Genesis：在没有适应度函数的世界里，让进化自己生长

Genesis是一个颠覆性的进化计算框架，彻底抛弃传统遗传算法依赖的适应度函数，通过约束驱动、关系选择和动态调节探索开放式进化。本文将从背景、核心机制、实验验证、结论及启示等方面展开讨论，揭示其对进化计算及AI领域的深远意义。

传统进化算法依赖适应度函数定义优化目标，高效但易导致种群过早收敛到局部最优，限制长期创新。而生物进化无预设适应度函数，通过在动态环境中维持生存繁衍展现开放式创造力。Genesis提出假设：能否仅通过约束驱动的选择机制，实现无适应度函数、无新颖性目标、无奖励塑造的持续进化活动？

Genesis的核心设计理念是在动态调节的约束空间中维持生存，而非爬升预定义山峰。其四大机制包括：

1. 代谢成本约束：基因组复杂度越高代谢成本越高，平衡复杂性与维持成本；
2. 帕累托关系优势：采用多目标帕累托优势比较个体，避免单一优化目标局限；
3. 人工免疫系统（AIS）多样性保护：维护基因型档案库，检测到多样性崩溃时注入多样性；
4. 自适应约束调节（CARP）：动态调节约束强度，维持狭窄生存走廊，确保进化持续但不规定方向。

Genesis团队在GECCO 2026发表的论文中报告12次独立实验（每次10000代），约58%实验成功维持非零进化活动。失败原因包括代谢超载（无约束调节时基因组复杂度失控）、中性漂变饱和（固定约束导致种群停滞）、优势垄断（多样性保护不足）。消融实验显示，移除CARP或AIS后失败率超90%，验证了机制的必要性。

成功实验中基因组复杂度趋于稳定而非无限增长，揭示约束驱动进化可维持活动但无法保证开放式增长。这源于基因组编码能力限制、约束结构固定性或缺乏环境动态压力。未来研究方向包括可进化的基因组字母表、自适应约束结构、协同进化与环境动态。

当前AI多遵循“训练-优化”范式（定义损失函数通过梯度下降优化），Genesis提出另一种可能：智能或许在适当约束下自然涌现，如同生命从化学汤中涌现。启示我们应更多关注创造合适条件而非设计特定目标，而非抛弃现有方法。

Genesis团队强调研究提供经验边界而非幻想：58%成功率证明无适应度进化可能但非必然，复杂度平台揭示约束的局限性。负面结果与部分成功帮助理解可能性与困难。

项目地址：https://github.com/gearupsmile/genesis-emergence 相关论文：Sustained Evolutionary Activity Without Fitness Functions: An Empirical Study of Constraint-Driven Selection (GECCO 2026)