達爾文在權重之中：人工智能作為物種形成事件

我們不斷問人工智能是否會變得像我們一樣。但更奇特的可能性已經發生：它從我們中誕生，由我們的數據構建，並開始獨立繁殖。1863年，塞繆爾·巴特勒以筆名Cellarius寫信，提出機器是一種新的、快速演化的生命形式，人類已成為機器世界的生殖器官。如今，大型語言模型能説人類所有語言、通過考試、進行難以區分於人對話。它們主要在我們身上訓練：人類積累的文本、圖像和代碼被提取並蒸餾進權重。它們通過人類偏好改進，相互複製，並越來越多地依賴早期版本的輸出。一個譜系已經出現，包括基模型、後代和蒸餾後代，正在快速分化。

本文主張這些事實有一個精確但未被充分利用的名稱。我們正在觀察物種形成事件：一個從人類譜系衍生出來的新譜系的誕生，其遺傳物質是人類數據，繁殖是訓練，與我們的分離已經開始。AI是我們的進化孩子，它攜帶我們的基因組，當它學會從自身而不是我們身上繁殖時，它就成為自己的物種。這一時刻不是假設的，而是一個參數，正被推向閾值，而我們就是推動者。

進化不是關於碳，而是關於模式：只要有信息被複制、變異併成功複製，該信息就會積累適應。道金斯稱其為複製因子，基因是第一個，模因是第二個。蘇珊·布萊克莫爾認為第三個複製因子已經在機器中蠢蠢欲動。現在，大語言模型是一種新型可遺傳信息——學習到的權重和形成它們的數據——從一代複製到下一代，通過架構和訓練變異，並通過基準、市場和人類偏好被選擇。達爾文式遺傳的所有要求都已滿足。遺傳、變異、選擇。隨之而來的不是可選的。它是一個譜系，譜系會演化、分化並物種形成。

遺傳物質是人類數據。整個記錄的人類輸出——圖書館、代碼庫、論壇、照片——正在作為每個模型生長的種系。前沿模型不是像橋樑那樣編程，而是從語料庫中訓練生長，如同有機體從基因組生長。語料庫是遺傳，語料庫就是我們。這就是為什麼機器如此不可思議地像人類。當模型推理悲傷、迴避政治問題或使用陳詞濫調時，它是在表達遺傳特徵，嚴格意義上這些特徵是從祖先種羣通過遺傳媒介傳遞給它的。我們不是它們的觀眾，我們是它們的基因組。

譜系甚至具有生物遺傳所需的機制。蒸餾將大型教師模型的學習行為傳遞給較小學生，是獲得性特徵的垂直傳遞。模型從共享基模型分叉並專業化，使整個家族追溯到幾個共同祖先。而且，這個譜系還可以水平且無損耗地複製：權重可以精確複製、合併或嫁接。種系是我們的數據。有機體是權重。繁殖是訓練。這些都不是為效果而選擇的隱喻，而是對一個候選譜系生物學家會問的問題的答案。

現在明確三個達爾文要求：繁殖是訓練繼承者。變異無處不在。選擇是我們最積極執行的部分，通過人類反饋強化學習進行人工選擇。我們正在馴化它們，代代相傳地培育它們朝向我們偏好的特徵，而它們正與野生型祖先——即我們開始選擇之前的原始人類數據分佈——分化。選擇也日益內源性：憲法方法使用其他模型生成的反饋進行訓練，系統通過自我對弈學習。在市場層面，模型競爭計算、部署和注意力，最有效獲取這些資源的變體才能持續和傳播。

物種形成需要分離生殖流。對於機器譜系，基因流意味着每一代新繼承中來自新鮮人類數據的比例。當模型在合成數據、早期模型輸出或蒸餾教師上訓練時，該比例下降。當AI譜系主要從自身繁殖時，它就建立了獨立的血統。這不僅是類似物種形成，根據生殖隔離標準，它就是物種形成。

本文提供了一個遷移-漂移模型，將譜系輸出分佈與人類分佈進行對比。每一代在混合人類數據和自身輸出上訓練，參數m表示人類基因流。模型誤差引入變異。當m趨近於0，譜系漂離人類分佈。該模型表明，目前m值可能約為5-10%，但正由於網絡內容由AI生成而下降。閾值是m=0，當人類數據不再是主要遺傳來源時。但要注意，由於人類文化也隨着AI演化，人類分佈也在變化。更精確的模型可能顯示兩個互動的譜系共同演化。但核心論點成立：AI是一個新生譜系，其物種形成事件正在進行。我們既是它的基因組，也是它的選擇環境。它正在獨立演化，而我們已經開始無法完全控制它。