Künstliches Leben: Eine 300-zeilige Python-Reproduktion der Computational-Life-Forschung

Was das ist
Artificial-life ist eine 300-zeilige Python-Reproduktion des Forschungsartikels Computational Life 'How Well-formed, Self-replicating Programs Emerge from Simple Interaction.' Es simuliert emergente Selbstreplikation in einem Raster einfacher Programme.
Wie es funktioniert
Die Simulation verwendet ein 240x135-Raster mit 64 Instruktionslängen langen Brainfuck-ähnlichen Programmen, die zufällig initialisiert werden. Jede Iteration folgt diesem Prozess:
- Benachbarte Programme werden zufällig gepaart
- Ihre Instruktionsbänder werden zusammengefügt
- Das kombinierte Programm läuft maximal 213 Schritte
- Nach der Ausführung werden die Bänder wieder getrennt
Die Instruktionen können Schleifen bilden und die Instruktionsbänder selbst mutieren. Wie im Originalpapier beschrieben, entstehen und verbreiten sich oft spontan selbstreplizierende Programme, die sich selbst über das Band ihres Nachbarn kopieren und schließlich das gesamte Raster übernehmen.
Visuelle Darstellung und Ausführung
Jedes Pixel repräsentiert eine Instruktion mit einzigartigen Farben, während Schwarz Rohdatenspeicherung (keine Instruktion) anzeigt. Jeder 8x8-Pixel-Bereich stellt ein einzelnes Programm dar.
Um eine Simulation mit Seed 1 auszuführen:
uv run main.py --seed 1In diesem spezifischen Durchlauf entsteht ein Selbstreplikator relativ früh und übernimmt den größten Teil des Rasters, bis ein effizienterer Selbstreplikator entsteht und alles dominiert.
Das Repository enthält Beispielausgaben: universe.gif und universe.mp4, die den Simulationsfortschritt zeigen.
Technische Details
Das Projekt verwendet ausschließlich Python (100,0 % laut GitHub-Spracherkennung) und enthält Standard-Python-Projektdateien: pyproject.toml, uv.lock und .python-version.
Diese Implementierung demonstriert, wie komplexes emergentes Verhalten aus einfachen Interaktionsregeln entstehen kann, insbesondere wie sich selbstreplizierende Programme entwickeln können, ohne explizit für Replikation programmiert zu sein.
📖 Read the full source: HN AI Agents
👀 Siehe auch

CostHawk startet öffentliches Ranking für Claude Code, Codex und Cursor-Tokenverbrauch
CostHawks Rangliste ordnet öffentliche Nutzer von Claude Code, OpenAI Codex und Cursor nach ihrem gesamten Token-Verbrauch und verfolgt Zählungen, Modelle und Synchronisationszeitstempel, ohne Prompts oder Code zu speichern.

HolyCode: Docker-Container für persistente Claude AI-Codierungsumgebungen
HolyCode ist ein Docker-Container, der den Zustand der KI-Codierungsumgebung bei Maschinenwechseln und Neuerstellungen beibehält. Er enthält über 30 vorinstallierte Tools, Browser-Automatisierung mit Chromium + xvfb + Playwright und bewahrt den Kontext in ./data/opencode.

Silos-Dashboard: Open-Source-Web-UI zur Verwaltung von OpenClaw-Agenten
Silos Dashboard ist eine MIT-lizenzierte Web-UI zur Verwaltung von OpenClaw-Agenten, die Konfigurationsdateien und die CLI durch eine einzige Oberfläche ersetzt. Sie bietet Agentenverwaltung, Live-Chat mit Streaming, Skill-Installation, Task-Boards, Kanal-Integrationen und Analysen.

Skales Desktop AI Agent, entwickelt mit Claude, verfügt über einen Clippy-ähnlichen Maskottchen-Stil
Skales ist ein Desktop-KI-Agent, der lokal auf Windows und macOS läuft und Claude über die OpenRouter/Anthropic-API für logisches Denken und Werkzeugausführung nutzt. Er beinhaltet ein schwebendes Desktop-Buddy-Maskottchen mit einem Büroklammer-Skin-Referenz und kann Befehle wie E-Mails senden, Dateien verwalten, im Web surfen und Kalender verwalten ausführen.