近年、科学研究において基礎モデル（FM）がますます使用されるようになり、多くの分野に変化の期待がもたらされています。しかし、人工生命 (ALife) の分野における FM の利用はまだ初期段階にあり、大きな発展の可能性がまだ開拓されていません。この記事では、「人工生命の自動検索」（ASAL）と呼ばれる新しい手法を紹介します。この手法は、視覚言語の基本モデルを巧みに利用して、人工生命研究における手動設計への長期依存と試行錯誤の負担を大幅に軽減します。この分野は新しい研究パラダイムをもたらします。
近年、ノーベル賞をもたらしたタンパク質発見における大きな進歩により、大規模な組み合わせ空間を探索する際の基礎モデル（FM）の可能性が徐々に明らかになり、複数の科学分野に変化の可能性が予告されています。それにもかかわらず、人工生命 (ALife) の分野ではこれらの基礎モデルが十分に活用されておらず、この分野に大きな発展の機会が与えられています。
この目的のために、研究チームは、視覚言語基本モデルを通じて、人工生命の分野での手動設計と試行錯誤の負担を効果的に軽減できる「人工生命の自動検索」と呼ばれる手法を初めて提案しました。人工生命は長い間依存してきました。
ASAL メソッドの中核となる機能には、まず、特定の現象を生み出すシミュレーションを見つけることができること、第 2 に、時間的にオープンな新規性を生み出すシミュレーションを発見できること、そして最後に、さまざまな興味深い多様なシミュレーション空間を包括的に表示できることです。このアプローチの汎用性により、Boid、Particle Life、Game of Life、Lenia、「Neuronal Cellular Automata」などを含むさまざまな人工生命基盤に効果的に適用できます。
研究結果によると、ASAL法は、これまで見たことのない生命体であるレニアやボイド、さらにはコンウェイのライフゲームに似たオープンセルオートマトンの発見に成功した。さらに、基礎モデルを適用することで、これまで定量化することしかできなかった現象も定量化することが可能になります。この新たな研究モデルは、単なる人間の創造性を超え、人工生命研究の進展を加速させることが期待されています。
この研究では、研究者がすぐに開始できるようにする簡単な ASAL 実装も提供します。このコードは、エンドツーエンドの高速処理機能を備えた Jax フレームワークを使用して実装されており、メイン コードには、基本モデル、基板の作成、シミュレーションの効果的な拡張、および ASAL メトリクスの計算が含まれています。研究チームはさまざまな人工生命基板を実装しており、ユーザーは提供されたコードを実行することでシミュレーションのオープン性を評価できます。
プロジェクトをローカルで実行したい研究者は、まずコード ベースを複製し、Python 環境をセットアップし、関連する依存ライブラリをインストールすることをお勧めします。同時に、研究チームは、ユーザーがすぐに始められるように、Google Colab プラットフォーム上で利用可能なノートブックも提供しています。
プロジェクト入口：https://github.com/sakanaai/asal
ハイライト:
研究チームは、基本モデルを用いて従来の設計の負担を軽減する「人工生命自動探索」（ASAL）手法を提案した。
ASAL は、現象固有のシミュレーション、オープンエンドの新しいシミュレーション、および多様なシミュレーション空間のプレゼンテーションの発見を可能にします。
その研究成果により、新たな生命体の発見やこれまでの定性的現象の定量化に成功し、人工生命研究の発展が促進されました。
ASAL 法の登場は、人工生命研究が自動化の新たな時代に入ったことを示しています。この方法は研究の効率を向上させるだけでなく、さらに重要なことに、人工生命現象に対する人間の理解の限界を広げ、将来の人工生命研究の発展に強力なツールと新しい視点を提供します。技術の進歩により、ASAL法はさらに予期せぬ発見をもたらしてくれると信じています。