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
Voker launcht Agent Analytics Plattform mit Intent/Korrektur/Resolution-Prüfmitteln
Das YC S24 Startup Voker bringt eine Analyseplattform für KI-Agenten auf den Markt, die mit einem leichten SDK automatisch Benutzerabsichten, Korrekturen und Lösungen annotiert – und dabei Self-Service-Dashboards bietet, ohne für Data Engineering auf LLMs angewiesen zu sein.

ClawControl v1.7.1 behebt Probleme bei der täglichen Nutzung des OpenClaw-Clients.
ClawControl v1.7.1 ist ein Open-Source-Client für OpenClaw, der für Windows, Mac, Linux, iOS und Android verfügbar ist. Diese Version konzentriert sich auf die Behebung von 'Warum macht es das?'-Problemen, die bei der täglichen Nutzung von OpenClaw auftreten.

Claude Code v2.1.144: Hintergrundsitzungen, /model-Scoping und 15-Sekunden-Startzeitüberschreitung
Claude Code v2.1.144 fügt /resume für Hintergrundsitzungen hinzu, beschränkt /model auf die aktuelle Sitzung und behebt einen 75s-Start-Hang, wenn api.anthropic.com nicht erreichbar ist, mit einem 15s-Timeout.

Detrix MCP Server fügt KI-Coding-Agenten Laufzeit-Debugging hinzu
Detrix ist ein kostenloser, quelloffener MCP-Server, der MCP-kompatiblen Agenten ermöglicht, Live-Variablen in laufendem Code zu beobachten, ohne Neustarts oder Codeänderungen. Er unterstützt Python-, Go- und Rust-Anwendungen, die lokal oder in Docker laufen.