導(dǎo)語(yǔ)

　　大腦，神經(jīng)元構(gòu)成的器官根植于許多生物體內(nèi)。這是一種固態(tài)的大腦，且組成它們的元素在空間中相對(duì)固定。但是相對(duì)的，大腦是否可以擁有流動(dòng)不定的存在形式？越來(lái)越多的研究發(fā)現(xiàn)無(wú)定形的認(rèn)知網(wǎng)絡(luò)——例如蟻群與免疫系統(tǒng)具有智能，它們可以被稱為液態(tài)形式的大腦。

　　圣塔菲研究所自 2017 年開(kāi)始一系列關(guān)于“液體”大腦與“固體”大腦主題討論，經(jīng)歷了幾年打磨，形成了 15 篇文章，于近期集中發(fā)表在英國(guó)皇家學(xué)會(huì)自然科學(xué)會(huì)報(bào) B 上。

　　本文是《Liquid brains, solid brains》論文系列引言的翻譯，其中預(yù)告和概述了涉及的主題，翻譯的文末，我們將附上系列中其他論文的目錄。

編譯：集智俱樂(lè)部

來(lái)源：The Royal society

原題：Liquid brains, solid brains

　　為了解決信息收集存儲(chǔ)和回應(yīng)過(guò)程中產(chǎn)生的問(wèn)題，認(rèn)知網(wǎng)絡(luò)發(fā)展一套出自成體系的解決方案。一些認(rèn)知網(wǎng)絡(luò)被描述為自適應(yīng)連接網(wǎng)絡(luò)中的靜態(tài)神經(jīng)元集。它們是“固態(tài)”的網(wǎng)絡(luò)，具有明確的靜態(tài)神經(jīng)元集。

　　其他的一些智能系統(tǒng)由一定數(shù)量的單體組成，信息在這些單體之間交換、存儲(chǔ)和處理。但是，這些網(wǎng)絡(luò)沒(méi)有穩(wěn)定的連接和物理空間中穩(wěn)定的結(jié)構(gòu)。我們將這些缺乏穩(wěn)定連接和靜態(tài)元素的網(wǎng)絡(luò)稱為“液體”大腦，一些例子包括螞蟻、白蟻蟻群、免疫系統(tǒng)、以及一些微生物和黏菌。

　　固體和液體大腦之間的主要區(qū)別是什么？它們的認(rèn)知潛力，解決特定問(wèn)題和應(yīng)對(duì)環(huán)境的能力，以及信息處理策略分別是什么？要回答這個(gè)問(wèn)題，需要將這個(gè)問(wèn)題的框架搭建起來(lái)。

　　本文是論文系列“液體大腦，固體大腦：分布式認(rèn)知架構(gòu)如何處理信息”的首篇，為之序。

　　生命的認(rèn)知結(jié)構(gòu)是如何進(jìn)化的　　

　　結(jié)構(gòu)復(fù)雜多樣的生命形式在寒武紀(jì)大爆發(fā)時(shí)期集中出現(xiàn)。在那時(shí)，生命的認(rèn)知能力以及維持認(rèn)知能力的網(wǎng)絡(luò)使多細(xì)胞生物的存在成為可能。生命的尺度（scale）開(kāi)始變得龐大，同時(shí)形成它的細(xì)胞也開(kāi)始出現(xiàn)分工，出現(xiàn)有目的的運(yùn)動(dòng)能力以及其他協(xié)作能力。然后生命們又開(kāi)始渴求更高級(jí)的感知和記憶能力。雖然用行為適應(yīng)環(huán)境的生存模式在神經(jīng)元出現(xiàn)之前已經(jīng)存在[1]，但神經(jīng)結(jié)構(gòu)的出現(xiàn)和快速發(fā)展促進(jìn)了新的復(fù)雜行為的誕生。

　　生命進(jìn)化的功績(jī)將很大程度歸功于神經(jīng)，它們的前體細(xì)胞，神經(jīng)元細(xì)胞以及它們構(gòu)成的神經(jīng)回路，深刻地改變了生命存在的方式。信息，由此成為復(fù)雜生物適應(yīng)周?chē)h(huán)境的另一個(gè)重要組成部分，使生物擁有超越基因能直接賦予的更快反應(yīng)能力。從寒武紀(jì)時(shí)代在生命樹(shù)中出現(xiàn)了一條路徑，描述了具有兩側(cè)對(duì)稱特征的動(dòng)物(bilaterians）。在這個(gè)類群內(nèi)，動(dòng)物的軀體具有明確定義的橫向?qū)ΨQ。如此，神經(jīng)元也以一種對(duì)稱的方式配置成網(wǎng)絡(luò)。這些神經(jīng)網(wǎng)絡(luò)最終演變成分離的神經(jīng)元群，形成運(yùn)行中央控制功能的系統(tǒng)。第一個(gè)大腦就此形成[2]，并很快成為一個(gè)強(qiáng)大的預(yù)測(cè)機(jī)器[3]。

　　運(yùn)動(dòng)假說(shuō)提出，生物體對(duì)空間環(huán)境的積極探索是大腦進(jìn)化軌跡上的一個(gè)關(guān)鍵節(jié)點(diǎn)[4]。從這個(gè)角度來(lái)看，預(yù)測(cè)能力既是動(dòng)物移動(dòng)的原因，也是動(dòng)物移動(dòng)的結(jié)果。生物要想實(shí)現(xiàn)探索世界，它們就需要學(xué)習(xí)網(wǎng)絡(luò)的支持[5]。捕食可能是學(xué)習(xí)網(wǎng)絡(luò)誕生過(guò)程中最重要的選擇壓力[6]。這種強(qiáng)大的進(jìn)化創(chuàng)新并不局限于神經(jīng)網(wǎng)絡(luò)，我們?cè)谶@里展示出了多種相互作用的單體，它們最后演變出或同或異方式處理信息的能力。

　　信息處理網(wǎng)絡(luò)可以在微生物群落，細(xì)胞內(nèi)部（基因調(diào)控網(wǎng)絡(luò)）和免疫系統(tǒng)中找到。這些網(wǎng)絡(luò)的架構(gòu)和信息處理策略的多樣性令人驚嘆。流動(dòng)的信息網(wǎng)絡(luò)在成千上萬(wàn)甚至數(shù)百萬(wàn)只螞蟻，或白蟻蟻群之內(nèi)展開(kāi)[7,8]。黏菌是一種簡(jiǎn)單的生命形式由相互連通的細(xì)胞團(tuán)組成，可以解決復(fù)雜的問(wèn)題。植物似乎占據(jù)了認(rèn)知網(wǎng)絡(luò)領(lǐng)域的一個(gè)非常不同尋常的領(lǐng)域，缺乏像神經(jīng)一樣的結(jié)構(gòu)和物理運(yùn)動(dòng)，但它們卻進(jìn)化得非常成功，并成為生態(tài)中的重要群體液體計(jì)算機(jī)和化學(xué)反應(yīng)提供了一組完全不同的案例研究，其中計(jì)算和信息處理并不是明確定義的。在這種情況下，發(fā)展計(jì)劃和模式形成也被看作是認(rèn)知的一種形式[9]。

　　這些認(rèn)知的例子中有什么共同之處？是否存在基于組織結(jié)構(gòu)、機(jī)制或功能的分類？系統(tǒng)的物理存在形式是否是決定這個(gè)系統(tǒng)運(yùn)算能力范圍的主要限制？是否存在一設(shè)計(jì)上的原理，允許我們預(yù)測(cè)尚未被進(jìn)化發(fā)現(xiàn)的系統(tǒng)？自然界的進(jìn)化策略是否能夠啟發(fā)新形式的計(jì)算？也許合成生物學(xué)能幫助我們實(shí)現(xiàn)這一過(guò)程？回答這些和其他基本問(wèn)題是 2017 年 12 月在圣菲研究所舉辦的小型研討會(huì)的目標(biāo)。會(huì)議召集了來(lái)自科學(xué)、工程領(lǐng)域的研究人員。他們的研究領(lǐng)域包括社會(huì)昆蟲(chóng)行為學(xué)、微生物學(xué)、合成生物學(xué)、發(fā)育和系統(tǒng)生物學(xué)、神經(jīng)科學(xué)、計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)物理學(xué)。幾天后，參與者踏出了最初幾步，建立了液態(tài)，固態(tài)腦理論。其長(zhǎng)期目標(biāo)是為認(rèn)知網(wǎng)絡(luò)的一般理論奠定基本原理。

　　液體大腦/固體大腦

　　神經(jīng)元/無(wú)神經(jīng)元

　　這個(gè)雄心勃勃的計(jì)劃的出發(fā)點(diǎn)是對(duì)認(rèn)知網(wǎng)絡(luò)領(lǐng)域的高階綜述 ：小型和大型的；分布式的和集中的；模塊化的和分層的；生物的和人造的。所有這些都由多個(gè)組件組成，這些組件可以交換環(huán)境和內(nèi)部信號(hào)并對(duì)其做出反應(yīng)來(lái)收集、存儲(chǔ)和處理信息。

　　它們的非線性特性要求（在大多數(shù)情況下）超出標(biāo)準(zhǔn)定義以外的見(jiàn)解[10]。此外，大量單體非線性互動(dòng)展示出的種群動(dòng)力學(xué)很大程度取決于基本網(wǎng)絡(luò)組件是否是能夠移動(dòng)的。我們確定了兩個(gè)關(guān)鍵維度來(lái)描述不同類別的認(rèn)知網(wǎng)絡(luò)：系統(tǒng)的物理特性，以及神經(jīng)元的存在與否。

　　下列四張圖表示了四類認(rèn)知網(wǎng)絡(luò)，分為兩個(gè)維度。分別為實(shí)際神經(jīng)元是否存在和網(wǎng)絡(luò)的物理組織是液態(tài)還是固態(tài)。

固態(tài)神經(jīng)網(wǎng)絡(luò)

　　固態(tài)神經(jīng)網(wǎng)絡(luò)：

　　標(biāo)準(zhǔn)神經(jīng)元網(wǎng)絡(luò)（a）涉及通過(guò)分化后的，位置固定的神經(jīng)細(xì)胞突觸權(quán)重連接而定。較簡(jiǎn)單的生物，如渦蟲(chóng)（b）扁蟲(chóng)含有不同于圖（a）中較復(fù)雜腦的神經(jīng)結(jié)構(gòu)。受真實(shí)神經(jīng)元的啟發(fā)，以硅單位生成的人工陣列（c）可以通過(guò)感知和響應(yīng)環(huán)境信號(hào)來(lái)模仿其生物的一些特征，但這些剛性空間結(jié)構(gòu)是沒(méi)有神經(jīng)元細(xì)胞的。

固態(tài)非神經(jīng)網(wǎng)絡(luò)

　　固態(tài)非神經(jīng)網(wǎng)絡(luò)：

　　原生動(dòng)物（Placozoans）（d）完全缺乏神經(jīng)元并且具有非常簡(jiǎn)單的解剖復(fù)雜性，但表現(xiàn)出活躍的行為。結(jié)構(gòu)不同的植物也缺乏神經(jīng)元，但它們的一些模塊化部分，包括根（e）和葉子中的氣孔（f）都具有一定自動(dòng)能力，屬于“固體”子類。

液態(tài)神經(jīng)網(wǎng)絡(luò)

　　液態(tài)神經(jīng)網(wǎng)絡(luò)：

　　液體大腦由有神經(jīng)系統(tǒng)或神經(jīng)樣組分的組分形成，例如（g）螞蟻或（h）白蟻的蟻群及其在機(jī)器人領(lǐng)域的人工對(duì)應(yīng)物（i）。在這些液體大腦中，每個(gè)成分都有自己的固體大腦。

液態(tài)非神經(jīng)網(wǎng)絡(luò)

　　液態(tài)非神經(jīng)網(wǎng)絡(luò)：

　　第二類主要的液體腦包括缺乏內(nèi)部大腦的運(yùn)動(dòng)個(gè)體，例如（j）黏菌（Physarum），（k）免疫網(wǎng)絡(luò)和（l）微生物群落。它們中沒(méi)有類似神經(jīng)的組分，但在許多方面，這些系統(tǒng)解決了復(fù)雜問(wèn)題，表現(xiàn)出學(xué)習(xí)和記憶，并根據(jù)環(huán)境條件做出決策。最后，有證據(jù)表明免疫系統(tǒng)和微生物群落在某種程度上與宿主生物的大腦存在相互作用。

　　第二個(gè)維度立即涉及了如何定義“大腦”的問(wèn)題，這個(gè)問(wèn)題在神經(jīng)科學(xué)教科書(shū)中很少得到解答（存在例外，見(jiàn)[11]）。標(biāo)準(zhǔn)的描述是，事實(shí)上大腦是一個(gè)由（通常大量）神經(jīng)元組成的器官，其功能基于通過(guò)環(huán)境相互作用改變連接模式。連接模式由突觸比重（synaptic weights）所描述，隨時(shí)間遷移，個(gè)體與環(huán)境互動(dòng)增加而決定。早期討論大腦的性質(zhì)以及如何定義它們的研究[12]只考慮脊椎動(dòng)物的大腦。Pagan [13]和 Turner [14]將問(wèn)題擴(kuò)展到更廣泛的情況，研究范圍從最小的大腦到迥然不同（比如固體和液體）的認(rèn)知系統(tǒng)。

　　過(guò)去幾十年中學(xué)界對(duì)大腦的研究蓬勃發(fā)展，導(dǎo)致了腦科學(xué)研究中，以網(wǎng)絡(luò)為出發(fā)點(diǎn)的研究已經(jīng)成為核心[15]。連接體這一概念（connectome）涉及解剖和功能神經(jīng)元網(wǎng)絡(luò)上不同級(jí)別的復(fù)雜性，目前是在神經(jīng)科學(xué)中的主流意見(jiàn)。原因則在多個(gè)尺度上顯而易見(jiàn)。通過(guò)突觸末端連接的單個(gè)細(xì)胞的小神經(jīng)回路已經(jīng)成為大多數(shù)經(jīng)典學(xué)習(xí)和控制方法背后的關(guān)鍵因素。

　　分布式智能：

　　細(xì)菌雖小但不愚蠢

　　甚至在復(fù)雜的神經(jīng)元網(wǎng)絡(luò)進(jìn)化之前，微生物就發(fā)現(xiàn)了可以應(yīng)對(duì)環(huán)境壓力的群體結(jié)構(gòu)。因此，生存與合作密切相關(guān)，合作需要集體內(nèi)部新穎的交流方式。引用 James Shapiro 的話說(shuō)：“細(xì)菌雖小但不愚蠢”[16]。在微生物尺度的一個(gè)廣為人知的集群行為是群體感應(yīng)（QS）。這個(gè)能力使得細(xì)細(xì)菌能協(xié)同工作[17]。QS 允許細(xì)菌來(lái)監(jiān)測(cè)群體范圍內(nèi)其它細(xì)菌的存在，在某些情況下導(dǎo)致出現(xiàn)群體級(jí)協(xié)調(diào)反應(yīng)。這個(gè)現(xiàn)象論證了微生物菌落做出群體決策的能力。另一方面，生物膜的集體行為被細(xì)菌群落中長(zhǎng)距離的電信號(hào)通訊證明。 [18]。Martinez-Corral等[19]則研究皮質(zhì)腦活動(dòng)和生物膜動(dòng)力學(xué)中可能存在的類似化學(xué)信號(hào)。

　　黏菌（Physarum polycephalum）是一種引人注意的生物，一個(gè)通過(guò)單個(gè)細(xì)胞聚合來(lái)揭示集體行為的例子。雖然這種有機(jī)體是單細(xì)胞的（但它們存在多個(gè)細(xì)胞核），聚集起來(lái)的黏菌們?cè)谔剿髦車(chē)h(huán)境時(shí)顯示出高度復(fù)雜的空間形態(tài)模式。黏菌以連貫的方式移動(dòng)和擴(kuò)散細(xì)胞質(zhì)的節(jié)律脈沖。這種脈動(dòng)活動(dòng)發(fā)生在連接的等離子體管組成的復(fù)雜網(wǎng)絡(luò)中。豐富的化學(xué)和生物電成分形成驅(qū)動(dòng)力，遍布在黏菌的整個(gè)行為反應(yīng)過(guò)程中，允許網(wǎng)絡(luò)根據(jù)外部和內(nèi)部的信號(hào)做出安排和調(diào)整。黏菌體內(nèi)的這些管道可在低，高養(yǎng)分條件下經(jīng)歷變薄或增厚，而科學(xué)家已經(jīng)可以將它們用作能夠解決優(yōu)化任務(wù)的生物計(jì)算機(jī)，從找到短路徑甚至解決迷宮到計(jì)算幾何問(wèn)題皆可。在所有的這些情況下，環(huán)境空間結(jié)構(gòu)，排斥因素和吸引因素的濃度等信息相對(duì)應(yīng)的“輸出”被編碼在黏菌的形態(tài)學(xué)特征中。

　　黏菌：它具有單細(xì)胞的簡(jiǎn)單性和缺乏神經(jīng)系統(tǒng)，但粘液霉菌多頭菌可能具有基本的學(xué)習(xí)形式。

　　黏菌也可以通過(guò)使用外部記憶來(lái)探索身邊的環(huán)境[21]，它們被觀察到做出與營(yíng)養(yǎng)需求相關(guān)的最佳決策[22]。正如[23]中所討論的那樣，它們也表現(xiàn)出對(duì)負(fù)面持續(xù)刺激的適應(yīng)性，即一種共同的適應(yīng)性反應(yīng)（一般由具有神經(jīng)的生物表現(xiàn)出這種反應(yīng)）。這一發(fā)現(xiàn)支持了這樣一種觀點(diǎn)，即沒(méi)有大腦的系統(tǒng)也可以在適當(dāng)?shù)臈l件下從經(jīng)驗(yàn)中學(xué)習(xí)，從而區(qū)分不同的信息來(lái)源。

　　認(rèn)知世界的邊界可以通過(guò)考慮最簡(jiǎn)單的“固體”大腦并了解它們?nèi)绾瓮瓿晒ぷ鱽?lái)描述，并將之與類似簡(jiǎn)單的液體實(shí)例相比[24]。渦蟲(chóng)（Planarians/ flatworms）是第一個(gè)使用大腦生物的候選人[2,13]。特別有趣的是，它發(fā)育和認(rèn)知現(xiàn)象的緊密聯(lián)系。正如[25]中所指出的那樣，信息處理功能在固體大腦出現(xiàn)之前就已經(jīng)誕生很久了。渦蟲(chóng)可以再生他們的每一部分身體[26]，實(shí)驗(yàn)研究表明，記憶在它們的頭部缺失之后仍然會(huì)存在（見(jiàn)Shomrat＆Levin [27]及其中的參考文獻(xiàn)）。這些結(jié)果表明基于神經(jīng)的現(xiàn)象與體細(xì)胞記憶之間存在深層聯(lián)系。重要的是，渦蟲(chóng)對(duì)外界的許多響應(yīng)可以映射到一個(gè)吸引子圖與形態(tài)的對(duì)應(yīng)關(guān)系。導(dǎo)致這些基于吸引子響應(yīng)的動(dòng)力學(xué)可以在不同類型的非神經(jīng)硬件中實(shí)現(xiàn)，盡管我們?nèi)匀蝗狈τ糜诿枋鲞@些系統(tǒng)的通用理論框架，正如[9]中所討論的。

　　固體的認(rèn)知區(qū)域在自然界中有不同程度的跨群體共享，例如跨越組織、生活習(xí)慣、與不同的生命周期。這種現(xiàn)象特別存在于植物這種個(gè)體極端的案例中[28,29]。早在達(dá)爾文的專著中就已經(jīng)認(rèn)識(shí)到植物的認(rèn)知潛力[30]。在那里他指出了植物對(duì)外部信號(hào)和環(huán)境線索所表現(xiàn)出的有趣反應(yīng)。植物可以表現(xiàn)出有趣的計(jì)算反應(yīng)[28]。并且在 18 年 12 月，“植物智能”[31]的概念也得到了發(fā)展（雖然存在一定程度的爭(zhēng)議）。植物中跨越尺度的通信，從葉子中的氣孔網(wǎng)絡(luò)到通過(guò)根系發(fā)送的信號(hào)的能力特別引起了人們的注意。這些例子表明人類仍需要更好地理解植物中的信號(hào)處理[28]，內(nèi)容包括且不限于遺傳開(kāi)關(guān)，模擬計(jì)算機(jī)，種子散播和發(fā)芽[32]。特別需要注意，植物種子階段的過(guò)程涉及植物生命周期中“能夠移動(dòng)”的時(shí)間段。

　　上述例子展現(xiàn)了認(rèn)知分布式系統(tǒng)廣闊世界的一瞥，這些系統(tǒng)可以描述為各種非線性互作的大量單體組成的復(fù)雜網(wǎng)絡(luò)[33]。超越這些網(wǎng)絡(luò)所扮演的特定功能之上的，這些網(wǎng)絡(luò)肯存在一些基本的，共通的屬性。近三十年前人們就提出了一些網(wǎng)絡(luò)潛在的共性[34]，包括大多數(shù)連接模型共有的兩個(gè)關(guān)鍵屬性：

　　（1）任何時(shí)間節(jié)點(diǎn)下，任何變量之間的聯(lián)系都是有數(shù)量極限的。

　　（2）節(jié)點(diǎn)之間的連接是可變的，因此網(wǎng)絡(luò)的強(qiáng)度和/或連通性模式都是可以隨著時(shí)間變化而變化的。

　　Farmer 討論（Farmer's discussion）[34]指出了這些共同點(diǎn)，它可以作為網(wǎng)絡(luò)科學(xué)統(tǒng)一的“羅塞塔石碑（Rosetta Stone*）”（見(jiàn)[35]）。在液體大腦的背景下，尋找關(guān)鍵屬性的想法特別有用。與吸引子有關(guān)的動(dòng)力學(xué)現(xiàn)象在液體大腦的案例中是常見(jiàn)的（說(shuō)不定是普世的），暗示在研究液體大腦中可以使用統(tǒng)計(jì)物理學(xué)方法[36,37]。我們需要一些新型模型，讓這些模型足以包括幾個(gè)具體或?qū)嶋H的研究案例。這些案例可能不一定基于生命系統(tǒng)，化學(xué)計(jì)算機(jī)也能展示豐富的計(jì)算性[38]。我們?cè)谶@里沒(méi)有嚴(yán)格定義什么是液體，而是可能會(huì)用一系列數(shù)學(xué)方法描述集體運(yùn)動(dòng)，去解釋運(yùn)動(dòng)實(shí)體的規(guī)律。（見(jiàn)[39]，其中的參考文獻(xiàn)） 。

　　注：羅塞塔石碑是一塊古埃及多語(yǔ)言石碑，古埃及文字的破譯很大程度依賴于它，引申為基石。

　　除了統(tǒng)計(jì)物理學(xué)之外，信息和計(jì)算也是問(wèn)題的核心概念，我們?nèi)狈ν暾哪Ｐ蛠?lái)描述哪些計(jì)算問(wèn)題可以通過(guò)液體大腦很好地解決，哪些不能[40]。這部分的總結(jié)在下圖（a\b\c\d）中展示，什么樣的形式方法(formal approach)是可取的往往并不清楚。Wood [41] 的建議指出，要了解不同類型大腦的能力范圍需要在它們進(jìn)行的信息處理和計(jì)算之間進(jìn)行更正式的分類，計(jì)算與信息相關(guān)的術(shù)語(yǔ)在現(xiàn)階段仍然可以互換使用。其他強(qiáng)大的計(jì)算范式，如水庫(kù)計(jì)算（Reservoir Computing）在處理生物信息時(shí)可能更合適[42]。

蟻群

　　蟻群（a，由 Guy Therauiaz 提供）尋找最優(yōu)路徑的過(guò)程可以理解為最少作用量問(wèn)題（least-action problem），其中通過(guò)優(yōu)先選擇具有最高信息素濃度的路徑來(lái)發(fā)現(xiàn)最短路徑。

黏菌

　　黏菌，Physarum polycephalum（b）是單細(xì)胞生物，也使用最小動(dòng)作邏輯來(lái)解決幾何和圖論的問(wèn)題，其中包括找到迷宮的最短路徑。

渦蟲(chóng)

　　目前人們尚不清楚如何對(duì)渦蟲(chóng)（Planarians）（c）能解決的問(wèn)題進(jìn)行分類，這是一類扁形蟲(chóng)，其神經(jīng)系統(tǒng)是雙側(cè)對(duì)稱結(jié)構(gòu)組織的，具有固體的“大腦”和兩只眼睛。渦蟲(chóng)以過(guò)去事件為輸入進(jìn)行分布式記憶（與人類類中心化的記憶相對(duì)）：它們的形態(tài)可通過(guò)生物電信號(hào)重新編輯，這可能在認(rèn)知和發(fā)展中起重要作用。

用于儲(chǔ)存胰島素的機(jī)器

　　最后，單細(xì)胞包含多種信息處理現(xiàn)象，包括復(fù)雜的階梯級(jí)聯(lián)，遺傳-代謝相互作用和泡狀結(jié)構(gòu)相關(guān)的計(jì)算，例如（d）中顯示的用于儲(chǔ)存胰島素的機(jī)器。

　　Vining等[43]開(kāi)發(fā)了液體細(xì)胞自動(dòng)機(jī)，來(lái)證明液體系統(tǒng)如何在沒(méi)有復(fù)雜結(jié)構(gòu)的情況下進(jìn)行計(jì)算。網(wǎng)絡(luò)的移動(dòng)性被證明可以增加移動(dòng)單元之間的信息流，這些單元會(huì)隨著時(shí)間的推移遇到其他單元且與之產(chǎn)生聯(lián)系（Calovi等，[44]）。這表明液體系統(tǒng)，比如是白蟻，就能使用環(huán)境的物理結(jié)構(gòu)作為計(jì)算的重要輸入。Kao 等[45]描述了一種不同類型的混合系統(tǒng)，其中動(dòng)物種群運(yùn)動(dòng)過(guò)程中存在的模塊化結(jié)構(gòu)意味著即使在更大的液體系統(tǒng)中，某些模式的交互也能更持久和穩(wěn)固（就像在固體大腦中），并且這可以導(dǎo)致在復(fù)雜環(huán)境中更好的集體決策。

　　在蟻群和黏菌的網(wǎng)絡(luò)中，我們可以找到使用最少作用量原理（least-action prin­ciple）解決問(wèn)題的類似思路。計(jì)算的執(zhí)行是黏菌結(jié)構(gòu)形成（pattern-forming）的結(jié)果。但是，認(rèn)識(shí)到人類實(shí)際上為黏菌生成最短路徑的行為提供了一種人造的邊界條件，實(shí)驗(yàn)的這些條件對(duì)我們理解這些智能系統(tǒng)極為重要。人為提供的條件多大程度定義了這個(gè)單細(xì)胞系統(tǒng)能執(zhí)行的計(jì)算的豐富程度？在渦蟲(chóng)中，如上所述，記憶的存儲(chǔ)并非中心化的，這也展示了一種完全不同形式的再生相關(guān)計(jì)算（regeneration-related computation）。

　　在較小的尺度中，復(fù)雜的計(jì)算是由細(xì)胞內(nèi)部的化學(xué)網(wǎng)絡(luò)承擔(dān)的，在這里我們發(fā)現(xiàn)了豐富的可能性。

　　從類似布爾型開(kāi)關(guān)，到有限自動(dòng)機(jī)，最后到膜計(jì)算機(jī)。所有這些替代方案都在非常嘈雜的條件下運(yùn)行。雖然這個(gè)級(jí)別的計(jì)算模型通常用基因調(diào)控網(wǎng)絡(luò)來(lái)描述，但它們也發(fā)生在不同的網(wǎng)絡(luò)上[46-48]（Silva-Rocha，等 2011）.所有這些生物類型的計(jì)算的整合將需要合適的方程來(lái)描述“計(jì)算形態(tài)空間（computational morphospace）”[49]。

　　讓我們回到這次的主題討論——液體大腦與固體大腦。這些主題共同形成了一張關(guān)于認(rèn)知網(wǎng)絡(luò)整合觀點(diǎn)發(fā)展過(guò)程的地圖。這對(duì)了解液體與固體系統(tǒng)的相對(duì)計(jì)算優(yōu)勢(shì)有著重要的科研意義。­在未來(lái)，這些理解可能會(huì)發(fā)展出重要的，新穎的配置傳統(tǒng)計(jì)算的方式。隨著計(jì)算繼續(xù)從人類的桌面上轉(zhuǎn)移到整個(gè)物理世界中，我們預(yù)計(jì)以分布式，移動(dòng)和自治組件為特征的液體計(jì)算將變得比現(xiàn)在更加重要。

　　參考文獻(xiàn)

　　1. Jékely G.2010Origin and early evolution of neural circuits for the control of ciliary locomotion.Proc. R. Soc. B278, 914-922. (doi:10.1098/rspb.2010.2027)Link,ISI,Google Scholar

　　2. Pagán OR.2014The first brain. The neuroscience of planarians.Oxford, UK:Oxford University Press.Google Scholar

　　3. Llinas RR.2001I of the vortex: from neurons to self.Cambridge, MA:MIT Press.Crossref,Google Scholar

　　4. Llinás R.1987‘Mindedness’ as a functional state of the brain. InMindwaves(eds C Blakemore, SA Greenfield)， pp. 339–358. Oxford, UK: Basil Blackwell.Google Scholar

　　5. Miguel-Tomé S.2018The influence of computational traits on the natural selection of the nervous system.Nat. Comput.17, 403-425. (doi:10.1007/s11047-017-9619-0)Crossref,ISI,Google Scholar

　　6. Monk T, Paulin MG.2014Predation and the origin of neurones.Brain Behav. Evol.84, 246-261. (doi:10.1159/000368177) Crossref,PubMed,ISI,Google Scholar

　　7. Gordon DM.2010Ant encounters.Princeton, NJ:Princeton University Press.Crossref,Google Scholar

　　8. Wilson EO.2012The social conquest of Earth.New York, NY, USA:W.W. Norton & Co.Google Scholar

　　9. Manicka S, Levin M.2019The Cognitive Lens: a primer on conceptual tools for analysing information processing in developmental and regenerative morphogenesis.Phil. Trans. R. Soc. B374, 20180369. (doi:10.1098/rstb.2018.0369)Link,Google Scholar

　　10. Forrest S.1990Emergent computation: self-organizing, collective, and cooperative phenomena in natural and artificial computing networks.Physica D42, 1-11. (doi:10.1016/0167-2789(90)90063-U)Crossref,ISI,Google Scholar

　　11. DeSalle R, Tattersall I.2012The brain: big bangs, behaviors, and beliefs.New Haven, CT:Yale University Press.Google Scholar

　　12. Netsky MG.1986What is a brain, and who said so?Br. Med. J. Clin. Res. Edn293, 1670. (doi:10.1136/bmj.293.6562.1670) Crossref,Google Scholar

　　13. Pagán OR.2019The brain: a concept in flux.Phil. Trans. R. Soc. B374, 20180383. (doi:10.1098/rstb.2018.0383)Link,Google Scholar

　　14. Turner JS.2019Homeostasis as a fundamental principle for a coherent theory of brains.Phil. Trans. R. Soc. B374, 20180373. (doi:10.1098/rstb.2018.0373) Link,Google Scholar

　　15. Sporns O.2010Networks of the brain.Cambridge, MA:MIT Press.Crossref,Google Scholar

　　16. Shapiro JA.2007Bacteria are small but not stupid: cognition, natural genetic engineering and socio-bacteriology.Stud. Hist. Philos. Sci. C: Stud. Hist. Philos. Biol. Biomed. Sci.38, 807-819. (doi:10.1016/j.shpsc.2007.09.010) Crossref,Google Scholar

　　17. Waters CM, Bassler BL.2005Quorum sensing: cell-to-cell communication in bacteria.Annu. Rev. Cell Dev. Biol.21, 319-346. (doi:10.1146/annurev.cellbio.21.012704.131001)Crossref,PubMed,ISI,Google Scholar

　　18. Prindle A, Liu J, Asally M, Ly S, Garcia-Ojalvo J, Süel GM.2015Ion channels enable electrical communication in bacterial communities.Nature527, 59. (doi:10.1038/nature15709) Crossref,PubMed,ISI,Google Scholar

　　19. Martinez-Corral R, Liu J, Prindle A, Süel GM, Garcia-Ojalvo J.2019Metabolic basis of brain-like electrical signalling in bacterial communities.Phil. Trans. R. Soc. B374, 20180382. (doi:10.1098/rstb.2018.0382)Link,Google Scholar

　　20. Adamatzky A(ed.)2016Advances in Physarum machines: sensing and computing with slime mould.Berlin:Springer. (doi:10.1007/978-3-319-26662-6)Crossref,Google Scholar

　　21. Reid CR, Latty T, Dussutour A, Beekman M.2012Slime mold uses an externalized spatial ‘memory’ to navigate in complex environments.Proc. Natl Acad. Sci. USA109, 17 490-17 494. (doi:10.1073/pnas.1215037109) Crossref,ISI,Google Scholar

　　22. Dussutour A, Latty T, Beekman M, Simpson SJ.2010Amoeboid organism solves complex nutritional challenges.Proc. Natl Acad. Sci. USA107, 4607-4611. (doi:10.1073/pnas.0912198107) Crossref,PubMed,ISI,Google Scholar

　　23. Boussard A, Delescluse J, Pérez-Escudero A, Dussutour A.2019Memory inception and preservation in slime moulds: the quest for a common mechanism.Phil. Trans. R. Soc. B374, 20180368. (doi:10.1098/rstb.2018.0368)Google Scholar

　　24. Vining W, Esponda F, Moses M, Forrest S.2019How does mobility help distributed systems compute?Phil. Trans. R. Soc. B374, 20180375. (doi:10.1098/rstb.2018.0375)Link,Google Scholar

　　25. Baluska F, Levin M.2016On having no head: cognition throughout biological systems.Front. Psychol.7, 902. (doi:10.3389/fpsyg.2016.00902)Crossref,PubMed,ISI,Google Scholar

　　26. Gentile L, Cebria F, Bartscherer K.2011The planarian flatworm: anin vivomodel for stem cell biology and nervous system regeneration.Dis. Models Mech.4, 12-19. (doi:10.1242/dmm.006692)Crossref,PubMed,ISI,Google Scholar

　　27. Shomrat T, Levin M.2013An automated training paradigm reveals long-term memory in planarians and its persistence through head regeneration.J. Exp. Biol.216, 3799-3810. (doi:10.1242/jeb.087809)Crossref,PubMed,ISI,Google Scholar

　　28. Duran-Nebreda S, Bassel GW.2019Plant behaviour in response to the environment: information processing in the solid state.Phil. Trans. R. Soc. B374, 20180370. (doi:10.1098/rstb.2018.0370) Google Scholar

　　29. Oborny B.2019The plant body as a network of semi-autonomous agents: a review.Phil. Trans. R. Soc. B374, 20180371. (doi:10.1098/rstb.2018.0371)Link,Google Scholar

　　30. Darwin C.1875The movements and habits of climbing plants.London, UK:John Murray.Google Scholar

　　31. Trewavas A.2014Plant behaviour and intelligence.Oxford, UK:Oxford University Press. (doi:10.1093/acprof:oso/9780199539543.001.0001)Crossref,Google Scholar

　　32. Bassel GWet al.2011Genome–wide network model capturing seed germination reveals coordinated regulation of plant cellular phase transitions.Proc. Natl Acad. Sci.108, 9709-9714. (doi:10.1073/pnas.1100958108) Crossref,ISI,Google Scholar

　　33. Camazine S, Deneubourg JL, Franks NR, Sneyd J, Bonabeau E, Theraulaz G.2003Self-organization in biological systems.Princeton, NJ:Princeton University Press.Google Scholar

　　34. Farmer JD.1990A Rosetta stone for connectionism.Physica D42, 153-187. (doi:10.1016/0167-2789(90)90072-W)Crossref,Google Scholar

　　35. Farmer JD, Packard NH, Perelson AS.1986The immune system, adaptation, and machine learning.Physica D Nonlin. Phenom.22, 187-204.Crossref,Google Scholar

　　36. Solé RV.2011Phase transitions.Princeton, NJ, USA:Princeton University Press.Crossref,Google Scholar

　　37. Piñero J, Solé R.2019Statistical physics of liquid brains.Phil. Trans. R. Soc. B374, 20180376. (doi:10.1098/rstb.2018.0376) Link,Google Scholar

　　38. Adamatzky A.2019A brief history of liquid computers.Phil. Trans. R. Soc. B374, 20180372. (doi:10.1098/rstb.2018.0372)Link,Google Scholar

　　39. Vicsek T, Zafeiris A.2012Collective motion.Phys. Rep.517, 71-140. (doi:10.1016/j.physrep.2012.03.004)Crossref,ISI,Google Scholar

　　40. Mitchell M.2011What is computation?Ubiquity2011, 1-7. (doi:10.1145/1940721.1944826) Google Scholar

　　41. Wood CC.2019The computational stance in biology.Phil. Trans. R. Soc. B374, 20180380. (doi:10.1098/rstb.2018.0380)Link,Google Scholar

　　42. Seoane LF.2019Evolutionary aspects of reservoir computing.Phil. Trans. R. Soc. B374, 20180377. (doi:10.1098/rstb.2018.0377)Link,Google Scholar

　　43. Vining WF, Esponda F, Moses ME, Forrest S.2019How does mobility help distributed systems compute?Phil. Trans. R. Soc. B374, 20180375. (doi:10.1098/rstb.2018.0375)Link,Google Scholar

　　44. Calovi DS, Bardunias P, Carey N, Turner JS, Nagpal R, Werfel J.2019Surface curvature guides early construction activity in mound-building termites.Phil. Trans. R. Soc. B374, 20180374. (doi:10.1098/rstb.2018.0374) Link,Google Scholar

　　45. Kao AB, Couzin ID.2019Modular structure within groups causes information loss but can improve decision accuracy.Phil. Trans. R. Soc. B374, 20180378. (doi:10.1098/rstb.2018.0378)Link,Google Scholar

　　46. Bray D.1990Intracellular signalling as a parallel distributed process.J. Theor. Biol.143, 215-231. (doi:10.1016/S0022-5193(05)80268-1)Crossref,PubMed,ISI,Google Scholar

　　47. Benenson Y.2012Biomolecular computing systems: principles, progress and potential.Nat. Rev. Genet.13, 455-468. (doi:10.1038/nrg3197)Crossref,PubMed,ISI,Google Scholar

　　48. Silva-Rocha R, Tamames J, dos Santos VM, de Lorenzo V.2011The logicome of environmental bacteria: merging catabolic and regulatory events with Boolean formalisms.Environ. Microbiol.13, 2389-2402. (doi:10.1111/j.1462-2920.2011.02455.x) Crossref,ISI,Google Scholar

　　49. Solé RV, Macia J.2013Expanding the landscape of biological computation with synthetic multicellular consortia.Nat.

總結(jié)

以上是生活随笔為你收集整理的圣塔菲最新群体智能文集——液态大脑与固态大脑的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。