数字原始汤：自复制与功能如何共进化
Co-evolution of self-replication and function in a digital primordial soup
这项研究在数字原始汤中探索了自复制与问题求解能力的共进化过程。研究人员从随机生成的32字节Z80汇编程序出发，让自复制行为完全通过随机突变和程序间的相互作用自然涌现。通过引入多项式计算任务作为验证步骤，他们发现自复制与数学能力能够成功协同进化。计算压力加速了紧凑且鲁棒的复制架构的出现，这些架构能保留执行任务所需的内存。此外，代谢约束促使程序进化出条件停机机制，而空间任务分区则催生了自发的学习课程，利用简单解作为通向复杂多项式的垫脚石。这一互动反馈循环表明，环境任务需求塑造了自复制的物理架构，而自发的复制又改变了功能性问题求解的进化轨迹。
环境任务需求主动塑造了自复制的物理架构，而自发的复制则改变了功能性问题求解的进化轨迹。
HN 评论区
35- EvanAnderson
Tierra[0] 是 Tom Ray[1] 写的，我立刻就想到了它。青少年时期读到 Steven Levy 的《Artificial Life》[2] 时，我被它深深吸引。玩过 Core War[3] 之后，Levy 书中对 Tierra 的描述激发了我的灵感，让我用 Turbo Pascal 尝试构建一个虚拟机，并试着做一个简陋而天真的克隆版。这过程非常有趣，而且可以说，它很大程度上影响了我对生物生命起源的思考。
[0] https://tomray.me/tierra/whatis.html
[1] https://en.wikipedia.org/wiki/Thomas_S._Ray
- vicgalle_
对主要结果的独立复现：https://github.com/vicgalle/coevolution-soup
- ericbarrett
这是个很酷的发现；我没想到在如今 ML 和 LLM 研究如此火热的情况下，这仍然是一个活跃的研究领域。我自己也曾在这个领域做过一些业余探索，结果并不让我意外：https://github.com/ehbar/evol
- dclavijo
我做过一个非常类似的项目 https://github.com/daedalus/syntropy，不过用的是 riscv。
- vatsachak
很有意思。但进化过程太过不受约束，无法为我们提供通往“通用人工智能”（agi）的路径。这需要太多的算力。
进化最终也会受挫，于是创造了大脑，使其具备上下文学习能力。
也许我们应该从这些大规模并行、浅层且高度循环的架构中汲取一些经验。