进化不是乱试：Akarsh Kumar 谈人工生命、规则空间与可搜索的智能

一、嘉宾背景

本期 Machine Learning Street Talk 是一场围绕 Akarsh Kumar 的访谈，由 Tim Scarfe and co-hosts 主持，标题是 “What Most People Get Wrong About Evolution | Akarsh Kumar”。节目由 Machine Learning Street Talk 上传，上传日期为 20261010。证据中给出的节目时长为 2875 秒，约 48 分钟，因此它不是短片式观点摘录，而是一场围绕人工生命研究方法展开的完整讨论。Akarsh 在这期节目中的身份被呈现为 researcher / paper author；节目也明确说，这次讨论集中在他的 ASAL 工作，即 “Automating the Search for Artificial Life with Foundation Models”。

这位嘉宾的相关经验不能被扩展成外部传记，但从节目证据足以看出他的发言位置：他不是泛泛评论 AI 趋势，而是在解释一篇具体论文和一组具体实验。ASAL 被描述为使用 vision-language 或 foundation models，在 Game of Life、Lenia、Boids 以及相关人工生命模拟器中寻找有趣的仿真。也就是说，Akarsh 的角色是把人工生命、开放式复杂性、细胞自动机和基础模型辅助搜索放进同一个研究框架中说明。

这期访谈的可分析对象也因此很明确：Akarsh 是主要解释者，主持人与共同主持人不断把他的说法推向更大的智能问题。节目并不是单纯介绍某个模拟器，而是借 ASAL 追问“进化为什么不是随机”“什么样的规则空间会产生持续复杂性”“基础模型能否作为人类判断的代理评价器”“LLM 和进化搜索在离散程序空间中怎样互补”。以下分析只使用节目和索引证据中支持的事实，不把题目、比喻或节目中的实验结果夸大成普遍定律。

二、本期主要内容

节目从一个反常识澄清开始：Akarsh 说进化 “anything but random”。他的意思不是否认突变、扰动或探索中存在随机成分，而是强调进化作为过程包含选择、保留、组合和历史。这个开场随后被扩展为人工生命的研究定义：人工生命要理解的是 life as it could be，而不仅是 life as it is。若只研究地球生命、人脑或某一个当代 AI 系统，就只能看到可能生命和可能智能空间中的少量样本。

因此，访谈很快转向 ASAL 的核心问题。Akarsh 批评人工生命领域有时会手写一个单独仿真，然后从这个仿真直接推出一般结论；他主张研究“仿真空间”。在这个框架中，研究者把 Game of Life、Lenia、Boids、Particle Life 等系统参数化，运行候选规则，观察结果，再把结果交给 foundation model 评价，最后把评价反馈给搜索。这个闭环不是要神秘化基础模型，而是承认许多仿真结果无法靠预判得到，必须让系统实际展开。

节目用 Conway’s Game of Life 把抽象问题落地。Akarsh 解释，这个系统只有二维网格、细胞开关状态和少量局部更新规则，却能产生 glider、spaceship 和长期重复移动模式。社区甚至会像物理学那样讨论信息传播速度，把一格每时间步的因果上限称作类似“光速 c”的东西。这个例子建立了一个重要直觉：复杂性不一定来自复杂规则的直接写入，简单局部规则在反复迭代后也可能产生宏观结构。

随后，访谈展开三个方向。第一是规则空间：Akarsh 区分初始状态敏感性与“物理规则”本身的稳健性，并谈到 ASAL 中约 260,000 条规则的投影图，开放式或有趣仿真集中在较小岛屿中。第二是评价问题：复杂性、涌现和有趣性很难写成可靠数学指标，硬优化指标会带来 Goodhart 风险，所以 foundation model 被用作近似人类判断的 critic。第三是进化算法的现代用途：后半段 Core War 实验展示 LLM 作为突变算子、MAP-Elites 作为搜索机制、verifier/selection 作为保留机制，如何在 Redcode 程序空间中积累可用改进。

三、核心观点：推理、例子与边界

这期节目最核心的判断是：人工生命研究的对象，不是制作一个“像生命”的玩具动画，而是考察哪些规则空间能够产生持久、适应、开放式且可泛化的结构。Akarsh 反复强调，人工生命的价值在于可以做反事实实验：改变人工物理、人工化学或局部交互规则，观察哪些世界只会产生随机噪声，哪些世界会出现可持续的复杂结构。这样，生命问题就从“地球生命是什么样”转向“在可能世界的空间里，哪些条件会让生命样过程成为可能”。

ASAL 的推理链建立在这个转向上。只手写一个仿真，研究者很容易把某个系统的特殊性误当作一般原则；把仿真器参数化为规则空间，才有可能比较不同规则区域的行为。节目提到的约 260,000 条规则实验尤其关键：团队运行规则，将输出图像送入 CLIP，再投影到二维空间。结果显示，规则空间并不是均匀的：其中有一大片多为非开放式规则的区域，也有较小的岛屿聚集着更酷、更开放的仿真。这并不证明“开放式复杂性已经被解决”，但支持一个更稳健的研究判断：开放式现象可以作为规则空间中的搜索对象。

Game of Life 是这个观点最清楚的例子。它的局部规则极简，但运行起来之后，glider、spaceship 和重复移动图样等宏观对象可能出现。节目还提到，相关社区会用近似物理学的语言讨论 glider 速度和因果上限，包括每个时间步一格的速度限制，以及相对于“光速 c”的 glider 速度。这说明人工宇宙可以形成自己的有效概念。Akarsh 也没有把它说成万能模型。他明确区分初始状态敏感性与规则或物理空间的稳健性：Game of Life 中，一个初始图样改变一个细胞，行为可能彻底变化；但在规则层面，切换一个规则选择有时未必造成同样剧烈的破坏，尽管也有例外。这个限制很重要，因为它防止我们把“某个图样混沌”误读成“整个规则空间不可研究”。

节目对 foundation model 的使用也相当克制。Akarsh 的论证不是“基础模型知道生命是什么”，而是“复杂性、涌现、有趣性和开放式很难被手写指标捕捉”。如果研究者把目标写成一个狭窄分数，系统可能学会优化分数，却不产生研究者真正想要的生命样结构，这就是 Goodhart 风险。因此，foundation model 在 ASAL 中更像是人类主观评价的低成本代理：它把输出行为映射到某种接近人类判断的表征空间，用来指导搜索。限制同样明显：模型内部表征可能纠缠，也可能给出 imposter 式评价。Akarsh 接受的前提是，在这类任务中，主要关注输出行为；只要 critic 对搜索方向足够有用，它就可能帮助真实仿真系统产生更有结构的结果。

路径依赖是第二条主线。Akarsh 把人类学习、自然进化和 assembly-theory-like 过程都描述为从简单构件走向复杂结构的顺序性复杂化。他也承认，自己还不知道为什么这种顺序性必须存在，并说如果有人能证明它不必要，将会是重要发现。这个表述保留了不确定性，而不是把课程式积累神化。主持人用 Wolfram 的 computational irreducibility 解释这一点：某些复杂表征不能直接跳到终点，而需要经过中间构件的合成路径。这样看，新颖性搜索也不是随机乱走，因为它记录过去、避开已探索区域，历史本身成为约束。

这条线延伸到“regularity-based intelligence”。节目把 FER 和 PickBreeder 关联的规律性智能，与当前深度学习中的 statistical intelligence 作对照。Akarsh 并没有否认统计智能的成就，而是强调不应把全部希望压在一种路径上。许多对深度学习的批评，实质上都在要求更多规律性、对称性或归纳偏置。区别在于，传统架构可能手工写入 translation invariance 或 permutation invariance，而 FER/PickBreeder 式路线关注让规律性进入演化出的神经线路本身。这里的边界也清楚：节目没有证明这种范式已经胜过深度学习，只说明它是值得研究的另一种智能形成路径。

Boids 与 Particle Life 提供了更具体的例子。Boids 中，每个个体只根据邻居和简单局部规则移动，却能形成群体运动；Akarsh 用大阪水族馆鱼群绕开鲸鲨的例子说明，自然中的集体智能也可能来自局部互动。Particle Life 则把六类粒子的 6x6 相互作用矩阵当作世界物理或周期表：不同类型之间可以吸引、排斥或保持中性，矩阵改变时，世界行为也随之改变。某些设置会形成带红色外壳、内部有紫色和黄色结构的类细胞持久对象，仿佛在利用这个世界的物理维持自身。

但节目最有价值的地方，是没有把“能维持”直接等同于“真正开放式”。Akarsh 用 imposter 问题划出边界：一个 Boids 螺旋可以持续数百万时间步，但如果参数一扫就退化成随机行为，不能平滑地产生其他组织形态，那么在“未来任务和适应性”这个标准下，它仍然可以是 imposter-like。也就是说，系统是否具有生命样深度，不只看当下是否稳定，还要看它在变化、迁移、扰动和新任务下是否保留组织能力。

Core War 部分把同一思想带入离散程序空间。这个 1980 年代编程游戏使用 Redcode，warrior 程序在虚拟机里互相攻击，并争取成为最后仍在运行的程序。Akarsh 团队用 LLM 作为突变算子，但不是让 LLM 零样本写出完美程序；他明确说，LLM 在零样本或 best-of-n Redcode 上表现很差。真正有效的是 evolution + verifier：LLM 提供比纯随机程序突变更有结构的候选变化，MAP-Elites 处理欺骗性和非局部搜索，选择机制保留成功者。节目中给出的结果是，第一轮训练得到的 warrior 能击败约 300 个人类 warrior 数据集中约 96% 的程序；多轮对抗式进化后，后期 warrior 更可能击败未见过的人类 warrior，行为向量方差下降，显示出趋向 generalist warrior 的趋势。这个数字应理解为节目中报告的实验结果，而不是关于所有程序搜索任务的普遍百分比。

由此回到开头，“进化不是随机”在节目里有精确含义。随机突变本身不足以解释复杂结构；关键是选择能够保留已经解决的局部子问题，并把它们变成下一轮搜索的起点。Akarsh 甚至把这描述为：在某些离散组合问题中，选择可以把原本指数式的搜索压力转成更接近线性的积累。但这个说法有条件：它依赖突变有足够概率产生可用变化，依赖 verifier 或环境反馈能识别成功，也依赖任务可以拆成可保留的中间成果。没有这些条件，进化搜索仍可能低效、欺骗性强，或停在不泛化的 imposter 上。

四、学习与应用

这期访谈最直接的应用，是改变我们设计 AI 搜索问题的方式。若目标是发现开放式复杂性、生命样结构或新的程序策略，不应只问“能否手写一个完美规则”，而应问“能否定义一个可搜索的规则空间、一个能运行候选规则的环境、一个足够可靠的评价器，以及一个能保留改进的选择机制”。ASAL 的价值不在于把 foundation model 当成答案机器，而在于把模拟器、评价器和搜索算法组成闭环。

在实际研究或产品原型中，这意味着目标设定要从过窄的固定终态转向更宽的行为类别。在自组织系统中，研究者可以先定义“某类可持续组织”“某种恢复能力”“某种多样化行为”，而不是立刻要求系统复刻一个固定结果。代价是评价会更主观，也更依赖 critic 的质量；如果 critic 错误、偏窄或被优化利用，就会出现 Goodhart 或 imposter。

第二个应用是把“路径”纳入评价。许多机器学习评估只看最终 benchmark 分数，但这期节目反复强调 how you got there matters。对于表征学习、程序演化、自动课程学习或强化学习系统，研究者可以记录系统经过了哪些中间能力、是否复用了早期结构、是否在扰动下保留组织、是否通过新颖性搜索避开旧区域。这样做的好处是可能发现更稳健的解；成本是评估复杂度上升，而且路径依赖不总是优势，错误路径也会形成过强约束。

第三个应用是使用 foundation model 作为 critic 时要限定边界。它适合处理人类难以精确定义但可通过输出判断的对象，例如“是否有趣”“是否像某类生物结构”“是否表现出开放式变化”。它不应被当作内部因果结构已经正确的证明。节目中的 imposter 讨论给出了一条实用检查线：不要只看系统能否在当前设置中维持漂亮图样，还要测试未来任务、参数扫动、扰动恢复、形态迁移和泛化能力。一个能跑数百万步的螺旋，如果一改参数就崩成随机行为，在更宽任务上仍可能只是脆弱技巧。

第四个应用来自 Core War：LLM 与进化不是替代关系，而是互补关系。LLM 可以提供比随机突变更有语义结构的候选变化；进化循环、verifier 和 selection 则负责检验、保留和组合。这对代码生成、算法发现、规则搜索和离散优化都有启发：不要只要求模型一次性零样本给出正确答案，也不要只做盲目随机搜索；更稳妥的做法是让模型提出变体，让环境或测试判断成败，让搜索算法保存有用部分。边界也很清楚：需要可运行的 verifier，需要变体中有足够比例是可用的，需要搜索空间不被欺骗性完全主导。

最后，Akarsh 对 AGI 的表述提醒我们保持尺度感。人工生命也许是智能研究的长期赌注，但这不等于要模拟每个底层粒子。更实际的问题是，能否抽象出自然进化、人工物理、开放式搜索和适应性评价中的可迁移原则。对研究者而言，这意味着从单点模型转向空间、过程和评价闭环；对工程实践而言，则意味着把探索系统设计成能积累中间成果、能承受扰动、能被未来任务检验的系统。真正有用的不是“看起来像生命”的一次性演示，而是在变化条件下仍能继续产生组织的机制。

来源

• 原始节目：What Most People Get Wrong About Evolution | Akarsh Kumar