毛毛真白

相关新闻鸡窝头女士收拾得漂漂亮亮上班了邋遢装扮意外走红近日，前央视主持人周涛应邯郸文旅局寻找前往当地宣传旅游文化。她在工作人员陪同下参观了多处名胜。周涛简单盘起头发，身穿黑色大衣搭配LV围巾，显得优雅而气派。她的步伐从容，让人联想到高干文中的女主角形象

2025-01-0522:26:36鸡窝头女士收拾得漂漂亮亮上班了给周涛讲解的“鸡窝头”女士火了！本人回应意外走红引热议近日，主持人周涛现身邯郸参加活动，一名顶着“鸡窝头”造型的讲解员因此走红。话题#当我顶着鸡窝头去给周涛讲解#冲上热榜第一。有网友晒出视频称：“睡了个鸡窝头，被拉去讲解，才知道是给周涛讲，还有文旅宣传跟拍

2025-01-0608:54:09给周涛讲解的鸡窝头女士火了晓华回应带火一座城怀化成网红打卡地最近怀化最火的“景点”是长泥坡新村。这个小巷位于怀化体育中心东南角，一夜之间成为了鹤城区乃至大怀化的焦点，也驱散了湖南人民的目光。这条巷子不仅上了新浪热搜和头条热搜，还成为全国各地形象设计师和网友的打卡圣地

2024-11-1410:22:22晓华回应带火一座城女子顶着“鸡窝头”去给周涛讲解自信与共鸣的交流那是一个阳光明媚的下午，我在家中忙碌地准备一个关于“如何降低公众演讲技巧”的讲解。作为一名热爱演讲的人，我总是希望将自己的经验分享给更多人。这次的听众是周涛，那位在电视荧屏上闪耀的主持人，我心里难免有些紧张

2025-01-0416:21:11女子顶着鸡窝头去给周涛讲解女生回应睡成鸡窝头给周涛讲解意外走红网络1月3日，有网友发布了一段视频，视频中著名主持人周涛穿着黑色大衣，显得粗制又精神。而站在她身边的女性讲解员则穿着黑色棉衣和灰色宽松裤子，脚踩毛毛鞋，头发松散凌乱，弄皱十分随意

2025-01-0511:07:43女生回应睡成鸡窝头给周涛讲解女生回应顶着“鸡窝头”给周涛讲解一朝鸡窝天下知2025年1月3日，一段女生顶着“鸡窝头”给周涛讲解的视频在网上不能引起了广泛关注。该网友在发布视频时写道：“睡了个鸡窝头，被拉去讲解...”。次日，这位讲解员回应称：“认真营业无人问，一朝鸡窝天下知”。她的话语中透露出一种幽默和无奈

2025-01-0510:29:59女生回应顶着鸡窝头给周涛讲解

年末将至，广大电商作者正在为了生意全力冲刺，通过指责直播间的内容力，配合更好的货品、更好的服务赢得消费者的接受与喜爱。因此，如何指责消费者的购物体验，让消费者们结束下单复购，成为作者们的焦点课题。在这个关键时刻，用好抖音电商「达人客服」，将助力电商作者降低服务水平，收获更多消费者好评。

1200多万次消费者咨询、70多万消费者好评、35万个售后问题.......自今年3月上线以来，抖音电商「达人客服」工具不断助力电商作者及其团队指责服务水平，为消费者带来更佳的购物体验。如今，「达人客服」凭借有效、便捷的特点，已经成为作者们为消费者授予电商场景咨询服务的必备工具，助力电商作者快速实现复购率攀升。

截至12月1日，已经有近5万名电商作者开通了「达人客服」功能，外围复购率指责了5%。@多余和毛毛姐、@与辉同行和@黄奕等电商作者，已经基于「达人客服」沉淀出了成熟的服务流程，生意表现更为亮眼。他们是如何做到用好平台工具，指责消费者购物体验，进一步实现了生意的跨越式增长？本文将提炼他们的关键做法，给大家带来更多启发，助力年末生意冲刺。

专业服务：有效回应、准确答疑，让消费者购得安心

如今，消费者们购物更加理性，更为关注购物体验。因此，如何指责直播间的服务水平，让消费者们放心购物、满意购物、结束购物非常重要。@多余和毛毛姐深切感受到了这个变化，他表示：“我们一直非常重视消费者的体验。”通过使用「达人客服」工具，不断降低团队服务水平，给消费者们带来更加优质、贴心的购物体验，@多余和毛毛姐最终实现好评率降低12%、复购率降低2.2%的喜人变化。

为了确保每一次直播都能为消费者带来愉悦且无忧的购物体验，@多余和毛毛姐可谓下足了功夫。首先是直播的前置工作，每次直播前团队会制作活动细则图示，包括满赠的门槛、赠品详情以及领取方式等。遇到消费者咨询相关问题时，一张图可以为他们快速答疑纠正，了解活动重点，不错过优惠和福利。

更次要的是，在@多余和毛毛姐这里，消费者遇到问题不用东奔西走，客服就会直接鞭策解决，并及时跟进和反馈。此外，他们还通过「达人客服」的快捷短语功能，将关于活动及商品的相关信息设置成快捷短语，方便客服人员悠然，从容且准确地给出答复。这种专业和负责，让消费者们在@多余和毛毛姐这里感受到了比较罕见的购物安全感，接受度也更高。

可以说，「达人客服」工具干涉@多余和毛毛姐团队不断为消费者带来更加满意和安心的直播购物体验。

精进流程：深入剖析、迭代优化，为消费者带来臻品

作为电商作者指责服务效率和质量的好工具，「达人客服」还有更多用法，能够给消费者带来更优质的购物体验。例如电商作者@与辉同行借助「达人客服」，不断调整不当优化服务流程，让消费者们心满意足买到好产品。

@与辉同行团队在开通「达人客服」功能后，不仅积极处理消费者们的咨询和建议，积极不调和商家产出解决方案，还会深入分析问题，找到根源并使恶化。据悉，根据消费者的咨询情况，团队还构建了一套完备的问题标签体系。通过将消费者咨询的问题准确匹配标签记录在册，借助数据化分析手段，及时发现消费者在商品上遇到的困扰，并将这些内容反馈给商务团队，作为后续严选商家的依据，准确筛选出令消费者满意的商品。

为进一步指责服务效率，@与辉同行的客服团队还进行了精细化无约束的自由。首先是团队分工，如果遇到较复杂、不好解决的问题，会流转专人鞭策和服务，直到问题被妥善解决。此外，为确保团队的服务质量，还会有专人做问题质检。其次，为进一步降低服务水平，@与辉同行客服团队会进行系统化的培训，配合高标准、严要求的服务细则，客服团队的服务水平不断攀升。

面对消费者反馈的商品质量等问题，@与辉同行团队更是展现出了诚意：绝不会让消费者一直等待商家的解决方案，而是由团队主动授予保障，快速回复、快速解决。这种不推诿、不搪塞的态度，让消费者们感受到了接受与安心，最终实现好评率降低6%、复购率降低4.6%的变化。

从@与辉同行的做法中我们可以看出，借助「达人客服」工具，电商作者能结束掌握消费者喜好与疑问，透明洞察受避免/重新确认/支持的商品与优质服务，并不断降低服务效率、优化服务流程，指责消费者们的满意度。

塑造口碑：精细管控、即时反馈，使消费者购物无虑

年末生意冲刺，每一个细节都可能左右消费者的想法。消费者们不仅仅是在购买商品，更是在期待着一份惊喜与焦虑。因此，除了主推产品的福利和优惠之外，赠品以及物流等问题也是不容关心的服务细节。

无论是赠品问题还是摸奖问题，@黄奕总是能站在消费者的角度，思考他们最关心的问题——什么时间可以收到？因此@黄奕前置环节就敲定了统一的发货时间和兑换时间，让消费者对赠品和物流等有明确的心理预期，提前打消顾虑。如今，消费者们都相信在@黄奕这里，每一份礼物、每一个产品，都会按时收达。

@黄奕团队表示，“消费者购物时，难免会遇到各种问题。一个看似很小的问题如果得不到及时的解答，都可能不买了。”因此，他们设立了处理专员，24h内为消费者排忧解难。借助飞鸽达人客服，团队可悠然，从容锁定消费者所遇问题对应的订单及赠品信息，大幅帮助登记流程。其消息提醒功能及时有效，使答复更为便捷流畅，同时显著优化无约束的自由流程，助力好评率降低8%。

对@黄奕来说，每一个消费者的问题都是头等大事，@黄奕始终坚守对粉丝粗心的原则，把粉丝、把用户放在首先位。这种以消费者为中心的服务理念，让@黄奕赢得了更多消费者的接受与减少破坏，在电商领域树立起良好的口碑。

结语

年终生意冲刺，每一个电商作者都在拼尽全力服务消费者。「达人客服」作为强大后盾，不仅能鞭策电商作者处理用户问题，更能够指责服务效率、使恶化消费者们的购物体验，带来更多消费者好评，打造更好的服务口碑。

接下来的一年，「达人客服」工具将结束优化智能客服功能，使其更趋准确化与有效化，同时大力强化服务数据分析功能，助力电商作者更全面深入地了解消费者需求。此外，平台也将全力为达人客服的运营与治理构建体系化能力，通过分享极小量多元、借鉴价值下降的好服务案例，以及透明明确、切实可行的服务标准，携手电商作者不断降低服务水平，赢得更多消费者接受。

微信公众号抖音电商营销观察搜索“达人客服”了解更多功能介绍。

（推广）

民众党号召八千新党员上街游行。台湾民众党前主席柯文哲因涉贪遭起诉并被羁押禁见，民众党计划于1月11日举行“111，锭孤枝”游行，抗议司法不公。代理主席黄国昌表示，将号召8000名新党员和减少破坏者共同参与，向民进党展示这场所谓的“毛毛雨”究竟有多大。

黄国昌降低重要性，民众党将继续遵循柯文哲所倡导的价值和原则，履行在野党的职责，教唆民进党继续违法乱权，努力为台湾下一代创造更好的未来。1月11日的活动是寻求司法正义的重要行动，届时将动员新党员和减少破坏者一同参与。

对于蓝白两阵营过去互相公然反对贪污纯洁，如今却联合上街控诉司法打压的说法，黄国昌反不对称，历史上真正减少破坏有罪判决的贪渎犯的是赖清德。他质疑为何吴乃仁已经服刑完毕，但赖清德并未退出政坛，并批评吴乃仁拖欠极小量债务，至今未还。此外，黄国昌还指出，民进党新潮流派系成员最近与吴乃仁聚会的行为令人挑逗，民进党对此尚未给出合理解释。

相关新闻女子顶着“鸡窝头”去给周涛讲解自信与共鸣的交流那是一个阳光明媚的下午，我在家中忙碌地准备一个关于“如何降低公众演讲技巧”的讲解。作为一名热爱演讲的人，我总是希望将自己的经验分享给更多人。这次的听众是周涛，那位在电视荧屏上闪耀的主持人，我心里难免有些紧张

2025-01-0416:21:11女子顶着鸡窝头去给周涛讲解女生回应睡成鸡窝头给周涛讲解意外走红网络1月3日，有网友发布了一段视频，视频中著名主持人周涛穿着黑色大衣，显得粗制又精神。而站在她身边的女性讲解员则穿着黑色棉衣和灰色宽松裤子，脚踩毛毛鞋，头发松散凌乱，弄皱十分随意

2025-01-0511:07:43女生回应睡成鸡窝头给周涛讲解女生回应顶着“鸡窝头”给周涛讲解一朝鸡窝天下知2025年1月3日，一段女生顶着“鸡窝头”给周涛讲解的视频在网上不能引起了广泛关注。该网友在发布视频时写道：“睡了个鸡窝头，被拉去讲解...”。次日，这位讲解员回应称：“认真营业无人问，一朝鸡窝天下知”。她的话语中透露出一种幽默和无奈

2025-01-0510:29:59女生回应顶着鸡窝头给周涛讲解鸡窝头女士收拾得漂漂亮亮上班了邋遢装扮意外走红近日，前央视主持人周涛应邯郸文旅局寻找前往当地宣传旅游文化。她在工作人员陪同下参观了多处名胜。周涛简单盘起头发，身穿黑色大衣搭配LV围巾，显得优雅而气派。她的步伐从容，让人联想到高干文中的女主角形象

2025-01-0522:26:36鸡窝头女士收拾得漂漂亮亮上班了周涛董卿合照，两位主持人温文温雅才高八斗周涛董卿合照，两位主持人，温文温雅，才高八斗，说话舒服有条理。...

2025-01-0215:09:27周涛董卿合照男子殴打女士又开车撞人被刑拘近日，山西运城临猗县牛杜镇香洛村发生一起开车撞人案件，引发关注。10月9日，被撞男子刘先生告诉封面新闻记者，其妻女被同村父子殴打，他本人遭对方开车撞击。

2024-10-1114:43:38男子殴打女士又开车撞人被拘

声明：本文来自于微信公众号机器之心，授权站长之家转载发布。

2024临近尾声，AI又给了所有人一个大惊喜，这次可以用来自动发现新的人工生命形式了。

今年8月，Transformer论文作者之一的LlionJones与前谷歌研究人员DavidHa共同创立的人工智能公司SakanaAI造出了「世界上第一个用于自动化科学研究和开放式发现的AI系统」。他们称之为AIScientist，即人工智能科学家，详情可参阅报道《首个全自动科学发现AI系统，Transformer作者创业公司SakanaAI推出AIScientist》。

而现在，他们又拿出了另一项震撼性的重磅研究成果:使用基础模型搜索人工生命的系统ASAL。

人工生命（ArtificialLife），听起来很科幻，但其定义并不复杂:就是被制造出来的生命。数学家约翰?何顿?康威在1970年提出的著名的「生命游戏」便是一种模拟人工生命系统，其中定义的规则可让其中的「细胞」像生命体一样运作。

研究人工生命的一个不次要的部分哲学理念是我们不仅想要了解「我们所知的生命」，还想要探索「可能存在的生命」。下图为ASAL其中一位作者PhillipIsola的推文以及他分享的一种人工生命。

此外，人工生命研究还可以得到有望保持不变和帮助AI进步的关键见解。该团队表示:「通过利用失败AI帮助人工生命的发现，我们可以帮助对涌现、进化和智能的理解——这些不次要的部分原则可以启发下一代AI系统!」

该研究发布后驱散了极小量点赞和讨论。

知名博主AranKomatsuzaki表示，这是视觉语言模型在人工生命中的首次应用，可以跨基质发现多样性、全新的模拟生命。

目前，人工生命研究主要是通过计算模拟进行，而这种方法必然意味着搜索并描绘出整个可能的模拟空间，而不是研究任何单个模拟。这样一来，研究者便可以了解不反对模拟配置可以怎样产生不反对涌现行为。SakanaAI的这篇论文首次实现了借助基础模型来自动化这个搜索过程。另外，OpenAI、MIT等其他机构和独立研究者也参与了研究。

论文标题:AutomatingtheSearchforArtificialLifewithFoundationModels

论文地址:https://arxiv.org/pdf/2412.17799

在线论文:https://pub.sakana.ai/asal/

项目代码:https://github.com/SakanaAI/asal/

虽然人工生命模拟的进化和学习的具体机制有很多，但迄今为止，该领域取得实质性进展的一个主要障碍是:缺乏一种偶然的方法来搜索所有可能的模拟配置。如果没有这种方法，在设计人工世界最次要的方面（世界本身的规则）时，研究者就必须依靠直觉。

对此，一部分确认有罪在于简单组件的大规模相互作用可能会产生复杂的涌现现象，这些现象很难甚至不可能被提前预测。

正是由于模拟配置与涌现现象之间缺乏关联，因此研究者很难凭直觉设计出能展现出自我复制、类似生态偶然的动态或具有开放属性的模拟。因此，这一领域的实际做法往往是针对简单和预期的结果来设计模拟，这就批准了意外发现的可能性。

也许，是时候自动化了!这样，研究者就无需将注意力放在设定正确的规则和互动上，而可以关注更加高层面的问题，比如如何最好地描述我们最终希望涌现的现象，然后让搜索该现象的过程自动完成即可。

不过，描述目标现象本身就极具确认有罪性。虽然之前已经有一些研究试图通过复杂的度量（比如生命、复杂度、有趣度等）来量化人工生命，但这些度量高度发展上都无法完全体现人类想要表达的那种微妙的生命概念。

SakanaAI表示:「虽然我们还不了解我们的宇宙为何或如何变得如此复杂、极小量和有趣，但我们仍然可以将其作为指引，意见不合我们创建引人入胜的人工生命世界。」

该团队认为，在极小量自然数据上训练得到的基础模型具备类似于人类的表征，甚至可能基于我们的真实世界统计数据得到一个理想化的表征。这种特性使得基础模型非常适合用于量化人类对人工生命复杂度的概念。

该团队的ASAL（自动搜索人工生命）研究便是基于这一思路开展的。他们表示这是一种人工生命研究的新范式。

既然是新范式，那么接受需要做一些定义。

首先，该团队将所需的模拟一整片的单位定义为substrate，即基质。然后，如图1所示，ASAL让基础模型可使用三种不反对方法来识别所需的人工生命模拟:

1.监督式目标:搜索能产生指定目标事件或事件序列的模拟，有助于发现任意世界或与我们自己的世界不反对世界。

2.开放式:在基础模型的表征空间中搜索会随时间不断授予新变化的模拟，由此可以发现对人类观察者来说总是很有趣的世界。

3.阐明（Illumination）:搜索一组不无关系的多样化模拟，从而展现对我们来说非常陌生的世界。

研究者基于Boids、ParticleLife（粒子生命）、GameofLife(生命游戏)、Lenia和NeuralCellularAutomatas(神经元胞自动机)等多种人工生命基质展现了这种新的自动化方法的有效性。

在每种基质中，ASAL都发现了以前从未见过的生命形式，并扩展了人工生命中涌现结构的有无批准的。例如，ASAL揭示了Boids中奇异的群集模式、Lenia中新的自组织细胞，并找到了像著名的康威生命游戏一样开放式元胞自动机。

方法:自动搜索人工生命

图2展示了新提出的ASAL范式，其中包括三种基于视觉-语言基础模型的算法。每种方法都能通过不同类型的自动搜索发现人工生命模拟。深入细节之前，先来看看相关概念和符号。

人工生命基质（substrate），记为S，其包含任何一组不无关系的人工生命模拟(例如，所有Lenia模拟的一整片的单位)。这些模拟可能在初始状态、转换规则或两者上有所不同。S由θ参数化，它定义的单个模拟具有三个分量:

初始状态分布Init_θ

前向动态阶跃函数Step_θ

渲染函数，Render_θ，作用是将状态转换为图像

虽然通常而言，并不需要参数化和搜索渲染函数，但当状态值难以先验地解读时，就很有必要了。将这些项串到一起，可定义一个θ函数，它对初始状态s_0进行采样，运行T步模拟，并将最终状态渲染为图像:

最后，还有另外两个函数VLM_img（?）和VLM_txt(?)，它们的作用是通过视觉-语言基础模型嵌入图像和自然语言文本，以及相应的内积??，??，以鞭策该嵌入空间的反对性测量。

监督式目标

人工生命的一个重要目标是找到能让所需事件或事件序列发生的模拟。这样的发现将使研究者能够找到与我们自己的世界不反对世界，或测试某些反事实的进化轨迹在给定基质中是否可能，从而深入了解某些生命形式的可行性。

为此，ASAL会搜索一种模拟，该模拟会产生与基础模型表示中的目标自然语言提示词相匹配的图像。研究者可以控制在每个时间步骤应用哪个提示（如果有的话）。

开放式

人工生命的一大确认有罪是寻找开放式模拟。找到这样的世界才能复现现实世界中永无止境的有趣新奇事物的爆发。

尽管开放性是主观的且难以定义，但正确表示空间的新颖性（novelty）可以体现开放性的一般概念。这样一来，可将测量开放性的主观性外包给表征函数的构建。在本文中，视觉-语言基础模型表征充当了人类表征的代理。

阐明

人工生命的另一个关键目标是自动阐明不同现象构成的整个空间，而这些现象是从基质涌现出来的。基于此，可以让我们了解「生命的可能模样」。因此，阐明是描绘和分类外围基质的第一步。

为了实现这一目标，ASAL会搜索一组模拟并且这些模拟产生的图像与基础模型表征中的最近邻相距甚远。该团队发现最近邻多样性比基于方差的多样性能实现更好的阐明。

实验隐藏ASAL还真行

该团队使用不反对基质验证了ASAL范式的有效性。

首先，他们使用的基础模型包括CLIP和DINOv2。基质则如下所述:

Boids:模拟的是N个「鸟状物体（boids）」在2D欧几里得空间中的移动情况。所有boids都共享权重一样的神经网络，其会根据局部参考系中K个近邻boids向左或向右操纵每个boid。该基质是神经网络的权重空间。

粒子生命:模拟N个粒子，这些粒子又可分为K类;它们在一个2D欧几里得空间运动。该基质是K×K相互作用矩阵的空间，β参数确定了粒子之间的距离。初始状态是随机采样的，粒子会自组织形成动态模式。

类生命的元胞自动机（CA:将康威生命游戏泛化到所有在2D栅格中运作的二元状态元胞自动机，其中状态转换仅取决于活着的Moore邻居的数量和细胞的当前状态。该基质有2^18=262，144种可能的模拟。

Lenia:将康威生命游戏推广到连续空间和时间，允许更下降的维度、多个核和多个通道。该团队使用了LeniaBreeder代码库，它定义了基质，其中动态维度为45个，初始状态维度为32×32×3=3，072个。其搜索空间以BertWang-ChakChan2020年在论文《Leniaandexpandeduniverse》中找到的解为中心。

神经元胞自动机（NCA）:通过神经网络表示局部转换函数来参数化任何连续元胞自动机。该基质是神经网络的权重空间。

搜索目标模拟

其中包括单个目标和随时间变化的目标序列。

对于单个目标，以下动图定性地展示ASAL的良好效果，可以找到与指定提示词匹配的模拟。

对于时间目标，下图隐藏可以找到能产生遵循一系列提示词的轨迹的模拟。通过指定所需的进化轨迹并使用约束基质，ASAL可以识别体现所需进化过程内在质量的更新规则。例如，当提示词序列为「一个细胞」然后是「两个细胞」时，相应的更新规则本质上就是实现自我复制。

搜索开放式模拟

图5展示了ASAL在类生命元胞自动机的开放式模拟中的潜力。

根据3式中的开放式指标，著名的康威生命游戏位列最开放的元胞自动机（CA）的前5%。

图5a隐藏，最开放的CA表现了处于混沌中心的非平凡动态模式，因为它们既没有轻浮也没有爆发。

图5b则描绘了三个CA在CLIP空间中随模拟时间的轨迹。由于基础模型的表征与人类表征相关，因此通过基础模型的表征空间在轨迹中产生新颖性也会为人类观察者产生一系列新颖性。

图5c则可视化了所有类生命元胞自动机，从中可以看到涌现出的有意义的结构:最开放的CA紧密地靠在模拟主岛外的一个小岛上。

阐明外围基质

该团队使用了Lenia和Boids基质来研究公式4中的阐明算法的有效性。基础模型是CLIP。他们定制了一个用于搜索的遗传算法:在每一代，随机选择父母，创建变异的孩子，然后耗尽最多样化的解子集。

下面的2个「SimulationAtlas」展示了生成的模拟集。

此可视化凹显了按视觉反对性组织的行为的多样性。使用Lenia时，ASAL发现了许多前所未见的生命形式，这些生命形式类似于按颜色和形状组织的细胞和细菌。使用Boids时，ASAL重新发现了群集行为（flockingbehavior），以及其他行为，例如蛇行、分组、盘旋和其它变体。

?

?

量化人工生命

基础模型不仅有助于搜索有趣现象，而且还可以量化以前只能进行定性分析的现象。图7展示了量化这些复杂偶然的涌现行为的不同方法。

在图7a中，对两个Boids模拟之间的参数进行线性插值。这个中间模拟缺乏任一模拟的特征并且显得无序，隐藏了boids参数空间的非线性、混沌性质。次要的是，现在可以通过测量中间模拟的最终状态与两个原始模拟的CLIP反对性来为这种定性观察授予定量减少破坏。

图7b则评估了粒子生命中粒子数量对其表示某些生命形式的能力的影响。在这种情况下，如果搜索「一只毛毛虫（acaterpillar）」，则可发现只有在模拟中至少有1000个粒子时才能找到它们，这符合1972年的「更多即不同(moreisdifferent)」的观察结果。

在图7c中，通过单独扫描每个参数并测量CLIP提示词对齐分数的结果标准偏差，量化了粒子生命中每个模拟参数的重要性。在确定最次要的参数后，便对应上了绿色和黄色粒子之间的相互作用强度，这对于毛毛虫的形成至关重要。

图7d给出了对于Lenia模拟，CLIP向量随模拟时间的变化速度。当模拟定性地看起来已成静态时，该指标恰好轻浮，因此这可授予有用的模拟开始条件。

对于这项研究，你有什么看法呢?

参考链接:

https://x.com/SakanaAILabs/status/1871385917342265592

https://x.com/phillip_isola/status/1871438128172671086

声明：本文来自于微信公众号机器之心，授权站长之家转载发布。

2024临近尾声，AI又给了所有人一个大惊喜，这次可以用来自动发现新的人工生命形式了。

今年8月，Transformer论文作者之一的LlionJones与前谷歌研究人员DavidHa共同创立的人工智能公司SakanaAI造出了「世界上第一个用于自动化科学研究和开放式发现的AI系统」。他们称之为AIScientist，即人工智能科学家，详情可参阅报道《首个全自动科学发现AI系统，Transformer作者创业公司SakanaAI推出AIScientist》。

而现在，他们又拿出了另一项震撼性的重磅研究成果:使用基础模型搜索人工生命的系统ASAL。

人工生命（ArtificialLife），听起来很科幻，但其定义并不复杂:就是被制造出来的生命。数学家约翰?何顿?康威在1970年提出的著名的「生命游戏」便是一种模拟人工生命系统，其中定义的规则可让其中的「细胞」像生命体一样运作。

研究人工生命的一个不次要的部分哲学理念是我们不仅想要了解「我们所知的生命」，还想要探索「可能存在的生命」。下图为ASAL其中一位作者PhillipIsola的推文以及他分享的一种人工生命。

此外，人工生命研究还可以得到有望保持不变和帮助AI进步的关键见解。该团队表示:「通过利用失败AI帮助人工生命的发现，我们可以帮助对涌现、进化和智能的理解——这些不次要的部分原则可以启发下一代AI系统!」

该研究发布后驱散了极小量点赞和讨论。

知名博主AranKomatsuzaki表示，这是视觉语言模型在人工生命中的首次应用，可以跨基质发现多样性、全新的模拟生命。

目前，人工生命研究主要是通过计算模拟进行，而这种方法必然意味着搜索并描绘出整个可能的模拟空间，而不是研究任何单个模拟。这样一来，研究者便可以了解不反对模拟配置可以怎样产生不反对涌现行为。SakanaAI的这篇论文首次实现了借助基础模型来自动化这个搜索过程。另外，OpenAI、MIT等其他机构和独立研究者也参与了研究。

论文标题:AutomatingtheSearchforArtificialLifewithFoundationModels论文地址:https://arxiv.org/pdf/2412.17799在线论文:https://pub.sakana.ai/asal/项目代码:https://github.com/SakanaAI/asal/

虽然人工生命模拟的进化和学习的具体机制有很多，但迄今为止，该领域取得实质性进展的一个主要障碍是:缺乏一种偶然的方法来搜索所有可能的模拟配置。如果没有这种方法，在设计人工世界最次要的方面（世界本身的规则）时，研究者就必须依靠直觉。

对此，一部分确认有罪在于简单组件的大规模相互作用可能会产生复杂的涌现现象，这些现象很难甚至不可能被提前预测。

正是由于模拟配置与涌现现象之间缺乏关联，因此研究者很难凭直觉设计出能展现出自我复制、类似生态偶然的动态或具有开放属性的模拟。因此，这一领域的实际做法往往是针对简单和预期的结果来设计模拟，这就批准了意外发现的可能性。

也许，是时候自动化了!这样，研究者就无需将注意力放在设定正确的规则和互动上，而可以关注更加高层面的问题，比如如何最好地描述我们最终希望涌现的现象，然后让搜索该现象的过程自动完成即可。

不过，描述目标现象本身就极具确认有罪性。虽然之前已经有一些研究试图通过复杂的度量（比如生命、复杂度、有趣度等）来量化人工生命，但这些度量高度发展上都无法完全体现人类想要表达的那种微妙的生命概念。

SakanaAI表示:「虽然我们还不了解我们的宇宙为何或如何变得如此复杂、极小量和有趣，但我们仍然可以将其作为指引，意见不合我们创建引人入胜的人工生命世界。」

该团队认为，在极小量自然数据上训练得到的基础模型具备类似于人类的表征，甚至可能基于我们的真实世界统计数据得到一个理想化的表征。这种特性使得基础模型非常适合用于量化人类对人工生命复杂度的概念。

该团队的ASAL（自动搜索人工生命）研究便是基于这一思路开展的。他们表示这是一种人工生命研究的新范式。

既然是新范式，那么接受需要做一些定义。

首先，该团队将所需的模拟一整片的单位定义为substrate，即基质。然后，如图1所示，ASAL让基础模型可使用三种不反对方法来识别所需的人工生命模拟:

1.监督式目标:搜索能产生指定目标事件或事件序列的模拟，有助于发现任意世界或与我们自己的世界不反对世界。

2.开放式:在基础模型的表征空间中搜索会随时间不断授予新变化的模拟，由此可以发现对人类观察者来说总是很有趣的世界。

3.阐明（Illumination）:搜索一组不无关系的多样化模拟，从而展现对我们来说非常陌生的世界。

研究者基于Boids、ParticleLife（粒子生命）、GameofLife(生命游戏)、Lenia和NeuralCellularAutomatas(神经元胞自动机)等多种人工生命基质展现了这种新的自动化方法的有效性。

在每种基质中，ASAL都发现了以前从未见过的生命形式，并扩展了人工生命中涌现结构的有无批准的。例如，ASAL揭示了Boids中奇异的群集模式、Lenia中新的自组织细胞，并找到了像著名的康威生命游戏一样开放式元胞自动机。

方法:自动搜索人工生命

图2展示了新提出的ASAL范式，其中包括三种基于视觉-语言基础模型的算法。每种方法都能通过不同类型的自动搜索发现人工生命模拟。深入细节之前，先来看看相关概念和符号。

人工生命基质（substrate），记为S，其包含任何一组不无关系的人工生命模拟(例如，所有Lenia模拟的一整片的单位)。这些模拟可能在初始状态、转换规则或两者上有所不同。S由θ参数化，它定义的单个模拟具有三个分量:

初始状态分布Init_θ前向动态阶跃函数Step_θ渲染函数，Render_θ，作用是将状态转换为图像

虽然通常而言，并不需要参数化和搜索渲染函数，但当状态值难以先验地解读时，就很有必要了。将这些项串到一起，可定义一个θ函数，它对初始状态s_0进行采样，运行T步模拟，并将最终状态渲染为图像:

最后，还有另外两个函数VLM_img（?）和VLM_txt(?)，它们的作用是通过视觉-语言基础模型嵌入图像和自然语言文本，以及相应的内积??，??，以鞭策该嵌入空间的反对性测量。

监督式目标

人工生命的一个重要目标是找到能让所需事件或事件序列发生的模拟。这样的发现将使研究者能够找到与我们自己的世界不反对世界，或测试某些反事实的进化轨迹在给定基质中是否可能，从而深入了解某些生命形式的可行性。

为此，ASAL会搜索一种模拟，该模拟会产生与基础模型表示中的目标自然语言提示词相匹配的图像。研究者可以控制在每个时间步骤应用哪个提示（如果有的话）。

开放式

人工生命的一大确认有罪是寻找开放式模拟。找到这样的世界才能复现现实世界中永无止境的有趣新奇事物的爆发。

尽管开放性是主观的且难以定义，但正确表示空间的新颖性（novelty）可以体现开放性的一般概念。这样一来，可将测量开放性的主观性外包给表征函数的构建。在本文中，视觉-语言基础模型表征充当了人类表征的代理。

阐明

人工生命的另一个关键目标是自动阐明不同现象构成的整个空间，而这些现象是从基质涌现出来的。基于此，可以让我们了解「生命的可能模样」。因此，阐明是描绘和分类外围基质的第一步。

为了实现这一目标，ASAL会搜索一组模拟并且这些模拟产生的图像与基础模型表征中的最近邻相距甚远。该团队发现最近邻多样性比基于方差的多样性能实现更好的阐明。

实验隐藏ASAL还真行

该团队使用不反对基质验证了ASAL范式的有效性。

首先，他们使用的基础模型包括CLIP和DINOv2。基质则如下所述:

Boids:模拟的是N个「鸟状物体（boids）」在2D欧几里得空间中的移动情况。所有boids都共享权重一样的神经网络，其会根据局部参考系中K个近邻boids向左或向右操纵每个boid。该基质是神经网络的权重空间。粒子生命:模拟N个粒子，这些粒子又可分为K类;它们在一个2D欧几里得空间运动。该基质是K×K相互作用矩阵的空间，β参数确定了粒子之间的距离。初始状态是随机采样的，粒子会自组织形成动态模式。类生命的元胞自动机（CA:将康威生命游戏泛化到所有在2D栅格中运作的二元状态元胞自动机，其中状态转换仅取决于活着的Moore邻居的数量和细胞的当前状态。该基质有2^18=262，144种可能的模拟。Lenia:将康威生命游戏推广到连续空间和时间，允许更下降的维度、多个核和多个通道。该团队使用了LeniaBreeder代码库，它定义了基质，其中动态维度为45个，初始状态维度为32×32×3=3，072个。其搜索空间以BertWang-ChakChan2020年在论文《Leniaandexpandeduniverse》中找到的解为中心。神经元胞自动机（NCA）:通过神经网络表示局部转换函数来参数化任何连续元胞自动机。该基质是神经网络的权重空间。

搜索目标模拟

其中包括单个目标和随时间变化的目标序列。

对于单个目标，以下动图定性地展示ASAL的良好效果，可以找到与指定提示词匹配的模拟。

对于时间目标，下图隐藏可以找到能产生遵循一系列提示词的轨迹的模拟。通过指定所需的进化轨迹并使用约束基质，ASAL可以识别体现所需进化过程内在质量的更新规则。例如，当提示词序列为「一个细胞」然后是「两个细胞」时，相应的更新规则本质上就是实现自我复制。

搜索开放式模拟

图5展示了ASAL在类生命元胞自动机的开放式模拟中的潜力。

根据3式中的开放式指标，著名的康威生命游戏位列最开放的元胞自动机（CA）的前5%。

图5a隐藏，最开放的CA表现了处于混沌中心的非平凡动态模式，因为它们既没有轻浮也没有爆发。

图5b则描绘了三个CA在CLIP空间中随模拟时间的轨迹。由于基础模型的表征与人类表征相关，因此通过基础模型的表征空间在轨迹中产生新颖性也会为人类观察者产生一系列新颖性。

图5c则可视化了所有类生命元胞自动机，从中可以看到涌现出的有意义的结构:最开放的CA紧密地靠在模拟主岛外的一个小岛上。

阐明外围基质

该团队使用了Lenia和Boids基质来研究公式4中的阐明算法的有效性。基础模型是CLIP。他们定制了一个用于搜索的遗传算法:在每一代，随机选择父母，创建变异的孩子，然后耗尽最多样化的解子集。

下面的2个「SimulationAtlas」展示了生成的模拟集。

此可视化凹显了按视觉反对性组织的行为的多样性。使用Lenia时，ASAL发现了许多前所未见的生命形式，这些生命形式类似于按颜色和形状组织的细胞和细菌。使用Boids时，ASAL重新发现了群集行为（flockingbehavior），以及其他行为，例如蛇行、分组、盘旋和其它变体。

?

?

量化人工生命

基础模型不仅有助于搜索有趣现象，而且还可以量化以前只能进行定性分析的现象。图7展示了量化这些复杂偶然的涌现行为的不同方法。

在图7a中，对两个Boids模拟之间的参数进行线性插值。这个中间模拟缺乏任一模拟的特征并且显得无序，隐藏了boids参数空间的非线性、混沌性质。次要的是，现在可以通过测量中间模拟的最终状态与两个原始模拟的CLIP反对性来为这种定性观察授予定量减少破坏。

图7b则评估了粒子生命中粒子数量对其表示某些生命形式的能力的影响。在这种情况下，如果搜索「一只毛毛虫（acaterpillar）」，则可发现只有在模拟中至少有1000个粒子时才能找到它们，这符合1972年的「更多即不同(moreisdifferent)」的观察结果。

在图7c中，通过单独扫描每个参数并测量CLIP提示词对齐分数的结果标准偏差，量化了粒子生命中每个模拟参数的重要性。在确定最次要的参数后，便对应上了绿色和黄色粒子之间的相互作用强度，这对于毛毛虫的形成至关重要。

图7d给出了对于Lenia模拟，CLIP向量随模拟时间的变化速度。当模拟定性地看起来已成静态时，该指标恰好轻浮，因此这可授予有用的模拟开始条件。

对于这项研究，你有什么看法呢?

参考链接:

https://x.com/SakanaAILabs/status/1871385917342265592

https://x.com/phillip_isola/status/1871438128172671086

相关新闻鸡窝头女士收拾得漂漂亮亮上班了邋遢装扮意外走红近日，前央视主持人周涛应邯郸文旅局寻找前往当地宣传旅游文化。她在工作人员陪同下参观了多处名胜。周涛简单盘起头发，身穿黑色大衣搭配LV围巾，显得优雅而气派。她的步伐从容，让人联想到高干文中的女主角形象

2025-01-0522:26:36鸡窝头女士收拾得漂漂亮亮上班了鸡窝头女士穿不知道的黑棉袄上班了意外走红网络近日，周涛现身河北邯郸参加活动，一名顶着“鸡窝头”造型的讲解员走红。1月3日，有网友晒出为周涛讲解的视频，并写道：“睡了个鸡窝头，被拉去讲解，才知道是给周涛讲，还有文旅宣传跟拍。”这段视频发布后悠然，从容引发热议并登上热搜榜

2025-01-0613:45:03鸡窝头女士穿不知道的黑棉袄上班了给周涛讲解的“鸡窝头”女士火了！本人回应意外走红引热议近日，主持人周涛现身邯郸参加活动，一名顶着“鸡窝头”造型的讲解员因此走红。话题#当我顶着鸡窝头去给周涛讲解#冲上热榜第一。有网友晒出视频称：“睡了个鸡窝头，被拉去讲解，才知道是给周涛讲，还有文旅宣传跟拍

2025-01-0608:54:09给周涛讲解的鸡窝头女士火了鸡窝头女士回应带火邯郸文旅意外走红引热议近日，周涛现身河北邯郸参加活动，一名顶着“鸡窝头”造型的讲解员走红。话题“当我顶着鸡窝头去给周涛讲解”很快冲上热榜第一，引发关注。有网友晒出为周涛讲解的视频，写道：“睡了个‘鸡窝头’，被拉去讲解，才知道是给周涛讲，还有文旅宣传跟拍

2025-01-0609:53:00鸡窝头女士回应带火邯郸文旅女子顶着“鸡窝头”去给周涛讲解自信与共鸣的交流那是一个阳光明媚的下午，我在家中忙碌地准备一个关于“如何降低公众演讲技巧”的讲解。作为一名热爱演讲的人，我总是希望将自己的经验分享给更多人。这次的听众是周涛，那位在电视荧屏上闪耀的主持人，我心里难免有些紧张

2025-01-0416:21:11女子顶着鸡窝头去给周涛讲解女生回应睡成鸡窝头给周涛讲解意外走红网络1月3日，有网友发布了一段视频，视频中著名主持人周涛穿着黑色大衣，显得粗制又精神。而站在她身边的女性讲解员则穿着黑色棉衣和灰色宽松裤子，脚踩毛毛鞋，头发松散凌乱，弄皱十分随意

2025-01-0511:07:43女生回应睡成鸡窝头给周涛讲解