AREX Viewpoint Article
进化远非随机搜索：AI与人工生命的新视角
导读
2026年1月，Sakana AI 发布 Digital Red Queen（DRQ），把大语言模型作为突变算子，放进经典编程对战游戏 Core War 的自博弈进化循环。单纯让 LLM 零样本生成 Redcode 效果很差；但一旦把它作为突变算子，并让验证器在回路中选择，第一轮进化出的战士就击败或打平了 294 个人类编写战士中的 96%。这个结果把“进化+验证器远强于单独 LLM”从猜想变成了可复现的基准。
九个月后，这项研究再次被推向公共讨论。2026年10月10日，Sakana AI 在官方账号上写道，人工生命是“对智能的长期押注”，并称 Akarsh Kumar 在 Machine Learning Street Talk 的这场对话深入讨论了 Digital Red Queen，这种视角对 agentic AI 的未来至关重要。与此同时，Kumar 本人也提醒，随着大量自主 AI 出现，人工生命的思想会越来越重要。这为视频提供了明确的现实背景：智能体时代的组合优化与开放性挑战，正在让进化重新成为问题。
视频给出的不是结果复述，而是机制解释。Kumar 直接反驳了 AI 领域把进化当作随机搜索的流行看法：选择机制会保留已解决的部分解，从而把指数级搜索转化为线性搜索；突变只需要约 1% 的时间有用，进化就能持续构建。正因如此，LLM 零样本失败并不妨碍它在进化循环中大放异彩——选择机制“挂住”成功，后续构建才会累积。
这一解释进一步延伸到了学习路径。当前模型可以任意顺序学习，Kumar 将其称为“统计智能”；而人类和进化都遵循路径依赖的顺序。路径本身会在表征中构建规则性、对称性与鲁棒性。DRQ 中把 LLM 当作突变算子而非直接生成器，正是给系统重新引入选择与保留的路径，而不是依赖一次性的统计生成。
视频还把 DRQ 放进了更广的人工生命框架。ASAL 用基础模型评判器搜索全部 262144 条生命类规则，发现最有趣、最开放的模拟聚集在一个很小的岛上。这说明，用统计智能去评价和引导、再由进化保留有效结构，可能是从“可能存在的生命”空间中寻找智能原则的一条可行路径。
因此，这场对话的独特价值在于给出判断标准：DRQ 需要 MAP-Elites 等维持多样性的进化策略，而非贪心遗传算法；多轮对抗后，战士行为方差下降，趋向通用型而非专才。这为 agentic AI 当前的组合优化和开放性难题提供了具体方法，而不仅仅是重申“进化有用”。
核心结论
- 进化不是随机搜索，选择机制把指数问题转化为线性问题：选择会保留已解决的部分解，使突变只需约1%的时间有用就能持续进步，这是进化算法高效解决离散组合问题的根本原因，直接反驳了AI领域对进化的普遍低估。
- 只研究地球生命和人类大脑无法得出智能与生命的普遍原则：人工生命的目标是研究所有可能生命形式的空间，通过在其他宇宙中进行反事实分析，才能揭示涌现复杂性的条件，而非仅描述单一实例。
- 学习路径本身塑造表征结构，统计智能可能缺失了根本性的规则性：顺序化、路径依赖的学习过程在表征中构建规则性和对称性，带来鲁棒性与泛化能力；当前AI可以任意顺序学习，这种统计智能虽然表现完美，但可能缺少某种根本性的东西。
- ASAL用基础模型自动搜索模拟空间，发现开放性集中在极小的规则岛上：在262144条生命类规则中，最有趣、最开放的模拟聚集在一个小岛上，而大部分规则空间是封闭的，这说明开放性并非随机分布，而是需要特定的规则条件。
- LLM单独写Redcode很差，但作为进化突变算子可击败96%的人类战士：Core War实验证明，进化加LLM的组合远强于单独使用LLM，且多轮对抗进化使战士趋向通用型而非专门针对特定对手的专家，展示了进化循环在组合优化中的独特价值。
观点拆解
1. 进化不是随机搜索，而是通过选择保留部分解来把指数问题变成线性问题
-
进化不是随机搜索，而是解决离散组合问题的最强大算法之一：Akarsh Kumar 直接反驳了AI领域将进化视为“无法使用梯度下降时的笨拙替代品”的流行看法。他指出，进化在需要先拼对局部、再拼对整体的离散组合问题上具有独特优势，其核心机制是选择会保留已解决的部分解，从而把指数级搜索转化为线性搜索。
“我注意到AI领域的人往往把进化看作一种非常愚蠢、天真的算法，只在无法使用梯度下降时才用它。他们基本上把它称为随机搜索。我想澄清的是，进化绝非随机。”
“进化可能是我们所知的解决离散组合问题的最强大算法，在这类问题中，你需要在拼对整体之前先拼对各个部分。”
-
选择机制被严重低估：保留部分解让指数搜索变成线性搜索：进化的力量不在于突变本身，而在于选择机制会“挂住”已经解决的部分，然后只搜索剩余的部分。这意味着搜索复杂度从指数级降为线性级，这是进化算法能够高效解决复杂组合问题的根本原因。
“如果你解决了拼图的一个部分，并把它保留下来，然后继续搜索其他部分，你就可以把指数搜索问题转化为线性搜索问题。”
“进化中的选择机制真的被严重低估了，因为如果你解决了拼图的一个部分，并把它保留下来，然后继续搜索其他部分，你就可以把指数搜索问题转化为线性搜索问题。”
-
突变只需约1%的时间有用，进化就能持续进步：进化算法对突变质量的要求并不高：只要突变在约1%的情况下是有用的，选择机制就能保留这些成功并在此基础上继续构建。这解释了为什么进化在看似低效的随机扰动下仍然能够产生复杂结果。
“它所需要的只是你的突变在约1%的时间里是好的。”
“LLM当然不能给你100%的成功率，但它们可以给你远超1%的成功率。所以每当成功时，你就可以保留那个成果并在其上继续构建。”
2. 理解智能和生命必须研究所有可能形式的空间，而不能只看地球上的单一实例
-
人工生命的目标是研究“可能存在的生命”，而不是只描述地球上的现有生命：Akarsh Kumar 将人工生命定义为对“生命可能是什么样”的研究，而非对“生命现在是什么样”的描述。这一区分意味着，如果只关心地球生命，生物学已经足够；人工生命的独特价值在于打开更广阔的可能性空间，为理解生命和智能提供不同于经验观察的视角。
“人工生命真正关注的是理解“生命可能是什么样”，而不是“生命现在是什么样”。我们需要理解所有可能智能的空间、所有可能生命形式的空间。”
“如果我们真的只想理解地球上的生命以及它现在的样子，我们就会去研究生物学，对吧？这和我们不仅仅通过研究神经科学来理解智能是同一个道理。”
-
只研究单一实例无法得出关于智能和生命的普遍原则：Kumar 借用 Jeff Clune 的比喻指出，只看一辆车就断言所有车的构造，或者只看人类大脑就断言所有智能的形式，在认识论上是站不住脚的。要声称理解智能或生命，必须研究整个可能性空间，只有这样才能提炼出支配智能和生命的普遍原则。
“如果我们想声称自己理解智能或理解生命，就不能只谈论这一种特定的生命形式。我们需要理解所有可能智能的空间、所有可能生命形式的空间。只有到那时，你才能谈论支配智能或支配生命的普遍原则。”
“你不能只看一辆车就说所有车都是这样的，对吧？同样地，你不能只看 GT5 就说所有智能都是这样的。你不能只看人类大脑就说所有智能都是这样的。存在一个事物的空间，我们需要研究整个空间。”
-
人工生命可以在其他宇宙中进行反事实分析，揭示涌现复杂性的条件：Kumar 强调人工生命的力量在于可以自由设定人工世界的规则，从而在不同于我们宇宙的条件下进行反事实分析。通过改变人工物理和人工化学的参数，研究者可以追问哪些世界会产生开放式的复杂性和涌现，哪些世界只会产生随机噪声，这正是他研究议程的核心问题。
“这是我最喜欢人工生命的一点：你可以把它根植于任何你想要的人工世界中。人工生命中有一个子领域叫人工化学，它不是使用普通的氢和氦，而是改变它们相互作用的方式，看看会发生什么。这就是人工生命的力量。你可以在其他宇宙中进行反事实分析。”
“在什么样的世界中我们能获得这种开放式的复杂性创造和涌现，在什么样的世界中我们得不到，以及为什么？关键问题是：为什么这套物理参数运行起来会产生这种惊人的现象，而那套物理参数运行起来却不会，只会产生随机噪声？”
3. 学习路径比最终结果更重要：顺序化、路径依赖的学习过程塑造了表征的结构
-
当前AI的“统计智能”可以跳过学习顺序，但这可能是一种根本性的缺失：Akarsh Kumar指出，人类和动物必须按照自然课程循序渐进地学习，而当前模型却可以任意顺序学习任何内容，这种“统计智能”虽然在统计上近乎完美，却可能缺少了某种根本性的东西。这一对比直接挑战了“只要能拿到高分就无所谓路径”的主流训练观念。
“如果你看人类和动物如何学习，他们有一种自然的课程：我要先学这个，再学那个，没有别的办法。但如果你看我们的模型是如何训练的，你可以用任何东西训练它，它都能工作。”
“我真的很喜欢把它们称为统计智能，它们在统计上基本上完美。但这种FE理念和Preeder这一系列工作，基本上是我们试图研究的另一种智能范式。”
-
顺序化、路径依赖的学习过程会在表征中构建规则性，从而带来鲁棒性和泛化能力：Kumar认为，人类按顺序学习和进化按路径依赖方式运作，正是这种过程在表征中创造了良好的规则结构，进而带来鲁棒性、适应性和泛化能力。这意味着学习路径不只是达到结果的手段，它本身就塑造了所学内容的结构。
“我认为，人类以这种顺序方式学习、进化以这种路径依赖方式运作，正是它在所使用的表征中创造出如此良好的规则结构的原因，也是它如此鲁棒、适应性强、可泛化的原因。”
“为了做到这一点，你需要有一个复杂化的过程，在这个过程中你以顺序的方式在已有规则性之上构建新的规则性。”
-
课程学习本质上是一种极强的正则化，它约束模型走向正确的路径：Kumar将课程学习与深度学习中常见的正则化手段进行类比，认为尊重学习路径和已学到的对称性，实际上是对模型施加的一种极强正则化。这种约束不是限制能力，而是把搜索空间导向更可能产生良好表征的方向。
“我认为课程学习——基本上就是你想尊重这些对称性——只是另一种形式的正则化，但我认为这是对模型施加的极其极其极其强的正则化，也许正是我们真正需要的那种正则化。”
4. 统计智能与基于规则性的智能是两种不同的智能范式，不应把所有赌注都押在统计路径上
-
统计智能与基于规则性的智能是两种不同的智能范式，不应把所有赌注都押在统计路径上：Akarsh Kumar 明确区分了两种智能范式：当前深度学习所代表的“统计智能”在统计意义上已经近乎完美，但 FER（Fractured Entangled Representation）这条研究线索指向的是另一种“基于规则性的智能”。他承认统计路径取得了很大成就，但强调不应把全部资源都押在单一范式上，因为另一种范式同样有大量证据支持其价值。
“我真的很喜欢把它们称为一种统计智能，它们在统计上基本上已经完美了。但 FER 这个想法以及 Preeder 这条工作线索，基本上是我们正在研究的另一种智能范式。所以这是统计智能和基于规则性的智能之间的区别。”
“我真的很喜欢统计智能这个想法。我觉得我们在这条路上做得很好，我们仍然应该继续走这条路，但我们也应该不要把所有的鸡蛋都放在一个篮子里，要真正去理解另一种东西，因为有很多证据表明另一种东西也有很多价值。”
-
对深度学习的各种批评本质上都是在呼吁向系统注入规则性和对称性：Kumar 指出，人们围绕深度学习提出的各种改进方向——符号处理、几何深度学习、更多归纳偏置——虽然分属不同领域，但本质上都是在向系统添加规则性和对称性。这一观察把分散的批评统一到了一个共同的框架之下，说明规则性不是某个流派的特殊偏好，而是智能研究中反复出现的核心需求。
“这真的和所有对深度学习的批评联系在一起，它们基本上都是在谈论规则性。每当人们说我们需要符号处理，我们需要几何深度学习，我们需要更多归纳偏置，人们有各种不同的领域，有完整的领域在研究我们需要什么，对吧？它们都是在向系统添加规则性和对称性的形式。”
-
规则性不应只被编码在假设空间中，更应体现在学习到的神经回路里：Kumar 进一步指出，CNN 的平移不变性和 Transformer 的置换不变性固然有用，但很多现实世界的不变性——例如光照不变性——很难用数学方程预先编码。因此需要一种“数据驱动的对称性学习”机制，让规则性自动形成在神经回路中，而不是仅仅作为搜索空间中的先验约束。这意味着规则性智能的关键不在于预设假设，而在于学习过程本身塑造出的结构。
“人们喜欢 CNN 是因为它们是平移不变的，对吧？人们喜欢 Transformer 是因为它们是置换不变的，它们编码了某些对称性，这很好。但是你能把光照不变性编码进你的模型吗？比如你希望你的 CNN 或图像模型对白天还是黑夜保持不变。世界上可能没有方程能帮你做到这一点。”
“你真正需要的是一种数据驱动的对称性学习机制，它能自动地尊重这种对称性，并形成天然具有这种归纳偏置的神经回路。归纳偏置不在我们搜索的假设空间中，而在我们找到的解决方案中，也就是神经回路中。规则性被烘焙进了回路里。”
5. ASAL用基础模型作为评判者来自动搜索人工生命空间，发现了开放性的'小岛'
-
ASAL把人工生命从“手工设计单个模拟”推进到“自动搜索整个模拟空间”：传统人工生命研究往往只模拟单个系统并从中下结论，但Akarsh Kumar认为真正该研究的是模拟空间本身。ASAL的做法不是硬编码一个模拟，而是参数化一整个模拟空间，让算法自动搜索，这大幅降低了设计难度。
“与其硬编码一个单一模拟，你参数化一个模拟空间，这要容易得多。”
“这就像编码元素周期表、规定每个元素如何相互作用，与只说会有100种元素、让算法自动去搜索它们如何相互作用的区别。”
-
用基础模型替代人类评判，是为了捕捉“复杂性”和“开放性”这类难以数学化的主观标准：ASAL不预设具体的涌现形态，而是让基础模型判断模拟是否开放、有趣。这样做的原因在于，复杂性、涌现和有趣性很难被精确数学化，如果强行用简单指标优化，就会落入古德哈特定律：得到你要求的，而不是你真正想要的。
“我们不是在搜索我们想要的特定状态配置。我们只是说我们想要某个开放式的模拟，它可以以任何方式开放。只要基础模型认为它是开放的，它就行。”
“我们使用基础模型的原因不只是因为它是最新最棒的东西，而是因为我们真的在乎人类如何看待这些模拟，因为很难描述什么是复杂性、什么是涌现。”
“如果你真的把它数学化并针对那些模拟去优化，你就会发现古德哈特定律。你会找到你要求的东西，但不是你想要的东西。”
-
在262144条生命类规则中，最有趣的模拟集中在一个“开放性小岛”上：ASAL把全部262144条生命类规则跑出来，用CLIP把模拟图像映射到二维空间，并按开放性着色。结果显示，大部分规则空间是封闭的、不产生开放性，而所有最酷的模拟都聚集在一个小岛上，其中一些甚至涌现出像细胞一样移动和持续存在的物体。
“有260000条规则，我们把它们全部画了出来。我们发现确实有一个大的非开放式解之岛，还有一个小的解之岛，所有最酷的模拟都在那里。”
“你可以看到有不同的岛。有一个大岛、一个较小的岛，还有一个很小的岛，上面只有一个模拟，它的行为特性与所有其他模拟都非常不同。”
“其中一些最终创造出移动的小图案，看起来像细胞。这个像细胞一样的物体在利用物理规律，在这个世界里创造出一个持续存在的物体。”
6. 基础模型作为'冒名者'评判者可以引导出真正有结构的模拟，因为这里只需要行为层面的判断
-
基础模型的“冒名者”表征并不妨碍它成为有效的评判者，因为ASAL只依赖行为层面的判断：Akarsh Kumar指出，基础模型虽然可能具有破碎纠缠的表征并产生“冒名者”，但在ASAL方法中，模型只被用来评估模拟输出的行为，而不需要关心其内部表征是否被良好分解。这意味着评判任务对表征质量不敏感，因此基础模型在这类任务上的表现可以非常可靠。
“基础模型在这类任务上的表现会是无懈可击的，因为这正是那种你只关心输出行为的情况。你不关心它的内部表征，也不关心某种意义上的创造力。”
“你之前论证过基础模型具有破碎纠缠的表征，它们会产生冒名者，但你只需要这个冒名者，因为你所做的只是让它充当评判者，然后用它来引导出某种具有分解表征的东西。”
-
用统计智能引导出具有真实规则性和持久性的有机模拟，是一条可行的路径：Akarsh Kumar认为，人类通过提示词注入意图，基础模型作为统计智能来评判模拟行为，可以引导出具有真实世界属性的有机粒子模拟。这种模拟在持久性等行为层面表现出良好的结构，说明统计智能可以被用来引导出规则性智能。
“人类负责注入那些提示词，而你用这种统计智能来引导出一个真正的、自然的、有机的粒子模拟，它应该具有我们真实世界的所有属性。”
“在这种情况下，它们被评估并期望在模拟的未来中保持持久性。所以从这个意义上说，它们的结构非常好，因为它们能够无限期地持续下去。你可以把这个模拟运行几百万个时间步，它们仍然会做它们正在做的事情。”
-
“冒名者”的判定应基于未来任务表现，而非内部模块化等结构特征：Akarsh Kumar提出，判断一个系统是否为“冒名者”，应该看它在未来任务上的表现和适应能力，而不是看它是否具有模块化等特定的内部结构。这一标准为理解ASAL中基础模型作为评判者的合理性提供了理论依据。
“我认为冒名者这个概念，我喜欢把它建立在其在未来任务上的表现以及它如何适应我们希望它适应的事物上。我不太喜欢把它建立在模块化或类似的具体东西上。”
“你可以想象，如果这些void真的是UFR或者被很好地分解了，那么对它们网络的小改动会以很好的方式改变集体的全局行为，比如从螺旋变成三角形或其他很酷的形状。但在这种情况下它们不会那样做，如果你扫描参数，它们实际上会退化，变得基本上是随机的。所以从这个意义上说，它确实是一个冒名者。”
7. LLM单独写Redcode很差，但作为进化循环中的突变算子配合验证器可以击败96%的人类战士
-
LLM零样本写Redcode表现糟糕，单独生成无法胜任Core War编程：实验首先确认了一个反直觉的基线：让LLM直接生成Core War的汇编语言Redcode程序，效果很差。无论是零样本生成还是best-of-n采样，都无法产出有竞争力的战士程序。这排除了“LLM本身已经会写Redcode”的简单解释，为后续证明进化循环的价值建立了对照。
“重要的是，LLM并不擅长Redcode。如果你直接让它零样本生成这种语言，结果很糟糕。如果你做best-of-n采样，结果也很糟糕。”
-
把LLM作为突变算子嵌入进化循环，第一轮就能击败或打平96%的人类战士：当LLM不再被要求独立写出完整程序，而是作为进化算法中的突变算子、配合验证器进行选择时，系统能力发生质变。在包含约300个人类编写战士的数据集上，第一轮进化训练就能击败或打平其中96%。这直接证明了进化加LLM的组合远强于单独使用LLM。
“第一个主要结果是，在第一轮训练中，我们就能击败一个人类战士数据集中大约96%的样本。这个数据集大约有300个人类战士。仅仅通过用LLM来进化它们，我们就能击败其中96%。”
“但如果你做这种进化，并且有验证器在回路中，结果就变得非常好。这和AlphaEvolve的教训是一样的：这些LLM不擅长零样本生成某些类型的证明之类的东西，但如果你让它们带着验证器在回路中进化，它们可以变得非常非常强大。”
-
进化循环需要MAP-Elites而非贪心遗传算法，因为优化空间具有欺骗性和非局部性：实验的算法设计揭示了一个关键细节：Core War的战士优化空间是高度欺骗性的、非局部的，普通的贪心遗传算法会失效。团队因此采用了MAP-Elites来维持多样性并探索行为空间。这说明进化与LLM的结合并非简单拼接，而是需要针对问题结构选择合适的进化策略。
“我们实际上最终使用了MAP-Elites，因为你要优化的空间非常具有欺骗性，非常非局部。所以如果你只做一个普通的贪心遗传算法，它不会奏效。你需要用MAP-Elites。”
8. 多轮对抗进化使Core War战士趋向于通用型，行为方差随轮次增加而下降
-
多轮进化让战士越来越能击败未见过的对手，通用性随轮次提升：Akarsh Kumar指出，经过多轮对抗性进化后，后续轮次产生的Core War战士更可能击败它们从未见过的人类编写的战士。这说明进化过程不是只记住训练对手，而是在逐步形成可迁移到新对手上的通用能力。
“如果你进行多轮进化，那么你在更后面得到的这些战士会变得越来越通用，也就是说，它们更可能击败它们从未见过的人类战士。”
-
行为方差随轮次下降，战士正在趋向于单一通用型：通过描述战士行为特征的向量，研究发现随着进化轮次增加，这些战士的行为方差持续下降。这意味着它们不是分散成各种专门针对特定对手的专家，而是在行为上越来越像一个统一的通用型战士。
“我们有一个描述这些战士行为的向量，随着轮次增加，这些战士行为的方差会下降。所以这意味着它们正在变得更通用，并且趋向于降低方差。它们在行为上正在变成一种单一的通用型战士。至少趋势是这样的。”
-
进化不是随机搜索，选择机制能把指数搜索变成线性搜索：Akarsh Kumar反驳了AI领域中将进化视为“随机搜索”的常见误解。他强调选择机制被严重低估：只要保留已经解决的部分，再继续搜索其他部分，就能把指数级搜索问题转化为线性搜索问题。这解释了为什么多轮进化能够稳定收敛到通用型战士。
“我注意到AI领域的人往往把进化看作一种非常愚蠢、朴素的算法，只在你无法做梯度下降时才使用。他们基本上把它称为随机搜索。但我想澄清，进化绝不是随机的。进化可能是我们所知的解决离散组合问题最强大的算法。”
“进化中的选择机制真的被严重低估了，因为如果你解决了拼图的一部分并保留它，然后继续搜索其他部分，你就可以把指数搜索问题转化为线性搜索问题。”
总结
这期对话的真正冲击力不在于某个单独的实验结果，而在于它把进化、学习路径和规则性智能串成了一条对当前AI范式的系统性质疑：统计智能可以在行为层面近乎完美，却可能因为跳过了路径依赖的构建过程而缺失了某种根本性的结构。ASAL和Core War实验则给出了一个建设性的方向——用统计智能作为评判者或突变算子，去引导出具有真实规则性和通用性的系统。这或许意味着，通往更强智能的路径不是抛弃统计方法，而是重新找回进化与选择在构建表征中的位置。
信息源
视频来源
- What Most People Get Wrong About Evolution | Akarsh Kumar：
外部资料
- Adversarial Program Evolution in Core War with LLMs：
- Adversarial Program Evolution in Core War with LLMs：
- SakanaAILabs：
- akarshkumar0101：
- AI Tested Every Possible Version of the Game of Life：