西西河

主题:292:Michael Levin:大脑以外的智能 -- 万年看客

共:💬9 🌺27 新:
全看分页树展 · 主题 跟帖
家园

为什么我坚持将生物电模式称作记忆?接下来我们将两个头的涡虫安置在清水里,先切掉前端的大头,再切掉后端的小头,然后不再干涉中段的再生,不去改变涡虫的基因组——我们自始至终都没碰过基因组——这个中段依然会再生出两个头。之所以我要将生物电模式称作记忆,是因为这套模式具备记忆的主要特点。首先是长期稳定性,一旦被调整成两个头的模式接下来就会保持下去。其次是易变性,也就是可以被重写。我们可以将一个头的涡虫变成两个头的涡虫,也可以让两个头的涡虫再变回去。再次是潜伏性,换句话说就是只有在恰当条件下才会被激活。一个头的涡虫被切掉头尾之后并不会自发长出两个头,必须人为加以干预。最后是彼此区分的不同结果,也就是一个头与两个头的区别。我们想要理解生物电回路的状态空间。我们可以为这个回路建模,一个头、两个头与没有头这三种状态的空间位置都位于这个模型上面。然后我们想要将这份理解与目前的计算工具结合起来,尝试回答电网络记忆事物的具体方式。 更具体地说,我们想知道电网络如何存贮完成特定范式所需的信息。比方说一个字母被擦去一部分,电网络怎样根据残存部分复原原本的字母?总体来说,我们希望将我们对于神经网络的热力学理解与眼前这方面的理念结合起来:体细胞是一种具备原始认知能力的能动主体,试图记住自己在解剖形态空间当中的位置。

我刚才说过,基因组并没有强行规定涡虫该长几个头,仅仅提供了一套默认硬件:其他条件相当的前提下姑且只长一个头。但是我们可以给硬件重新编程,使其长出两个头或者干脆不长头。不止如此,我们不仅能找到关于头部个数的吸引子,还能找到关于头部形状的吸引子。涡虫的头部是三角形,我们切掉这个头,然后通过离子通道药物干扰生物电网络的其余部分,就能让新长出来的头在形态空间当中偏向新的吸引子。换句话说,我们可以让涡虫长出淡水涡虫的方形平头,或者地中海涡虫的圆头。涡虫、淡水涡虫与地中海涡虫早在一亿年到一亿五千万年之前就已经分化成了不同物种,但是我们根本没有改变基因就将涡虫变成了别的样子——不光头型改变了,而且还具备了其他物种的大脑形状与干细胞分布。简而言之,涡虫体细胞的集体智力在形态空间当中可能抵达许多目的地区域,某些区域负责头的个数,另一些区域负责头的形状,还有些区域干脆从来没有被自然进化利用过,正好便宜了我们。我们现在能造出浑身长刺的涡虫,圆筒形状的涡虫,甚至若干种形状结合在一起的涡虫。按照Darcy Thompson的理论,如今我们有能力强迫生物系统进入形态空间当中从未被进化涉足过的区域,大概是因为这些区域对应的形态在生态系统里缺乏竞争力。

我们现在正在构建某种全栈式模型:首先研究涉及细胞内基因表达渠道的分子基因学——基因组在这个层面发挥作用;然后我们要构建生物体组织层面的生理学模型,既然我们已经发现了生物体内的电信号回路,那就要搞清楚这些回路有什么用,具备怎样的记忆与计算特质;再下一步是推导出指导生物体行为的算法集合,并且通过理解这些算法获得干预生物行为的能力:“我希望这条涡虫长出这么多脑袋,脑袋的形状应该是这样这样。”编程行为只能发生在这个层面。

最后我再举几个生物医学方面的相关例子来说明上述策略。画面上是一只蝌蚪的大脑,可以看到前脑、中脑与后脑三部分。一旦让蝌蚪暴露在酒精、尼古丁或者其他足以诱发基因变异的物质当中,蝌蚪的大脑就会被搅得一团糟。问题在于我们应当如何与蝌蚪的胚胎式细胞取得联系,使其重新构建正确的大脑,尽管这些细胞已经遭受了不同程度的损害。我们构建了一套电信号模式的模型,以此告诉蝌蚪细胞,正确的大脑应该是什么尺寸与形状。我们的实验对象不仅包括被化学品伤害的蝌蚪,还包括发生了特定基因变异的蝌蚪。这个基因名叫Notch,是一个非常重要的神经系统发育基因。画面中间的照片是Notch基因变异的蝌蚪的大脑,可以看到前脑已经没了,中脑与后脑也变成了囊泡状。这些严重脑残的蝌蚪平时毫无行为可言,只会一动不动地躺着。于是我们询问电信号模型,应该打开与关闭哪些离子通路才能将这只蝌蚪体内的电信号模式恢复到正确状态?换言之,组成这只蝌蚪的细胞集合不知道如何穿越形态空间。我们如何给它们带路?模型做出了非常具体的预测:有一条离子通路名叫HCN2,只要我们通过基因或者化学手段触发这条通路,就能让蝌蚪重新长出一个结构与功能全都完好的新大脑,让蝌蚪的智商重新占领高地。尽管Notch基因依然变异,尽管依然暴露在酒精与尼古丁当中,但是打开HCN2通路的蝌蚪与对照组蝌蚪的智商并无区别。简而言之,有了计算模型,我们就能向细胞集合传达我们想要的生物医学目标状态。更神奇的是,例如Notch变异这样的硬件缺陷居然可以在软件层面加以修正。我们仅仅让蝌蚪在一段时间内接受了打开HCN2通路的药物,结果蝌蚪的生物电模式就得到了修复。这就是我们目前正在使用的生物医学策略。我们构建一个计算平台,然后根据具体问题询问平台,需要向细胞发送怎样的信号才能让细胞恢复到正常状态。

在最后几分钟我们不妨抛下细节后退一步,放下概念性理念。我的思考框架名叫TAME,或者说各层心智的技术路径。在进化当中会发生认知规模缩放现象。个体细胞有个体细胞的目标:一变二二变四,在一切适宜新陈代谢的区域生长。随着细胞的聚合,目标也飞速增大,例如生成一条肢体。任何一个单独的细胞都不知道手指头是什么,也不知道该长几根手指头。但是集合起来它们就能长出数目正确的手指头。我们如何定义目标指导的行为?如果我们伤害生物体或使其偏移正确状态,生物体就会尽其所能地回归这个状态。大目标也可以遭到拆解。画面上是人类的胶质母细胞瘤细胞,这些细胞切断了自身与更大的细胞集合体之间的联系,切断了与更大的电信号网络之间的联系,回归了远古时期的单细胞生存方式,将人体的其他部分当成了外部环境。癌细胞并不比正常细胞更自私,只不过它们划定的自我范围更小。正常细胞为了同一个巨大的自我而群策群力,而癌变则意味着粘合众多细胞的认知胶水失效,致使癌细胞只为更小的自我效力,也就是单细胞。

我们可以构建单细胞逐渐聚合并形成电信号网络的模型。一旦网络成型,立刻就能提供更强的记忆力,更能存储过去的信息并且依次为依据来预测未来,从而让组成网络的细胞集合得以实现更大的目标。反过来说,我们可以触发细胞的癌化基因,让促使细胞形成肿瘤的癌化蛋白质在细胞当中得到十分明显的表达,但是与此同时又强行施加生物电信号,迫使这些细胞继续保持彼此之间的联系,从而维持电信号网络的正常运行,结果肿瘤根本发育不起来,因为我们强迫这些细胞继续将邻居当成自我的一部分。

进一步说,要想比较与对比多种多样的智能——无论它们的构造方式如何——就要对比它们能维持的目标的尺度。我们应该问的问题是,在时间与空间的层面上,某一个智能体系能够维持的最大目标是什么。比方说细胞构成蚂蚁,蚂蚁构成蚁群,而蚁群则是复合智能体系,拥有高于蚂蚁以及细胞的更大目标。反过来说,我们认为每一个较大尺度层面上的目标都会扭曲下一层较小尺度目标的选择余地。不同尺度的目标之间存在梯度关系,而追求目标的空间的形态则由最大尺度的目标来决定。进化显然利用了这一招——一方面扭曲目标空间,另一方面又设法穿越这一空间——将这一招应用在了各种不同的空间。具体来说,生命一开始专注于穿越新陈代谢的空间,然后进入了生理空间,再然后进入了基因转录空间,再然后进入了形态学空间,最终进入了三维行动的空间——我们通常认为生命直到这一尺度才会表现出智能。如今我们用来衡量智能的模型看得是某个集合体存储较大的目标状态的能力。单独一个细胞自然只能维持非常有限的简单目标状态,例如维持内部PH值。但是众多细胞耦合而成的网络可以维持稳态环路,可以存储更大的目标,更多的固定点,采取规模更大的行动。这就是智能的尺度放大现象。

我举个例子。我与Josh Bongard共同成立了一家名为Fauna Systems的公司,主营业务是研究生物机器人。我们提出了一个很简单的问题:假如我们将生物的体细胞从它们的常规环境当中解放出来,它们将会如何表现?这些细胞会怎样重新构想自己构成多细胞结构之后的行为?假如我们将这些细胞从原本的限制当中解脱出来,它们将会过上怎样的生活?我们从发育早期的青蛙胚胎当中提取了一团青蛙的表皮细胞并且在培养皿里将其打散。一开始我们并不知道会发生什么。这些细胞可能会死;可能会相互远离,爬向四面八方;还可能聚合形成类似皮肤的单层结构。结果放置一夜之后,这些细胞聚合成了很多小团。我们将这些小团称作活体机器人/xenobot——顺便说一句,我们做实验用得是非洲爪蛙,学名xenopus laevis,这也是xeno-前缀的由来。

这些活体机器人是自成一体的原型有机体。细胞表面的鞭毛原本用来分布青蛙体表的粘液,现在则成了活体机器人的游泳装置。活体机器人会来回巡视,也会兜圈子,还会穿越由玻璃管道构成的迷宫,在拐弯的时候甚至不会碰到玻璃壁。出于某些我们尚不理解的内部机制,有时它们走迷宫走到半路还会原路退回去——要记住,这只是一团青蛙皮肤细胞而已,其中一个神经元都没有,更不用说脑组织了。不过观察一下就会发现,活体机器人吞吐钙离子的动态确实很像脑信号活动。

活体机器人还会再生。在它们身上切一刀开个大口子,它们就会将依然连接的部分当做铰链,奋力将身体蜷缩成团,将切口封闭起来,从而恢复原本的形状。这还不是它们的最神奇之处。最神奇之处一开始不是我们发现的,而是人工智能模拟程序发现的。计算机对活体机器人进行了计算建模,在模拟环境当中撒满了微小颗粒。结果活体机器人的数学模型会将微小颗粒聚拢成一堆一堆。于是我们在现实世界重现了这个实验,将大量打散的单个青蛙皮肤细胞撒满活体机器人的培养环境。组成活体机器人的青蛙细胞显然不能按照青蛙惯用的方式来繁殖,但是在培养皿里撒满皮肤细胞之后48小时,活体机器人就学会了如何实现冯.诺依曼的梦想:一款能够从环境当中收集材料复制自身的机器。它们将松散的皮肤细胞收集成了一堆一堆。它们的行为对象是具有主动性的材料而不是完全被动的材料,于是被堆成一堆一堆的皮肤细胞又形成了下一代活体机器人。这一代活体机器人又会收集细胞制造再下一代活体机器人。据我们所知,这种运动式自我复制不存在于自然界任何地方。

从进化角度来看,活体机器人简直令人瞠目。在整个试验当中我们从来没有编辑过非洲爪蛙的基因组。我们唯一采取的手段就是做减法,让青蛙的皮肤细胞摆脱制约。如果我问:“正常的青蛙皮肤细胞想要干什么?”你可能会说:“它们想要老老实实地形成一层二维被动结构,位于蝌蚪身体的最外层,将细菌挡在外面。”但是这并不是完全自由的青蛙皮肤细胞真正想干的事。它们真正想干的是组成活体机器人,它们与青蛙胚胎的其余部分的指导性互动迫使它们不得不形成皮肤。一旦获得自由,它们想干以及能干出来的事情要刺激得多:它们想要形成三维结构,而且这套结构还具备专属于自己的生长序列——生长了80天的活体机器人的形态与刚刚形成时大不相同,谁也不知道它究竟要长成什么样。那么青蛙的基因组在进化当中学会了什么?诚然,基因组学会了如何在正确的环境里形成一只青蛙,但是它不仅学会了这一招而已。它还学会了如何制造一整套硬件,其中每一种硬件都能以不同的方式生存。简而言之,进化似乎并不会为具体问题提供具体解决方案,而是会提供许多解决问题的工具。自然界从未出现过活体机器人,自然选择从未创造过活体机器人。进化提供的强大硬件在陌生环境里现场发挥,这才有了活体机器人。

我最后想说的是,生命极其擅长以现场发挥的方式进行决策,具有令人难以置信的互操作性。我们可以将多种组织细胞混合在一起制造嵌合结构,也可以将活体细胞与纳米材料结合起来。每一种进化产生的材料——无论是细胞还是DNA——与设计产生的材料进行各种组合之后都有可能成为能动主体。达尔文当年慨叹于千变万化的生命,忍不住赞颂“无尽形态之美”,但是一切自然形成的生命形态在组合式能动主体面临的辽阔选择空间当中只不过是一个小点而已。有些此类组合已经以机械化生物体、生化机器人与嵌合体的方式成为了现实。在过去,确定我们自身对于其他能动主体负有的道德义务并不算难。我们可以把这个东西打翻在地,如果听见金属撞击的哐当声,那就可以确定这东西是工厂产品,不具备多少认知能力,我可以毫无道德负担地将这个东西大卸八块;如果你摸一下这个东西,感觉软软的还长了一身毛,那就可以确定这是一个进化产生的能动主体,对待这个主体的态度要好一点。像这样界定能动主体的标准——来自哪里、材质是什么——大概再过一二十年就会灰飞烟灭,届时我们将再也不能以这些标准为基础来确定自己与能动主体之间的关系,届时我们将会被全然陌生、从未有过的主体包围,而系统发生学完全无法指导我们辨识与界定这些主体。搞清楚我们可以期待这些主体为我们做什么,以及我们需要为它们做什么,将是一项艰巨而重要的任务。相比之下,达尔文的进化无非是儿戏而已。

通宝推:桥上,
全看分页树展 · 主题 跟帖


有趣有益,互惠互利;开阔视野,博采众长。
虚拟的网络,真实的人。天南地北客,相逢皆朋友

Copyright © cchere 西西河