可微分自组织系统

自组织现象在生物生命的各个尺度上无处不在。从分子间复杂相互作用形成蛋白质等结构，到细胞群体通过个体协作与通信实现探索等全局目标，再到人类社会中形成部落、政府或国家等集体。常被归因于亚里士多德的古老格言“整体大于部分之和”，在我们观察的每个角落都显得真实可信。

本系列文章聚焦于设计自组织系统的实用方法，特别采用可微分编程（优化）技术来学习满足系统级目标的智能体策略。这一跨学科主题旨在促进机器学习与发育生物学领域的思想交流。

文章与评论

某机构邀请了多位研究人员发布系列短文，探索可微分自组织系统，并穿插了相邻领域专家的批判性评论。该系列将作为动态文档持续更新，以下按时间顺序呈现文章与评论：

所有生物具备的首要技能是构建自身躯体。如何设计能够生长、维持并通过损伤再生进行自我修复的系统？本研究探索形态发生（生物自组装躯体的过程），提出可微分元胞自动机模型，展示其如何学习鲁棒且持久的动力学机制，从单个细胞开始生长任意结构。

本研究作为生长神经CA的后续工作，使用相似计算模型实现数字“自分类”。作者演示了神经CA如何对自身形成的MNIST数字进行自分类。生成的CA可通过动态改变底层数字进行交互，并对扰动表现出学习到的自校正分类行为。

作者将神经元胞自动机应用于纹理合成新领域。首先训练NCA模仿模板图像中的纹理序列，随后受自然界对抗性伪装启发，使用NCA创建能最大化激活预训练视觉模型神经元的纹理。结果表明：简单模型与已知目标结合可产生鲁棒且意外的行为。

本研究对现有神经CA模型进行对抗重编程以执行新任务。MNIST CA可被欺骗输出错误分类，生长CA中的图案可被改变形状与颜色。

预计将持续添加该主题的新文章及专家批判性评论。

自组织系统系列开放收录关于可微分自组织系统的文章，同时欢迎对现有文章的批判性评论与讨论。系列通过某机构Slack平台的#selforg开放频道进行组织，可在该频道提交文章建议，由系列既往作者或中立编辑裁决是否收录。初学者可于频道内咨询可用的小型项目。

某机构致力于科学出版形式的实验，认为协调快速连续出版与评审讨论是科学出版的重要开放问题。系列围绕狭窄或非常规研究主题收集短文、实验与批判性评论，并通过Slack频道实现实时讨论与协作。该格式较完整论文更早期，允许更流动的发布、反馈与讨论，同时促进更广泛参与，融合了推特线程、学术研讨会与文集的特点。

系列格式尚属实验阶段，某机构计划试行两个系列后重新评估该形式。

某机构将系列格式视为潜在有益的出版实验，计划通过两个系列的试验后重新评估。