Tapes Together Strong: The Co-evolution of Computation and Cooperation
Kunal Jha, Francesco Cicala, Blaise Agüera y Arcas, Blake Aaron Richards, Natasha Jaques, Max Kleiman-Weiner, Eyvind Niklasson
cs.MA, cs.AI
2026-09-10
随机Z80程序在能量短缺下自发压制偷窃：损耗型STEAL会拖死复制。均匀混合无记忆时背叛仍是少数派，空间结构再抬高复杂度和联合解题率。
进化博弈论把社会互动和复制拆成两套规则：先打一局囚徒困境，再按收益更新种群。复制本身不花钱，也不改对方的身体。这个拆法让「均匀混合、没有记忆」几乎成了合作的死亡条件，必须额外塞进互惠、惩罚或亲缘聚类才能稳住。
人工生命走另一条路。Tierra、Avida 里，随机指令会演化出自复制，程序在共享内存里抢时间片。但这些系统多半把竞争写成零和抢资源，没有把「偷邻居的能量」和「保住双方还能算下去」做成同一条指令级的社会困境。
多智能体系统正在把这两件事叠在一起：计算、交互、繁殖从同一份预算里扣。这篇问的是，如果策略和复制机制都得从随机字节里长出来，合作还能不能站住。
框架叫 Autopoietic Game Theory（自创生博弈论）。自创生是生物学用语，指系统不断再生产自己的组成部分。实验把这句话落成计算：每条指令都有能量代价，执行速度跟着能量走，交互和复制从同一份预算里扣。
具体设置：16384 条程序，每条是 32 字节的随机 Z80 机器码，论文叫 tapes（磁带）。每轮给每条磁带注入 ε=24 的基础能量，再两两配对，拼成 64 字节的环形共享内存。两边各有独立 CPU 和寄存器，从自己的代码起点开始跑。每条指令固定耗 1 点能量；无效指令也会扣能量，只是安全跳过。下一条指令由谁执行，概率等于自己能量占双方总和的比例。能量上限 255，下限 0。
没有内置的复制指令。要繁殖，程序必须自己写出覆盖对方磁带的代码。手工最短复制体只要 11 字节，所以 ε=24 够不偷窃的磁带安全复制并攒余粮。每轮开始前，每个字节以 μ=1/128 的概率突变。
社会困境写在一条 STEAL 指令里：从对方抽走 δ 点能量，自己只吸收 α=0.8 的份额。每次成功偷窃，系统净损失 0.2δ。不执行 STEAL 就算合作。这不等于善良，复制本身就是覆盖对方内存；合作只表示不搞损耗型能量掠夺。
种群有两种拓扑：均匀随机配对，或 2D 网格只跟上下左右四邻交互。
均匀能量、均匀混合、持续突变时，STEAL 在多种固定 δ 和可调偷窃量设置下都被压到很低。机制是代谢性的：互偷把共享能量池抽干，配对系统变慢，寄生者更容易在突变里死掉；合作者攒能量，下一轮跑得更快，甚至能在对方复制完成前把它覆盖掉。
这不是高突变率的假象。把突变关掉（μ=0），往随机汤里各撒 1% 的可用复制体和 STEAL 操作码，背叛者仍然是少数派。偷窃量从 δ=16 提到 δ=32，背叛成功率显著下降（p<0.001，Cohen's d=4.17）：偷太多，共享能量先饿死，L 次写入还没写完复制就失败。
这也不是「偷窃太亏」单独造成的。α×δ 全组合、10 个随机种子、把 STEAL 收成单字节指令方便演化，背叛者占比几乎不随 α 走：
| α | 背叛者占比 | 标准误 |
| 0.25 | 0.210 | 0.038 |
| 0.50 | 0.169 | 0.034 |
| 0.75 | 0.213 | 0.035 |
| 0.95 | 0.204 | 0.036 |
α 提到 0.95，背叛者还是两成上下。α×δ 与背叛占比只有弱相关（Pearson r=0.14，p=0.03）。稳住合作的，是策略和复制机制一起演化。
均匀能量下，空间结构不是合作的必要条件，两种拓扑都压偷窃。但空间会把程序写得更复杂、更像亲戚：高阶熵 Cohen's d=2.81，编辑距离 d=7.32，均为 p<0.001。能量按位置严重不均时，均匀混合种群代谢和结构一起塌；局域交互保住终端能量（d=8.98）和结构复杂度（d=3.54）。
再加外源任务。网格位置绑定常数 b，每轮给随机输入 x，读邻居的 y 更贵。Solo 任务算 x+b，Joint 任务算 x+y。自由能量只在储量低于阈值时发放，例如容量的 25%。阈值越高（白给的能量越多），解题率越低：个体任务 r=-0.267（p=0.017），联合任务 r=-0.427（p=7.7×10⁻⁵）。
把数学题做成序贯社会困境：先做出 Joint 双方各得 2ε；对方再做 Solo 自己再拿 5ε，先做 Joint 的人只剩 2ε；对方也做 Joint 则各再得 4ε，人均 6ε；双方都 Solo 各得 5ε。磁带还是压 Solo、冲 Joint，STEAL 继续被压。局域交互的联合解题率更高（p≤0.01，d=1.63）。
简化模型把复制时机单独拿出来：如果先互动再按事后能量决定谁复制，背叛接管；如果复制优先级在互动前就定死，合作接管。能量损耗本身不够，损耗必须绑上可演化的复制机制。
对做多智能体和开放式自我改进的人，这篇给了一条硬约束：把计算能力和能量预算绑死，合作可以从物理里长出来，不必先给记忆、惩罚或身份识别。空间结构在均匀资源下是复杂度催化剂，在资源不均和联合任务里变成生存脚手架。
这仍然是人工生命实验，不是生产级 agent 协议。Z80 磁带能互相读写全部内存，更接近共享 harness 的 agent，不像私有权重的模型。机制主张比「再加一个合作奖励」硬，落地距离也一样远。
作者自己写了：模拟限于简化囚徒困境和 Z80 指令集，换硬件密度会改复制成本和饥饿阈值，合作策略是否还摸得到不知道。无限制读写对方内存，很多真实系统不给这个权限。附录理论还冻住了相对执行速度，用平均能量代替动态总量。不对称能量、持续突变、外源任务上的充分条件还没写出来。
另外，合作的操作定义很粗：不执行 STEAL 就算 C。程序可以循环 STEAL、改偷窃量、只覆盖对方一部分代码。论文把这种梯度放进附录，主文仍用二元标签。α-δ 扫描里 δ=16 时背叛占比到 0.313，δ=24 又掉到 0.075，曲线并不单调，主文只强调「对 α 不敏感」。图上的「heavily suppressed」多数没有给出终端偷窃率的绝对数字。