Werld: Открытая симуляция искусственной жизни с эволюционирующими нейронными сетями

Что такое Werld
Werld — это симуляция искусственной жизни на чистом Python, использующая только стандартную библиотеку, которая помещает агентов в вычислительную экосистему с пустыми нейронными сетями и нулевым знанием о существовании человека. Агенты эволюционируют через выживание и размножение, а не через обратное распространение ошибки, без жёстко заданного поведения или функций вознаграждения.
Техническая реализация
Симуляция работает на 800 узлах, организованных как граф малого мира Уоттса-Строгаца. Она начинается с 30 агентов, оснащённых нейронными сетями NEAT (Нейроэволюция дополняющих топологий), которые могут эволюционировать свою топологию. Каждый агент имеет:
- 64 сенсорных канала, охватывающих градиенты энергии, феромонные следы, близлежащих агентов, сезонные ритмы, внутреннее состояние и 19 скрытых каналов, которые изначально неизвестны
- 7 непрерывных моторных эффекторов для действий
- До 16 каналов вещания для коммуникации
- 29 наследуемых признаков генома, включая пропускную способность связи, затухание памяти, агрессию против сотрудничества
Мозги могут выращивать новые нейроны, обрезать связи и эволюционировать любую из 7 функций активации на узел. Каждый когнитивный компонент имеет метаболическую стоимость — больше нейронов, связей или коммуникации требует больше энергии.
Механика эволюции
У агентов две основные цели: собрать достаточно энергии, чтобы выжить, и прожить достаточно долго, чтобы размножиться. При размножении потомство наследует мутированные копии нейронных признаков от обоих родителей через полное половое скрещивание с выравниванием генов NEAT. Это включает сенсорную обработку, поведенческие побуждения и все 29 признаков генома.
Система позволяет эволюционировать в любом направлении. Агенты могут открывать ранее неизвестные сенсорные каналы, развивать коммуникационные паттерны, создавать моторные паттерны, которые становятся наследуемыми составными действиями, и формировать отдельные виды на основе эволюционирующих признаков генома.
Наблюдения из начальных запусков
В одном 12-часовом запуске изначальные 30 агентов выросли до более чем 7000. Симуляция пережила 20+ популяционных кризисов и голодов, которые уничтожили большинство популяций, за которыми последовало восстановление из горстки выживших. За этот период погибло более 18 000 агентов.
Выжившие агенты эволюционировали в сторону более эффективного потребления энергии, обрезали ненужную нейронную сложность, развили базовую коммуникацию и часто размножались. Некоторые линии эволюционировали полностью вне корковых структур, улучшая при этом ёмкость мозга. В других случаях популяции сокращались до единственных выживших, которые заселяли мир мутировавшими потомками.
Панель управления и мониторинг
Werld включает панель управления на Next.js под названием «Werld Observatory», которая предоставляет живые обзоры:
- Динамика популяции
- Метрики сложности мозга
- Траектории видов
- Генератор повествовательных историй
- Визуализация живой карты мира
Статус проекта
Проект имеет открытый исходный код под лицензией MIT с 42 звёздами на GitHub. Создатель отмечает, что он может потреблять значительный объём памяти при локальном запуске. Кодовая база включает директории агентов, панели управления, движка, сохранения, рассуждений, систем и утилит.
📖 Read the full source: HN AI Agents
👀 Смотрите также

VibeSmith: Локальный инструмент для выявления конфликтов навыков в проектах Claude Code
VibeSmith — это локальное приложение для macOS, которое обеспечивает единый обзор проектов Claude Code, обнаруживает конфликты, когда глобальные и проектные компоненты имеют одинаковые имена, визуализирует зависимости в виде направленных ациклических графов (DAG) и отслеживает использование токенов контекста.

Архитектура памяти Vektori: принципы из утекшей системы Claude
Vektori реализует трехуровневую иерархическую графовую структуру предложений для памяти ИИ, вдохновлённую утечкой принципов архитектуры Claude. Система использует строгие фильтры качества, скептическое извлечение с минимальным баллом 0.3 и сохраняет историю исправлений между сессиями.

llmLibrarian: Локальный движок RAG с интеграцией MCP для файлового AI-поиска
llmLibrarian — это локальный движок RAG, который предоставляет возможности поиска через MCP, позволяя ИИ-агентам, таким как Claude, запрашивать проиндексированные файлы. Он использует коллекции ChromaDB для организации, Ollama для синтеза и хранит всё на устройстве.

Queuelo: Облегченный API для согласования действий LLM-агентов
Queuelo — это простой API-слой, который позволяет агентам LLM приостанавливаться перед необратимыми действиями. Агенты отправляют POST-запросы на действия, вы получаете уведомление для одобрения или отклонения, и агент получает ответ через вебхук.