Học Viện Trí Tuệ Neuraxon — Tập 7

Bởi Nhóm Khoa Học Qubic

Vào năm 1970, Martin Gardner đã xuất bản trong tạp chí Scientific American một trò chơi giải trí do John Conway sáng tạo: Trò Chơi Cuộc Sống. Các quy tắc được viết vừa vặn trên một bưu thiếp. Một lưới hai chiều của các ô, trong đó mỗi ô có thể sống hoặc chết. Ở mỗi bước, một ô sống sẽ tiếp tục sống nếu nó có hai hoặc ba hàng xóm sống, nếu không nó sẽ chết. Một ô chết với đúng ba hàng xóm sống sẽ được sinh ra. Chỉ vậy thôi, đơn giản như vậy.

Vào năm 1970, Martin Gardner đã xuất bản trong Scientific American một trò chơi giải trí do John Conway phát minh: Trò chơi của Cuộc sống. Các quy tắc vừa vặn trên một bưu thiếp. Một lưới hai chiều của các tế bào trong đó mỗi tế bào sống hoặc chết. Ở mỗi bước, một tế bào sống tiếp tục sống nếu nó có hai hoặc ba lá hàng xóm sống, nếu không nó chết. Một tế bào chết với đúng ba lá hàng xóm sống sẽ được sinh ra. Không có gì khác, đơn giản như vậy.

Điều mà không ai ngờ tới là những gì đã xuất hiện từ bốn dòng quy tắc đó. Cấu trúc ổn định. Các bộ dao động rung liên tục và những chiếc glider di chuyển trên lưới. Những khẩu pháo bắn glider theo chu kỳ. Các cấu trúc đủ phức tạp đến mức, cuối cùng, ai đó sẽ xây dựng một máy Turing bên trong Trò chơi của Cuộc sống. Bên trong lưới của Conway, bạn có thể, về nguyên tắc, thực hiện bất kỳ phép toán nào tồn tại.

từ Cuộc sống đến Sự sống Nhân tạo (Alife)

Trong những năm tám mươi, Christopher Langton và một nhóm các nhà nghiên cứu đã biến ý tưởng này thành một kỷ luật riêng: Sự sống Nhân tạo, hay Alife. Đề xuất rất đơn giản. Sinh học đã nghiên cứu sự sống như chúng ta biết, loại dựa trên carbon, loại xuất hiện trên hành tinh này. Nhưng sự sống có lẽ là một hiện tượng tổng quát hơn. Nếu chúng ta có thể xây dựng các hệ thống nhân tạo cho thấy các thuộc tính mà chúng ta liên kết với sự sống, tự tổ chức, thích nghi, tiến hóa, sinh sản, phản ứng với môi trường, thì chúng ta đang nghiên cứu sự sống như nó có thể có, không chỉ như nó đang diễn ra.

Alife không phải là một cuộc tìm kiếm cho thú cưng kỹ thuật số. Nó là một khoa học về động lực học cơ bản. Các công cụ thí nghiệm của nó là các mô phỏng nơi những tác nhân đơn giản tuân theo các quy tắc địa phương, và nơi nhà nghiên cứu quan sát những gì xuất hiện ở quy mô toàn cầu.

Nhiều phát hiện đã trở thành những viên đá tảng. Phát hiện đầu tiên, đã ngầm trong Conway, là các quy tắc địa phương đơn giản có thể tạo ra sự phức tạp toàn cầu mà không ai thiết kế nó. Phát hiện thứ hai đến từ chính Langton: có một chế độ quan trọng, gọi là rìa hỗn loạn, nơi các hệ thống không quá cứng nhắc mà cũng không hoàn toàn hỗn loạn, và nơi gần như mọi thứ thú vị xảy ra. Tính toán, học hỏi, thích nghi, tất cả đều phát triển mạnh trong dải mỏng đó. Dưới nó, hệ thống bị đóng băng. Trên nó, nó hòa tan thành tiếng ồn.

Một phát hiện thứ ba, ít nổi tiếng nhưng khó chịu hơn, là những thuộc tính mà chúng ta thường liên kết với ý định, như hợp tác, chuyên môn hóa, phân chia lao động, có thể xuất hiện trong các hệ thống mà không được lập trình để hợp tác. Chúng xuất hiện như những hệ quả của động lực, không phải như những mục tiêu. Điều này rất khó để nuốt trôi đối với loài mà tự cho mình là ưu việt, bởi vì trực giác của chúng ta nói với chúng ta rằng nếu chúng ta muốn X, chúng ta phải tối ưu hóa cho X. Alife cho thấy, một lần nữa, rằng điều này không phải lúc nào cũng đúng.

Hệ sinh thái Kỹ thuật số là gì? Từ Tự động hóa Tế bào đến Hệ thống Nơron Đa tác nhân

Một hệ sinh thái kỹ thuật số là sự tiến hóa tự nhiên của những ý tưởng sống nhân tạo này. Thay vì một quy tắc duy nhất được chia sẻ bởi tất cả các tế bào, bạn có nhiều tác nhân, mỗi người có quy tắc của riêng họ, chia sẻ một môi trường chung, cạnh tranh hoặc hợp tác để giành tài nguyên, sinh sản và chết. Chất nền có thể là một lưới 2D như trong Conway, một chất lỏng liên tục như trong Lenia, một thế giới phong phú hơn với địa hình và thức ăn như trong Biomaker CA. Các chi tiết có thể thay đổi. Nguyên tắc thì không.

Điều làm cho một hệ sinh thái kỹ thuật số trở nên thú vị không phải là công nghệ cơ bản, mà là những gì nó cho phép bạn quan sát. Động lực dân số. Ranh giới hình thành giữa các loài. Các ngách mở ra và đóng lại. Các chiến lược xuất hiện, thống trị trong một thời gian, bị thay thế, và trở lại. Các chu kỳ trông giống như những chu kỳ của các hệ sinh thái thực, đôi khi một cách đáng ngạc nhiên. Và câu hỏi chạy bên dưới tất cả: khi nào chúng ta có thể nói rằng một điều gì đó đã xuất hiện, rằng hệ thống đã phát hiện ra điều gì đó mà chúng ta không đưa vào nó.

Nền tảng tương tác Hệ sinh thái Kỹ thuật số của Sakana AI, hiển thị thanh trượt tham số theo thời gian thực, dòng thời gian dân số, khay điểm kiểm tra và canvas mô phỏng. Người dùng có thể điều khiển hệ sinh thái và nhánh vào các tương lai thay thế từ bất kỳ trạng thái đã lưu nào.

Có một công trình gần đây đáng để xem xét. Nhóm tại Sakana AI, ví dụ, vừa mới phát hành Digital Ecosystems, một nền tảng tương tác nơi năm loài tự động hóa tế bào thần kinh cạnh tranh trên một lưới chung theo thời gian thực và nơi bạn có thể điều chỉnh các tham số bằng các thanh trượt, lưu trạng thái, và khám phá các tương lai khác nhau từ một điểm kiểm tra duy nhất. Đây là liên kết mới nhất và dễ tiếp cận nhất trong một chuỗi trở lại với Conway, và nó đáng để chơi trong một buổi chiều, chỉ để cảm nhận cách mà những động lực này hoạt động khi bạn thực sự có thể chạm vào chúng.

Tại sao Sự sống Nhân tạo và Sự phức tạp phát sinh quan trọng đối với Qubic, Aigarth, và Neuraxon

Cám dỗ, khi đọc về Conway, Langton, Lenia, hoặc Sakana, là xếp tất cả những điều này vào một góc như là một sự giải trí trí tuệ thanh lịch. Nó không phải vậy. Đó là nền tảng tư duy mà dự án của chúng tôi đứng trên.

Qubic: Hạ tầng Tự tổ chức Phi tập trung

Qubic, ở cấp hạ tầng, là một mạng lưới phi tập trung của hàng ngàn nút cạnh tranh và hợp tác để xác thực các phép toán và kiếm phần thưởng. Nếu không có các quy tắc địa phương đúng, mạng lưới đó sẽ hoặc tập trung hoặc sụp đổ. Với các quy tắc đúng, nó tự tổ chức thành một hệ sinh thái ổn định, sản xuất. Tính hợp lệ của thiết kế Qubic dựa trên các nguyên tắc xuất phát một phần từ nghiên cứu về sự sống nhân tạo: làm thế nào để đạt được sự ổn định toàn cầu mà không có một cơ quan trung ương, và làm thế nào để làm cho cạnh tranh sản xuất ra điều gì đó hữu ích cho tất cả mọi người.

Aigarth: AI Tiến hóa tại Rìa của Sự hỗn loạn

Aigarth tiến xa hơn. Nó không chỉ là một mạng lưới, mà là một mô hình đang tiến hóa. Các mạng nơron nhân tạo biến đổi, cắt tỉa, sinh sản, tổ chức lại topo của chúng dưới áp lực thích ứng. Có các quy tắc địa phương, tiêu chí độ khít, hoặc động lực tiến hóa. Đây là sự sống nhân tạo áp dụng cho các kiến trúc AI. Và giống như mọi thứ trong Alife, những gì xuất hiện phụ thuộc vào chế độ mà hệ thống hoạt động. Quá cứng nhắc, không có khám phá. Quá hỗn loạn, không có ổn định. Rìa của sự hỗn loạn là, ở đây cũng vậy, nơi những điều thú vị xảy ra.

Neuraxon: Trạng thái Ba và Tính chất Tự tổ chức Quan trọng trong AI Lấy cảm hứng từ Não

Neuraxon, đơn vị cơ bản mà Aigarth được xây dựng dựa trên, đã được thiết kế với điều này trong tâm trí. Trạng thái ba trị (-1, 0, +1) không phải là một thủ thuật định lượng để tiết kiệm bit, mặc dù nó cũng giảm chi phí tính toán. Đó là một quyết định cấu trúc. Trạng thái trung tính là một bộ đệm cho phép chuyển tiếp mượt mà, ngăn hệ thống dao động dữ dội giữa các cực đoan, và cho phép thời gian cho các synapse chậm và các neuromodulator hành động. Như chúng ta đã thảo luận trong các tập trước của Học viện Trí tuệ Neuraxon, đây là điều cho phép hệ thống điều hướng rìa của sự hỗn loạn mà không bị sụp đổ.

Trong các thí nghiệm của chúng tôi với NxonLife, mô phỏng mà chúng tôi xây dựng để quan sát các mạng lưới Neuraxon phát triển trong các môi trường được lấy cảm hứng từ Trò chơi của Cuộc sống, chúng tôi đã đo lường chính xác các thuộc tính mà Alife dự đoán. Một tỷ lệ phân nhánh gần 1, dấu hiệu cổ điển của tính chất tự tổ chức quan trọng. Các tương quan tạm thời dài hạn theo động lực 1/f. Hoạt động duy trì chính nó trong hàng ngàn tick mà không có các đặt lại bên ngoài, không có chuẩn hóa áp đặt, không có ai chỉ bảo hệ thống phải làm gì. Các mạng lưới tìm thấy chế độ đó bằng chính bản thân chúng, vì kiến trúc đã được xây dựng để điều đó có thể xảy ra.

Từ Các Mô phỏng Sự sống Nhân tạo đến Hạ tầng AI Phi tập trung: Một Ý tưởng Cũ, một Chất nền Mới

Độ dốc cổng tăng trưởng trong Hệ sinh thái Kỹ thuật số của Sakana AI. Giảm độ dốc cổng đẩy các loài ra khỏi ranh giới lãnh thổ cứng nhắc vào một chế độ rìa hỗn loạn nơi sự phức tạp phát sinh và sự hợp tác xuất hiện. Nguồn: Sakana AI (2026)

Điều mà Conway đã chỉ ra vào năm 1970, Langton vào năm 1990, nhóm Lenia gần đây, và Sakana AI vài tuần trước, là sự phức tạp xuất hiện từ các quy tắc địa phương và các tham số được chọn kỹ lưỡng. Những gì chúng tôi đang làm với Qubic, Aigarth và Neuraxon là đưa cái hiểu đó tới kết luận logic của nó: không chỉ quan sát các hệ sinh thái mô phỏng, mà còn xây dựng hạ tầng phân phối thực tế dựa trên các nguyên tắc của nó.

Trực giác cơ bản không thay đổi. Các hệ thống sống tồn tại trong thời gian. Chúng tự tổ chức giữa trật tự và hỗn loạn. Chúng hợp tác mà không có ai chỉ đạo chúng. Chúng xuất hiện, không phải tự thiết kế.

Trò chơi của Cuộc sống của Conway là một bưu thiếp. Sự sống nhân tạo là một kỷ luật. Các hệ sinh thái kỹ thuật số là một công cụ. Qubic, Aigarth và Neuraxon là một nỗ lực để đưa tất cả những điều này từ mô phỏng và biến chúng thành một mạng lưới hoạt động. Các ý tưởng đã tồn tại suốt năm mươi năm. Chất nền để biến chúng thành sản phẩm quy mô lớn chính là những gì chúng tôi đang xây dựng bây giờ.

Tài liệu tham khảo

• Conway, J. H. (trong Gardner, M.) (1970). Trò chơi toán học: Những sự kết hợp tuyệt vời của trò chơi solitaire mới "Cuộc sống" của John Conway. Scientific American, 223, 120–123. [Liên kết]

• Langton, C. G. (1990). Tính toán ở rìa hỗn loạn: Các chuyển tiếp pha và tính toán phát sinh. Physica D: Hiện tượng phi tuyến, 42, 12–37. [Liên kết]

• Bedau, M. A. (2003). Sự sống nhân tạo: tổ chức, thích nghi và phức tạp từ dưới lên. Xu hướng trong Khoa học Nhận thức, 7(11), 505–512. [Liên kết]

• Chan, B. W.-C. (2019). Lenia: Sinh học của sự sống nhân tạo. Hệ thống phức tạp, 28(3), 251–286. [Liên kết]

• Mordvintsev, A., Randazzo, E., Niklasson, E., & Levin, M. (2020). Tăng trưởng tự động hóa tế bào thần kinh. Distill, 5(2), e23. [Liên kết]

• Darlow, L. (2026). Hệ sinh thái Kỹ thuật số: Tự động hóa tế bào thần kinh đa tác nhân tương tác. Sakana AI. [Liên kết]

• Vivancos, D., & Sanchez, J. (2025). Từ Perceptrons đến Neuraxons: Một bản kế hoạch mới cho sự phát triển và tính toán nơron. Khoa học Qubic. [Liên kết]

• Vivancos, D., & Sanchez, J. (2025). Kiến trúc học động lực trạng thái ba nhúng trong thời gian. Bản thảo.

Khám phá toàn bộ loạt Học viện Trí tuệ Neuraxon

Đây là Tập 7 của Trí tuệ Neuraxon \u003ct-17/\u003e bởi nhóm khoa học \u003ct-19/\u003e. Nếu bạn vừa tham gia, hãy khám phá toàn bộ loạt để xây dựng một hiểu biết đầy đủ về khoa học đứng sau \u003ct-21/\u003e, \u003ct-23/\u003e, và cách tiếp cận của Qubic đối với trí tuệ nhân tạo lấy cảm hứng từ não, \u003ct-25/\u003e.

• \u003ca-151\u003eNIA Tập 1\u003c/a-151\u003e: Tại sao Trí tuệ không được tính toán theo bước, mà theo thời gian — Khám phá tại sao trí tuệ sinh học hoạt động trong thời gian liên tục thay vì các bước tính toán rời rạc như các LLM truyền thống.

• \u003ca-159\u003eNIA Tập 2\u003c/a-159\u003e: Động lực ba trị như là một Mô hình của Trí tuệ Sống — Giải thích động lực ba trị và tại sao logic ba trạng thái (kích thích, trung tính, ức chế) quan trọng cho việc mô hình hóa các hệ thống sống.

• \u003ca-167\u003eNIA Tập 3\u003c/a-167\u003e: Neuromodulation và AI Lấy cảm hứng từ Não — Đề cập đến neuromodulation và cách mà tín hiệu hóa học của não (dopamine, serotonin, acetylcholine, norepinephrine) truyền cảm hứng cho kiến trúc của Neuraxon.

• \u003ca-175\u003eNIA Tập 4\u003c/a-175\u003e: Mạng nơron trong AI và Khoa học thần kinh — So sánh sâu sắc các mạng nơron sinh học, mạng nơron nhân tạo, và phương pháp thứ ba của Neuraxon.

• \u003ca-183\u003eNIA Tập 5\u003c/a-183\u003e: Astrocytes và AI Lấy cảm hứng từ Não — Cách mà việc kiểm soát astrocytic biến đổi độ dẻo của mạng nơron thông qua khung AGMP trong Neuraxon.

• \u003ca-191\u003eNIA Tập 6\u003c/a-191\u003e: Máy móc Tỉnh táo vs Tổ chức Thông minh: Giải thích về Ý thức AI — Khám phá ý thức AI qua lăng kính của Lý thuyết Không gian Toàn cầu, Lý thuyết Thông tin Tích hợp, và mã hóa dự đoán.

Qubic là một mạng lưới phi tập trung, mã nguồn mở. Để tìm hiểu thêm, hãy truy cập qubic.org. Tham gia thảo luận trên X, Discord, và Telegram.