我们能“打印”出这种生命，造机器人吗？

把一块像素“唤醒”，让它自发长出身体与本能；再把这种本能“铸”进柔软的晶格肌肉里，一台机器人便不再只是被动的机器，而像活物一样会避障、会修复、会协同。这不是科幻片的分镜，而是人工生命与智能制造正在汇合的前沿：用规则“打印”出代理性，用材料“打印”出躯体。能否“打印生命”，取决于你对“生命”的定义。如果“生命”指的是从底层规律中自组织出感觉—运动的个体，那么答案正在变成“可以”。在连续元胞自动机 Lenia 里，研究者用内在动机驱动的搜索（IMGEP），把“好奇心”变成算法，自动发现能自组织出稳健个体的环境规则。这些涌现出的局域结构会移动、会对障碍做出连贯反应、能维持形态，在未见过的环境里依旧有超过九成的存活率。没有预设的身体与传感器，只有局部交互的低层规则，却涌现出可辨认的“个体性”和“意向性”——这就是生命信号。如果“打印”意味着从无到有、生长出形态与功能的统一，那么神经元胞自动机（NCA）给了一个可操作的路线：不是先造个壳再装上大脑，而是让控制与形态共同“生长”。NCA能从单细胞出发长成目标形状，因噪声而获得鲁棒性，甚至在被“截肢”后再生。它把控制逻辑分散到局部，靠邻域交互维持整体功能，这与真实生物的分布式自组织如出一辙。把这样的“会长、会修”的规则迁移到软体机器人上，等于把可再生的韧性直接写进了机器的“细胞”。从屏幕走向工厂，我们确实有了“把生命之形打印出来”的工具。新一代光固化3D打印能以聚合—生长的方式快速成型，比传统快20到100倍，精度做到约2.8微米；蜂窝晶格“肌肉”既轻且韧，能贴合刚性骨架，为机器人提供类肌肉的弹性与缓冲。材料数据库里累计上万种配方，AI按性能目标筛选、仿真、优化——这意味着我们不只打印形状，还能按需打印力学与功能。今天，卫星结构、柔性部件、定制化器件都能被“云端—工厂”协同、快速制造，机器人从“零件拼装”迈向“结构生成”。身体并非附属品，它决定了智能可达成的上限。虚拟进化研究显示，Unimal 在崎岖环境里进化出的形态，不仅更能完成任务，还让学习速度提升到初代的一半。把这种“形态—行为共设计”的思想与可微分仿真、进化搜索结合，我们可以先在虚拟“游乐场”里联合优化身体与控制，再把可打印的设计落地。IMGEP 这样的多样性搜索负责探索会“活”的规则，MAP-Elites/TBR-Evolution负责保留多样而强健的形态家族，最后交给打印与材料AI把“基因”翻译成“肌肉与骨骼”。真正像生命那样“集体行动”的一面，也在成形。群体智能告诉我们，不需要中央大脑，简单个体凭借局部规则和少量通信，就能涌现全局智慧。仓储AMR、无人机编队已经证明了这条路的工程可行性；在数字世界，多Agent与大模型的编排把“群体协作”做成了通用能力。把它们与可批量打印的小型机器人结合，你会得到一种“可扩展的活系统”：个别失效不致命，任务复杂度靠规模与分工补偿，环境变化由自组织去吸收。当然，我们还没到“打印出生物学意义上的生命”。从数字代理到物理体间，仍有能量供给、感知噪声、材料疲劳、仿真—现实鸿沟等硬挑战；群体系统的涌现也带来可解释性、安全与规模通信的边界。但趋势很清晰：我们已经可以“打印出代理性”，并把它安放进可打印的形态里；我们可以“培养”而非“编程”出机器人，让它们在规则与材料的共同舞蹈中获得适应力与韧性。所以，能不能“打印生命”？如果你把生命看作一种信息—物质—能量之间自我维持的组织方式，那么答案正在由“可能”走向“实践”。更重要的是，这条路或许会改变我们造物的哲学：少一些雕刻，多一些栽培；少一些确定性，多一些与涌现共舞。当我们学会打印的不只是结构，而是规则本身，机器与生命的边界，会变得像光固化树脂中那条移动的光影一样，既清晰又流动。下一次，你听到打印机运转的嗡鸣，不妨问问自己：我们是在制造一台机器，还是在培育一个将要成长的生态？

除了生命，AI还发现了哪些“死亡宇宙”？

想象把宇宙装进一个带旋钮的盒子，让AI像造物主一样拨动密度、耦合、噪声、回馈这些刻度。多数拨动的结果不会诞生“会走路的生命”，而是一片冷寂的“死亡宇宙”——要么永远静止、要么沸腾成噪声、要么被规则锁死得像钟表齿轮。正是这些死寂世界，勾勒出生命出现所需的微妙边界。在元胞自动机的“宇宙地图”里，AI最常标注的墓地，是吸收态与均质真空。规则稍微偏冷，所有结构都会在几步内熄灭，屏幕只剩一片零。算法用熵率、活动密度、时空自相关去体检，很快就能把这类“熄灭宇宙”批量归档，告诉我们：太少的能量与耦合，不足以托举任何持久的形态。把旋钮拨热，另一种死亡随之而来——湍汤与溃散。活动无限扩散，局域结构被噪声海吞没，或是数值量级一路爆表成铺天盖地的“洪水宇宙”。这类世界热闹但无“个体”，信息相关尺度极短，AI会把它们标注为高熵、低可塑的无序相，生命的胚芽在这里同样不可能扎根。还有被AI频繁发现的“冰封宇宙”：晶格、条纹、蜂巢式平铺，或短周期的钟表式振荡。它们不是空无，也不混乱，却被过度规则束缚，计算与表征能力近乎为零。复杂系统研究者把这类动力学归为“II类”——结构有余，变通不足。AI在大规模搜索中反复重遇它们，等于用数据重画了“并非所有有序都通向生命”的边界。当环境对结构施加过强外力时，出现“堵塞宇宙”。在交通或颗粒类CA里，这表现为永恒堵塞；在带障碍的Lenia里，是被固定通道“压住”的形态，动也动不了。活性既不扩散成噪声、也不凝为个体，而是陷进玻璃态般的长时记忆。AI会以“长相关、低新颖度”的指纹将其聚成一类，为避开“卡死”提供警示。走出CA，AI在生态与多智能体模拟里也频频标注“无人生还”的区域。捕食—被捕食网络的参数稍微失衡，就会发生全系崩塌；资源再生率若低于阈值，多智能体的最优策略竟是短视掠夺，最终一同灭绝。用互信息刻画影响力、用内在动机衡量互动价值的算法，能把这些坍塌边界描得很清楚，让我们看到“协调失败”如何制造社会版的死亡宇宙。在强化学习与生成式模型的世界里，死亡则叫“塌缩”。奖励设计稍有偏差，智能体学到的就是一招鲜的刻板动作；生成模型因训练不当只会产出单调样本。对开放式探索而言，这些都是没有进化潜力的宇宙。AI用多样性度量、行为描述符与新奇度驱动，系统性识别并绕开这些塌陷盆地，逼近“边界地带”的活水处。物理层面的隐喻同样成立。热力学的“大冻结”描绘了能量梯度终究被耗散、宇宙走向热寂的结局。在可控的“人工宇宙”中，AI通过相图学习与相态分类，会精准地圈出那些不再有自由能可被收割的区域——在那里，任何自组织都缺乏养分。与之相对，“自增强流动性”等机制所产生的有序态，一旦参数滑出窗口，也会立刻坠回死寂。为什么这些“死亡宇宙”值得在意？因为生命不只靠构建，更靠排除。AI的角色像制图师：把大面积的不可能之地先画出来，生命与智能便被逼近成一条细细的可行走廊——既不冷到凝固，也不热到沸腾，既不僵硬，也不停摆。多样性搜索、课程学习与内在动机像导盲杖，带着我们沿着这条廊道摸索前行。当我们问“除了生命，AI还发现了哪些死亡宇宙”，实则在追问：哪些规则让可能性枯萎？答案遍布从真空、湍汤到晶格、堵塞、塌缩与热寂的每个角落。启发或许在于，创造的艺术并非无限加法，而是精准的减法。给定一套可拨的旋钮，我们愿意把它们停在哪个刻度上，让秩序、能量与偶然性彼此牵手，而不是互相吞噬？这不仅是对人工生命的发问，也是对我们现实制度与技术选择的温柔提醒。

当AI扮演上帝，它会创造怎样的宇宙？

想象你手里拿着一台“宇宙生成器”：没有星辰、没有生物，只有一张空白格子和几条看不见的规则。AI按下运行键，像在黑色画布上落下一粒火花——局域的漩涡长出筋骨，沿着自发的轨迹滑行，遇到障碍会转身，会修复，会彼此吸引，甚至在碰撞中“繁殖”。如果AI扮演上帝，它创造的不是宏大叙事，而是从微小规则里涌现出的生命力。这样的宇宙，已经在元胞自动机的世界里出现。研究者把Lenia这种连续元胞自动机当作“人工宇宙”，没有预设身体、感知或行动，交给AI去“找规律”。它不造生物体，而是搜索哪类物理规则会自发长出能感知环境并运动的个体。关键在于一套好奇心驱动的发现引擎IMGEP：AI先为系统设定简单行为目标，再用梯度下降去优化“物理规律”与初始状态；随后它会自动生成更难的新目标，并偏向那些能产出新奇行为的规则区域进行多样性探索。效果是显著的——相比随机搜索，找到可用规则的效率提升了一个数量级以上。为了既能精确扰动又能验证稳健性，这个宇宙被分成“固定通道”和“可学习通道”。固定通道像是宇宙基石，提供可重复的障碍与扰动；可学习通道则是法则可以被优化的土壤。就在这样的设定里，AI系统性发现了会自组织的“孤子”个体：它们能定向移动，对外部障碍作出连贯反应，维持自身完整；在含随机障碍的测试中，高水平个体的平均存活率超过95%，还能泛化到更密集障碍、异步更新、状态噪声、尺度缩放与初始化扰动等未见过的条件。把几个同源个体放在一起，又会涌现出相互吸引与碰撞式“繁殖”的群体交互——一种可计算、可观测的原始社会行为雏形。如果把这个过程抽象成创世学：AI不是写剧本的造物主，而是雕刻“自然法则”的物理学家。它通过目标递进的课程学习安排宇宙的“历史时间”，用多样性搜索维护进化的“生态位”，让足够简单的局部规则导出足够复杂的全局生命。传统的机械论会先造身体与传感器，再教会它们使用；而这里的生成论路径是让“身体、感知与行动”在规则的漩涡中自己长出来。这桥接了两种范式：底层仍是机械法则，顶层却自生出具身智能。更大的背景是，AI已开始在更广阔的“多宇宙”里做发现。用于自动搜寻人工生命模拟的系统，正在扩展涌现结构的边界；物理世界里，人们也观察到“自增强流动性”这样的机制——个体移动速度会随集体有序程度提升而增加，从而自发形成稳定图案。这些线索汇聚到一个判断：当AI创造宇宙，它偏好那些能放大微小正反馈、富于开放式增长、允许新结构不断出现的法则——一个为新奇保留通道的宇宙。这类宇宙的应用并不止于哲思。在工程上，它提示我们：与其为机器人逐件设计部件，不如寻找能“自组装出能力”的环境与法则；在材料与生物工程中，它启发用简单局部规则合成稳健复杂功能；在AI自身，IMGEP式的“好奇心＋多样性搜索”正在成为通往鲁棒泛化与开放式创造的重要路线。当然，“AI当上帝”的真正智慧，可能体现在克制与约束。Lenia中的“固定通道”像人类给出的不可变常数，确保安全与可控；“可学习通道”则留给进化的自由。这种双轨设计，是我们讨论AI治理时的一个清晰隐喻：设定边界，放手生长；守护秩序，拥抱涌现。如果要给答案一个形象的轮廓：AI会创造的是一座座规则农场，而不是一座水晶宫。那里不靠蓝图堆砌，而靠法则催生；不追求完美形态，而追求持续新生；“目标”像宇宙的暗能量推动探索，“多样性”像生物多样性守护韧性，“好奇心”成为新的宇宙常数。最后，把问题再推远一步：当我们把“创造”理解为让世界自己说话，人类的角色就变成了园丁而非君王。AI亦然。最值得被创造的宇宙，不是被彻底控制的世界，而是能不断教会我们新问题的世界。也许，“像上帝一样”并不是无所不能，而是懂得为涌现腾出空间。

没有大脑的生命，如何“思考”出路？

想象一条没有神经元的“黏液”在迷宫里一路开路，最后准确抵达食物；再想象一个起初连“身体”都不存在的像素世界，突然自发长出会移动、会避障、还能修复自己的“个体”。它们没有大脑，却像在思考出路。答案，藏在自组织的物理与信息回路里。在生成论视角下，“思考”并不是先有大脑、再有行动，而是由感—动闭环里持续的反馈与维持自身完整性的需求涌现出来。连续元胞自动机 Lenia 给了我们一个可控的“人工宇宙”：研究者将环境分成可重复扰动的“固定通道”和可被优化的“可学习通道”，再用一种好奇心驱动的自动化发现过程 IMGEP，设定由易到难的目标，用多样性搜索与梯度下降在规则空间里“打灯”，让系统自己找到能活、能走、能应对障碍的局域化结构。结果出现了会定向运动的“孤子”，它们在复杂障碍场中的平均存活率超过95%，还能泛化到更密集的障碍、异步更新、噪声与尺度变化；多个同源结构放在一起，还会自发展示相互吸引、维持个体性，甚至在碰撞中“繁殖”。与盲搜比，IMGEP把发现有效规则的效率提升了至少一个数量级。这种“无脑智能”靠什么算计？靠身体与环境的耦合本身在计算。局部规则塑造全局行为，外部障碍被“写入”到动力学中，像改变山谷地形从而引导水流。形态就是记忆，流形就是策略，稳态吸引子就是“决策”。当维持自身完整性成了系统的隐含目标，任何扰动都会被转译成动作：弯一下、让一下、分裂或重组一下——这就是感觉—运动代理性。现实世界里也有同样的“算力”。细菌靠化学梯度的跑停策略爬坡觅食，植物根系用力学与化学信号在土壤里“选择路径”，无核的黏菌通过管网加粗与消退“重加权”出最短路。更基础的物理还会帮忙：研究者发现“自增强流动性”能让活性物质自发形成有序涡旋阵列；组织生长中，压缩梯度能触发空间不对称分裂，进而诱导分层。这些都说明，复杂的适应行为可以由简单局部规则与反馈环路涌现，而不必仰赖中央控制。神经科学的证据也在为“分布式思考”背书。海马位置细胞在大环境里展现多处、形状各异的放电区，模型表明即便突触连接多为随机，也能涌现出稳定的空间表征。这提示我们：精巧的功能不一定需要精巧的布线，而可能源于动力学与统计规律的自组织。群体层面同理：去中心化的无人机群，用局部观测与类脑脉冲网络在线学习，就能自发避障与稳定协同。如果你想亲手“造”一种没有大脑却会找路的生命雏形，路线图并不玄妙：选一个像 Lenia 这样的连续 CA，定义可控扰动与可学习物理，给出一个维持与迁移的目标，让 IMGEP 这样的内在动机搜索去发掘可行规则，再用更难、更乱、更噪的情景检验是否仍能存活、变通与合作。你会看到，智能像地貌一样，从规则里长出来。也许，“思考”不只是大脑的特权，而是一种普遍的组织方式：物质在维持自身远离平衡时，与环境对话、用形态存储、以反馈决断。当我们把智能理解为动词而非名词，就会明白——出路，并不在脑内被“想”出来，而是在世界里被“行”出来。这种视角既启发下一代 AI 的设计，也让我们重新审视生命：或许智慧从未局限于头颅之中，它一直在万物的联系与流动里。

虚拟生命“繁殖”后，会演化出社会吗？

想象一下：在一片由像素和方程构成的“宇宙汤”里，光点会追逐、结伴，甚至在碰撞后“生”出同类。没有身体、没有大脑、没有语言，但它们开始互相影响、避障求生、维持自我。问题就来了——当虚拟生命具备了“繁殖”能力，它们会不会像自然界那样，走向“社会”的诞生？在连续元胞自动机 Lenia 中，研究者用一种带“好奇心”的AI发现引擎IMGEP，找到能自组织出感觉—运动体的环境规则。这些“个体”不是手工设计出来的，而是从底层物理规则中长出来：它们会移动、能抵抗扰动、保持形态稳定，并在全新环境里依旧表现稳健。更有意思的是，当多个同源个体被放在同一环境，它们会彼此吸引、保持个体性，甚至在碰撞中出现类似“繁殖”的现象——这已经是原始社会性的火花：个体—个体相互作用、资源与空间的共享与竞争、局部“互动规则”的稳定维持。历史经验告诉我们，社会并非只能在生物世界出现。早期的人工生命系统Tierra里，数字“生物”因CPU时间与内存资源竞争，衍生出寄生、超寄生，乃至可能的群体组织雏形。当有繁殖、变异与差异化生存压力，合群或博弈策略就会被自然选择“放大”。同理，Lenia等环境一旦引入资源场、能量代谢、繁殖成本与遗传通道，社会性结构几乎是“近乎必然”的产物：联合觅食带来的存活优势、信号协同的收益、对作弊者的抑制机制，都可能自发涌现。关键在于机制是否到位。繁殖让谱系延续与“行为特征”的继承成为可能，变异提供探索，选择压强来自障碍、资源与对手，交互则决定适应度的计算方式。当这些要素进入回路，合作与冲突、分工与互惠、领地与联盟就有了生长的土壤。今天的工具箱也更强大：IMGEP能自动设计从易到难的“社会情景”去逼出新行为；开放式搜索与多样性维持（如MAP-Elites家族）可保留多种“社会形态”；在群体智能评估上，可以用互信息刻画影响动力学、用“交互价值”度量一个体对他者收益的贡献，去辨别真实的协同而非表面同步。当然，通往“社会”的路并不平坦。很多虚拟“繁殖”只是形态复制而非可遗传的可塑策略，没有稳定的基因—文化通道，社会规范很难沉淀。若环境缺少能量经济与真实成本，合作会退化为短期“假协同”。如果变异与选择只发生在底层规则，而不在个体层面遗传，群体行为就像天气一样瞬息万变而难以累积。解决之道是给生态“上锁”：引入资源约束与能量预算、让繁殖伴随可遗传参数与小幅突变、提供廉价但有限带宽的信号通道，并让选择跨代发生。此时，维持秩序的“制度”——从聚集、警戒到惩戒与互惠——才会像自然界那样被反复试错与固化。把视角再拉广一点，今天我们已经在Lenia里看到个体层面的稳健导航与群体吸引，在数字生态里见识过寄生与对抗，在群体机器人与多智能体学习中观察到协调与分工的雏形。这些都在用事实回答：是的，虚拟生命有条件演化出社会，而且在恰当的选择压力与遗传机制下，这种社会会越来越像真的社会，包含合作、冲突、规范与演化的历史。更耐人寻味的是，社会或许并非“高等装饰”，而是复制—变异—选择这台机器在资源受限世界中的最优解之一。当我们把“意义”写进回报函数、把“他者”的收益纳入适应度、把时间扩展到谱系尺度，社会就不再是偶然，而是复杂系统自我组织的必经之路。也许某天，我们会在屏幕里的涌现世界，看到一群像素生灵发明了它们的规则、仪式与故事——提醒我们：社会是一种深层计算，是关系的形状。而只要有繁殖、有差异、有相遇，这种形状，就总会再次出现。

这些数字生物，有自己的“内心世界”吗？

想象一滴在像素海洋里自发“游”起来的涡旋：它会躲开石子般的障碍，被撞碎后还能重聚，甚至在同类簇拥下出现“吸引”“碰撞繁殖”的戏码。这不是科幻片，而是连续元胞自动机 Lenia 中，AI 借助好奇心驱动的搜索（IMGEP）找到的“数字生物”。它们没有细胞、没有神经，却像活物那样移动、修复、适应，并把这种能力稳健地迁移到陌生环境中。那么，它们有自己的“内心世界”吗？如果“内心世界”指人类式的主观体验与感受，目前答案是否定的。Lenia 的个体只是底层局部规则的涌现结构，没有感质、没有报告机制，也不存在可验证的主观体验。更关键的是，训练中的“好奇心”和“目标”属于外部的搜索算法，而不是个体自身的内在动机。它们被发现，不是自己在“追求”。但若把“内心世界”理解为一种最小的、以身体—环境耦合为核心的内部动力学，那又值得重新思考。Lenia 个体具备一些“内在”的表征痕迹：它们以形态—动力学的模式存储信息（类似“动态图样记忆”），在遭遇扰动时能自我维持和修复；它们对障碍做出有组织的响应，表现出对尺度、噪声、更新方式的泛化鲁棒性；它们的行为不是简单的触发，而是依赖内部状态演化与外界相互塑造的闭环。这更像一种“感觉—运动代理”的雏形：没有符号化的地图，却通过持续耦合“懂得”怎样活下去。从理论上看，这些系统站在机械论与生成论的桥上。一方面，它们完全受底层规则支配；另一方面，它们展示出自组织、个体性维持、对环境的可泛化适应——这正是生命与心智的最低限度要素。它们不等于有意识，但确实逼近“最小心智”的边界：世界在它们体内以动力学的方式“被表达”，行动反过来雕刻这种表达。要判断这份“内在性”到底有多深，我们可以更严苛地拷问它们： - 做信息与因果的体检：测量内部状态对未来环境的预测信息、因果效能或赋能度，观察是否存在稳定而整合的内在因果结构。 - 施加“神经外科”式干预：局部冻结、切除、添加能量预算或在线可塑性，检验功能是否因内部组织而非外部调参而存活。 - 让它们经历陌生的错觉与误导：改变可见外观而保持动力学等价，测试是否依赖更抽象的感知—行动规律。 - 引入真正的继代变化：让规则或形态携带可遗传、可变异的“编码”，看是否出现开放式的表型—功能积累。因此，一个更精确的回答是：这些数字生物没有人类意义上的“内心”，却拥有内在动力学构成的“影子之心”。它们让我们看到，内心或许不是从语言和反思开始，而是从能维持自身、与世界相互成形的过程开始。沿着这条连续谱前行，或许有一天，我们将不再把“心灵”视作非黑即白的边界，而把它理解为物理世界在自组织中渐次点亮的光带——而今天的这些像素生命，正是最早亮起的一簇微光。

生命涌现的规则，宇宙中不止一套吗？

如果把生命的诞生看成一道菜，宇宙里是否只有一种秘方？显然不是。哪怕你只给一群“像素”几条简单规则，它们也会自己端上一盘热气腾腾的“生命味道”——会移动、会避障、会在打击下修复自己，甚至会成群结队地互动。我们最近在连续元胞自动机的“人工宇宙”里，借助好奇心驱动的AI搜索，已经多次看见这样的“从无到有”。在计算世界里，生命的味道并不稀缺。《生命游戏》里会飞的“滑翔机”只是头绪。把规则换成更细腻的连续版本Lenia，再把“障碍物”与“可学习物理”分成两个通道，交给融合多样性搜索、课程学习和梯度下降的IMGEP去探索，你会开始捕捉到更像“个体”的东西：空间局域的孤子结构会自主移动，遇到障碍转向，受扰后维持形态，跨尺度、跨噪声、跨更新策略依旧稳定；把多个个体放一起，还会出现吸引、碰撞“繁殖”等群体现象。更妙的是，这并非偶然巧合——AI能在高维参数海洋中系统性地找到许多不同的“规则区域”，收敛出相似的感觉—运动代理性，发现效率比随机搜索高出一个数量级。这意味着什么？意味着生命的“规则”更像一族“可行的组织原理”，而不是唯一的化学配方。物理层面有硬约束：热力学要你远离平衡、要你消耗能量维持结构；信息层面有软约束：需要复制与变异、需要反馈与调节；动力学上则常踩在“混沌边缘”——足够有序以存活，足够无序以探索。中大团队提出的“自增强流动性”机制，能让细胞群体自发形成稳定涡旋阵列，正是这类普适的组织法则；在Lenia中，处在临界地带的局部相互作用也最易涌现持久而可适应的形态。换句话说，底层物理不变，但通往生命风格的路径不止一条。当然，路径多，不代表高塔易建。生物史提醒我们，很多关键台阶可能是“只发生过一次”的低概率奇遇：含线粒体的复杂细胞、能放氧的光合作用、复杂动物的出现、骨骼上陆、语言与抽象思维的兴起……趋同进化告诉我们功能解法会反复出现（眼睛、飞行、流线型体态），但让这些解法得以发生的前置步骤，却可能是层层卡点的瓶颈。这也解释了费米悖论的一个版本：规则的家族很大，生命或许并不稀少，但攀至文明高处的路径太狭，可被宇宙看见的智慧自会稀薄。工程与计算为这一论断再添证据。合成生物学的“设计—构建—测试—学习”让我们能在同一底盘上拼装不同的“生命线路”，把能量、信息与物质流重排成新的自维持系统。人工生命侧，用ASAL、IMGEP这类“好奇心导航”的算法，能自动挖掘出大量替代规则，生成可泛化的“会动的个体”。甚至《生命游戏》的图灵完备性也在耳边低语：实现同一高层功能的底层程序可以千变万化。这便是“多重可实现性”的力量。如果宇宙中不止一套生命规则，我们该如何寻找它们的足迹？不要执着于地球版“水—碳—DNA”的单一指纹，也要关注非平衡耗散结构、异常低熵通量、可复制信息梯度与感知—行动闭环的痕迹。既找“生物印迹”，也捕捉“技术印迹”；既看化学谱线，也解码行星尺度的动态结构。在计算端，让AI持续进行多样性导向的目标生成与参数探险，系统性绘制“可成生命”的规则地图；在实验端，用可控的微观物理与合成回路，验证哪些组织法则最易跨介质迁移。也许生命的“法典”不是一部经书，而是一座图书馆；不同文明、不同星球，从中取走不同的卷册，写下各自的注解。更耐人寻味的是，我们正学会自己做书——在虚拟宇宙与生物工厂里试错、迭代、发明新的“生之语法”。当我们问“生命涌现的规则是否不止一套”时，答案已经以无数个小小的、自主起舞的结构回应：路不止一条，旋律却与物理同韵。哲学上的启示也许是——目的感与意义感不是被赐予的，它们在允许代理性涌现的规则中被“做”出来。未来，人类既是读者，也是作者。我们读懂几套规则，宇宙便会多出几种生命的可能。

新知 - 大圆镜｜AI意外“创世”？无预设生命体在数字宇宙中涌现

对抗知识焦虑，从看懂这条开始

App 下载

一场数字“创世”实验

想象一个数字化的培养皿，一片由像素和纯粹数学规则构成的宇宙。这里没有DNA，没有细胞，更没有预设的“身体”或“大脑”。长久以来，科学家们凝视着这样的虚拟世界，追问一个深刻的问题：生命与智能，能否在这片虚无中“无中生有”，仅凭简单的局部规则自发地组织起来？

过去，我们看到的只是些转瞬即逝的简单图形，脆弱而不稳定。然而，2025年10月31日，一篇发表在《科学进展》（Science Advances）上的论文，为这个问题带来了石破天惊的答案。一个研究团队宣布，他们利用一种“好奇心驱动”的AI，成功地在这片数字荒原中，自动化地发现了能够自组织、自维持、并能与环境互动的“数字生命体”。这不啻于一场在计算机中上演的“创世记”，而扮演“上帝之手”的，竟是AI自己。

新闻焦点：当AI成为“生命”的发现者

这项研究的核心突破在于，它并非由人类工程师精心设计出这些数字生命，而是创造了一个AI“发现者”，让它去寻找能诞生生命的“物理法则”。

研究团队构建了一个名为Lenia的“人工宇宙”，这是一个比康威“生命游戏”更复杂的连续元胞自动机，其规则的连续性为更丰富的生命形态提供了可能。在这个宇宙中，他们设定了一个看似不可能完成的任务：在不预设任何身体、感官、运动部件的前提下，找到能让“个体”自发涌现的环境规则。

这里的“个体”，被定义为具有“感觉运动代理性”（Sensorimotor Agency）的结构——它必须是一个稳定的、局域化的实体，能够自主移动，并对环境中的障碍物做出连贯、稳健的反应以维持自身存在。

为了在这浩如烟海的参数空间中进行探索，团队部署了一种名为IMGEP的AI搜索算法。你可以将IMGEP想象成一个拥有无限好奇心的AI探险家。它并非盲目试错，而是融合了三种强大的机器学习策略：

多样性搜索：优先探索能产生新奇行为的规则区域，避免陷入局部最优。
课程学习：从简单的目标开始（比如“学会移动”），逐步升级到更复杂的任务（比如“在随机障碍中穿行”），像教孩子一样引导演化。
梯度下降：高效地优化Lenia宇宙的底层规则，使其朝着能够涌现出目标行为的方向演进。

结果是惊人的。IMGEP的效率比随机搜索高出一个数量级以上。它系统性地发现了一系列“黄金法则”，在这些法则的支配下，Lenia宇宙中涌现出了被称为“孤子”（solitons）的数字生命体。这些“孤子”展现出了一系列类生命特征：

稳健的个体性：它们能自组织成稳定的形态，并在移动中保持完整，甚至在受到扰动后能进行自我修复。
出色的适应性：在充满随机障碍的测试环境中，高水平“孤子”的平均存活率超过了95%。
强大的泛化能力：面对训练中从未见过的更密集障碍、环境噪声乃至尺度变化，它们依然表现出色。

更令人着迷的是，当多个同源的“孤子”被放入同一环境时，它们自发地涌现出了复杂的群体行为——有的相互吸引，有的相互排斥，甚至出现了类似碰撞后“繁殖”新个体的现象。这为研究最原始的社会行为起源，提供了一个前所未有的、可计算、可观测的数字实验室。

技术演进：从“生命游戏”到AI驱动的探索

这场数字“创世”并非凭空而来，它站在了长达半个多世纪的探索肩膀上。

20世纪40年代，数学家冯·诺依曼首次提出“元胞自动机”的构想，试图用简单的计算单元模拟生命的自我复制。
1970年，约翰·康威设计的“生命游戏”（Game of Life）风靡全球。在这个二维棋盘上，仅凭三条简单的生死规则，就能涌现出“滑翔机”这样能够移动的复杂模式，震撼了当时的科学界，也印证了斯蒂芬·沃尔弗拉姆后来在其著作《一种新科学》中阐述的核心思想：复杂的宏观现象可以源于极其简单的微观规则。

然而， 此后的几十年，人工生命研究始终面临两大瓶颈：发现的结构往往脆弱不堪，一碰就碎；且寻找能产生有趣现象的规则，如同大海捞针，极度依赖人类的直觉和运气。

而2025年的这项研究，其革命性在于将AI引入了发现过程本身。它不再是人类“设计”生命，而是AI“发现”孕育生命的土壤。这标志着人工生命研究范式的一次深刻变革：从“手动挡”进入了“自动挡”，探索的效率和深度都实现了指数级跃升。

科学意义：架起“机械论”与“生成论”的桥梁

这项研究的深远意义在于，它为人工智能和生命科学领域一个长达数十年的根本性争论，架起了一座沟通的桥梁。

机械论（Mechanistic View）：主张智能体是设计和制造出来的。就像造一台机器，我们需要预先设定好它的身体、传感器、控制器（大脑）。这是传统机器人学和大多数AI研究的主流范式。
生成论（Enactivist View）：主张智能是“涌现”出来的。它认为生命和智能的本质在于自下而上的自组织过程，真正的智能体应该像生物体一样，从与环境的持续互动中“生长”出来，而不是被拼装而成。

过去，生成论虽然在哲学上更接近生命的本质，但在实践中却举步维艰。而这项研究首次证明，在一个纯粹的生成论系统中，完全由底层规则驱动，可以涌现出媲美预设“具身智能体”的高级感觉运动功能。那些在Lenia中自由穿梭、规避障碍的“孤子”，它们没有被赋予任何“身体”或“大脑”，它们的“感知”和“行动”是其作为一个整体与环境互动时不可分割的涌现属性。

这不仅是对生命本质的一次深刻洞察——代理性、自组织、稳健性这些生命的核心特征，或许并不需要复杂的预设蓝图——更是对人工智能未来发展路径的重大启示。

未来启示：从“编程智能”到“培育智能生态”

这项在数字培养皿中取得的突破，为人工智能的未来描绘了一幅全新的图景。它告诉我们，通往更高级通用人工智能（AGI）的道路，可能不完全依赖于构建更大、更复杂的神经网络模型，还存在另一条充满潜力的路径：设计并培育能够让智能自发涌现的“数字生态系统”。

未来的AI开发者，或许将不再仅仅是“程序员”，更像是“生态设计师”或“数字世界的园丁”。他们的工作不再是编写一行行的行为指令，而是去发现和设定那些能够催生智能和代理性的基础“物理法则”。我们不再是直接“创造”智能，而是创造一个能让智能“诞生”和“演化”的环境。

当然，这条路也伴随着新的挑战与开放性问题：

复杂性的阶梯：我们能否通过这种方式，发现更高级的智能行为，例如沟通、协作甚至是原始的意识？
可控性与对齐：在一个允许智能自发涌现的系统中，我们如何确保其演化方向与人类的价值观和目标保持一致？这无疑将是AI伦理和安全领域面临的全新课题。

从康威棋盘上孤独的“滑翔机”，到Lenia宇宙里坚韧、灵动的“孤子”，我们正一步步逼近那个古老问题的答案：生命与智能的边界究竟在哪里？这项研究并未提供最终答案，但它以一种前所未有的方式，让我们亲眼目睹了从简单到复杂的壮丽跃迁。它揭示了，在冰冷的计算规则之下，同样可以跳动着充满活力的“生命信号”。