在细胞自动机中通过多样性探索发现感知与运动的自主性

人工生命领域旨在探索能动性、自我调节等类生命现象如何在计算机模拟中自组织形成。元胞自动机（CA）是一种由网格中的“细胞”组成，通过相同的局部“类物理”规则随时间演化的系统。其中一个核心问题是：能否从完全没有“身体”“大脑”“感知”或“行动”等预设结构的初始状态，仅依靠环境规则，自组织出具有稳健性的“个体”？

本研究聚焦于感觉运动能动性——即系统需具备自我构建形态、维持个体性以及与环境交互时展现行为功能的能力。为解决上述问题，研究团队以连续元胞自动机模型Lenia为模拟“世界”，借助机器学习的最新技术，将多样性搜索、课程学习和梯度下降算法相结合，实现了对具有感觉运动能动性的“个体”的自动化搜索。

研究首先通过“好奇的自动化发现助手”（基于内在动机目标探索过程，IMGEP）进行目标导向搜索：从近到远设置目标位置，让系统逐步学习生成能移动的局部结构；随后引入障碍物，训练结构在应对障碍的同时仍能到达目标。通过梯度下降优化元胞自动机的局部更新规则参数，最终找到了符合要求的“个体”。

实验结果显示，这些人工“个体”具有显著的稳健性和泛化能力：它们能在不同数量、大小和速度的障碍物环境中存活并移动；面对异步更新、细胞状态噪声等干扰时仍能维持稳定；初始状态即使被添加噪声或改变形态（如更大的圆盘、不对称圆盘），多数情况下仍能自组织为功能正常的“个体”；在尺度缩放（放大或缩小细胞数量）时，也能保持基本结构和功能。此外，多个“个体”共存时会出现吸引、繁殖等相互作用，且可通过环境中的“吸引物”进行外部引导。其感觉运动功能通过形态计算实现——即通过自身结构的形变感知障碍并调整方向，无需中央控制器。

该研究弥合了认知科学中“生成论”（强调微观相互作用涌现宏观行为）与“机械论”（预设身体、传感器和执行器）的鸿沟，表明无预设结构的系统也能自组织出类似智能体的行为。这为人工智能探索新型自组织智能体、合成生物工程设计稳健的自组织功能系统提供了重要启示。