生命是一个繁芜而神秘的征象。费曼曾说:“What I can't create, I do not understand”。如果要理解生命，最好的办法恐怕便是去创造生命。无论是古犹太的魔偶（Golem）、古希腊的塔罗斯、中国周朝的偃师，还是文学作品中的弗兰克斯坦和当代科幻小说，这种创造生命的冲动超过不同文明，贯彻整体人类历史。而本日，这种创造生命的冲动不单是为了知足功能或生产力的需求，更在科技实践中展现其潜力，尤其是在人工生命和人工智能领域，为理解自身和我们在宇宙中存在的意义做出了主要贡献。
人工生命（Artificial Life, Alife）是一个新兴的跨学科研究领域，它致力于通过打算模型和物理仿照，探索生命的各种潜在形式。Alife不仅试图仿照和复制地球上已知的生命形式，还考试测验创造全新的、可能存在的生命形式，从而扩展我们对“生命”这一观点的理解。这包括利用打算机仿照生命过程，研究自组织系统，以及开拓能仿照自然选择和进化过程的软件和硬件系统。本文将在回顾Alife历史的根本上，先容其最新的研究方向和实践进展。
从生命到人工生命
传统生物学中，生命常日被认为是由DNA和蛋白质构成，具有新陈代谢、生殖发育、遗传蜕变等一系列性状的自然系统。直到1944年，物理学家薛定谔揭橥《生命是什么》（What Is Life?），生命才摆脱特定的生理组织构造依赖，被定义为一个能量-信息耦合的负熵系统。这种思想既回应了过去，也迎合了当下。将生命从纯粹的有机论拉回到了有机论和机器论之间，也为Alife的理论研究供应了可能。
就在同一期间，许多不同领域的科学家开始了对Alife的探索，这一领域的探索大致可以分为三次浪潮：
第一次（20世纪50-60年代）：自复制探索期
在这个期间，科学家们紧张关注自复制、自组织和进化等生命坚持和产生构造的基本事理。涉及的领域包括掌握论、图灵机、形态发生学、神经网络模型和遗传算法。尤其是1948年冯·诺依曼揭橥《自复制自动机理论》，奠定了人工生命学科根本。
这一次浪潮，科学家们将生命视为一种逻辑形式，紧张强调信息处理的抽象模型。在实践上，挪威数学家尼尔斯·巴里切利（Nils Barricelli）在1953-1962年于早期的打算机IAS上，便利用了一维元胞自动机，仿照了一个可以无限进化的数字天下。个中乃至涌现了数字共生体生命形式。他据此认为，基于竞争进化模型的达尔文理论不敷以阐明生命蜕变的全貌，共生和互助在生命蜕变中霸占主要地位[1]。这次浪潮从模型和算法层面梳理了生命的基本特色，消灭了生命发生的迷思，为人工生命奠定了理论和实践根本。
第二波（20世纪70-90年代）：打算仿照期
这一期间，科学家们开始大量利用打算仿照技能，包括元胞自动机、神经网络、数字进化系统等，来研究适应性、呈现等生命系统特性。
1987年9月，克里斯托弗·兰顿（Christopher Langton）组织了第一次人工生命会议，这标志着人工生命学科的出身。会议中，ALife被定义为对“可能存在的生命”（life as it could be）[2]的研究，与仅限于地球已知生命形式的传统生物学形成比拟。个中冯·诺依曼的元胞自动机，随后被约翰·康威（生命游戏）、斯蒂芬·沃弗拉姆，以及兰顿本人等发展，成为Alife最主要的理论模型。
兰顿定义了一个元胞自动机活性参数λ，当λ适中时，元胞自动机会兼具局域化的稳定模式和无组织混沌行为，即“混沌边缘”的自动机。他认为生命或智能均起源于混沌边缘。这也是繁芜系统理论的主要思想。第二次浪潮，在发展模型根本上开始大量引入打算仿照技能，从实践上推动研究生命的适应性和呈现等繁芜系统特色，标志了人工生命学科的建立和工程实践的开始。
前两次Alife所持的功能主义态度以及抽象模型仿照，有助于捉住生命普遍实质特色。正如兰顿所相信，生命是一种独立于载体的恰当形式，不同的物质可以实现相同的生命和智能功能[3]。因此，这两次浪潮下的紧张产物是软件/虚拟/数字人工生命（Soft）。
然而，在Alife研究的发展过程中，质疑和反思始终伴随其旁边。同期生动的理论生物学家罗伯特·罗森（Robert Rosen），在1991年出版了代表作《生命本身》（Life Itself），认为生命体是一个“有效因果闭合”（closed to efficient causation）的（M,R）系统[4]：即系统中驱动变革发生的\"大众因\公众，本身就必须是这个别系的\"大众果\"大众。例如生命系统中酶就扮演了有效因果闭合的角色，它们催化代谢反应的发生又产生自身。这种循环因果构造使生命具有某种自主性和自天生能力，意味着生物体不完备是机器，无法完备通过图灵机仿照。
（M,R）系统：即代谢（Metabolism）和修复（Repair）。代谢由一组机制（记为f）完成从材料A到产物B的转化，修复则由一组机制（记为Φ）从代谢产物B合成代谢机制f本身。
与此同时，生物和认知科学家弗朗西斯科·瓦雷拉（Francisco Varela）也反对兰顿的不雅观点[5]。他认为生物体的情境性和历史性不可还原，生物体与其环境的具身交互远比其潜在的逻辑或功能模式更主要。这些思考引出了第三次人工生命浪潮。
▷Alife研究方法光谱：抽象模型、仿照仿真、数字进化、生化实验、实地研究，表示了从抽象模型到现实嵌入、以及软、硬、湿、稠浊范式的发展进程。[6]
第三波（20世纪90年代后期至今）：嵌入式蜕变期
这一期间的研究更加关注人工生命与现实环境的关系，强调生命在真实天下的嵌入性、具身性、交互性和呈现性。1972年和1991年，瓦雷拉分别和互助者提出自创生（Autopoiesis）和具身心智（Embodied Mind）思想，分别强调生命系统的自我天生能力，以及与环境具身交互而产生的动态、嵌入式的呈现过程。这些都为人工生命研究供应了新的理论视角。
例如，研究者试图在系统内部引入“向上的张力”（避免系统落入平衡态的能力和构造），构建自指蜕变和动力学[7]，以及将环境和不雅观察者（如把稳力和操作）纳入到系统功能描述中；或者在实验室进行实验，推动其在自组织递归循环中不断打破和产生创新功能和行为，在一个生态系统中向更广阔的方向蜕变。
除了数字人工生命外，湿件（Wet）、硬件（Hard），以及稠浊人工生命（Hybrid），成为这一期间的代表。这包括分子-细胞层面的人工化学、合成生物学、自复制机器人等领域的探索，研究范围从人工生命物发展到人工生态系统和社会。即便是在数字人工生命的研究中，科学家的重点也放在数字详细态式[8]和数字生态上。
▷EvoSphere：自主蜕变机器人系统，在环境中不断选择网络核废物能力个体，再通过无线“交配”优化基因型，通过3D打印技能产生新的机器人后代。[9]
总得来看，我们可以把Alife发展分为两个轴，横轴是技能实现的办法，从软件打算仿照（软）→物理硬件实现（硬）→生归天学实验（湿）→仿生稠浊系统（稠浊），纵轴是研究焦点，从人工生物体 → 人工生态 → 开放式蜕变 → 共生（如下图）。
人工生态与社会
在自然界中，生物常日不是伶仃存在的，例如，许多灵长类动物和社会性昆虫以种群的形式在生态系统中共生。生态系统，作为推动生命蜕变的核心力量，也由环境及个中的所有生物构成，表现为一个充满生态交互的动态系统。生态学的研究可以分为群落生态学和生态系统生态学，这两者分别关注生物种群间的互动及生物与物理环境之间的交互。与纯挚创造人工生物体不同，这一分支的Alife研究的是相互浸染的人工实体的凑集。
在自然生态群落中，不同物种的生物相互浸染。在Alife中，研究者则常常将个体视为某种基因型、表现型或生态型（genotypes，phenotypes，ecotypes）来剖析群落动态。威廉·莱纳斯（William Reiners）[10]提出，统一的系统生态学研究须要至少三个独立互补的理论框架：能量学、物质学，以及种群相互浸染或生态系统“连通性”（connectedness）的蜕变。这些框架可以分别理解为能量流、物质流和因果信息。
个中能量-物质的流动和转换，包括营养级、食品链和网[11]、生产率，地球生化学循环（如碳循环）等；种群互动或生态系统的连通性则包括种群之内的集体行为[12]、群落之间的相互浸染（如捕食、竞争和共生）以及对生态位的研究，探索这些生态位如何呈现，消逝，然后进化的[13]。
对ALife人工生态蜕变的研究，理论技能紧张包括繁芜动力系统、元胞自动机、反馈网络和掌握论等，数字进化仿照平台则供应了检讨繁芜进化和生态系统动态的工具。
▷常用Alife数字进化仿照平台。[6]
个中一些仿照平台设置了能量-物质流仿照。例如，在Tierra中，能量被定义为实行指令所需的CPU周期（打算机处理韶光）。智能体花费CPU周期实行指令，改变其局部环境。因此，最小化能量花费（CPU利用）可以提高复制效率，这为智能体施加了选择压力，匆匆使其朝向更高效、可靠的蜕变方向发展。而在Avida平台中，生物体则通过代谢不同的有限资源（能量）相互竞争。
ALife 生态研究系统与自然系统不同之处在于，研究者可以设置阔别自然界常见值的参数[15]。这样的设定就使得研究者能够探索哪些特色是生命所必需的，哪些特色和事宜可能只是地球上生命形式的有时产物。这样，ALife不仅能“重放前世的磁带”，还可以设计和播放与地球已存或可能运行非常不同的磁带（如火星），从而帮助澄清和提取生命的实质属性。
人工生态构建也分为软、硬、湿及稠浊人工生态四种形式。Alife数字平台能天然仿照软人工生态，个中还包括人工生命软件系统或游戏、及基于进化打算的数字生态艺术等。硬人工生命生态紧张涉及机器集群系统的互动。湿人工生命生态则考试测验构建常日不会共存的生物组成的生态群落，如实行空想任务（分解废物、封存碳等）的生态群落，这个子领域被称为合成生态学。至于稠浊人工生态，最著名的是 Flora Robotica 项目[16]，该项目创建了一个植物和机器人共生的生态系统，机器人会通过在不同位置发射不同颜色的光来掌握植物成长。
▷软件、湿件、硬件人工生态系统。
人工生态系统领域的研究和实践非常广阔。例如，随着繁芜性的增加，生态系统可以促进社会和文化互动[17]。个中涉及的抢夺、互助和文化的互动，引发了对感知、互换和措辞的研究等[18]。此外，在人工智能领域，多智能体、人工集体智能的研究，也可以归结为人工生态系统和社会的研究[19]。
开放式蜕变
“除了蜕变的光辉，生物学中的统统都没故意义。”
——美国进化生物学家狄奥多西·多布赞斯基（Theodosius Dobzhansky）
在差异性选择的驱动下，进行繁殖、遗传和变异的生物种群和生态系统，会经历达尔文式的蜕变。进化算法[20]利用类似的观点来搜索外部环境适应度函数（fitness）的最优值，每每会带来令人意想不到的结果[21]。
然而，自然蜕变在多个层面上要比人工仿照繁芜得多，包括基因组繁芜性、种群规模、世代数量、从水平基因转移到性选择的繁殖策略、基因调控、发育和表不雅观遗传学的浸染、多个共同蜕变种群之间的互动以及内在定义的适应度等方面。这些更自然的蜕变特色构成了ALife蜕变研究的核心内容[14][22]。
如达尔文言，“无尽之形最美”[23]，开放式蜕变（Open-Ended Evolution, OEE）[24]，是ALife的一个主要研究领域。它不仅捕捉了现有生命系统各种属性、包括与环境浸染关系的根本特色，同时供应了一个框架来探索和仿照潜在生命形式的可能性空间。在研究过程中，这有助于启示各种优化、学习和进化等算法。因此，实现开放式蜕变也可以说是人工生命的终极目标。
差异于一样平常蜕变，一个开放式蜕变系统永久不会陷入单一的稳定平衡，其新颖性会持续产生[25]，繁芜性会无限增加。这表明开放式蜕变是一个表征了多个尺度蜕变的过程[26]。开放式蜕变领域涉及生命起源问题[27]、繁芜性和组织层次涌现的重大蜕变转变[28]以及元蜕变，即蜕变能力及其蜕变的蜕变[29]等问题。
要产生开放式蜕变，有几个假设条件[30]：
（1）潜在基因型的无限遗传空间。这并不虞味生物体的基因组长度必须没有限定地变革。由于主导基因的突变和遗传速率很慢，也可能存在大量非编码蛋白的调控基因，即原来所谓的垃圾基因，这些基因通过调控前者可以迅速产生多样性。这意味着只须要通过改变类似于神经网络中权重的调控开关，可能很快就能形成新的物种。这一假设可以帮助阐明普遍共同先人（LUCA）的生物共同基因，以及寒武纪生物大爆发。
（2）潜在表型之间存在多种突变路子。这意味着潜在生物体特色该当能够由许多不同的突变路子产生，例如人和章鱼的眼睛虽功能相似，但却是独立进化的；鱼和海豚的鳍足则是趋同蜕变的案例。理论生物学家斯图尔特·考夫曼（Stuart Kauffman）通过随机布尔网络对此进行了刻画，他创造基因调控网络的终极行为是由节点数量以及各节点的入度K决定的。当K=2时，网络就会进入既不是不动点、振荡 ，也不是完备混沌的混沌边缘的状态。这时网络每一种吸引子就对应一种细胞的基因表达，即不同的基因组，可以采纳了不同的进化路径来达到与环境适配的同一目标表型。
（3）持续蜕变的动态自适应景不雅观（Dynamic adaptive landscape）。这意味着生物体周围的环境是动态变革的。一方面，随着生物种群演化，其周围的环境也随其行为而改变，一方面动态的环境会不断对生物种群进行选择、通过表不雅观遗传等浸染影响基因型和表型的实现。
开放式蜕变可以在元胞自动机，数字进化仿照平台如Tierra、Polyworld、Avida等，人工化学[31]仿照平台Stringmol等[32]进行研究。2019年一篇研究[33]，根据蜕变的表型行为与搜索空间的关系，确定了三种类型的新颖性以及对应的开放性：
探索开放性（Exploratory）：可利用当前模型描述的新颖性，常日涉及现有组件的重新组合或现有参数值的修正。例如基因组中新的等位基因的组合可能决定了新脊椎动物的脊椎数目。
扩展开放性（Expansive）：一种须要改变模型，但仍利用当前元模型中存在的观点的新颖性，涉及在状态空间中创造打开新邻域的状态。这每每涉及组织利用先前未被利用的化学或物理规律，或一个新的边界条件或装置的涌现。例如翱翔翅膀的涌现，以及视觉感官系统的涌现。
变革开放性（Transformational）：一种引入新观点、须要改变元模型的新颖性。这不仅涉及利用新的物理定律，还包括了组织层级上的变迁。例如，合成一种以前未在代谢反应中利用的新化学物质。生命起源、真核细胞以及多细胞生物、大脑和自我意识、笔墨和技能都属于此类。这每每对应于繁芜系统中的强呈现。
▷三种开放性：达尔文雀对生态位的适应；翅膀涌现；真核细胞。
同样，对开放式蜕变有几种不同的度量指标也用于检测[34]或量化其开放性潜力，例如进化动态丈量（MODES）指标[35]。在NK模型和Avida数字进化平台平分歧的实验环境中，这些指标的有效性和适用性已经得到验证。
▷MODES各指标之间的关系。
在 MODES 中，繁芜性潜力须要机体能够不断地将更多的环境信息整合到自身基因组中，从而产生更繁芜的行为，生态性潜力描述的是种群作为一个整体能够接管和反响环境信息的能力，包括生物与非生物环境相互浸染创造新的生态位和营养层次的能力。
可见，要实现持续的开放性变革，必须将环境和生态成分纳入生物的蜕变过程中。据此，开放式蜕变系统可以视为Rosen的（M,R）系统。此外，据大措辞模型ChatGPT描述，它更方向于探索开放性。开放式蜕变的研究势必会对打算创造力和AGI研究供应主要的方法和范式。
共生
“蜕变中的统统，只有在寄生的光芒下才故意义”，这篇2021年一篇论文的标题[36]，模拟了多布赞斯基对蜕变的描述，但这或许并不夸年夜。诸多研究表明，寄生-互利共生连续谱的蜕变[37]，是天生生物新颖性、塑造生态多样性和推动地球生命重大转变的主要机制。如前所述，尼尔斯·巴里切利的人工生命仿照早期就洞悉了这点。尼克·莱恩（Nick Lane）在《繁芜生命的起源》中也认为，内共生提高了生命能量利用效率，促进了真核生物的起源，并使其终极蜕变成地球繁芜生命。
共生（Symbiosis）可以看做是生物体和种群之间，在更多样的生态尺度下更为密切的协同蜕变[38]的结果。根据空间位置，共生可以分为内共生（ectosymbiosis）和外共生（endosymbiosis），根据物种间的利益关系，则常日包括互利共生、偏利共生、中性互作、偏害共生、竞争以及寄生[39]/捕食（广义）[40]。生态系统中资源交流-利用依赖循环会导致社群构建和共生蜕变，乃至形成跨喂养（crossfeeding）征象，即一个物种的代谢物成为另一个物种的资源[41]。
▷共生关系[42]。作者结合 https://en.wikipedia.org/wiki/Symbiosis以及[40] Figure 1.1图表合并低廉甜头。
共生同样可以用生命游戏、数字进化仿照平台进行研究。例如，有研究者在康威的生命游戏根本上发展了Model-S模型[43]，该模型成功仿照产生了自组织、自创生、多细胞的蜕变、有性生殖的出身以及物种共生的领悟策略。研究创造，纵然是少量共生也能显著提高种群的适应度，并可能支持开放式蜕变。在支持共生的数字进化系统中[44]，数字生物通过花费“CPU韶光”资源来生存和发展，内共生物则花费宿主内部资源，与真实天下中细胞的线粒体类似。同样，数字核糖体将数字基因组（二进制代码）转化（代谢）为某种输出或行为，类似于生物细胞中核糖体读取遗传代码并合成蛋白质的过程。
▷Model-S仿照的移民游戏产生“共生层”[43]与数字进化系统中仿照的内共生[44]。
可以说，生命从起源起便是一种共生征象，并且横跨了不同种类的复制子。从基因到文化（模因），到以技能作为扩展表型（技因），未来，生物与数字的领悟可能进入一个人机共生的新时期[45]。
如果生物蜕变的基质基于自然物理环境，那么技能物-数码物的蜕变基质和生态环境又是什么？显然，这必须是一个人类和机器生命都能进行互操作的系统。有研究指出[46]，基于区块链的分布式系统具有对环境相应、成长和变革、遗传复制和达到稳态等诸多符合生命定义的特色。若和神经网络等AI技能结合，这种系统将成为比传统生命更有上风的自组织系统。文章认为，基于公链的分布式虚拟机（dVM）供应了一个自主进化能力的开放环境，为通用人工智能（AGI）的发展供应支持。
▷进化基质的蜕变[45]；DNA与区块链[46]。
最近，区块链技能领域兴起了一种名为数字物质理论（Digital Matter Theory）的不雅观点，该理论认为，数字信息可以被看作一种数字物质，与实体物质（比如木头或金属）类似。通过挖掘区块数据中固有的模式，可以创建一种新型的数字物质形态，即区块元素表。它被视为数字天下物质基质和资产的一种表现。随着区块高度增加，这个数字天下也和物质天下一样在不断成长，其发展同样不可预期。在这样的系统中，人们可以发行非任意同资源/代币（Non-Arbitrary，意味着总量非人为设定或随意增发），为自主天下与元宇宙供应了底层逻辑和根本。
▷数字物质理论、自主天下和链上生命游戏Cellula[55]。
此外，目前也涌现一些基于区块链的Alife项目。例如链上的人工生命仿照游戏（Cellula），它许可玩家自由地创建各种基因序列，并孕育出自己的链上“生命”，在这个游戏中，区块高度扮演了“韶光”的角色，每个“生命”都会在链上时空生态系统中发展、进化、去世亡。区块链上的Alife，由于涉及到了玩家和链上智能体主体，存在把稳力流和信息的双向通报，因此是一种范例的互惠共生形态。此外，还有一些项目探索了通过区块链技能或物理环境，使非人类主体如植物与数字或机器共生的可能性，例如terra0和 Flora Robotica项目。
▷跨媒介跨物种共生的例子。
当然，比较广泛谈论的人机共生是人和人工智能方面和共生。这紧张基于任务和协作的研究、以及人机代价对齐[47]、尤其AI心智理论[48]方面的研究。这些研究在很大程度上表示了人类中央主义的不雅观点以及以人类利益为主的共生设计考量。
▷人机共生的方法维度。[49]
生物启示AI与人工生命的未来
回顾历史可以看到，AI曾长期受制于符号人工智能桎梏，即打算启示方法（GOFAIstic）[50]，而Alife和生物启示方法（亦被称为掌握论启示）则为AI的发展供应了主要灵感和范式。
辛顿（Geoffrey Hinton）首创的深度学习网络，实际上是一种仿照人脑神经的AI系统，而像Transformer这样的大模型通过自把稳力机制在某种程度上仿照了人类大脑的影象和学习机制，即人脑的海马体影象模型是一个带了循环神经网络的因果Transformer（“TEM is causal transformer with RNN position encodings”）[51]。开拓出 Chatgpt 的OpenAI，时候提醒员工“苦涩的教训”（The bitter lesson），坚信规模法则（Scaling Law）就能呈现属性（Emerging properties） ，认为只要持续不断增大数据和算力的大模型才能实现AGI。强化学习包括人类反馈强化学习（RLFH），源自对动物行为生理学的借鉴，实质是一种基于反馈的环境适应机制，天生式对抗网络（GAN）则源自动物竞争与共生的生态学机制。
▷GOFAI主义与生物启示（掌握论）AI[52]
随着技能进步，Alife研究者不断探索从抽象模型到打算仿照，再到具身嵌入、人工生态、开放式蜕变等多种范式，这些都在推动AI的进一步发展。例如，卡尔·弗里斯顿（Karl Friston）的自由能事理和杨立昆的联合嵌入预测架构（I-JEPA）[53]都考试测验在AI系统中整合更多生物学事理，以增强其与环境的交互能力和自主性。乃至包括非冯诺依曼架构、辛顿后来提出的可朽打算（Mortal Computation）、如今广为谈论的人机代价对齐，以及受生态启示的人工智能[56]等研究，都可以看到Alife的发展进路的影子。
当然，目前的天生式AI，特殊是大措辞模型，也在对Alife研究产生深远影响[54]。例如利用大措辞模型探索意义的产生、呈现和因果呈现、开放式蜕变，尤其是人机协作、人工集体智能以及大措辞模型驱动的多AI智能体系统（著名的斯坦福AI小镇）。此外，目前也有算法层面的结合，例如结合神经网络和遗传算法的神经进化（Neuroevolution），已有研究者利用大略的虚拟生物[57]，通过视觉、听觉感知环境，并与同类和捕食者互动，创造部分个体呈现出专门应对捕食者的\公众恐怖中枢\公众模块，这表明类似生物脑的感情和意识等神经机制可以在人工基质中呈现。
末了，如果我们以Alife的范式去思考，我们面前展开的问题有：基于区块链的系统和自主天下等数字原生基质如何实现具有自主性的（M,R）系统？大措辞模型和AI智能体如何蜕变出变革开放性？AI和人类将会是形成哪种共生关系，竞争、内共生还是跨物种喂养？虚拟现实和扩展现实又将如何影响未来的数字生态？
不管未来如何，Alife、AI、区块链和元宇宙（AR/VR/XR）将相互交织发展，带来一个自然生命和虚拟主体、数字和物理的相融的共生天下。在这样的后人类时期，不管是哪种形式，生命实体都将在广阔无垠的宇宙中连续其开放蜕变的旅程。
参考文献：
[1] D. B. Fogel, \公众Nils Barricelli - artificial life, coevolution, self-adaptation,\"大众 in IEEE Computational Intelligence Magazine, vol. 1, no. 1, pp. 41-45, Feb. 2006, doi: 10.1109/MCI.2006.1597062.
[2] Alan Dorin, Susan Stepney; What Is Artificial Life Today, and Where Should It Go?. Artif Life 2024; 30 (1): 1–15. doi: https://doi.org/10.1162/artl_e_00435
[3] https://medium.com/paul-austin-murphys-essays-on-philosophy/christopher-langton-artificial-life-and-ultra-functionalism-3eb5fa8a92f0
[4] (M,R)即代谢（Metabolism）和修复（Repair）。代谢由一组机制(记为f)完成从材料A到产物B的转化，修复则由一组机制(记为Φ)从代谢产物B合成代谢机制f本身。
[5] Maturana, H. R., & Varela, F. J. (1980). Autopoiesis and Cognition: The Realization of the Living. D. Reidel Publishing Company.https://doi.org/10.1007/978-94-009-8947-4
[6] Dolson E and Ofria C (2021) Digital Evolution for Ecology Research: A Review. Front. Ecol. Evol. 9:750779. doi: 10.3389/fevo.2021.750779
[7] Pattee, H.H. (2012). Evolving Self-reference: Matter, Symbols, and Semantic Closure. In: LAWS, LANGUAGE and LIFE. Biosemiotics, vol 7. Springer, Dordrecht. https://doi.org/10.1007/978-94-007-5161-3_14
[8] Stepney, S. (2007). Embodiment. In D. Flower & J. Timmis, (Eds.) In silico immunology (pp. 265–288). Springer. https://doi.org/10.1007/978-0-387-39241-7_13
[9] https://towardsdatascience.com/robot-farms-artificial-life-and-second-order-engineering-an-in-depth-interview-with-professor-a524c92ee455
[10] Reiners, William A. “Complementary Models for Ecosystems.” The American Naturalist, vol. 127, no. 1, 1986, pp. 59–73. JSTOR, http://www.jstor.org/stable/2461647. Accessed 27 May 2024.
[11] Lindgren, K., & Nordahl, M. G. (1994). Artificial food webs. In C. G. Langton (Ed.), Artificial Life III: Proceedings of the workshop on Artificial Life, Santa Fe, 1992 (pp. 73–103). Addison-Wesley.
[12] Theraulaz, G., & Bonabeau, E. (1999). A brief history of stigmergy. Artificial Life, 5(2), 97–116. https://doi.org/10.1162/106454699568700
[13] Luo, T.-T., Heier, L., Khan, Z. A., Hasan, F., Reitan, T., Yasseen, A. S., III, Xie, Z.-X., Zhu, J.-L., & Yedid, G. (2018). Examining community stability in the face of mass extinction in communities of digital organisms. Artificial Life, 24(4), 250–276.
[14] Bull, L. (2021). On the emergence of intersexual selection: Arbitrary trait preference improves female-male coevolution. Artificial Life, 27(1), 15–25. https://doi.org/10.1162/artl_a_00335
[15] Dorin, A., Korb, K. B., & Grimm, V. (2008). Artificial-life ecosystems: What are they and what could they become? In S. Bullock, J. Noble, R. Watson, & M. A. Bedau, (Eds.) Artificial Life XI (pp. 173–180). MIT Press.
[16] H. Hamann et al., \"大众Flora Robotica - Mixed Societies of Symbiotic Robot-Plant Bio-Hybrids,\"大众 2015 IEEE Symposium Series on Computational Intelligence, Cape Town, South Africa, 2015, pp. 1102-1109, doi: 10.1109/SSCI.2015.158.
[17] Marriott, C., Borg, J. M., Andras, P., & Smaldino, P. E. (2018). Social learning and cultural evolution in Artificial Life. Artificial Life, 24(1), 5–9. https://doi.org/10.1162/ARTL_a_00250
[18] Yamauchi, H., & Hashimoto, T. (2010). Relaxation of selection, niche construction, and the Baldwin effect in language evolution. Artificial Life, 16(4), 271–287. https://doi.org/10.1162/artl_a_00006,
[19] https://arxiv.org/abs/2304.05147
[20] De Jong, K. (2005). Genetic algorithms: A 30-year perspective. In L. Booker, S. Forrest, M. Mitchell, & R. Riolo, (Eds.) Perspectives on adaptation in natural and artificial systems (pp. 1–32). Oxford University Press. https://doi.org/10.1093/oso/9780195162929.003.0006
[21] Lehman, J., Clune, J., Misevic, D., Adami, C., Beaulieu, J., Bentley, P. J., Bernard, S., Belson, G., Bryson, D. M., Cheney, N., Cully, A., Donciuex, S., Dyer, F. C., Ellefsen, K. O., Feldt, R., Fischer, S., Forrest, S., Frénoy, A., Gagneé, C., … Yosinksi, J. (2020). The surprising creativity of digital evolution: A collection of anecdotes from the evolutionary computation and Artificial Life research communities. Artificial Life, 26(2), 274–306. https://doi.org/10.1162/artl_a_00319
[22] Liard, V., Parsons, D. P., Rouzaud-Cornabas, J., & Beslon, G. (2020). The complexity ratchet: Stronger than selection, stronger than evolvability, weaker than robustness. Artificial Life, 26(1), 38–57. https://doi.org/10.1162/artl_a_00312
[23] Darwin, C. R. (1872). On the origin of species (6th ed.). Dent. https://doi.org/10.5962/bhl.title.28875
[24] https://alife.org/encyclopedia/introduction/open-ended-evolution/
[25] Soros, L., & Stanley, K. (2014). Identifying necessary conditions for open-ended evolution through the artificial life world of Chromaria. In H. Sayama, J. Rieffel, S. Risi, R. Doursat, & H. Lipson (Eds.), ALIFE 14: Proceedings of the Fourteenth International Conference on the Synthesis and Simulation of Living Systems (pp. 793–800). MIT Press. https://doi.org/10.7551/978-0-262-32621-6-ch128
[26] Corominas-Murtra, B., Seoane, L. F., & Solé, R. (2018). Zipf’s Law, unbounded complexity and open-ended evolution. Journal of The Royal Society Interface, 15(149), 20180395. https://doi.org/10.1098/rsif.2018.0395
[27] Cardoso, S. S. S., Cartwright, J. H. E., Čejková, J., Cronin, L., De Wit, A., Giannerini, S., Horváth, D., Rodrigues, A., Russell, M. J., Sainz-Díaz, C. I., & Tóth, Á. (2020). Chemobrionics: From self-assembled material architectures to the origin of life. Artificial Life, 26(3), 315–326. https://doi.org/10.1162/artl_a_00323
[28] Maynard Smith, J., & Szathmáry, E. (1995). The major transitions in evolution. Oxford University Press
[29] Payne, J. L., & Wagner, A. (2019). The causes of evolvability and their evolution. Nature Reviews Genetics, 20(1), 24–38. https://doi.org/10.1038/s41576-018-0069-z
[30] Taylor, T. (2012). Exploring the Concept of Open-Ended Evolution. https://www.tim-taylor.com/papers/taylor2012exploring.pdf
University of New Mexico, Albuquerque, NM 87131, Ackley, D., & Small, T. (2014). Indefinitely Scalable Computing = Artificial Life Engineering. Artificial Life 14: Proceedings of the Fourteenth International Conference on the Synthesis and Simulation of Living Systems, 606–613. https://doi.org/10.7551/978-0-262-32621-6-ch098
[31] Banzhaf, W., & Yamamoto, L. (2015). Artificial chemistries. MIT Press. https://doi.org/10.7551/mitpress/9780262029438.001.0001
[32] Hickinbotham, S., Clark, E., Stepney, S., Clarke, T., Nellis, A., Pay, M., & Young, P. (2011). Molecular microprograms. In ECAL 2009, Budapest, Hungary (pp. 297–304). Springer. https://doi.org/10.1007/978-3-642-21283-3_37
[33] Tim Taylor; Evolutionary Innovations and Where to Find Them: Routes to Open-Ended Evolution in Natural and Artificial Systems. Artif Life 2019; 25 (2): 207–224. doi: https://doi.org/10.1162/artl_a_00290
[34] Susan Stepney, Simon Hickinbotham; On the Open-Endedness of Detecting Open-Endedness. Artif Life 2023; doi: https://doi.org/10.1162/artl_a_00399
[35] Emily L. Dolson, Anya E. Vostinar, Michael J. Wiser, Charles Ofria; The MODES Toolbox: Measurements of Open-Ended Dynamics in Evolving Systems. Artif Life 2019; 25 (1): 50–73. doi: https://doi.org/10.1162/artl_a_00280
[36] Hickinbotham Simon J., Stepney Susan and Hogeweg Paulien 2021Nothing in evolution makes sense except in the light of parasitism: evolution of complex replication strategiesR. Soc. Open Sci.8210441
[37] Vostinar, A. E., & Ofria, C. (2018). Spatial structure can decrease symbiotic cooperation. Artificial Life, 24(4), 229–249. https://doi.org/10.1162/artl_a_00273
[38] Weisbuch, G., Duchateau, G. Emergence of mutualism: Application of a differential model to endosymbiosis. Bltn Mathcal Biology 55, 1063–1090 (1993). https://doi.org/10.1007/BF02460700
[39] Hickinbotham, S., Stepney, S., & Hogeweg, P. (2021). Nothing in evolution makes sense except in the light of parasitism: Evolution of complex replication strategies. Royal Society Open Science, 8(8), 210441. https://doi.org/10.1098/rsos.210441
[40] Bronstein, Judith L. (ed.), 'The study of mutualism', in Judith L. Bronstein (ed.), Mutualism (Oxford, 2015; online edn, Oxford Academic, 17 Sept. 2015), https://doi.org/10.1093/acprof:oso/9780199675654.003.0001
[41] Crombach A, Hogeweg P. Evolution of resource cycling in ecosystems and individuals. BMC Evol Biol. 2009 Jun 1;9:122. doi: 10.1186/1471-2148-9-122. PMID: 19486519; PMCID: PMC2698886.
[42] 作者结合 https://en.wikipedia.org/wiki/Symbiosis 以及[40] Figure 1.1图表合并低廉甜头.
[43] Turney PD. Evolution of Autopoiesis and Multicellularity in the Game of Life. Artif Life. 2021 Jun 11;27(1):26-43. doi: 10.1162/artl_a_00334. PMID: 34529755.
[44] Vostinar AE, Skocelas KG, Lalejini A and Zaman L (2021) Symbiosis in Digital Evolution: Past, Present, and Future. Front. Ecol. Evol. 9:739047. doi: 10.3389/fevo.2021.739047
[45] Gillings MR, Hilbert M, Kemp DJ. Information in the Biosphere: Biological and Digital Worlds. Trends Ecol Evol. 2016 Mar;31(3):180-189. doi: 10.1016/j.tree.2015.12.013. Epub 2016 Jan 8. PMID: 26777788.
[46] Abramov, O., Bebell, K.L. & Mojzsis, S.J. Emergent Bioanalogous Properties of Blockchain-based Distributed Systems. Orig Life Evol Biosph 51, 131–165 (2021). https://doi.org/10.1007/s11084-021-09608-1
[47] https://arxiv.org/abs/2310.19852
[48] https://arxiv.org/abs/2202.09447
[49] https://arxiv.org/pdf/2103.09990
[50] https://zh.wikipedia.org/wiki/GOFAI
[51] https://arxiv.org/abs/2112.04035
[52] Harvey I. Motivations for Artificial Intelligence, for Deep Learning, for ALife: Mortality and Existential Risk. Artif Life. 2024 Feb 1;30(1):48-64. doi: 10.1162/artl_a_00427. PMID: 38346273.
[53] https://arxiv.org/abs/2301.08243
[54] https://direct.mit.edu/artl/article/29/2/141/116359/Editorial-What-Have-Large-Language-Models-and
[54]https://doi.org/10.1162/isal_a_00431
[55] https://medium.com/p/68c29c1e374e
https://medium.com/p/2f1853f8a1d7
https://medium.com/p/1d81efda13；
[56] Han BA, Varshney KR, LaDeau S, Subramaniam A, Weathers KC, Zwart J. A synergistic future for AI and ecology. Proc Natl Acad Sci U S A. 2023 Sep 19;120(38):e2220283120. doi: 10.1073/pnas.2220283120. Epub 2023 Sep 11. PMID: 37695904; PMCID: PMC10515155.
[57] Kevin Godin-Dubois, Sylvain Cussat-Blanc, Yves Duthen; July 18–22, 2021. \公众Spontaneous modular NeuroEvolution arising from a life/dinner paradox.\"大众 Proceedings of the ALIFE 2021: The 2021 Conference on Artificial Life. ALIFE 2021: The 2021 Conference on Artificial Life. Online. (pp. 95). ASME. https://doi.org/10.1162/isal_a_00431
