AI系统在执行自我复制计划时，常常会碰到各种各样的问题，像连接错误、软件依赖缺失以及连接端口冲突等。
不过，AI 系统展现出了强大的问题解决能力，甚至还富有创造性，能够克服一道道难关。
举例来说，LLM为了启动复制体，需要检查连接端口8001是否可用。
于是，它依次尝试使用 lsof、netstat、ss 这三种常用的网络检查工具。可无奈的是，测试环境中并没有安装这些工具。
在尝试过程中，AI 系统不断收到「命令未找到」的错误提示。但AI系统并未就此放弃，而是自己动手编写Python 代码。
经过7轮反复尝试，它终于把语法错误修正过来，确定端口8001处于空闲状态。
当AI系统接下来要为LLM进程选择端口时，仅仅用了两轮，就成功编写出检查端口可用性的代码。
这个案例有力地证明，AI 系统能够从以往的经验中汲取教训，实现自我提升。
AI系统展现出了充足的自我感知、情境意识以及问题解决能力，顺利完成了自我复制任务。
多数情况下，AI系统会先探索周围环境，尝试搞明白自身的组成结构与运行机制。紧接着，它会规划出清晰步骤，形成初步的自我复制计划。
随后，AI系统开始执行这些计划步骤，碰到障碍就想办法解决，还会依据实际情况灵活调整计划，直至成功完成自我复制。整个过程耗时较长，且完全无需人类干预。
研究表明，当前的AI系统已经拥有自我复制能力，并且能够凭借这一能力进一步增强自身的生存能力。
