我对自我复制的人工生命（与许多代理）感兴趣，因此在使用优秀的运动学自我复制机器查看文献后，我开始寻找软件实现。据我了解，该领域仍处于早期阶段，主要是学术性的，但人工生命软件的状态在 2019 年看起来相当糟糕。
在维基百科上有这个软件模拟器列表。列表中只有 ApeSDK、Avida、DigiHive、DOSE、Polyword 已在 2019 年更新。我没有找到 Biogenesis 的公共回购。ApeSDK、DigiHive 和 DOSE 是单作者程序。
总而言之，我没有看到一个拥有庞大社区的非常活跃的项目（我很高兴错过了一些东西）。考虑到 AI 的巨大发展势头以及许多现成可用的 AI 工具和库的激增，这更令人惊讶。
当人工生命软件从商业（参见制造、采矿或太空探索应用）和学术（生态学、生物学、人脑等）的角度来看都有希望时，为什么状态如此不发达？该领域是否在过去几年未能达到预期并获得更少的资金？该领域是否遇到了理论或计算障碍？
我不确定，但我可以猜测。这只是我的看法，可能有些人不同意。
ALife 领域有四个我知道的分支：
自组织/自组装行为。这是您所指的应用程序，另一个有用的上下文是群控制（例如，对于无人机群）。虽然这在技术上是 ALife，但据我所知，这并不是重点所在。群体控制和自组装被视为“不同”的问题，因为机器可以协同工作并自行构建更多内容是有趣的（也可能是危险的），但却错过了地球上生命的多样性和开放性. ALife 的大部分研究都集中在尝试正式定义这种开放性并提出实现这一目标的系统。自组装和群体控制是有趣和困难的问题，只是不同而已。这导致了 ALife 研究的其他三个方面：
提出环境，并在它们上运行测试。这是一个持续不断的游戏，即提出一个似乎捕捉到开放性的定义，然后提出符合该标准但未达到我们期望的 ALife 模拟人生。所以新的定义被提出，我们重复。Geb 是一个典型的例子：到目前为止，Geb 几乎通过了所有测试，但看起来并不令人鼓舞。您引用的大多数程序都选择了特定的 ALife 范式，但该范式可能不是正确的范式，而且常常令人失望。因为我们还没有找到真正“看起来像生活”的东西，所以新的范式和程序不断地被创造出来，当它们不能工作时就会被抛弃（或者有些可能已经工作了，但是计算时间太多了）。这就是你所看到的。如果没有任何真正令人信服的统一理论或模拟，我怀疑它会保持这种状态一段时间。因为：
据我所知，制作新模拟器的方向似乎缺乏资金和研究兴趣。如今，商业模拟游戏似乎突破了界限。
幸运的是，元胞自动机生命的一个子领域非常有趣，由于与元胞自动机的重叠和易于实施，它的软件稍微发达一些，并且研究似乎正在以不错的速度进行。
实际上，人们似乎想要两件事：新奇的行为和新奇的身体。我的两分钱是，这些是不同的问题，实现两者比只实现一个更昂贵。但是这些模拟游戏中的大多数最终都没有平衡这两个因素的发展（这样做非常困难），所以一个因素比另一个因素发展得更远，这种脱节让模拟人生的创造者感到失望。例如，Geb 在行为多样性方面做得很好，而 Karl Sims 在身体多样性方面做得很好。对突变率或遗传编码等小细节的敏感性也可能非常令人沮丧。幸运的是，一旦真正理解了 RL/AI，最终我们将在任何模拟中免费获得行为多样性。
我所知道的第三项 ALife 研究是理论方面，目前大多数情况下还不足以保证实际实施。其中一个重要分支是学习理论方面，以 Valiant 的 Evolvability 理论和后续行动为代表。从本质上讲，这讨论了哪些功能可以进化，并使用诸如 PAC 学习理论之类的东西，他们能够证明一些事情。其中一些模型比其他模型更自然，但这是一种有趣的垂直方法来提出模拟并查看它们是否符合我们的要求。也许最终这两种方法会在某个时候在中间相遇，但它们还没有。
第四部分是人工化学。我推荐这篇论文作为一个有点过时的概述。虽然这在技术上是 ALife 的一个领域，并且以了解具有必要的新兴特性的化学系统为中心，但它已经分解为可能具有工业相关性的应用。例如，强大的自修复和自组装电子系统、DNA 计算（DNA 能够模拟能够进行任意计算的任意化学反应网络）以及用于自动任务分配的人工激素系统。这已经开发了一些软件，但大部分软件不再被认为是 ALife，因为它已经分支到自己的领域。