何為生命？何為智能？這些古老的哲學(xué)問(wèn)題在計(jì)算科學(xué)的新視角下獲得了令人驚嘆的啟示。神經(jīng)元胞自動(dòng)機(jī)（Neural Cellular Automata，NCA）作為一種新興的計(jì)算模型，正在揭示生命和智能從簡(jiǎn)單規(guī)則中自然涌現(xiàn)的可能。

本文系統(tǒng)介紹了NCA的發(fā)展歷程、訓(xùn)練機(jī)制及其展現(xiàn)出的驚人再生能力。從NCA的誕生到其作為可編程計(jì)算范式的廣闊應(yīng)用前景，文章將帶您探索這一前沿領(lǐng)域如何重新定義我們對(duì)生命本質(zhì)的理解。作為延展閱讀，文末還摘引了谷歌科技與社會(huì)首席技術(shù)官Blaise Agüera y Arcas在其新作《何為智能》（What Is Intelligence?）中關(guān)于NCA模擬生命起源的思考。

這些見(jiàn)解為我們提供了一個(gè)全新視角：智能的出現(xiàn)或許并非偶然，而是計(jì)算過(guò)程中的必然涌現(xiàn)。

作者

喬治·穆瑟George Musser

知名科學(xué)作家和編輯

擁有布朗大學(xué)電氣工程和數(shù)學(xué)學(xué)士學(xué)位以及康奈爾大學(xué)行星科學(xué)研究生學(xué)位。他著有《弦理論完全傻瓜指南》（The Complete Idiot's Guide to String Theory）和《遠(yuǎn)距離的幽靈作用》（Spooky Action at a Distance: The Phenomenon That Reimagines Space and Time—and What It Means for Black Holes, the Big Bang, and Theories of Everything）等作品，其編輯工作曾獲國(guó)家雜志獎(jiǎng)，個(gè)人也榮獲行星科學(xué)新聞獎(jiǎng)和美國(guó)物理學(xué)會(huì)科學(xué)寫(xiě)作獎(jiǎng)等多項(xiàng)榮譽(yù)。

神經(jīng)元胞自動(dòng)機(jī)NCA的誕生

?亞歷克斯·莫爾德文采夫（Alex Mordvintsev）谷歌軟件工程師，主要研究領(lǐng)域?yàn)槿斯ぶ悄芎蜕窠?jīng)網(wǎng)絡(luò)。他因開(kāi)發(fā)了谷歌的 DeepDream 算法而聞名，該算法能夠通過(guò)神經(jīng)網(wǎng)絡(luò)生成奇幻的圖像，催生了一種新的藝術(shù)形式——“感應(yīng)主義”。此外，他還致力于神經(jīng)網(wǎng)絡(luò)的可視化研究，幫助人們更好地理解神經(jīng)網(wǎng)絡(luò)的內(nèi)部工作機(jī)制，其研究成果在學(xué)術(shù)界和藝術(shù)界都產(chǎn)生了廣泛影響。圖源：X

1985年，Alex Mordvintsev出生于俄羅斯烏拉爾山脈東麓的Miass小城。少年時(shí)代，他通過(guò)自學(xué)編程，在一臺(tái)蘇聯(lián)時(shí)代的IBM PC克隆機(jī)上編寫(xiě)了一系列模擬程序，如行星動(dòng)力學(xué)、氣體擴(kuò)散和螞蟻群落等。自此以后，他便一直著迷于“在計(jì)算機(jī)中創(chuàng)造一個(gè)微型的宇宙，然后讓它運(yùn)行，并擁有一個(gè)你可以完全控制的模擬現(xiàn)實(shí)”。

2014年，Mordvintsev加入了蘇黎世谷歌實(shí)驗(yàn)室。彼時(shí)多層神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)風(fēng)靡科技界，盡管這些系統(tǒng)功能強(qiáng)大，但神經(jīng)網(wǎng)絡(luò)的工作機(jī)制卻如同黑盒一般令人困惑——這種困擾直到今天依然存在。他決心深入理解其運(yùn)作原理。

2015年，他提出了“深度夢(mèng)境”（DeepDream）——一種能夠捕捉并夸張神經(jīng)網(wǎng)絡(luò)在圖像中識(shí)別模式的技術(shù)。借助這一技術(shù)，普通照片可以被轉(zhuǎn)化為由狗鼻子、魚(yú)鱗或鸚鵡羽毛交織而成的迷幻藝術(shù)品。這些奇異的視覺(jué)作品迅速席卷了整個(gè)互聯(lián)網(wǎng)，也讓Mordvintsev一躍成為當(dāng)時(shí)軟件界的知名人物。

?Places205-GoogLeNet. 圖源：Google, Inceptionism gallery

Mordvintsev的“深度夢(mèng)境”引起了學(xué)術(shù)界的廣泛關(guān)注，Tufts大學(xué)發(fā)育生物學(xué)領(lǐng)軍人物Michael Levin對(duì)此尤為感興趣。Levin認(rèn)為，神經(jīng)網(wǎng)絡(luò)與生物有機(jī)體同樣是難以解析的復(fù)雜系統(tǒng)；他好奇，這種揭示神經(jīng)網(wǎng)絡(luò)內(nèi)部運(yùn)作的方法，是否也能幫助我們理解生命本身。Levin的郵件重新點(diǎn)燃了Mordvintsev對(duì)模擬自然的興趣，尤其是引起了他對(duì)元胞自動(dòng)機(jī)（cellular automata）的關(guān)注。

?90號(hào)規(guī)則元胞自動(dòng)機(jī)（Rule 90）是一種簡(jiǎn)單的一維計(jì)算模型，由Stephen Wolfram提出。它基于每個(gè)單元格的兩個(gè)鄰居狀態(tài)，通過(guò)異或（XOR）運(yùn)算更新?tīng)顟B(tài)，能生成復(fù)雜的Sierpinski三角形圖案，常用于研究復(fù)雜系統(tǒng)和藝術(shù)設(shè)計(jì)。 圖源：Wolfram MathWorld

元胞自動(dòng)機(jī)，是計(jì)算機(jī)之父馮·諾依曼在20世紀(jì)50年代提出的一種仿真方法，最初正是為了模擬生命系統(tǒng)所具有的自復(fù)制功能而提出。2020 年，Alex Mordvintsev巧妙地將現(xiàn)代神經(jīng)網(wǎng)絡(luò)、圖靈的形態(tài)發(fā)生學(xué)（morphogenesis）以及元胞自動(dòng)機(jī)結(jié)合在一起，創(chuàng)造了“神經(jīng)元胞自動(dòng)機(jī)”（neural cellular automaton，NCA）。

NCA用神經(jīng)網(wǎng)絡(luò)替換了經(jīng)典元胞自動(dòng)機(jī)中簡(jiǎn)單且固定的像素變化規(guī)則。每個(gè)格子中的神經(jīng)網(wǎng)絡(luò)能夠感知并影響代表自身及周邊格子中信息素的濃度，經(jīng)過(guò)計(jì)算后做出相應(yīng)反應(yīng)。NCA可以被訓(xùn)練來(lái)“生長(zhǎng)”任何所需的圖案或圖像，而不僅僅是斑馬條紋或豹子斑點(diǎn)。

模仿自然進(jìn)化的訓(xùn)練

?蜥蜴形狀復(fù)原NCA示例. 圖源：distill

NCA的演示開(kāi)始時(shí)，單個(gè)細(xì)胞逐步演化成完整的蜥蜴形狀。此時(shí)，你用鼠標(biāo)穿過(guò)蜥蜴“劃傷”它，“受損”區(qū)域很快開(kāi)始自我修復(fù)——在這些經(jīng)鼠標(biāo)擦除所留下的空白像素格子中，NCA的神經(jīng)網(wǎng)絡(luò)感知周?chē)h(huán)境，并根據(jù)局部信息計(jì)算并調(diào)整自身狀態(tài)。不久后，完整的蜥蜴圖案便重新顯現(xiàn)。這種強(qiáng)大的自我修復(fù)能力，正是NCA最令人驚嘆的特性。

類(lèi)似的自組織現(xiàn)象，其實(shí)在自然界中隨處可見(jiàn)。椋鳥(niǎo)的群舞或螞蟻群體作為一個(gè)整體行動(dòng)，科學(xué)家們已經(jīng)提出了簡(jiǎn)單的規(guī)則，如果每只鳥(niǎo)或每只螞蟻都遵循這些規(guī)則，就能解釋集體行為。同樣，你身體的細(xì)胞相互作用，將自己塑造成一個(gè)單一的有機(jī)體。

NCA的訓(xùn)練與之類(lèi)似，其方法不是從規(guī)則開(kāi)始并觀察結(jié)果，而是從一個(gè)期望的模式開(kāi)始，找出能夠產(chǎn)生該模式的簡(jiǎn)單規(guī)則。“想象你想建造一座大教堂，但你不是設(shè)計(jì)大教堂，就是而是設(shè)計(jì)磚塊。你的磚塊應(yīng)該是什么形狀，才能在你將大量磚塊搖晃足夠長(zhǎng)的時(shí)間后，為你建造起一座大教堂”，這樣的設(shè)計(jì)思路，正如物理學(xué)家和Stephen Wolfra在1986年所描述的“編程系統(tǒng)的基本構(gòu)件，使它們能夠自組裝成任何你想要的形式�！�

NCA的核心創(chuàng)新在于使用神經(jīng)網(wǎng)絡(luò)來(lái)定義元胞自動(dòng)機(jī)的物理規(guī)則。

在“生命游戲”中，網(wǎng)格中的每個(gè)細(xì)胞要么活著，要么死亡，在模擬時(shí)鐘的每個(gè)滴答聲中，要么繁殖、死亡或保持不變。每個(gè)細(xì)胞的行為規(guī)則表現(xiàn)為一系列條件：例如，“如果一個(gè)細(xì)胞擁有超過(guò)三個(gè)鄰居，它就會(huì)死亡”。

而在NCA中，神經(jīng)網(wǎng)絡(luò)替代了固定規(guī)則——神經(jīng)網(wǎng)絡(luò)會(huì)根據(jù)細(xì)胞及其鄰居的當(dāng)前狀態(tài)，結(jié)合周邊格子的信息素濃度進(jìn)行計(jì)算，從而決定格子（細(xì)胞）的狀態(tài)（顏色）。這一過(guò)程類(lèi)似于神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用——正如神經(jīng)網(wǎng)絡(luò)可以學(xué)會(huì)區(qū)分狗和貓的圖像特征，NCA中的神經(jīng)網(wǎng)絡(luò)也學(xué)會(huì)了根據(jù)局部環(huán)境信息來(lái)決定細(xì)胞狀態(tài)。與傳統(tǒng)元胞自動(dòng)機(jī)需要預(yù)設(shè)固定規(guī)則不同，NCA通過(guò)訓(xùn)練獲得的神經(jīng)網(wǎng)絡(luò)能夠動(dòng)態(tài)地做出決策。

?神經(jīng)網(wǎng)絡(luò)更新示例. 圖源：distill

NCA訓(xùn)練從一個(gè)“活”細(xì)胞開(kāi)始，讓神經(jīng)網(wǎng)絡(luò)控制細(xì)胞不斷演化，最終將生成的圖案與目標(biāo)圖案進(jìn)行對(duì)比。初次嘗試時(shí)，生成的結(jié)果往往與目標(biāo)圖案毫無(wú)相似之處。此時(shí)需要調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)，重新運(yùn)行網(wǎng)絡(luò)觀察是否有所改善，然后不斷重復(fù)這個(gè)過(guò)程。經(jīng)過(guò)數(shù)千次反復(fù)訓(xùn)練，每一輪都會(huì)更新細(xì)胞的狀態(tài)。只要確實(shí)存在能夠生成目標(biāo)圖案的神經(jīng)網(wǎng)絡(luò)配置，那么通過(guò)足夠多次的嘗試和調(diào)整，訓(xùn)練程序最終一定能夠找到它。

參數(shù)調(diào)整的實(shí)現(xiàn)方式包括反向傳播、遺傳算法等。反向傳播雖然訓(xùn)練速度更快，但需要連續(xù)平滑的變化過(guò)程。而生命游戲中細(xì)胞只有死亡或存活兩種狀態(tài)，這種跳躍式狀態(tài)切變導(dǎo)致反向傳播無(wú)法使用。為此，Mordvintsev借鑒了2010年代中期谷歌東京實(shí)驗(yàn)室Bert Chan等人的創(chuàng)新思路：將細(xì)胞狀態(tài)設(shè)置為0到1之間的連續(xù)數(shù)值，讓NCA中的細(xì)胞不再是絕對(duì)的死亡或存活，而始終處于兩者之間。

此外，Mordvintsev發(fā)現(xiàn)訓(xùn)練過(guò)程中需要為每個(gè)細(xì)胞添加“隱藏”變量。這些變量不表示細(xì)胞的生死狀態(tài)或類(lèi)型，卻能指導(dǎo)細(xì)胞的行為特征�！皼](méi)有這些變量，系統(tǒng)根本無(wú)法正常工作�！比绻駛鹘y(tǒng)生命游戲那樣讓所有細(xì)胞同步更新，生成的模式會(huì)顯得僵硬不自然，缺乏目標(biāo)圖案的特征。這個(gè)問(wèn)題的解決方案是采用隨機(jī)間隔更新機(jī)制。

Mordvintsev的神經(jīng)網(wǎng)絡(luò)最終包含8000個(gè)參數(shù)。這個(gè)數(shù)字初看令人費(fèi)解——2020年卡內(nèi)基梅隆大學(xué)博士研究生Jacob Springer和洛斯阿拉莫斯國(guó)家實(shí)驗(yàn)室Garrett Kenyon進(jìn)行的模擬中，將生命游戲直接轉(zhuǎn)換為神經(jīng)網(wǎng)絡(luò)只需25個(gè)參數(shù)。

之所以參數(shù)數(shù)量巨大差異，是因?yàn)閷W(xué)習(xí)執(zhí)行某項(xiàng)任務(wù)，往往比執(zhí)行該任務(wù)要困難得多，因此需要更大的網(wǎng)絡(luò)規(guī)模。同時(shí)，參數(shù)數(shù)量的增加也帶來(lái)了能力的質(zhì)變，傳統(tǒng)生命游戲雖然能夠展現(xiàn)出極其豐富的涌現(xiàn)行為，但Mordvintsev的NCA憑借其龐大的參數(shù)空間，已經(jīng)躍升到了一個(gè)全新的復(fù)雜度層次。

感興趣的讀者，可參考2020年Mordvintsev發(fā)表的論文第一篇NCA論文及交互小程序 Mordvintsev, A., Randazzo, E., Niklasson, E., & Levin, M. (2020). Growing Neural Cellular Automata. Distill.

類(lèi)似生命的再生能力

?Mordvintsev 的神經(jīng)元胞自動(dòng)機(jī)示例，測(cè)試鏈接：https://distill.pub/2020/growing-ca/

NCA中的圖像并非逼真的動(dòng)物模擬——它們沒(méi)有心臟、神經(jīng)或肌肉，僅僅是形狀像動(dòng)物的多彩細(xì)胞圖案。但它們確實(shí)捕捉了形態(tài)發(fā)生的某些關(guān)鍵方面，即生物細(xì)胞形成組織和身體的過(guò)程。NCA提供了一種通用方法來(lái)模擬不涉及運(yùn)動(dòng)、僅涉及狀態(tài)變化（此處以顏色表示）以及化學(xué)物質(zhì)吸收或釋放的細(xì)胞可能行為范圍。在元胞自動(dòng)機(jī)中，每個(gè)細(xì)胞的反應(yīng)僅基于其鄰居的狀態(tài)，而非在主控指導(dǎo)下就位。

真實(shí)細(xì)胞內(nèi)部雖并不存在所謂的“神經(jīng)網(wǎng)絡(luò)”，但每個(gè)細(xì)胞都在運(yùn)行相同的DNA，就像運(yùn)行著一套經(jīng)過(guò)高度進(jìn)化、非線性且具有目的性的“程序”，以決定在外部刺激和內(nèi)部狀態(tài)下將采取何種行動(dòng)。如此，細(xì)胞能夠?qū)崿F(xiàn)自組織，重現(xiàn)自身的結(jié)構(gòu)。

NCA的再生能力，源于訓(xùn)練中Mordvintsev的意外發(fā)現(xiàn)——如果給單個(gè)像素的規(guī)則是形成蜥蜴，那么即使存在巨大傷口，蜥蜴也能復(fù)原完整。于是，他開(kāi)始針對(duì)性訓(xùn)練NCA的再生能力，例如故意損壞一個(gè)模式，并調(diào)整規(guī)則，直到系統(tǒng)能夠恢復(fù)。

Mordvintsev發(fā)現(xiàn)，NCA會(huì)自發(fā)采用冗余策略來(lái)確保魯棒性。例如，如果訓(xùn)練系統(tǒng)防止關(guān)鍵部位（如動(dòng)物眼睛）受損，系統(tǒng)可能會(huì)生產(chǎn)“備用副本”。“無(wú)法讓眼睛足夠穩(wěn)定，NCA于是開(kāi)始增殖——比如長(zhǎng)出三個(gè)眼睛�！�

至于是什么賦予了NCAs的再生能力，哥本哈根IT大學(xué)計(jì)算機(jī)科學(xué)家Sebastian Risi認(rèn)為，其中一個(gè)因素是隨機(jī)更新間隔等特征為自動(dòng)機(jī)引入的不確定性。這種看似“干擾”的不確定性，實(shí)際上成為了系統(tǒng)進(jìn)化出魯棒性的驅(qū)動(dòng)力。這一原理與自然界的生物系統(tǒng)高度吻合，Ris指出“生物系統(tǒng)之所以如此魯棒，正是因?yàn)樗鼈兯幍牡讓迎h(huán)境充滿了噪聲�！�

在NCA中增加記憶

2024年，來(lái)自塔夫茨大學(xué)和維也納理工大學(xué)的理論物理學(xué)家Ben Hartl加入了Risi和Levin的研究團(tuán)隊(duì)，試圖利用NCA研究了噪聲如何導(dǎo)致魯棒性。他們?cè)趥鹘y(tǒng)的NCA架構(gòu)中增加了一個(gè)特性：記憶。增加后的系統(tǒng)可以通過(guò)兩種方式重現(xiàn)期望的圖案——調(diào)整網(wǎng)絡(luò)參數(shù)，或?qū)D案逐個(gè)像素地存儲(chǔ)在記憶中。研究人員在各種條件下對(duì)其進(jìn)行了訓(xùn)練，觀察它會(huì)采用哪種策略。

結(jié)果頗為有趣：在簡(jiǎn)單任務(wù)重，系統(tǒng)傾向于選擇記憶。畢竟，如果只要重現(xiàn)固定模式，直接“背下來(lái)”顯然比費(fèi)力調(diào)整復(fù)雜的神經(jīng)網(wǎng)絡(luò)要高效得多。

然而，當(dāng)研究人員在訓(xùn)練中引入噪聲干擾時(shí)，情況發(fā)生了逆轉(zhuǎn)。面對(duì)不確定性，神經(jīng)網(wǎng)絡(luò)開(kāi)始展現(xiàn)其價(jià)值——它能夠發(fā)展出抵抗噪聲的策略，而單純的記憶則顯得束手無(wú)策。即便研究人員更換目標(biāo)模式，該網(wǎng)絡(luò)能夠更快地學(xué)會(huì)新圖案，因?yàn)樗呀?jīng)掌握了諸如繪制線條等可遷移的技能；相比之下，單純依賴(lài)記憶的方法則必須從零開(kāi)始。簡(jiǎn)言之，對(duì)噪聲具有魯棒性的系統(tǒng)通常也更具靈活性。

?即使受到干擾，NCA所形成的紋理也具有自我修復(fù)的能力。 圖源：distill

研究人員認(rèn)為，他們的這套實(shí)驗(yàn)設(shè)置實(shí)際上是對(duì)自然進(jìn)化機(jī)制的一種模擬。在真實(shí)的生物進(jìn)化中，基因組并不直接規(guī)定生物體的性狀；相反，它編碼的是一套能夠生成性狀的發(fā)育機(jī)制。這是這種可以靈活重組現(xiàn)有能力的機(jī)制，使得物種能夠更快地適應(yīng)新環(huán)境，“這極大地加速了進(jìn)化過(guò)程”。

不過(guò)，Lila Sciences研究計(jì)算進(jìn)化和自然進(jìn)化的人工智能研究員Ken Stanley也警告說(shuō)，盡管NCA功能強(qiáng)大，但它仍然只是生物學(xué)的不完美模型。與機(jī)器學(xué)習(xí)不同，自然進(jìn)化并不是靶定特定目標(biāo)發(fā)展。他指出：“進(jìn)化并非預(yù)見(jiàn)了魚(yú)類(lèi)的某種理想形態(tài)，然后想方設(shè)法將其編碼出來(lái)。”因此，從NCA中獲得的教訓(xùn)可能無(wú)法推廣到自然界。

全新范式計(jì)算能耗低

NCA在缺損再生的過(guò)程中展現(xiàn)出解決問(wèn)題的能力，這讓Mordvintsev認(rèn)為它們有望成為通用計(jì)算的新范式。雖然NCA表面上是在形成視覺(jué)圖案，但其本質(zhì)仍是根據(jù)算法處理細(xì)胞狀態(tài)數(shù)值的過(guò)程。在適當(dāng)條件下，元胞自動(dòng)機(jī)具備與其他類(lèi)型的計(jì)算機(jī)同的的通用計(jì)算能力。

回顧計(jì)算機(jī)發(fā)展史，馮·諾依曼在20世紀(jì)40年代提出了第一種計(jì)算機(jī)標(biāo)準(zhǔn)模型，將中央處理器與存儲(chǔ)器相結(jié)合，CPU依次執(zhí)行一系列指令。神經(jīng)網(wǎng)絡(luò)則是第二種架構(gòu)，它將計(jì)算和存儲(chǔ)分配到數(shù)千到數(shù)十億個(gè)相互連接的并行運(yùn)行的單元上。NCA延續(xù)了這一思路，但并行得更為徹底——每個(gè)計(jì)算單元僅與其鄰居相連，而放棄了馮·諾依曼架構(gòu)和神經(jīng)網(wǎng)絡(luò)架構(gòu)中存在的長(zhǎng)程連接。

這種設(shè)計(jì)差異帶來(lái)了顯著的能效優(yōu)勢(shì)。長(zhǎng)程連接是傳統(tǒng)計(jì)算系統(tǒng)的主要耗能瓶頸，因此如果NCA能具備其他計(jì)算系統(tǒng)的功能，將實(shí)現(xiàn)巨大的節(jié)能效果。正如谷歌技術(shù)與社會(huì)部門(mén)的首席技術(shù)官Blaise Agüera y Arcas所言，“一臺(tái)類(lèi)似NCA的計(jì)算機(jī)，其效率將遠(yuǎn)超現(xiàn)有的任何計(jì)算機(jī)。”

但如何為這樣的系統(tǒng)編寫(xiě)代碼呢？圣菲研究所的Melanie Mitchell認(rèn)為：“真正需要做的是構(gòu)建有關(guān)抽象概念——就像編程語(yǔ)言之于馮·諾依曼式計(jì)算一樣。至于大規(guī)模分布式并行計(jì)算的編程范式，我們至今一無(wú)所知。”

神經(jīng)網(wǎng)絡(luò)并非直接編程而成，而是通過(guò)訓(xùn)練獲得功能。20世紀(jì)90年代，加州大學(xué)戴維斯分校的Jim Crutchfield和圣菲研究所的Peter Hraber以及Mitchell展示了元胞自動(dòng)機(jī)如何實(shí)現(xiàn)同樣的功能。他們使用遺傳算法訓(xùn)練自動(dòng)機(jī)執(zhí)行多數(shù)操作（the majority operation），即如果多數(shù)細(xì)胞死亡，其余的細(xì)胞也會(huì)死亡；如果多數(shù)細(xì)胞存活，所有死亡的細(xì)胞都會(huì)恢復(fù)生命。細(xì)胞必須在不了解全局情況的情況下完成這一操作——每個(gè)細(xì)胞只知道其鄰居中有多少存活、多少死亡，但無(wú)法看到更遠(yuǎn)的地方。在訓(xùn)練過(guò)程中，系統(tǒng)自發(fā)地發(fā)展出了一種新的計(jì)算范式：死亡或存活的細(xì)胞區(qū)域會(huì)擴(kuò)大或縮小，最終占主導(dǎo)地位的細(xì)胞區(qū)域會(huì)完全占據(jù)整個(gè)自動(dòng)機(jī)。“這是一種非常有趣的算法，如果能稱(chēng)為‘算法’的話，”Mitchell說(shuō)道。

這些想法一度沉寂，直到NCA出現(xiàn)，又重新激發(fā)了在元胞自動(dòng)機(jī)上進(jìn)行編程的一系列設(shè)想。

?讀取手寫(xiě)數(shù)字的NCA示例，測(cè)試網(wǎng)址：https://distill.pub/2020/selforg/mnist/

2020年，Mordvintsev及同事創(chuàng)造了一個(gè)能夠讀取手寫(xiě)數(shù)字的NCA。這是一個(gè)經(jīng)典的機(jī)器學(xué)習(xí)測(cè)試案例：當(dāng)你在自動(dòng)機(jī)中繪制一個(gè)數(shù)字，細(xì)胞會(huì)逐漸改變顏色，直到它們都變成相同的顏色，從而識(shí)別出數(shù)字。

今年，倫敦帝國(guó)學(xué)院的Gabriel Béna和他的合著者，基于軟件工程師Peter Whidden未發(fā)表的工作，創(chuàng)造了一種用于矩陣乘法及其他數(shù)學(xué)運(yùn)算的算法，這一算法“顯然已經(jīng)學(xué)會(huì)了真正的矩陣乘法”，正如Béna所言。

最近，挪威奧斯陸大學(xué)學(xué)院的教授Stefano Nichele（專(zhuān)門(mén)從事非常規(guī)計(jì)算機(jī)架構(gòu)研究）以及他的合著者們，將NCAs應(yīng)用于解決抽象推理語(yǔ)料庫(kù)（Abstraction and Reasoning Corpus）中的問(wèn)題，這是一個(gè)旨在衡量通用智能發(fā)展進(jìn)程的機(jī)器學(xué)習(xí)基準(zhǔn)。這些問(wèn)題類(lèi)似經(jīng)典的智商測(cè)試：許多題目由成對(duì)的線條圖組成，你需要弄清楚第一個(gè)圖形如何轉(zhuǎn)變?yōu)榈诙䝼�(gè)圖形，然后將該規(guī)則應(yīng)用于新的案例中。例如，第一個(gè)是短對(duì)角線，第二個(gè)是長(zhǎng)對(duì)角線，那么規(guī)則就是“延伸線條”。

?抽象推理語(yǔ)料庫(kù)題目示例. 圖源：substack

傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在此類(lèi)問(wèn)題上表現(xiàn)糟糕，因?yàn)樗鼈儍A向于記住像素排列，而不是提取規(guī)則。但細(xì)胞自動(dòng)機(jī)缺乏長(zhǎng)程連接，無(wú)法一次性獲取整個(gè)圖像，也就無(wú)法記憶。在上述例子中，它無(wú)法看出一條線比另一條線長(zhǎng)。它唯一能將它們關(guān)聯(lián)起來(lái)的方式是通過(guò)一個(gè)將第一條線增長(zhǎng)以匹配第二條線的過(guò)程。因此，它能自然地識(shí)別出變換規(guī)則，從而能夠順利應(yīng)對(duì)全新的案例。“這其實(shí)是在強(qiáng)制它不去記憶答案，而是去學(xué)習(xí)一個(gè)開(kāi)發(fā)出解決方案的過(guò)程”，Nichele說(shuō)道。

NCA也開(kāi)始被用于來(lái)編程機(jī)器人集群。機(jī)器人集群這一概念由Stanis?av Lem（斯坦尼斯瓦夫·萊姆）等科幻作家在20世紀(jì)60年代提出，并在90年代開(kāi)始成為現(xiàn)實(shí)。佛蒙特大學(xué)機(jī)器人研究者Josh Bongard提出，NCA系統(tǒng)可以設(shè)計(jì)出能夠緊密協(xié)作的機(jī)器人，它們不再僅僅是集群，而成為一個(gè)統(tǒng)一的有機(jī)體。“想象一下，機(jī)器人集群像一群蠕動(dòng)中的昆蟲(chóng)或細(xì)胞，它們互相爬行并不斷重構(gòu)。這就是多細(xì)胞生物的真實(shí)狀態(tài)。目前相關(guān)研究還處于早期階段——但這可能是機(jī)器人領(lǐng)域的可行方向。”

為此，Hartl、Levin和維也納大學(xué)物理學(xué)家 Andreas Z?ttl訓(xùn)練了一群虛擬機(jī)器人——模擬池塘中的一串珠子，像蝌蚪一樣擺動(dòng)�！斑@個(gè)架構(gòu)非常穩(wěn)健，它們能夠在其中游來(lái)游去。”

NCA展現(xiàn)出的潛在可能性是無(wú)限的。如果生物學(xué)家能夠弄清楚NCA中的蝴蝶如何如此巧妙地再生翅膀，也許醫(yī)生能夠促使我們的身體重新生長(zhǎng)失去的肢體。對(duì)于經(jīng)常從生物學(xué)中尋找靈感的工程師來(lái)說(shuō)，NCA是一種潛在的全新模型，用于創(chuàng)建無(wú)需中心協(xié)調(diào)即可執(zhí)行任務(wù)的完全分布式計(jì)算機(jī)。在某些方面，NCA可能在問(wèn)題解決方面比神經(jīng)網(wǎng)絡(luò)更具天生的優(yōu)勢(shì)。

在Mordvintsev看來(lái)，生物學(xué)、計(jì)算機(jī)和機(jī)器人之間的交叉融合，正在延續(xù)20世紀(jì)40年代計(jì)算科學(xué)早期的傳統(tǒng)——那時(shí)馮·諾依曼和其他先驅(qū)們自由地從生物學(xué)中汲取靈感�！皩�(duì)于那一代人來(lái)說(shuō)，自組織、生命和計(jì)算之間的關(guān)系是顯而易見(jiàn)的。這些領(lǐng)域不知何故發(fā)生了分化，而現(xiàn)在它們正在重新走向統(tǒng)一。”

https://www.quantamagazine.org/self-assembly-gets-automated-in-reverse-of-game-of-life-20250910/

延展閱讀：何為智能與人工生命？

馮·諾依曼的自復(fù)制自動(dòng)機(jī)（self-reproducing automata）表明，在一個(gè)物理定律不允許進(jìn)行計(jì)算的宇宙中，生命進(jìn)化是不可能的。幸運(yùn)的是，我們宇宙的物理學(xué)允許進(jìn)行計(jì)算，這一點(diǎn)由我們能夠建造計(jì)算機(jī)——而且我們確實(shí)在這里——的事實(shí)所證明。

現(xiàn)在我們處于一個(gè)能夠提出問(wèn)題的位置：在一個(gè)能夠進(jìn)行計(jì)算的宇宙中，生命將多久出現(xiàn)一次？顯然，它在這里發(fā)生了。這是奇跡，是必然，還是介于兩者之間？

Blaise Agüera y Arcas和幾位合作者于2023 年末開(kāi)始探索這個(gè)問(wèn)題。他們最初的實(shí)驗(yàn)使用了一種由一位瑞士物理系學(xué)生和業(yè)余雜耍愛(ài)好者三十年前發(fā)明的神秘編程語(yǔ)言，即Urban Müller所創(chuàng)造的Brainfuck語(yǔ)言。請(qǐng)將所有命名的反饋直接發(fā)送給他。

然而，這名字起的沒(méi)錯(cuò)，用Brainfuck編程簡(jiǎn)直是一場(chǎng)噩夢(mèng)。例如，下面是一個(gè)打印“helloworld”的Brainfuck程序——祝你好運(yùn)，看懂它。

++++++[?>+++++<]>?[>[++++>]++++[<]>?]>>>>.>+.<<…<?.<+++.>.+++.>.>>?.

Brainfuck的優(yōu)勢(shì)在于其極致的極簡(jiǎn)主義。它并非是一種單指令語(yǔ)言（single-instruction language，即處理器在每個(gè)時(shí)鐘周期內(nèi)執(zhí)行一條指令），它僅包含少量操作。如同圖靈機(jī)，該語(yǔ)言規(guī)定了一個(gè)讀寫(xiě)頭，該頭可以在磁帶上向左（“ < ”指令）或向右（“ > ”指令）移動(dòng)。 “ + ”和“ ? ”指令用于增加和減少磁帶（tape）上當(dāng)前位置的字節(jié)。 “ 33 ” “ , ”和“ . ”指令用于從控制臺(tái)輸入一個(gè)字節(jié)或向其輸出一個(gè)字節(jié)（在上面的代碼中，你可以數(shù)出十個(gè)“ . ”指令，每個(gè)指令打印“helloworld”中的一個(gè)字母）。最后，“ [ ”和“ ] ”指令用于實(shí)現(xiàn)循環(huán)：“ [ ”如果當(dāng)前位置的字節(jié)為零，將跳轉(zhuǎn)到與之匹配的“ ] ”；“ ] ”如果字節(jié)不為零，將跳轉(zhuǎn)回與之匹配的“ [ ”。就是這樣！

很難相信Brainfuck語(yǔ)言能夠在諸如Windows的操作系統(tǒng)中被部署，但它具有“圖靈完備性”。在這里這意味著：只要給定足夠的時(shí)間和內(nèi)存（也就是說(shuō)，足夠長(zhǎng)的磁帶），它就能模擬任何其他計(jì)算機(jī)，并計(jì)算任何可計(jì)算的事物。

上述研究中，研究者構(gòu)建了一個(gè)稱(chēng)為湯（bff）的模擬環(huán)境，其中包含數(shù)千條磁帶，每條磁帶都包含Brainfuck代碼和數(shù)據(jù)。在Brainfuck程序中，代碼與磁帶是分離的，而在bff中，我們希望代碼能夠自我修改。這只有在代碼本身位于磁帶上時(shí)才可能實(shí)現(xiàn)，這就像圖靈最初所設(shè)想的圖靈機(jī)。

bff磁帶的長(zhǎng)度是固定的64字節(jié)，大約與上面那個(gè)神秘的“helloworld”程序一樣長(zhǎng)。它們開(kāi)始時(shí)被填充了隨機(jī)字節(jié)。然后，它們會(huì)持續(xù)隨機(jī)地相互作用。在一次相互作用中，兩條隨機(jī)選擇的磁帶會(huì)被首尾相連，這個(gè)組合起來(lái)的128字節(jié)長(zhǎng)的磁帶會(huì)被執(zhí)行，也有可能自我修改。然后，被分為兩個(gè)64字節(jié)的磁帶，并返回到“湯”中。偶爾，某個(gè)字節(jié)的值會(huì)被隨機(jī)改變，就像宇宙射線對(duì)DNA所做的那樣。

上述實(shí)驗(yàn)中描述的，可視為一個(gè)簡(jiǎn)化版的NCA，其中每個(gè)磁帶可以是一個(gè)帶記憶的神經(jīng)網(wǎng)絡(luò)，由對(duì)應(yīng)Brainfuck代碼構(gòu)成，NCA中的交互，是在一個(gè)二維網(wǎng)格中，而bff中的交互，則是隨機(jī)選擇的兩個(gè)磁帶組合并執(zhí)行，而不受到磁帶所在位置的制約，除此之外，上述實(shí)驗(yàn)描述的過(guò)程，就是缺少外界感知能力的NCA在開(kāi)放環(huán)境下的演化過(guò)程。

由于Brainfuck只包含七條指令（用字符“ <>+?,[] ”表示），而存在256種可能的字節(jié)值，隨機(jī)初始化后，給定磁帶上只有7/256，即2.7%的字節(jié)包含有效指令；任何非指令都被簡(jiǎn)單地跳過(guò)。因此，最初時(shí)，磁帶之間的交互并沒(méi)有太多結(jié)果。偶爾，一條有效指令會(huì)修改一個(gè)字節(jié)，這種修改會(huì)持續(xù)存在于"湯"中。然而，平均而言，每次交互只進(jìn)行一兩個(gè)計(jì)算操作，而且通常沒(méi)有效果。換句話說(shuō)，雖然在這個(gè)玩具宇宙中理論上任何計(jì)算都是可能的，但實(shí)際上最初發(fā)生的事情卻很少。隨機(jī)突變可能會(huì)改變這里或那里的一個(gè)字節(jié)。即使一條有效指令導(dǎo)致一個(gè)字節(jié)發(fā)生變化，但這種改變也是任意的、沒(méi)有目的的。

但經(jīng)過(guò)數(shù)百萬(wàn)次交互后，奇妙的事情發(fā)生了：磁帶開(kāi)始復(fù)制！隨著它們生成自身的副本以及彼此的副本，隨機(jī)性逐漸讓位于復(fù)雜的秩序。這種變化的突然性類(lèi)似于“相變”，如氣體與液體之間，或液體與固體之間的轉(zhuǎn)化。事實(shí)上，湯的初始無(wú)序狀態(tài)與隨機(jī)旋轉(zhuǎn)的氣體分子非常相似。

?早期版本的bff展示了從隨機(jī)初始化到全帶復(fù)制的演化過(guò)程；僅顯示了用于指令的字節(jié)編碼

我們將能執(zhí)行特定功能的代碼稱(chēng)為“計(jì)算子”， 當(dāng)相變發(fā)生時(shí)，計(jì)算量會(huì)急劇增加。。而這其中的關(guān)鍵，類(lèi)似線粒體被吞噬后成為真核生物的一部分。Brainfuck的七條指令中有兩條（“ [ ”和“ ] ”）用于條件分支，并在代碼中定義循環(huán)。繁殖至少需要一個(gè)這樣的循環(huán)（“復(fù)制字節(jié)直到完成”），而這會(huì)導(dǎo)致每次交互中執(zhí)行的指令數(shù)量增加到數(shù)千條。

?磁帶中相同指令編碼的字節(jié)數(shù)的直方圖，在1500萬(wàn)次后變?yōu)槿艓?fù)制，但計(jì)算量依然在持續(xù)增加

進(jìn)化產(chǎn)生的代碼不再隨機(jī)，而是明顯具有目的性，其功能可以被分析和逆向工程。不幸的突變可能破壞它，使其無(wú)法復(fù)制。隨著時(shí)間的推移，代碼進(jìn)化出巧妙的策略來(lái)增強(qiáng)其抵御此類(lèi)損害，以增強(qiáng)魯棒性。

這種功能和目的的出現(xiàn)，就像我們?cè)诟鱾�(gè)尺度的有機(jī)生命中所看到的那樣；因此，我們可以談?wù)撗h(huán)系統(tǒng)的功能、腎臟或線粒體的功能，以及它們?nèi)绾巍笆А薄M管沒(méi)有人設(shè)計(jì)這些系統(tǒng)。

研究團(tuán)隊(duì)使用多種編程語(yǔ)言和環(huán)境重現(xiàn)了基本結(jié)果。以NCA聞名的Alex創(chuàng)建了NCA模式下的bff。一個(gè)200×200的“像素”數(shù)組中的每個(gè)元素都包含一個(gè)磁帶，并且交互僅在網(wǎng)格上的相鄰帶之間發(fā)生。為了紀(jì)念這些研究者充滿nerd味的童年，這些磁帶被解釋為1976年推出的標(biāo)志性8位計(jì)算機(jī)Zilog Z80微處理器的指令。在這些研究中，復(fù)雜的可復(fù)制程序也很快從隨機(jī)交互中涌現(xiàn)，并在連續(xù)的波浪中在網(wǎng)格上進(jìn)化和擴(kuò)散。

?在模擬的 200×200 Zilog Z80 處理器網(wǎng)格上競(jìng)爭(zhēng)復(fù)制體的演化

模擬表明，在一般情況下，只要條件允許，生命就會(huì)自發(fā)產(chǎn)生。促成生命的條件似乎很簡(jiǎn)單：只需要一個(gè)能夠支持計(jì)算的環(huán)境、一些隨機(jī)性以及足夠的時(shí)間。

讓我們停下來(lái)思考一下為什么這是如此非凡。

從直覺(jué)上看，人們并不期望功能或目的性會(huì)自發(fā)產(chǎn)生。當(dāng)然，我們?cè)缫阎�，在初始隨機(jī)條件下可以產(chǎn)生一定程度上的秩序；例如，波浪的拍打可以大致將沙灘上的沙子排序，形成從細(xì)到粗的梯度。但如果我們從受隨機(jī)波浪作用的沙灘上的沙子開(kāi)始，幾小時(shí)后回來(lái)發(fā)現(xiàn)那里寫(xiě)著一首詩(shī)，或者沙粒熔合成了一個(gè)復(fù)雜的電子電路，我們會(huì)認(rèn)為有人在捉弄我們。

復(fù)雜秩序自發(fā)產(chǎn)生的極端不可能性通常被認(rèn)為源于熱力學(xué)，即物理學(xué)中研究物質(zhì)在隨機(jī)熱波動(dòng)作用下的統(tǒng)計(jì)行為。熱力學(xué)指出，所有物質(zhì)，因?yàn)楦哂诮^對(duì)零度，都會(huì)受到隨機(jī)性的影響。受隨機(jī)力作用的物質(zhì)被認(rèn)為會(huì)變得更加隨機(jī)，而不是隨機(jī)性減少。然而，通過(guò)生長(zhǎng)、繁殖、進(jìn)化，甚至僅僅是存在，生命似乎違背了這一原理。

這只是表面上的違背，因?yàn)樯枰杂赡艿妮斎�，才能使熵的力量得以遏制。然而，生命系統(tǒng)看似自發(fā)的出現(xiàn)和“復(fù)雜化”現(xiàn)象，似乎并未被物理定律嚴(yán)格禁止，至少也未得到它們的解釋。這就是為什么偉大的物理學(xué)家薛定諤在他于1944年出版的《生命是什么？》中寫(xiě)道：

生命物質(zhì)雖然尚未違背迄今為止所確立的"物理學(xué)定律"，但很可能涉及此前未知"其他物理學(xué)定律"，然而一旦這些定律被揭示，它們將和前者一樣成為這門(mén)科學(xué)中同樣不可或缺的一部分。

本章摘引自Google副總裁兼研究員、技術(shù)與社會(huì)的首席技術(shù)官、智能范式團(tuán)隊(duì)的創(chuàng)始人Blaise Agüera y Arcas，2025年9月出版的新書(shū)《何為智能》（What is intelligence）中第一章部分內(nèi)容，在線鏈接為https://whatisintelligence.antikythera.org/chapter-01/-as-computation

編譯后記

Blaise Agüera y Arcas的《何為智能》（What is intelligence？）一書(shū)中，提出了一個(gè)核心思想，將生命視作“一種因進(jìn)化選擇動(dòng)態(tài)穩(wěn)定性而出現(xiàn)的自我修改的可計(jì)算物質(zhì)”，那么智能就是“一種模擬、預(yù)測(cè)和影響自身未來(lái)的能力，在與其他智能的關(guān)系中進(jìn)化，以創(chuàng)造更大的共生智能”。

從這個(gè)角度來(lái)說(shuō)，智能本質(zhì)上是一種計(jì)算過(guò)程，可以跨越不同載體，在神經(jīng)元、硅片還是NCA中實(shí)現(xiàn)。因此，可通過(guò)NCA去揭示生命如何起源，隨機(jī)性促成具有簡(jiǎn)易功能的可復(fù)制原件，而當(dāng)可復(fù)制原件組合成更大的合作組織時(shí)，復(fù)雜性就會(huì)如水沸騰一般迅速增長(zhǎng)。

NCA作為一種建模工具，不止適合了解生物的復(fù)原能力，還能用于對(duì)社會(huì)現(xiàn)象的建模。例如迷因（meme）的傳播，傳統(tǒng)建模方法假設(shè)個(gè)體按照固定規(guī)則決定是否傳播信息，但這與現(xiàn)實(shí)情況不符。而NCA則可解釋為何有些謠言即使辟謠仍會(huì)反復(fù)出現(xiàn)。

從核糖體網(wǎng)絡(luò)到人類(lèi)社會(huì)再到人機(jī)混合體，從輸入法預(yù)測(cè)下一個(gè)詞到大模型的出現(xiàn)，任何包含隨機(jī)性和計(jì)算的宇宙都會(huì)偶然遇到自我復(fù)制程序。這樣的程序?qū)嶓w化后可視為生命，而表現(xiàn)出的行為則是智能的體現(xiàn)。

關(guān)于追問(wèn)nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問(wèn)為紐帶，深入探究AI與人類(lèi)智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。歡迎評(píng)論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問(wèn)，我們將基于追問(wèn)知識(shí)庫(kù)為你做出智能回復(fù)哦~

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)研究，造福人類(lèi)。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗(yàn)室、AI與精神健康前沿實(shí)驗(yàn)室；與加州理工學(xué)院合作成立了加州理工天橋神經(jīng)科學(xué)研究院。

Chen Institute建成了支持腦科學(xué)和AI領(lǐng)域研究的生態(tài)系統(tǒng)，項(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、、大圓鏡科普等。