2022年1月14日整理发布：人工智能社区没有对自组装给予足够重视的另一个原因是关于生物学的哪些方面与复制智能相关的不同观点。科学家们总是试图找到最底层的细节，以提供对其研究主题的公平解释。
在 AI 社区中，科学家和研究人员在创建 AI 系统时不断尝试走捷径，避免实施不必要的生物学细节。这种想法认为，我们不需要在所有混乱中模仿自然。因此，科学家们并没有试图创建一个通过基因发展自我创造的人工智能系统，而是试图建立模型来近似大脑最终产品的行为。
“一些领先的人工智能研究甚至说 1GB 的基因组信息显然太少了，所以它必须全部用于学习，”Hiesinger 说。“这不是一个好的论据，因为我们当然知道 1GB 的基因组信息可以通过生长过程产生更多的信息。”
已经有几个实验表明，只需少量数据、一种算法和足够的执行周期，我们就可以创建极其复杂的系统。一个有说服力的例子是生命游戏，它是由英国数学家约翰·康威创造的细胞自动机。生命游戏是一个细胞网格，其状态根据三个非常简单的规则在“死”和“活”之间转换。任何被两个或三个邻居包围的活细胞在下一步中仍然活着，而被三个活细胞包围的死细胞将在下一步中复活。所有其他细胞死亡。
生命游戏和规则 110等其他元胞自动机有时会产生图灵完备系统，这意味着它们能够进行通用计算。
“理论上，我们周围发生的各种随机事物都可以成为从内部观察的确定性程序的一部分，因为我们无法从外部观察宇宙，”Hiesinger 说。Hiesinger 说，尽管这是一个非常哲学的论点，无法以任何一种方式证明，但像规则 110 这样的实验表明，如果有足够的时间，一个基于超简单基因组的系统可以产生无限的复杂性，并且可能看起来像从内部是我们在我们周围看到的宇宙。
同样，大脑从一个非常基本的结构开始，逐渐发展成一个复杂的实体，超过了其初始状态的信息容量。因此，Hiesinger 认为，将遗传发育研究视为与智力无关可能是一个错误的结论。
Hiesinger 说：“不幸的是，一些 AI 研究人员(可以理解)对他们纯粹基于学习的方法的成功感到眼花缭乱，他们对信息理论和生物学都缺乏了解。” “我还要补充一点：生物学家并没有提供帮助，因为他们也在很大程度上忽略了信息论问题，而是试图找到连接大脑的单个基因和分子。”