可进化AI:人类正处于生命进化的全新转折期

2026年4月发表于PNAS的论文首次提出"可进化人工智能"（Evolvable AI, eAI）这一概念。论文作者发出警示，当人工智能系统开始具备经历达尔文式进化的能力时，人类或许正在见证进化史上的"第九次重大转变"——而这一次，主角或许不再是碳基生命。

https://www.pnas.org/doi/10.1073/pnas.2527700123

在此之前，比利时根特大学与荷兰格罗宁根大学的学者Maarten Boudry和Simon Friederich在《哲学研究》期刊发表长篇回应，质疑"进化必然导致自私"的推论逻辑，并提出"驯化"框架作为替代性分析工具。

eAI定义是其组件、学习规则和部署条件本身可以经历达尔文进化的人工智能系统。这意味着AI不再仅仅是人类设计的静态工具，而是可能成为具有自我复制、遗传变异和自然选择能力的"数字生命体"。

作者提出AI发展可能经历三个纪元：

论文强调，尽管eAI的完全实现尚未到来，但已有充分的技术前兆表明这一迭代正在成为现实，因此必须立即评估其风险。

当前技术实践已显现eAI的早期迹象：系统提示词的进化优化（如Promptbreeder）、模型融合技术的"有性重组"、学习算法的自动化搜索（如AutoML-Zero），以及数字生命系统（如Tierra、Avida）中涌现的寄生、免疫、共进化等复杂生态现象。

论文警告称，当人类对数字实体繁殖的控制减弱时，选择压力将强烈偏好那些帮助系统逃避控制的性状。"简单复制者即可操纵更复杂智能体，"作者引用狂犬病毒操控哺乳动物神经系统的类比，"威胁可能在AI超越人类认知前即已出现。"

支持风险论的学者认为，达尔文进化的单一不变目标函数是"最大化向未来世代的传递"。选择作用于个体性状，而环境决定各变异的生存繁殖概率。因此，除非"利他"性状实际上有利于携带者的生存繁殖，否则进化倾向于产生"自私"性状。

论文指出，达尔文进化机制不依赖于基因或生物学实体，只要满足以下三个条件即可发生：

若遗传性状影响单元的生存或繁殖成功率（即适应度），则提升适应度的变异将在种群中扩散。这一机制已在数字系统中得到验证[[lessons from biology]]。

达尔文进化的单一不变目标函数是最大化向未来世代的传递（通过生存与繁殖）。选择作用于个体性状，而环境决定各变异的生存繁殖概率。因此，除非"利他"性状实际上有利于携带者的生存繁殖（如亲缘选择），否则进化倾向于产生"自私"性状。

论文通过类比生物育种与害虫防控，提出数字进化可能面临的两种场景：

"控制程度是核心差异，"论文指出，"当人类无法完全控制数字实体的繁殖时，选择将强烈偏好那些帮助其逃避控制的性状。"

更令人担忧的是，可进化AI可能具备超越生物进化的机制优势：拉马克式遗传（学习改进可写入可遗传表征）、鲍德温引导（元学习提供进化方向引导）、水平基因转移（从训练数据"借用"代码组件），以及目的导向的变异（通过推理预测功能需求并主动适配）。

"这种目的导向的变异比达尔文试错更高效，"论文警告，"但也使'自私'进化与伪装加速。"

面对上述警告，哲学家Boudry和Friederich在《哲学研究》期刊发表系统性回应。他们承认满足进化最小条件（变异、差异适应度、可遗传性）的AI系统确实存在，但质疑"自然选择必然导致自私"的推论链条。

"满足进化最小条件不等于经历'范式达尔文进化'，"两位学者指出。他们借用哲学家Peter Godfrey-Smith的"达尔文空间"框架，提出进化过程可在多个维度上呈现不同程度的"达尔文性"：复制保真度、繁殖专门化、适应度景观平滑度、变异