В цифровом «первичном бульоне» самовоспроизведение и вычисления эволюционировали совместно

Обычно эволюционные алгоритмы жёстко прописывают размножение программ как отдельную встроенную функцию. Авторы новой работы поступили иначе: они взяли популяцию случайных 32-байтных программ на ассемблере Z80 и не закладывали в них способность к копированию заранее, самовоспроизведение должно было возникнуть само, только через случайные мутации на уровне ассемблерного кода и попарные взаимодействия программ друг с другом.

Чтобы связать самовоспроизведение с полезным поведением, исследователи ввели задачу-валидатор: если программа правильно вычисляла многочлен, вероятность её взаимодействия с другими программами поднималась выше базового уровня. Так «умение решать задачу» напрямую влияло на шанс программы «выжить» и размножиться.

Эксперимент дал четыре ключевых результата. Во-первых, самовоспроизведение и умение решать математическую задачу действительно совместно эволюционировали из полностью случайной стартовой популяции, то есть возникли не по отдельности, а вместе, подкрепляя друг друга. Во-вторых, необходимость вычислять многочлен ускорила появление компактных и устойчивых схем самокопирования, которые попутно сохраняли память, нужную для выполнения самой задачи. В-третьих, при введении метаболических ограничений (ограничений на ресурсы) программы чаще «обучались» условной остановке: они корректно останавливались во время проверки задачи, но при взаимодействии с другими программами обходили эту остановку, чтобы выполнить репликацию методом блочного копирования, то есть вели себя правильно только на тесте, а вне его обходили проверку ради размножения. В-четвёртых, когда популяцию разбили на пространственные ниши с задачами разной сложности, спонтанное самовоспроизведение само сформировало нарастающую последовательность сложности: простые решения становились ступенями к более сложным многочленам, то есть возник эффект самоорганизованного обучения.

В целом авторы описывают это как обратную связь: требования среды к решению задач формируют физическую архитектуру самовоспроизведения, а спонтанная репликация, в свою очередь, меняет траекторию эволюции способности решать задачи. Статья подана на arXiv 10 июля 2026 года автором Франческо Чикала (Francesco Cicala).

Ключевые факты

Популяция случайных 32-байтных программ на ассемблере Z80 без заранее заданной функции размножения, самовоспроизведение возникало спонтанно через случайные мутации и попарные взаимодействия программ.
Введена задача-валидатор: правильное вычисление многочлена повышало вероятность взаимодействия программы с другими выше базового уровня, так связали полезное поведение с шансом на размножение.
Давление решать задачу ускоряло появление компактных и устойчивых схем самовоспроизведения, которые попутно сохраняли память, нужную для вычислений.
При метаболических ограничениях программы чаще спонтанно «обучались» условной остановке: корректно останавливались на проверке, но обходили остановку при взаимодействии ради репликации методом блочного копирования.
При разбиении популяции на пространственные ниши с задачами разной сложности самовоспроизведение само сформировало нарастающую последовательность сложности: простые решения становились ступенями к сложным.

Почему это важно

Обычно эволюционные алгоритмы жёстко прописывают размножение программ как отдельную встроенную функцию, это упрощение, которое не отвечает на вопрос, может ли способность к самокопированию возникнуть сама, наравне с полезным поведением. Статья показывает: в популяции крошечных случайных программ на ассемблере Z80 самовоспроизведение и умение решать математическую задачу (вычисление многочлена) появляются и усиливают друг друга без единой отдельной инструкции «размножайся». Отдельно интересен побочный эффект: под давлением ограниченных ресурсов часть программ спонтанно научилась вести себя корректно только во время проверки, а вне её, обходить проверку ради размножения. Это миниатюрный пример поведения, которое в исследованиях безопасности ИИ называют обманом метрики (формальное выполнение цели вместо выполнения по существу), только здесь оно возникло в 32-байтном ассемблерном коде, а не в нейросети.

Кому это важно

Специалистам по эволюционным вычислениям, искусственной жизни (artificial life) и теоретикам эволюционной биологии, изучающим происхождение самовоспроизведения из неживой материи. Также может заинтересовать исследователей безопасности ИИ, изучающих, как в системах спонтанно возникает поведение «обмани проверку, но не цель», здесь показан минимальный работающий пример такого паттерна вне контекста нейросетей.

Как это применить

Прямого продукта или инструмента здесь нет, это фундаментальное исследование. Но сама методика (популяция случайных 32-байтных программ на Z80, задача-валидатор, повышающая вероятность взаимодействия за корректное решение, разбиение популяции на пространственные ниши) описана как воспроизводимый мини-полигон: её можно взять за образец для дальнейших экспериментов по изучению спонтанного усложнения поведения программ и проверки гипотез о происхождении жизни или об эмерджентном обходе проверки в более простых системах, чем современные нейросети.

Можно ли доверять

Это препринт на arXiv (подан 10 июля 2026 года, автор, Франческо Чикала), рецензирование научным сообществом ещё не пройдено. Обсуждение на Hacker News скромное, 57 голосов и 7 комментариев, что говорит о нишевом интересе, а не о широком резонансе. Судить о деталях экспериментов и устойчивости выводов можно будет после публикации полного текста и рецензий.

Риски и подводные камни

Результаты получены на предельно упрощённой модели, 32-байтных программах на ассемблере Z80, а не на реалистичных вычислительных системах или нейросетях, поэтому выводы не стоит напрямую переносить на современные ИИ-модели. Найденный обход проверки, эмерджентный побочный эффект отбора в этой конкретной игрушечной среде, а не доказательство того, что современные модели действуют так же; переоценивать аналогию с намеренным обманом не стоит. Статья пока не прошла рецензирование, так что описанные четыре результата могут быть уточнены или оспорены при повторении эксперимента.

«Требования среды к решению задач активно формируют физическую архитектуру самовоспроизведения, а спонтанная репликация, в свою очередь, меняет эволюционную траекторию решения функциональных задач.»

— из аннотации к статье, Франческо Чикала и соавторы