机器人贡献其遗传代码以形成一个后代，然后测量后代在出生后、进行任何学习之前行为表现。该设置旨在进行一项严格的因果关系测试。研究人员从四个不同的亲本机器人开始，每个机器人都携带一套独特的指令。他们将这些亲本进行所有可能的组合配对，以创造数百个数字后代。每个后代的构建都遵循一个特定的过程：将亲本的代码进行混合并轻微改变，然后将其输入到一个发育系统中，从一个通用的起点生长出一个新的机器人躯体和大脑。一旦这个新机器人完全成型，其大脑就会被“冻结”。它不被允许进行学习、调整或以任何方式改变。随后，研究人员对机器人进行了一系列测试，以观察其移动速度、行走方式以及在受到推挤时的恢复能力。
结果显示，亲本与新生儿之间存在明确且可衡量的联系。在一项涉及 640 个后代的规模化测试中，研究人员发现母亲和父亲的身份显著影响了新生儿六种不同行为中的五种。对于诸如行走速度、步态节奏以及探索范围等特征，亲本的具体组合至关重要。数据表明，亲本的遗传贡献解释了这些行为差异中 36% 到 53% 的部分。为了证明这并非仅仅是巧合，研究人员进行了一项更严谨的实验。他们选取了一组特定的条件——即亲本代码混合的精确方式以及用于构建机器人的精确随机噪声——然后仅替换掉其中一个亲本。当他们在保持其他一切完全相同的情况下，仅替换掉母亲或仅替换掉父亲时，新生儿的行为发生了剧烈变化。这些变化远大于仅仅使用略有不同的随机数重新运行同一亲本时所产生的微小差异。这证实了亲本的特定遗传代码是行为差异的直接原因，而非仅仅是随机偶然。
研究还探讨了机器人“生长”这一复杂且基于时间的动态过程对于这些特征的出现是否必要。研究人员曾假设，动态的、分步骤的发育对于亲本影响力的发挥至关重要。然而，当他们移除这种基于时间的生长过程，并用一种更简单的静态计算来代替时，亲本对平均行为的影响力依然保持不变。这是一个令人惊讶的发现，它排除了必须依靠复杂的发育动力学才能实现这种类型遗传的观点。相反，生长过程似乎更像是一个过滤机制，改变了群体中看到的特征多样性，而不是创造遗传本身的引擎。实验还发现，混合亲本的代码有时会产生“超越性”（transgressive）后代——即那些移动速度比其任何亲本单独能达到的速度更快，或具有不同行走节奏的机器人。这表明，结合不同的遗传代码可以产生单个亲本并不具备的新能力。
了解这项发现的局限性非常重要。整个实验都在计算机模拟中进行；没有建造物理机器人，也没有涉及生物遗传学。所谓的“生殖系”仅仅是一串数字，而“身体”则是轮式机器人的数学模型。研究人员并未声称他们创造了活着的机器或解决了生物遗传学的奥秘。相反，他们构建了一个精确的工具，用以隔离并测量信息如何在人工系统中从一代传递到下一代。通过冻结学习过程并控制每一个变量，他们证明了在这一特定的数字环境中，两个亲本可以在其后代进行任何学习之前，就因果性地决定其行为。这为未来的研究提供了坚实的基础，提供了一种清晰的方法来区分什么是继承的，什么是学习的，并为研究人工生命如何随时间演化提供了更复杂的路径。
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。