前言
我喜歡玩 ARC Raiders，所以就開始想說：「欸～如果我也自己做一隻 ARC（機械生物）來養，應該很酷吧？」結果一路追追追，就入坑了 Artificial Life（人工生命），整個停不下來（…）。
Artificial Life（ALIFE）是什麼?
ALIFE（Artificial Life 的縮寫）這個領域，簡單說就是：
👉「試著用人造的方式，把『生命系統』重現出來」
裡面很紅的題目像是：
- 重現「演化」本身（像是突變那種）
- 從簡單規則裡跑出「自己長出來的複雜圖樣」（pattern 的湧現）
舉幾個例子～
- Evolution Gym：在虛擬空間裡，讓「假生物」自己進化的研究
Evolution Gym
- L-system：用來重現植物的分枝、結構的研究
如果有一天，我們連像「人類」這種複雜到爆的生命系統都能重現，這類研究就有機會用來幫忙解決像是疾病等等很棘手的問題。 光想就覺得超夢幻 ✨
AI 跟 ALIFE 有什麼不一樣？
很大略地比喻一下：
- 一般的 AI：
是「先決定目標，再想辦法做到最厲害」的那種風格 → 比較像是 自上而下（top-down），人類幫它設計好要怎麼變強 - ALIFE：
則是「把基本規則丟下去，剩下交給演化自己亂長」 → 比較像 自下而上（bottom-up），靠偶然的進化、突變一點一點長出複雜行為
在「實體 AI」（像機器人那種）現場，其實也越來越多人從「套用人寫好的演算法」 轉向「先在模擬環境裡養成，再丟去真實世界」的 Sim2Real 做法。
也就是說，不再是「我設計你」，而是「我養你長大」這種感覺 🐣
來動手玩玩看 ALIFE 吧
① 生命遊戲（Conway's Game of Life，1970 年）
第一個登場的是超經典的 生命遊戲。
這是數學家 John Horton Conway 提出的「細胞自動機（cellular automaton）」。
小科普：
細胞自動機就是：把一堆「格子（cell）」排成網格，每一格只要照著很單純的小規則， 隨著時間一格一格更新自己的狀態（顏色或數值）， 就能當成一個離散的計算模型來玩。
畫面上你看到的只是黑白小點，它們只遵守像「太冷清就會死」、「密度剛好就會長」這種超級簡單的規則在動而已， 結果沒想到，這竟然成了人工生命研究的起點。
生命遊戲的規則（超迷你版生存法則）
- 誕生：
一個目前是「死」的格子， 如果周圍剛好有 3 個活著的格子，
那麼在下一代就會「誕生」，變成活的。 - 生存：
一個目前是「活」的格子， 如果周圍有 2 或 3 個活著的格子，
下一代仍然會繼續活下去。 - 過疏（太孤單）：
一個目前是「活」的格子， 周圍活著的格子 只有 1 個以下，
就會因為太孤單而死掉（好可憐 QAQ）。 - 過密（太擠了）：
一個目前是「活」的格子， 周圍如果有 4 個以上活著的格子，
就會因為過度擁擠而死掉。
實際跑生命遊戲會看到什麼？
💡 你會清楚看到：
- 明明規則簡單到爆炸
- 但卻會長出各種 複雜又有個性 的圖樣
- 有些配置一下就全滅，有些卻撐超多代都不死
一種「小小規則 → 大大混沌世界」的感覺。
Conway's Game of Life Python 程式碼 （提供付費客製化，可以自己改一改玩）
② Boids（1986 年）
接下來是超有名的群體模擬：Boids。
這是 Craig Reynolds 提出，用來模擬「群體行為」的演算法。
“Boids” 這個名字其實是bird-oid object（鳥鳥系物件）的縮寫，
聽起來就很可愛 🐦。
Boids 的三個小小規則
- 分離（Separation）：
不要撞到附近的同伴，所以會刻意跟大家保持一點距離。 - 對齊（Alignment）：
會試著把自己的前進方向， 對齊成和附近同伴差不多的方向。 - 凝聚（Cohesion）：
會慢慢往「群體中心」的方向偏移， 不會一個人飛超遠。
實際跑 Boids 會看到什麼？
💡 雖然只有這三條簡單的局部規則，一開始每一隻都亂飛， 但看著看著，你會發現：
咦？怎麼突然就開始像一群真的鳥在一起飛了？
也就是說，群體行為 是自然湧現出來的。
Python 程式碼（提供付費客製化，超適合拿來玩參數）
③ Tierra（1990 年）
最後登場的是 Tierra，是生態學家 Thomas S. Ray 開發的一個系統， 用來在電腦裡觀察 基因突變 的過程。
“Tierra” 在西班牙文裡就是「地球」的意思，感覺整個縮小版生態圈搬進記憶體裡的 vibe 🌏。
Tierra 的世界觀
在 Tierra 裡，會把「可以自我複製的一段程式（基因碼）」 視為一個 虛擬生物。
然後這些生物遵守大約這幾件事：
- 自我複製：
虛擬生物會消耗 - CPU 時間（當能量）
- 記憶體空間（當作生存領域） 來進行自我複製。
- 死亡（被收編）：
當整體記憶體有 超過 80％ 被用掉 的時候，
就會出現一個叫 Reaper（死神） 的角色，
從比較老的個體、錯誤比較多的個體開始， 一個一個刪掉清場。 - 突然變異：
為了模擬「宇宙線」這種隨機擾動， 在自我複製的時候， 會以一定機率讓基因碼（CPU 指令）的 bit 位元翻轉，
也就是所謂的「突變」。
我們先玩簡易版 Tierra
原版的 Tierra，是真的在記憶體上讓「機器碼」自己複製自己， 超療癒。
這裡先為了好理解，用 Python 的 list 來表示「基因組（genome）」， 寫一個 概念版的 Tierra 來玩。
💡 畫面上左邊會有一個「記憶體空間」。
- 上面那一區：是 比較有效率的生物（基因組比較短）
- 下面那一區：是 比較沒效率的生物（基因組比較長）
隨著時間演化下去，你會發現：
短、有效率高的那群虛擬生物慢慢變多，效率差的個體會被淘汰掉。
這就是「演化＋淘汰 → 留下適應得比較好的族群」的縮小版實驗。
Python 程式碼（提供付費客製化，看完邏輯之後會覺得蠻療癒的）
總結（先喘口氣）
這一篇先介紹了 ALIFE 裡三個很代表性的模擬：
模擬年代會湧現出來的現象生命遊戲1970 年簡單規則 → 自己長出超複雜的圖樣Boids1986 年個體只看附近 → 整體卻形成漂亮的群體行為Tierra1990 年自我複製＋淘汰 → 演化過程自然跑出來
共同點其實超明顯：
規則都簡單到不行，但跑出來的行為卻複雜到嚇人。
這種「小小規則，長出大大世界」的感覺，就可以說是 ALIFE 最犯規的地方。
而這樣的過程如果在宇宙裡重播個幾億年，說不定就真的是一路滾到「人類」這種 超級誇張的發明也不奇怪 🧬✨
