約翰·梅菲爾德的複雜引擎

2018年8月2日 文/姚斌

《複雜的引擎》基本上都是從生物進化論的角度來研究複雜性系統。其作者約翰·梅菲爾德是愛荷華州立大學名譽教授，致力於用數學和物理學原理研究廣義進化論。作者所謂的廣義進化論要比生物課上講授的物種起源要更為廣義。作者研究的邏輯可以視為一種特殊的計算策略，這種策略的執行會產生出原本不可能出現的複雜事物。作者是用計算來定義「進化」。作者認為，要正確理解進化，就必須藉助信息的概念，因為進化本質上就是積累信息。信息的問題至少有三個方面讓作者感興趣。1、任何一個現代生物學家都認識到，如果不徹底理解DNA中的信息是如何引導生物體的形成，就不可能徹底理解生命。2、從計算的角度更容易理解進化的過程。根據這種思想，只要遵循特定的信息操作和積累策略，進化就會發生，這個策略就是「複雜的引擎」。3、任何有意義的複雜性，無論是否生物，都只有通過廣義的計算過程才有可能實現。

生命和人類的公司似乎都表現出了高度的創新性。從創新的角度來說，刺蝟要比同等大小的花崗岩複雜得多。如果將進化視為計算，就能精確解釋為何刺蝟要比花崗岩複雜。進化計算一旦在某個物理系統中實現，這種創新計算往往能產生出原本不可能存在的複雜產物。事實上，進化和創造性的聯繫極為密切，很有可能我們遇到的所有具有創造性的複雜事物都只有通過進化計算才有可能。一旦理解了信息和進化的關聯，就能夠解釋許多表面上沒有明顯關聯的事物。作者強調組織成指令形式的信息的重要性，以及包含了複製、變化和選擇的進化過程。在發展這些思想時，作者發現目的和創造性這樣的人文理念也可以從計算的角度來解釋和理解。目的可以通過重複的選擇自然湧現出來，創造性則是許多進化系統的自然產物。本質上，所有創造性都來自源源不絕的「隨機性」，更準確地說是隨機選擇。進化過程有效地利用了這個資源，一旦適當利用，一起皆有可能。

過去三四百年間發現的許多科學原理都表述為描述宇宙特定方面規律的數學公式。看到數學關係的發現帶來的巨大成就，人們就認為，只要發現了適當的方程，一切都可以描述。基於方程的世界觀的一個後果是「決定論」。但生命並不是這樣，更不要說人類社會，簡單的關係不能解釋一切。許多現象都太過複雜，無法用簡單的方程描述。沒有方程能替代基於計算機的字處理軟體。如果生命的歷史可以重來，沒有理由認為結果會一樣。恰恰相反，進化論認為，如果生命的起源和演化可以一次又一次重演，那麼每一次的細節都會不同。與此類似，與我們在物理學中期望看到的可預測性不同，人類的行為也具有不可預測性。這表明我們需要有新的認識和探索世界的方法。

作者傾向關注的事物大部分都具有複雜的歷史，並表現出具有高度針對性的複雜特徵。作者注意到，現實世界中的許多結構讓人明顯感覺到具有目的性，它們似乎是為了某種目的設計出來的，或者為了適應某種事物，或者至少是在某種背景下具有意義，而進化過程會自然產生出我們認為具有目的性的特徵。現實世界的複雜性並不局限於剩餘，我們的周圍到處都有非生命的複雜事物，從交響曲到太空飛船，它們都無法用物理學和簡單的概念進行解釋。生物和人類公司製造的大多數產品都無法僅僅用牛頓力學和量子力學得到完整的解釋。還需要其他的思想：具有高度針對性的結構的形成需要有被正確組織和使用的信息進行引導，否則就不可能出現。這是對這個原理的有意識使用時的支撐現代文明的所有技術進步成為可能。

與之相應的一個原理是，生命和技術性的複雜事物，顯然的不可能反映了形成它們所需的附加信息的量。所有生命和人類創造的非生命產品都體現了這一點。形成某物所需的信息越多，其表現出的不可能性就越大，舉個例子，比較石斧和超級計算機，或者病毒和人類。越複雜的因而也不可能的事物，製造它們所需要的信息也越多。這種描述的信息的形式表現為藍圖、配方、基因，或者統稱為指令。指令含有目的性信息，它們被創造出來是因為其產物能給創造者帶來利益。這些指令一旦被執行，就會產生某種事物或行為，如果沒有這些指令，這些事物和行為隨機產生的概率極低，基本沒有可能性；而有了正確的指令和執行指令的系統，產生出的結構就可以被認為是有可能的。顯然，要理解生命和人類天才的創造，我們必須解釋指令的來源。

但並不是所有事情都需要指令。作者將周圍無窮無盡的事物、系統和行為分為兩類。一類包含那些形成需要指令的事物，也就是說除了化學和物理定律以外，它們還需要附加信息。這些需要指令的事物為Ⅱ型事物，其中包括所有生物以及大部分人類智慧的產物，也包括蛋奶酥和宇宙飛船。還有一類則包含所有無需指令的事物，就是Ⅰ型事物，這一類包含大部分非生命或非人類活動的產物，例如岩石、海洋、氣象和太陽系。這兩種類型一起涵蓋了一切事物。地球之所以獨特正是因為Ⅱ型事物。所有已知的Ⅱ型事物要麼是在地球發現的，要麼就是在地球製造的，Ⅱ型結構將地球與其他已知行星區分開來。當然，也可能還有其他未知行星也有Ⅱ型結構。地球上有許多Ⅰ型結構，但這一點並不能將地球與太陽系或系外的其他行星區分開來。生成Ⅱ型事物所需的指令編碼了目的性信息。指令總是具有意向性，他們有固有的目的性。因此，作者面臨的三個研究的任務：認識信息是什麼？了解指令的來源，以及研究指令固有的目的性來自哪裡。最終進化計算將完美地解釋指令的來源和目的性。

作者認為，所有進化系統的核心都利用概率計算，可以從隨機發生的事件中提取目的性信息。當從信息的角度來認識相關的對象和活動時，會發現隨機性才是新事物的終極來源。對於計算機科學不熟悉的人可能會覺得難以置信，但其中的邏輯是合理的。確定性的規則精確決定結果，因此只要輸入不是隨機的，結果就一定可以預料。創造性意味著意料之外的結果，但在確定性過程中這樣的結果只有當輸入不可預測性才有可能。不可預測性是隨機性的精髓。所有進化共進化過程的共同特徵包括以下5個要素：1、個體；2、可遺傳特徵；3、個體可以繁殖或複製；4、變化機制；5、基於特徵的選擇。只要系統同時具備了這5個要素，個體組成的群體中的編碼信息以及相應的個體特徵就會隨時間改變；遺傳的個體特徵必然會越來越適應決定繁殖（複製）成功率的標準。

科學之所以可能是因為宇宙有可預測的模式，科學的中心任務就是發現這些模式。不是所有事物都有規律，許多都沒有，但規律肯定在某處。牛頓的萬有引力定律就是這樣的規律。它用幾條簡單原理和微積分這門新的數學工具，以一種全新的方式解釋了太陽系的複雜性。之後，150年前，達爾文用全新的方式解釋了生命的複雜性。物理學主要是解釋非生命現象，但也能用來認識生命功能。生物進化解釋生命的起源以及它們如何適應環境。進化是理論，物理則是基於定律。在科學中，理論是對現象的解釋，理論可以是猜測性的，也可以是嚴格確證的，取決於驗證的強度。定律一詞在科學中的定義並不完善，但定律也可以是猜測性的，或是嚴格確證的。定律主要是描述關係或原理，定律通常可以表述為一個簡單的命題或簡單的方程。

進化既不是關係也不是簡單的原理。進化是一個過程，基於之前的成果創造更先進的成果。因此，進化很少表現為定律，雖然它是強大的並被廣泛認可的科學解釋。同物理過程類似，進化論也是基於測量、數學定理和物理定律。進化並不是唯一解釋過程產物的理論。進化論是對生物複雜性的正確的普適性解釋。無數實驗證實了選擇具有改變從病毒到奶牛等各種生物種群的力量。沒有進化論，就無從解釋生物對環境的適應，以及各種DNA之間的關聯。成功的現代農業和養殖業養活了全世界，也驗證了進化論的正確性。可以想見，如果對動植物的選育持續百萬年會帶來怎樣的成就。

在伽利略之後，數學就成為刻畫自然規律的通用語言，我們對物理現象的認識大部分都被寫成數學語言，數學也被應用於預測未來的結果，但是生物學和社會科學似乎沒有遵循這項慣例，這通常被歸因於它們極端的複雜性。作者認為，現在以合適的數學來支撐生物學和社會科學的就是計算機科學。計算機科學及其相關的理論可以幫助認識傳統數學對於理解複雜過程的作用。計算機理論所揭示的輸入輸出的關係對於理解各種複雜事物很重要。一個非常重要的原理就是，簡單的規則作用於簡單的輸入可以產生極為複雜的事物。如果有了合適的規則，重複過程運作得越久，輸出就會變得越複雜。計算機理論中還有一條不那麼明顯但同等重要的原理是，一些複雜事物無法通過應用簡單規則得到，無論過程執行多長時間。這類事物只能通過應用複雜規則得到。

如果考慮輸入輸出之間的所有關係，複雜的會遠遠多於簡單的。沒有人知道物理宇宙是否也是怎樣，但這至少說明我們也許會發現不能通過簡單數學認識的現象，生命、生態和大多數社會現象都可能屬於這一類。大多數物理過程和一些計算機程序遵循的規則都允許隨機事件。如果有隨機成分，即使規則簡單，也無法預測具體的結果。當這樣的過程被反覆執行，每次的結果都會不一樣。幸運的是，在許多這類情形中，可以通過統計平均來預測，我們稱之為總體性預測。雪花就是很好的例子，預測下一個雪花的細節是不可能的，但雪花的特徵在總體上卻可以預測。在某些程度上生物進化也與此類似。進化過程允許某種程度的隨機變化，雖然過去和未來具體的結果無法預測，大致的趨勢卻可以預測出來。

按作者劃分，事物有兩種類型。Ⅰ型基於簡單規則，Ⅱ型則需要附加的複雜規則或指令。地球之所以特殊完全是因為有Ⅱ型事物，包括它們的行為和影響。Ⅱ型事物還有一個特點，它們可以被視為具有某種目的性或適應性。指令總是具有目的，所有指令都引導產生特定的結果，其結果可以被認為是為了某種目的或適應某種環境，這就是「意向性立場」。意向性賦予無感知無思維的事物往往能正確推論出它們在未來的行為並理解它們為何如此。比如，鳥有翅膀，是為了飛，飛是為了覓食和躲避捕食者。這樣的例子數不勝數。為什麼有這麼多事物都是這樣？答案在於這些事物從何而來的認識。換句話說，目的性來源於創造Ⅱ型事物的過程之中。

理查德·道金斯在《盲眼鐘錶匠》中就認為，是選擇導致目的性的產生。選擇是進化機制的本質之一，它決定前一代的變化有哪些會留存到下一代。個體組成的群體中會累計越來越多過去選擇的特徵。魚似乎是為生活在水裡設計的，因為其祖先比那些沒有留下子嗣的個體更善於在水中生存和繁衍。加里·齊科在《沒有奇蹟》中也探討了複雜事物如何出現的問題。他列舉了很多複雜現象，從細菌進化到人類思維，基本上都有很好的適應。適應有兩種，一種很平常，例如打碎的瓷盤，碎片能相互拼合，因為它以一種簡單的方式源自同一個整體。還有一種能讓人感興趣的，是目的性適應。這種適應不是源自某個整體。在這種情形中是創造了某些東西來實現適應。這類例子包括抗體對病毒的適應，生物對生態系統的適應，技術創新對用戶需求的適應，思想對個人願望和需求的適應。齊科認為，對為什麼複雜事物總是對某種背景有意義的問題，唯一的解釋是反覆的選擇過程。

根據定義，指令和Ⅱ型結果總是成對出現，而指令—結果對總是有某種動機。執行指令得到的產物對象滿足了指令的目的，指令則是依某種需求、願望或可能給出。螺絲刀有用是因為它們適應螺絲頭和人手操作。螺絲刀與岩石之類的Ⅰ型事物的區別不在於是不是可能有用，而在於如果沒有指令，螺絲刀的製造實現是基本不可能的。在螺絲刀的例子中，創造指令是因為人們想擰螺絲。指令不是碰巧產生，它們的存在需要解釋。在科學研究中，說某人或某神想出了它們是不能被接受的。指令包含了特殊的信息，如果想對世界有深刻的科學認識，就必須研究這種信息的本質和來源。目前所知的唯一能產生新指令的過程就是進化計算。這裡所說的進化並不僅僅限於生命的進化，而是包含了一系列通過特定計算策略積累有用信息的活動。所有的進化過程，無論是否涉及生命，其背後都有一個不斷循環的計算過程，這個過程能夠從細微並且通常是隨機的變化中提取目的性信息。這種計算的原理在於，基於現有的信息體產生的細微變化，然後根據一致的標準判斷並保留能帶來好處的變化。

在進化系統中，變化是以代為單位發生的，目的性通過累計選擇過程一點一點慢慢的建立。例如，魚生活在水中，生長發育機制根據DNA編碼的信息形成有靈活尾部的流線形身體。編碼在DNA中的信息具有讓魚在水中生活和高效移動的目的性。但並不是一開始就是如此。魚類的祖先曾經非常小，也不是依靠肌肉運動，在水裡推進是依靠纖毛。纖毛是細胞上的凸起，運動起來類似槳。這些生物也有DNA，但它們的DNA沒有編碼魚的流線型身體、尾巴或肌肉的信息。這些信息之所以出現在魚的DNA中，是因為DNA在過去的表現如果有利於魚類適應環境就被保留了下來。原型魚吃小東西，因此體型大都有進化趨勢。發生讓一些後代體型更大的突變後，更大的個體繁盛起來並因此擁有更多的後代。體型大阻力也大，纖毛不再是高效的運動方式。隨著時間推移，划水逐漸取代了纖毛運動，從而允許更大的體型。在自然選擇的殘酷壓力下，游泳變得越來越高效，最終纖毛運動被從魚的譜系中徹底拋棄。

效率可以作為對適應性的一種度量，經常會帶來更高的繁殖成功。一旦DNA的隨機變化碰巧導致了更高的效率，這種變化就會在DNA的結構中保留了下來。通過反覆試錯和選擇過程，流線型身體、尾巴和肌肉的目的性信息慢慢累積下來，並在魚類的DNA中逐漸完善。這個過程從沒有編碼如何高效游泳的信息的DNA開始，最終累積了許多相關的信息。從計算的角度看，目的性的科學解釋可以從創造指令的方式中找到。反過來，這種解釋也意味著不需要指令的事物沒有目的性。它們也許會有某種用途，但它們不是為了某事而被創造出來的。而指令是有目的性的，這是它們的根本定義和它們形成方式決定的，因此它們所描述的事物也是如此。指令的來源是進化計算，這就是約翰·梅菲爾德的複雜引擎。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！