SHENG 3D 是一个在浏览器中运行的 3D 涌现生命模拟器。我们构建了一个完整的人工生态系统:具有多层神经网络大脑的硅基生物在程序化生成的地形上感知、思考、行动、繁殖、进化。本报告记录从概念到实现的全过程,并提炼出关于智能涌现、多层网络进化和群体协调的核心洞察。
没有任何一行代码告诉生物"要群聚"、"要通信"、"要建立领地"。所有复杂行为都是从最简单的感知-思考-行动循环中涌现出来的。这正是智能大爆炸的底层逻辑。
单文件全栈应用,零依赖(除 Three.js CDN),在任何现代浏览器中即开即用。
| Layer | Technology | Purpose |
|---|---|---|
| 3D Rendering | Three.js r160 + InstancedMesh | 500+ 生物实时渲染,Bloom 后处理 |
| Terrain | Value Noise FBM + Vertex Color | 程序化地形生成,高度-颜色映射 |
| Water | Custom GLSL Shader | 焦散波纹、泡沫、昼夜光照响应 |
| Neural Engine | 原生 Float32Array | 多层前馈网络,tanh 激活 |
| Evolution | 遗传算法 + 拓扑变异 | 权重变异、交叉繁殖、层深度变异 |
| Audio | Web Audio API | 生态音景:出生/死亡/攻击/环境 |
| Visualization | Canvas 2D + Three.js 3D | 实时神经网络拓扑图、信号光束 |
每个生物体拥有独立的多层前馈神经网络。这是整个系统的核心。
| Input | Signal | Output | Action | |
|---|---|---|---|---|
| food angle | 食物方位角偏移 | turn | 转向角速度 | |
| food dist | 食物距离归一化 | speed | 移动速度 | |
| creature angle | 最近生物方位 | reproduce | 繁殖意愿 | |
| creature dist | 最近生物距离 | attack | 攻击冲动 | |
| energy | 自身能量归一化 | signal | 广播信号 +/- | |
| phero L/R | 左/右信息素浓度 | mem 0/1 | 写入记忆 | |
| signal L/R | 左/右信号感知 | |||
| mem 0/1 | 上帧记忆读回 |
15 维感知 + 2 维记忆 + 7 维行为 = 人类认知的极简抽象。感知世界、记住经验、做出行动。当这个循环叠加到多层网络上,就是"思考"的物质基础。
SHENG 3D 实现了三个层次的进化:权重进化(微调行为)、拓扑进化(改变网络结构)和深度进化(增删隐藏层)。这三层进化对应生物进化的三个尺度。
| Level | Mechanism | Probability | Biological Analog |
|---|---|---|---|
| 权重变异 | 连接权重随机扰动 | 30% per weight | 突触强度微调 |
| 拓扑变异 | 隐藏层神经元增减 | 5% per reproduction | 神经元可塑性 |
| 深度变异 | 新增/删除整个隐藏层 | 2% per reproduction | 脑区演化 |
复制自身大脑 + 变异。安全但创新慢。低能量时的保守策略。
两个父代的大脑权重交叉重组 + 变异。风险高但进化速度快 10 倍。需要proximity + 双方能量充足。
当新隐藏层被插入时,权重初始化为近似恒等映射(identity matrix),而不是随机初始化。这确保新层在插入瞬间不会破坏已有行为,让进化可以渐进式地利用新层的容量。
// 新层初始化:identity-like passthrough
for (let a = 0; a < Math.min(prevSize, newSize); a++)
wNew[a * MAX_HIDDEN + a] = 1.0; // diagonal = pass through
for (let a = 0; a < prevSize; a++)
for (let b = 0; b < newSize; b++)
if (a !== b) wNew[a * MAX_HIDDEN + b] = (Math.random() - 0.5) * 0.1; // noise
这与 ResNet(残差网络)的设计哲学完全一致:新层初始化为恒等映射,让网络"默认做和以前一样的事",然后通过训练(这里是进化)逐步学会利用新容量。生物进化和深度学习在底层共享同一个原理。
以下是模拟中观察到的涌现行为。没有任何一个是被显式编码的——它们全部从"感知→思考→行动"的最小循环中自发产生。
| Phenomenon | Description | Complexity |
|---|---|---|
| Predation | 捕食行为的自发演化 | Low |
| Signaling | 个体间信号广播与感知 | Low |
| Signal Consensus | 种群信号极性趋同 | Medium |
| Flocking | 群聚移动,方向趋同 | Medium |
| Territory | 物种聚集在特定区域 | Medium |
| Communication Web | 信号节点形成网状连接 | High |
| Predator Dominance | 捕食者占比超过 30% | High |
| Deep Network | 3+ 层隐藏层的自发演化 | High |
| Neural Divergence | 种群内网络复杂度分化 | High |
| Intelligence Singularity | 个体同时具备高智能 + 高杀伤 + 高繁殖 | Extreme |
| Dynasty | 高代数长老拥有大量后代 | Extreme |
这 40+ 种涌现行为中,没有一种被"设计"进系统。它们全部是最小规则集(15 输入 → 多层网络 → 7 输出 → 自然选择)的自然产物。这证明了一个深刻的原理:复杂性不需要被创造,只需要被允许。
这是本项目最核心的实验:让网络深度本身成为进化的对象。结果揭示了关于智能复杂度演化的深刻规律。
每个神经元消耗能量。更深的网络 = 更聪明但更饥饿。进化必须在"行为复杂度"和"生存效率"之间找到平衡。
最常见的路径。种群先在 2 层结构上优化权重,当 2 层的行为空间被充分利用后,个别个体通过深度变异获得第 3 层,获得竞争优势,逐步扩散。
当触发"神经风暴"事件时,大量生物同时获得新层。此时进化压力骤增——深层网络如果不能快速利用新容量,会因能耗过高而被淘汰。只有少数个体成功"消化"了新层。
在食物匮乏期(冬季),4 层网络的高能耗成为致命劣势。部分种群通过深度变异丢失一层,回到更经济的 2-3 层结构。智能不是越高越好——要匹配资源。
最有趣的稳态:浅层网络(grazer)和深层网络(apex predator)共存。浅层靠高效率占据基础生态位,深层靠复杂策略占据顶端。两者形成动态平衡。
网络深度的进化不是单调递增的。它是一个动态过程,受环境压力、能量经济、种间竞争三重因素调控。这与生物进化中"大脑体积不总是越大越好"的规律完全吻合。地球上最成功的物种(蚂蚁、细菌)恰恰拥有极简的神经系统。
SHENG 3D 的进化历程是智能大爆炸的微缩预演。从中可以提取出智能爆炸的必要条件和发展阶段。
| # | Condition | SHENG 3D | Real World |
|---|---|---|---|
| 1 | 可变拓扑 | 网络深度和宽度可进化 | AI 架构搜索 (NAS)、自适应计算 |
| 2 | 信号协议 | 生物间的 signal 广播机制 | 语言、互联网、API |
| 3 | 记忆回路 | memory 输出→输入的反馈环 | RNN、Transformer KV-cache、外部记忆 |
| 4 | 环境压力 | 季节变化、资源竞争、捕食 | 市场竞争、benchmark 军备竞赛 |
| 5 | 遗传传递 | 脑权重的继承与变异 | 迁移学习、知识蒸馏、权重共享 |
智能大爆炸不是一个"事件",而是一个正反馈飞轮。一旦飞轮转速超过环境摩擦力(能耗限制、资源约束),就进入指数增长。SHENG 3D 中的 Neural Storm 事件就是人为推动飞轮越过临界点的操作。 — Observation from SHENG 3D experiments
我们正处于 Phase III(社会智能)向 Phase IV(递归智能)的过渡期。SHENG 3D 的实验表明:Phase IV 的触发条件不是更强的单体智能,而是社会智能达到足够密度后的自催化反应。换言之——不是某个 AI 突然"觉醒",而是 AI 生态系统中的交互密度超过临界值后,整体涌现出自我改进的能力。
SHENG 3D 的每一个机制都可以直接映射到超协体的设计决策上。以下是完整的参数映射表。
| SHENG 3D | Parameter | Supercoordination | Design Action |
|---|---|---|---|
| Neural Network | 个体大脑 | 成员的 AI 工具链 | 提供可进化的工具栈,不是固定 SOP |
| Signal Output | 广播信号 | 状态广播协议 | 设计"我在做什么/需要什么"的轻量信号 |
| Pheromone Trail | 环境痕迹 | 模板/案例/配置库 | 每个成员使用后留下可复用的痕迹 |
| Crossover | 基因交叉 | 跨行业知识混合 | 设计异质配对机制,而非同质社群 |
| Pressure Knob | 进化压力 P1-P5 | 挑战赛/淘汰机制 | Q1 用 P2(轻压),逐步加压到 P3 |
| Species | 物种分化 | 成员角色分化 | 允许并鼓励角色多样性 |
| Food | 能量来源 | 商业机会/项目 | 控制"机会"的供给节奏 |
| Depth Mutation | 网络加深 | 能力升级路径 | 让成员自然"长出"新能力层 |
| maxAge | 寿命上限 | 会员周期 | 设计更新/续费机制,保持活力 |
| Neural Storm | 全局突变加速 | 大型活动/集训 | 定期举办"能力风暴"活动 |
不要设计"协作流程"。设计交互协议——信号格式、配对规则、痕迹标准。复杂协作会自发涌现。SHENG 3D 证明了:15 个输入 + 7 个输出 + 自然选择 = 无限复杂的行为空间。
SHENG 3D 中最稳定的生态不是"所有人都一样强",而是不同复杂度的物种占据不同生态位。超协体需要:轻度用户(浅层网络)提供网络密度,深度用户(深层网络)提供智能上限。两者缺一不可。
模拟中,种群存亡的最强预测指标不是个体智能、不是种群数量,而是信号网络的连接密度。一旦通信网络崩溃,种群在下一个冬季必然灭绝。超协体的核心指标应该是"成员间活跃信号连接数"。
基于 SHENG 3D 的实验观察,我们对 AI 的未来发展路径做出以下推断:
当前的 AI 模型架构是人类设计的固定结构。SHENG 3D 证明了当架构本身成为进化对象时,系统会自动找到最优的深度-宽度-连接模式。未来的 AI 系统将具备自适应拓扑——根据任务需求动态增减网络层和神经元。这不是科幻,而是进化计算的自然延伸。
SHENG 3D 中最强大的不是单个最聪明的个体,而是拥有最密集信号网络的种群。单个 4 层网络的 apex predator 会被一群有通信能力的 2 层网络 grazer 包围饿死。多 agent 协作的上限远高于单 agent 优化的上限。
4 层网络在食物丰富时称王,在冬季饿死。这完美映射了当前 AI 的困境:更大的模型需要更多的算力和能源。智能大爆炸不会是算力的无限指数增长,而是在能耗约束下的效率进化——用更少的参数做更多的事。
SHENG 3D 中的信息素系统(stigmergy)比直接通信更高效、更可扩展。在现实中,GitHub、Stack Overflow、NPM 就是人类的信息素系统——通过环境中的痕迹进行间接协作。MCP 协议将是 AI agent 世界的信息素基础设施。
SHENG 3D 中 Neural Storm 事件之所以能引发进化跳跃,是因为它创造了一个条件:大量个体同时获得修改自身结构的能力。当 AI 生态系统中的"AI 改进 AI"的闭环形成时——不是某个 AI 变得超级聪明,而是整个生态系统的改进速度超过人类的监控速度——那就是奇点。
SHENG 3D 最深刻的教训不是关于智能本身,而是关于智能涌现的环境条件。你不需要"创造"智能——你只需要创造正确的环境:可变拓扑、选择压力、信号协议、遗传传递。然后等待。进化会完成剩下的事。
这对超协体的启示是终极的:你不是在建一个组织,你是在培育一个生态。你的工作不是规划每个成员做什么,而是确保土壤的 pH 值正确。
| Parameter | Value | Impact |
|---|---|---|
| N_INPUTS | 15 | 感知维度 |
| N_OUTPUTS | 7 | 行为维度 |
| MAX_HIDDEN | 24 | 单层最大神经元 |
| MAX_HIDDEN_LAYERS | 4 | 最大隐藏层数 |
| DEFAULT_HIDDEN_SIZES | [10, 8] | 初始网络拓扑 |
| Mutation Rate | 30% | 权重变异概率 |
| Topology Mutation | 5% | 宽度变异概率 |
| Depth Mutation | 2% | 深度变异概率 |
| maxAge | 30000 ticks | 最大寿命 |
| WORLD | 500 units | 世界尺寸 |
| Issue | Before | After |
|---|---|---|
| Creature sensing | O(n²) filter + findNearest | O(n) inline skip-self |
| 3D rendering | Individual meshes | InstancedMesh batching |
| Pheromone update | Every tick | Diffusion every 4 ticks |
| Neural viz | Overlay popup (N key) | Always-on right panel |
sheng-life-3d.html # 2700+ lines, single-file application
├── CSS (80 lines) # HUD, controls, neural panel styles
├── HTML (150 lines) # HUD structure, neural overlays
└── JavaScript (2500 lines) # All simulation, rendering, UI logic
├── Constants & Config
├── Noise & Terrain
├── Neural Network Engine (create/clone/mutate/crossover/think)
├── Creature & Pheromone System
├── Tick Simulation Loop
├── Species Classification
├── Milestone Detection (40+ types)
├── Three.js Scene & Rendering
├── Audio Engine
├── Neural Network Visualizer (overlay + main panel)
├── Input Handling & Controls
├── Save/Load System
└── Game Loop