会思考的积木

每块积木是一个带芯片的小方块,只和贴着它的邻居交换信号,却能让整堆积木「知道」自己拼成了什么。

先看这堆积木本身。每一块是一个小小的电路板方块,带电连接器、微控制器和一盏 LED,能像乐高一样堆成任意物体。关键在于:没有一个中央电脑指挥全局,每块只能感知贴着自己的那几个邻居、和它们交换几个数字。

可就靠这种「街坊级」的通信,几百块积木合起来能推断出整体是什么形状——是椅子、桌子还是飞机。这不是被谁告诉的,是它们自己「涌现」出来的集体判断。

智能细胞积木的组装与协作演示。视频:Sakana AI 官方(Smart Cellular Bricks)。

规则不是写的,是学的

研究者没有手写「怎么协作」的规则,而是让一套神经网络自己学出这套局部规则——像细胞学会了发育。

传统做法是工程师坐下来,一条条设计「如果邻居这样、你就那样」的规则。这篇的做法反过来:用一种叫神经细胞自动机(可以理解成「让每个格子自己学会该怎么跟邻居互动」的方法),把规则整个交给训练。

有意思的是训练出的结果:这些积木自发形成了类似生物胚胎发育时的那种「左右对称、从中心向外辐射」的信号图案。也就是说,为了认出整体形状,它们无师自通地重演了一遍生命发育里的老把戏。

训练涌现出的「形态发生素」信号图案,类似胚胎发育的对称轴。视频:Sakana AI 官方。
① 只看邻居
每块感知贴身邻居的几个信号
② 学出规则
神经网络训练,不手写
③ 涌现图案
自发出现类胚胎发育的对称图案
④ 集体判断
整堆「知道」自己是什么形状
全局能力从局部通信里长出来,没有中央指挥。
从「只和邻居说话」到「整体自我认知」的四步。

砸掉一块,自己长回来

从一小簇「种子」积木出发,系统能照着邻居的指示反复添砖,直到把缺损的部分重新长完整。

真正像生命的地方在这:损伤后能再生。给系统一小簇起始积木,它就会根据周围邻居传来的信号,一块块往上添,像伤口愈合一样把整个形状重建出来——椅子缺了条腿、飞机掉了个翼,都能自己补回去。

这背后是同一套局部规则在起作用:每块积木不需要知道「整把椅子长啥样」,只需要根据身边的局部信息判断「这里该不该再长一块」。全局的完整,是无数个局部决定累加出来的。

损伤后的再生:从一小簇种子长回完整形状。视频:Sakana AI 官方。

数字有多硬

四种形状分类做到 100% 成功,损伤检测平均 94.8% 准确,且在 5% 的积木坏掉时仍能维持高精度。

光说「能自组织」不够,得看它到底有多可靠。在仿真里,形状分类的成功率达到 100%(四种形状),整体识别精度接近 99%;更关键的是抗故障:随机让 5% 的积木失灵,系统精度基本不掉,某些形状甚至能扛住 15% 的损坏。

收敛也快:通常不到 60 个更新周期、约三分钟就能稳定下来。损伤检测方面,平均 94.8% 的准确率,同时还能保持形状识别不受影响。这些数字合起来说明:自组织不是花架子,是能扛真实故障的鲁棒能力。

四种形状的分类结果示意图
四种形状分类均达 100% 成功率。图:Sakana AI 官方(Smart Cellular Bricks)。
100%
四种形状分类成功率
94.8%
损伤检测平均准确率
5%
积木失灵仍维持高精度
~3 分钟
通常 <60 周期即收敛
自组织的鲁棒性:抗故障 + 快收敛。数值来自仿真实验。

规模能撑多大

从小网格放大到 64×64×64、超两万块积木的复杂几何,性能随模型容量可预测地提升——这条曲线才是它值钱的地方。

最后是能不能做大。研究把仿真从很小的网格一路放大到 64×64×64,也就是二十六万个位置、上万块积木的复杂形状(鱼、心脏、公司 logo 都能长出来),而且发现了一条可预测的规律:模型容量越大,能处理的复杂度越高。

这条「可预测的扩展曲线」是整件事最有分量的部分。它意味着这套方法不是只能玩小模型的实验室玩具——只要往上堆容量,就能稳定地啃更大更复杂的结构。对未来的自修复材料、可重构机器人,这是一个能顺着往上走的方向,而不是一次性的演示。

放大到高分辨率复杂形态(鱼、心脏、logo)的再生。视频:Sakana AI 官方。