01 研究の背景と問題意識：人工生命の発見を「人間の職人技と目視」から解放する

コンウェイのライフゲーム（1970）、レイノルズのBoids（1987）、そしてBert ChanのLenia（2019）に至るまで、人工生命（ALife）の歴史における大発見には共通するボトルネックがありました。それは「広大なシミュレーションのパラメータ空間（基質：Substrate）の中から、どれが『生命らしくて面白い現象』であり、どれが『単なるホワイトノイズや退屈な静止パターン』であるかを、人間の研究者が何千時間も画面を目視して手作業で探していた」という事実です。

情報理論的なエントロピーや圧縮率で自動探索しようとすると、砂嵐のようなカオスや単純な結晶ばかりが高スコアになってしまい、人間が直感的に認識する「生命らしさ（Lifelikeness）」や「新しい構造の創発」を捉えることができませんでした。MIT、オックスフォード大学、オープンエンド進化研究の第一人者ケネス・スタンリー（Kenneth O. Stanley）、そしてSakana AIのDavid Haらの共同チームは、「自然界や人間社会の膨大な画像・概念を学習した視覚言語基盤モデル（VLM：CLIP や DINOv2）の埋め込み空間（Embedding Space）こそが、人工生命の『審美眼・観測器』として機能する」という画期的なフレームワーク ASAL（Automating the Search for Artificial Life） を発表しました。

02 核心となる3つの自動探索アルゴリズムと数理定式化

シミュレーション基質 $S$（Boids、Particle Life、Life-like CA、Lenia、Neural CAなど）にパラメータ $\theta$ を与えて時間 $T$ ステップ実行したときのレンダリング画像系列を $I_1^\theta, I_2^\theta, \dots, I_T^\theta$ とし、VLMの画像エンコーダを $V_{\text{img}}(\cdot)$、テキストエンコーダを $V_{\text{txt}}(\cdot)$ とします。ASALはこのVLM表現空間上で3つの探索タスクを定式化しました。

1. 教師ありターゲット探索 (Supervised Target Search):
自然言語プロンプト（例: "a caterpillar" や、時間変化 "a single cell" $\to$ "two cells"）に合致する生命現象を持つパラメータ $\theta^*$ を探索。
   $\theta^* = \arg\max_{\theta} \frac{1}{T} \sum_{t=1}^T \cos\Big( V_{\text{img}}(I_t^\theta), \, V_{\text{txt}}(\text{Prompt}_t) \Big)$

2. オープンエンド性の最大化探索 (Open-Endedness Search):
1つのシミュレーション実行の中で、過去のどの時点のVLM表現とも異なる「歴史的に新しい視覚的概念」を絶えず生み出し続けるパラメータ $\theta^*$ を探索。
   $\mathcal{L}_{\text{OE}}(\theta) = \frac{1}{T} \sum_{t=1}^T \max_{1 \le t' < t} \cos\Big( V_{\text{img}}(I_t^\theta), \, V_{\text{img}}(I_{t'}^\theta) \Big) \longrightarrow \min_{\theta}$

3. 基質空間の網羅的イルミネーション (Substrate Illumination):
その物理法則（基質 $S$）が生み出し得る「互いに意味的に最も多様な $N$ 個の生命形態集合 $\{\theta_1, \dots, \theta_N\}$」を最近傍距離最大化により自動構築（デジタル生物図鑑の自動生成）。

最適化手法には、微分不可能なシミュレーションに対しても並列実行可能な進化的戦略（Sep-CMA-ES や遺伝的アルゴリズム）が用いられ、JAX上で高速化されたシミュレーションとCLIP埋め込み計算を組み合わせることで、人間が一生かかっても見きれない規模のパラメータ空間を数時間で自動探索します。

03 主要な発見：未知の生命形態と「真にオープンエンドなCAルール」の発見

  • 言語記述からの人工生命デザイン: 「1つの細胞が2つに分裂する（Mitosis）」「エイリアンのような群れ」「自己組織化する迷路」といった言葉を与えるだけで、LeniaやNCA、Boidsのパラメータ空間からその通りの振る舞いをする未知の生命体を自動発見しました。
  • コンウェイのライフゲームを超えるオープンエンドなCAの発見: Life-like CA（26万通り以上のルール空間）に対してASALの「Open-Endedness スコア」を適用したところ、有名なコンウェイのライフゲーム（B3/S23）だけでなく、時間とともに異なる組織形態へ果てしなく遷移し続ける未知の準周期的・オープンエンドなセルオートマトン規則が上位に自動抽出されました。
  • Neural Boidsにおける複雑な社会行動の創発: 各ボイドが小さなニューラルネットワークで操舵する「Neural Boids」をASALで探索した結果、従来のレイノルズの3ルールには存在しなかった「車輪のように回転するコロニー」「先頭集団が後続を誘導する隊列」「複数種の周期的な追いかけっこ」などの高次な集団行動アトラス（Illumination Atlas）が自動生成されました。
ASALは、「基盤モデル（LLM/VLM）が持つ人類の概念知識」を「ボトムアップな人工生命シミュレーション」の探索コンパスとして結合した最初の体系的フレームワークであり、人工生命研究を「手作業の博物学」から「自動化された科学発見（AI Scientist for ALife）」へと引き上げました。

04 今後の展望：基盤モデルと人工生命の共進化ループへ

  1. 物理法則そのものの自動発明: 現在のASALは人間が用意した基質（LeniaやBoids）のパラメータ空間を探索しますが、今後はLLMがシミュレーションのシェーダーコード（物理法則）そのものを書き換え、VLMがその結果を評価する「人工宇宙の自動生成」へと発展しつつあります。
  2. 定量的な生命度・複雑性指標の確立: 40年間議論されてきた「オープンエンドな進化（OEE）をどう数値化するか」という問題に対し、基盤モデルの表現空間における軌跡の新奇性（Novelty in Foundation Model Representation Space）という実用的かつ汎用的な指標を提示しました。

05 原典・関連文献リンク

← 前のマイルストーン (2023) Flow-Lenia: Mass-Conserving ALife アーカイブ一覧へ戻る → 全10大マイルストーン・論文アーカイブ