01 パラダイムシフトの本質：「順問題の観察」から「逆問題の微分可能探索」へ

1940年代のジョン・フォン・ノイマンによる29状態自己複製オートマトンや、1970年のジョン・コンウェイによる「ライフゲーム（Game of Life）」以来、計算機上の人工生命（Soft ALife）は長らく離散的なセルオートマトン（Discrete Cellular Automata）を主戦場としてきました。そこでの基本的な研究手法は、「人間がシンプルな離散ルールを考案し、初期配置を与えて時間発展させ、創発するグライダーや振動子を観察する（順問題：Forward Problem）」というボトムアップな博物学でした。

しかし、離散空間・離散時間・離散状態のセルオートマトンには2つの本質的な壁がありました。

  • 微小摂動に対する脆弱性（Brittleness）: ライフゲームのグライダーは、1ピクセルでも状態が反転すると即座に崩壊してしまいます。実際の生物が持つ「傷ついても形を保つホメオスタシス」や「任意の角度へ滑らかに遊泳・変形する連続的な身体性」を表現できませんでした。
  • 勾配情報の欠如（Non-differentiability）: 更新ルールが if (neighbors == 3) state = 1 のような階段関数（離散分岐）で書かれているため、「こういう形態や機能を持つ生命体を創りたい」という目標から逆算して局所ルールを最適化する逆問題（Inverse Problem）に、深層学習の誤差逆伝播法（Backpropagation）を適用できませんでした。
2019年の Lenia と2020年の Growing Neural Cellular Automata (NCA) は、空間・時間・状態・更新則のすべてを連続かつ微分可能（Differentiable）にすることでこの2つの壁を同時に打ち破り、Soft ALifeと深層学習を融合させる歴史的転換点となりました。

02 3つの主要モデル体系と数理的定式化

1. Lenia：連続空間・連続時間カーネルオートマトン

Bert Wang-Chak Chan（2019）が提唱した Lenia は、格子空間の極限 $\Delta x \to 0$、時間刻みの極限 $\Delta t \to 0$ をとり、状態場 $A^t(\mathbf{x}) \in [0, 1]$ に同心円リング状の畳み込みカーネル $K$ と滑らかなガウス型成長関数 $G(u; \mu, \sigma)$ を作用させる偏微分方程式（PDE）型の人工生命系です。

$A^{t+\Delta t}(\mathbf{x}) = \text{clip}\Big( A^t(\mathbf{x}) + \Delta t \cdot G\big( (K * A^t)(\mathbf{x}); \, \mu, \sigma \big), \, 0, \, 1 \Big)$
$G(u; \mu, \sigma) = 2 \exp\left( - \frac{(u - \mu)^2}{2\sigma^2} \right) - 1$

この連続化によって、回転対称性や左右対称性を保ったまま任意の方向へ滑走する Orbium や、自律的に脈動・分裂・融合する400種以上の「ソリトン生命体」が発見されました。さらに複数チャネル・複数カーネルへ拡張した Expanded Lenia では、細胞膜・細胞質・細胞核のように役割分化した多器官構造が自己組織化します。

2. Growing Neural Cellular Automata (NCA)：神経回路としての局所ルール

Mordvintsev, Randazzo, Niklasson, Levin（2020）による Growing NCA は、各セルの状態を16次元の実数ベクトル $\mathbf{s}_{x,y} \in \mathbb{R}^{16}$（RGB＋生死$\alpha$＋12個のモルフォゲン隠れ状態）とし、近傍 $3 \times 3$ の空間勾配（Sobelフィルタ）を入力とする小型ニューラルネットワーク $f_\theta$ で局所更新量 $\Delta \mathbf{s}$ を計算します。

$\mathbf{s}_{x,y}^{t+1} = \mathbf{s}_{x,y}^t + m_{x,y}^t \cdot f_\theta\Big( \mathbf{s}_{x,y}^t, \, \nabla_x \mathbf{s}_{x,y}^t, \, \nabla_y \mathbf{s}_{x,y}^t \Big), \quad m_{x,y}^t \sim \text{Bernoulli}(0.5)$

時間方向の誤差逆伝播（BPTT）と「サンプルプール学習」を組み合わせることで、たった1個の初期セルからターゲットの2D画像や3D構造へと成長してピタリと停止し、さらに完成後に半分を切り落としても残りの細胞群が局所通信だけで欠損部位を認識して完全再生する「デジタルなプラナリア」が実現されました。

3. Particle Lenia & Flow-Lenia：質量保存則と熱力学的制約の導入

初期のLeniaやNCAでは、無から状態値（質量）が生成・消滅していましたが、2022〜2023年にかけて「質量保存則（Mass Conservation）」を組み込んだ2つの革新モデルが登場しました。

  • Particle Lenia (Mordvintsev et al., 2022): 格子ではなく連続座標空間上の粒子群 $\mathbf{x}_i$ が、Leniaのポテンシャル場 $E(\mathbf{x})$ の勾配に従って運動し、エネルギー最小化によって多細胞様の形態へ自己集合するラグランジュ的定式化。
  • Flow-Lenia (Plantec et al., 2023): 成長関数 $G$ を「物質を引き寄せる親和性ポテンシャル」と解釈し、再初期化追跡法（Reintegration Tracking）によって総質量 $\sum A^t(\mathbf{x})$ を厳密に保存しながら物質と局所パラメータ（遺伝子）を同時輸送するオイラー的定式化。これにより、単一空間内で複数の異なる種が物質を奪い合いながら共進化する生態系シミュレーションが可能になりました。

03 分散型AI・ロボティクス・形態計算への応用展開

Soft ALife における微分可能な自己組織化は、単なる生物模倣を超えて、現在の巨大集権型AI（単一の巨大Transformer等）に対する「究極の分散・自己修復アーキテクチャ」として応用が進んでいます。

  1. 自己分類・自己認識する分散知能（Self-Classifying MNIST / Neural CA Controllers）: 手書き数字の各ピクセル自体がNCAセルとなり、外部のCNN分類器を一切使わずに、隣接ピクセルとの局所通信（合意形成）だけで「自分たちは今『8』という数字の一部である」と全員が自分の色を塗り替える分散認識システムが実証されています。途中で文字の一部を削り取っても、残ったピクセルだけで正しく再合意します。
  2. 自己修復するソフトロボット制御と形態計算: 多関節ロボットやボクセル型ソフトロボットの各モジュールに同一のNCA重みを搭載し、脚の1本が故障・切断されても、残りのモジュールが局所通信によって歩行パターンを即座に再編成して歩き続ける耐故障ロボティクス研究が進んでいます。

04 関連論文・原典リンク一覧

← 4大潮流セクションへ戻る 人工生命研究の4大潮流：境界の融解と共進化 次の研究潮流 (DOMAIN 02) → WET ALIFE: ボトムアップ合成生物学と最小細胞