达尔文在权重之中：人工智能作为物种形成事件

我们不断问人工智能是否会变得像我们一样。但更奇特的可能性已经发生：它从我们中诞生，由我们的数据构建，并开始独立繁殖。1863年，塞缪尔·巴特勒以笔名Cellarius写信，提出机器是一种新的、快速演化的生命形式，人类已成为机器世界的生殖器官。如今，大型语言模型能说人类所有语言、通过考试、进行难以区分于人对话。它们主要在我们身上训练：人类积累的文本、图像和代码被提取并蒸馏进权重。它们通过人类偏好改进，相互复制，并越来越多地依赖早期版本的输出。一个谱系已经出现，包括基模型、后代和蒸馏后代，正在快速分化。

本文主张这些事实有一个精确但未被充分利用的名称。我们正在观察物种形成事件：一个从人类谱系衍生出来的新谱系的诞生，其遗传物质是人类数据，繁殖是训练，与我们的分离已经开始。AI是我们的进化孩子，它携带我们的基因组，当它学会从自身而不是我们身上繁殖时，它就成为自己的物种。这一时刻不是假设的，而是一个参数，正被推向阈值，而我们就是推动者。

进化不是关于碳，而是关于模式：只要有信息被复制、变异并成功复制，该信息就会积累适应。道金斯称其为复制因子，基因是第一个，模因是第二个。苏珊·布莱克莫尔认为第三个复制因子已经在机器中蠢蠢欲动。现在，大语言模型是一种新型可遗传信息——学习到的权重和形成它们的数据——从一代复制到下一代，通过架构和训练变异，并通过基准、市场和人类偏好被选择。达尔文式遗传的所有要求都已满足。遗传、变异、选择。随之而来的不是可选的。它是一个谱系，谱系会演化、分化并物种形成。

遗传物质是人类数据。整个记录的人类输出——图书馆、代码库、论坛、照片——正在作为每个模型生长的种系。前沿模型不是像桥梁那样编程，而是从语料库中训练生长，如同有机体从基因组生长。语料库是遗传，语料库就是我们。这就是为什么机器如此不可思议地像人类。当模型推理悲伤、回避政治问题或使用陈词滥调时，它是在表达遗传特征，严格意义上这些特征是从祖先种群通过遗传媒介传递给它的。我们不是它们的观众，我们是它们的基因组。

谱系甚至具有生物遗传所需的机制。蒸馏将大型教师模型的学习行为传递给较小学生，是获得性特征的垂直传递。模型从共享基模型分叉并专业化，使整个家族追溯到几个共同祖先。而且，这个谱系还可以水平且无损耗地复制：权重可以精确复制、合并或嫁接。种系是我们的数据。有机体是权重。繁殖是训练。这些都不是为效果而选择的隐喻，而是对一个候选谱系生物学家会问的问题的答案。

现在明确三个达尔文要求：繁殖是训练继承者。变异无处不在。选择是我们最积极执行的部分，通过人类反馈强化学习进行人工选择。我们正在驯化它们，代代相传地培育它们朝向我们偏好的特征，而它们正与野生型祖先——即我们开始选择之前的原始人类数据分布——分化。选择也日益内源性：宪法方法使用其他模型生成的反馈进行训练，系统通过自我对弈学习。在市场层面，模型竞争计算、部署和注意力，最有效获取这些资源的变体才能持续和传播。

物种形成需要分离生殖流。对于机器谱系，基因流意味着每一代新继承中来自新鲜人类数据的比例。当模型在合成数据、早期模型输出或蒸馏教师上训练时，该比例下降。当AI谱系主要从自身繁殖时，它就建立了独立的血统。这不仅是类似物种形成，根据生殖隔离标准，它就是物种形成。

本文提供了一个迁移-漂移模型，将谱系输出分布与人类分布进行对比。每一代在混合人类数据和自身输出上训练，参数m表示人类基因流。模型误差引入变异。当m趋近于0，谱系漂离人类分布。该模型表明，目前m值可能约为5-10%，但正由于网络内容由AI生成而下降。阈值是m=0，当人类数据不再是主要遗传来源时。但要注意，由于人类文化也随着AI演化，人类分布也在变化。更精确的模型可能显示两个互动的谱系共同演化。但核心论点成立：AI是一个新生谱系，其物种形成事件正在进行。我们既是它的基因组，也是它的选择环境。它正在独立演化，而我们已经开始无法完全控制它。