Команда Sakana AI совершила крупный прорыв в исследованиях моделирования искусственной жизни (ALLife) и успешно разработала систему ASAL (автоматический поиск искусственной жизни), которая использует базовые модели визуального языка (FM) для автоматического поиска интересных симуляций ALife, полностью меняя традиционная искусственная жизнь Изучение жизни опирается на искусственный дизайн и модели проб и ошибок. ASAL обнаружил ранее не встречавшиеся формы жизни в различных матрицах ALife с помощью трех механизмов: контролируемого целевого поиска, открытого поиска и эвристического поиска, а также поддерживает количественный анализ явлений, которые в прошлом можно было проанализировать только качественно. Это принесло в мир революционные изменения. исследования в этой области.
Недавно ученые из Sakana AI добились прорывного прогресса в области искусственного интеллекта. Они впервые успешно использовали модели зрительно-языкового фундамента (FM) для реализации автоматического поиска искусственной жизни (Artificial Life, ALife). Этот новый метод, получивший название ASAL (автоматический поиск искусственной жизни), внес революционные изменения в исследования в области искусственной жизни и, как ожидается, ускорит развитие этой области.
Традиционные исследования искусственной жизни в основном опираются на искусственный дизайн, метод проб и ошибок, но появление ASAL изменило эту ситуацию. Суть этого метода заключается в автоматическом поиске интересных симуляций ALife путем оценки видео, созданных в результате симуляций, с помощью базовой модели. ASAL в основном обнаруживает формы жизни с помощью трех механизмов:
Контролируемый поиск цели: используйте текстовые подсказки для поиска моделей, вызывающих определенные явления. Например, исследователи могут установить цель «одна ячейка» или «две ячейки» и позволить системе автоматически находить модели, соответствующие критериям. Открытый поиск: поиск симуляций, которые во времени приносят бесконечные новинки. Этот подход помогает обнаруживать модели, которые остаются интересными для людей-наблюдателей. Эвристический поиск: найдите набор интересных и разнообразных симуляций, раскрывающих «чужие миры».
Универсальность ASAL позволяет эффективно применять его к различным матрицам ALife, включая Boids, Particle Life, Game of Life, Lenia и нейроклеточные автоматы. Исследователи обнаружили в этих матрицах ранее не встречавшиеся формы жизни, такие как причудливые модели роения у Боидов, новые самоорганизующиеся клетки у Лении и открытые клеточные автоматы, подобные «Игре жизни» Конвея.
Кроме того, ASAL позволяет проводить количественный анализ явлений, которые раньше можно было проанализировать только качественно. Базовая модель имеет возможности представления, подобные человеческим, что позволяет ASAL измерять сложность способом, более совместимым с человеческим познанием. Например, исследователи могут количественно оценить плато в моделировании Lenia, измеряя, насколько быстро изменяется вектор CLIP во время моделирования.
Новшеством этого исследования является использование предварительно обученных базовых моделей, в частности модели CLIP (предварительное обучение контрастному языку-изображению), для оценки смоделированных видео. Модель CLIP согласовывает представления изображений и текста посредством контрастного обучения, что позволяет ей понимать человеческие концепции сложности. Подход ASAL не ограничивается конкретной базовой моделью или матрицей моделирования, а это означает, что он совместим с будущими моделями и матрицами.
Исследователи также экспериментально проверили эффективность ASAL, используя для тестирования различные базовые модели (такие как CLIP и DINOv2) и разные матрицы ALife. Результаты показывают, что CLIP немного лучше, чем DINOv2, в создании разнообразия, соответствующего человеческому познанию, но оба значительно лучше, чем пиксельные представления низкого уровня. Это подчеркивает важность использования глубоких представлений моделей для измерения концепций человеческого разнообразия.
Это исследование открывает новые возможности в области искусственной жизни, позволяя исследователям сосредоточиться на вопросах более высокого уровня, например, как лучше всего описать явления, которые мы хотим, чтобы они произошли, а затем позволить автоматизированным процессам найти эти результаты. Появление ASAL может не только помочь ученым открыть новые формы жизни, но и количественно проанализировать сложность и открытость моделирования жизни. В конечном итоге ожидается, что эта технология поможет людям понять природу жизни и все формы, которые она может существовать во Вселенной.
Код проекта: https://github.com/SakanaAI/asal/
Адрес статьи: https://arxiv.org/pdf/2412.17799.
Прорывной прогресс ASAL открыл новые возможности для исследования искусственной жизни. Его эффективные возможности автоматического поиска и методы количественного анализа сложности будут во многом способствовать развитию этой области и дадут новое понимание природы жизни. В будущем ASAL может применяться в других областях и способствовать исследованию тайн жизни.