近年来，随着蛋白质发现的重大突破而获得诺贝尔奖，基础模型（FMs）在探索大型组合空间中的潜力逐渐显现，预示着多个科学领域可能迎来变革。尽管如此，人工生命(ALife)领域尚未充分利用这些基础模型，这为该领域提供了巨大的发展机遇。为此，研究团队首次提出了一种名为 “人工生命自动搜索”（ASAL）的方法，通过视觉语言基础模型，能够有效减轻人工生命领域长期以来依赖手动设计和试错的负担。ASAL 方法的核心功能包括:首先，它可以寻找产生特定现象的模拟;其次，它能够发现

近日，Sakana AI 的科学家们在人工智能领域取得了突破性进展，他们首次成功利用视觉语言基础模型（vision-language foundation models，FMs） 实现了人工生命(Artificial Life，ALife) 模拟的自动搜索。这项名为 ASAL(Automated Search for Artificial Life，人工生命自动搜索) 的新方法，为人工生命领域的研究带来了革命性的变革，有望加速该领域的发展。传统的人工生命研究主要依赖人工设计和试错，而 ASAL 的出现改变了这一现状。该方法的核心是通过基础模型来评估模拟产生的视频，从而自动搜索有趣的 ALife 模