从康威生命游戏到数字达尔文主义：构建 GPU 加速的神经演化生态系统

我即将迎来约克大学人工智能硕士第二学期的课程，其中一门选课 Evolutionary Intelligence 引起了我极大的兴趣。利用假期这段时间，我将经典的"康威生命游戏"推向了一个全新的维度：一个由神经网络驱动、GPU 加速的大规模人工生命（ALife）演化系统。

视频演示: YouTube

核心架构：当神经网络拥有"基因"

在我的模拟器 NeuroEvo-Life 中，数字生物不再是死板的像素，而是具有 12 维遗传特征 (12D Genome) 的智能代理：

• 神经指纹 (8维)：提取自神经网络权重的统计特征，决定了代理的决策风格。
• 化学亲和力 (4维)：决定了物种间的信号传递、兼容性以及捕食关系。

GPU 向量化优化

凭借多年的后端架构经验，我意识到大规模仿真的瓶颈在于计算效率。

• 系统完全基于 PyTorch 向量化操作（如 einsum 和卷积内核）构建，将数以万计智能体的决策和化学场扩散全部卸载到 GPU 上。
• 这种设计允许我们在极高的种群密度下，观察到实时发生的物种漂移和演化竞争。

演化结果：100% 的生态统治

通过引入 混合演化范式（结合强化学习的个体适应与遗传算法的族群突变），我观察到了显著的"数字达尔文主义"现象。

• 经过数千代的优化，一个特定的"超级谱系"表现出了极强的环境塑性。
• 在与随机权重的族群竞争中，该谱系最终占据了 100% 的生态位，展现了学习进化带来的绝对生存优势。

开源与存档：

该项目已在 Zenodo 存档并获得 DOI 认证：10.5281/zenodo.18397035。

源代码也已正式开源：github.com/geyuxu/yuxus-life-of-game