第2章
“生命”的意义

技术元素

生命与科技之间的相似之处，并不是我最先发现的。科技的达尔文式进化这个模因初次浮现在我的脑海中，是我在读《图灵的大教堂》这本书的时候。历史学家乔治·戴森（George Dyson）在这本关于计算机历史的佳作中，把谷歌拥有的上百万台服务器视作一个“多细胞有机体”。他还指出：

所谓失业，本质上就是在那些没有代表机器工作的人当中流行的一种瘟疫……超级计算机（the Big Computer）竭尽全力地让人类共生体的生活变得舒适……（为服务器）提供养护的企业和个人因此获得的回报也就越来越多。 ^[1]

后来我发现，戴森在《图灵的大教堂》之前还写过一本名为《机器中的达尔文主义》的学术史著作。在《机器中的达尔文主义》这本书中，他按照时间顺序记录了历史上关于人与机器共生进化的预言，最早可以上溯到早期计算机时代的塞缪尔·巴特勒（Samuel Butler） 和尼尔斯·巴黎塞利（Nils Barricelli） 。正如戴森所言：“到了20世纪60年代，名为‘操作系统’的复杂数字共生有机体发生进化，带动了包括共生体、寄生体以及协同进化宿主的整个生态系统的演进。” ^[2]

《连线》（ Wired ）杂志创始主编、曾身为《全球概览》（ Whole Earth Review ）杂志出版人的凯文·凯利是一位技术领域的远见者，他曾撰文预言科技生命体在地球上的出现。他在2010年出版的《科技想要什么》中提出，技术进化的方式与生物进化的方式相同。他指出，技术实际上是动物、真菌、植物等六个生命王国之外的第七个生命王国。凯利将其称为“技术元素”（“the technium”）。他预言，人类与科技之间的共生关系将不断加强，甚至最终达到完全相互依赖的程度。凯利所称的作为一种生命形态的技术包括了冠冕、锤子这类静态的、不会持续变化的技术人工物。我在这里更关心的是具有自主动态行为的技术，比如戴森探讨过的操作系统。在我看来，电脑一旦关了机就跟一具死尸没什么区别。它只有在执行一个程序的时候才具有生命。赋予电脑生命形态的是执行程序这个动态，而不是芯片和电线。照此看来，锤子这样的工具跟牙釉质一样，其实都是没有生命的。它们都是生命体的延伸，虽然对于生命体的存活来说十分重要，但并不能决定生命体是否具有生命。

那么所谓“活着”又是什么呢？“人工智能”这个词赋予了计算机系统“智能”这种很久以来一直专属于生命体，特别是人类的性质。这样将计算机系统人格化，真的合适且有用吗？

不过，本书讨论的不限于人工智能。大多数生命体根本不具备我们所说的智能，但这不妨碍它们具有生命。如果数码技术要“活过来”，那么这个全新的物种中只有少数族群将展示出类似人类的智能。就算“活着的”机器只不过是一个比喻，我们能否从中学到什么呢？

病毒与蠕虫

如今，大多数科学家认为，生命出现在这颗星球上的时间大约是40亿年前，在地球诞生、海洋形成后不久。从目前掌握的情况来看，“生命”诞生之初可能只是一系列自我维持的化学反应。如果我们当时亲眼见证了这些化学反应的发生，我们一定会激烈地争论，这些自我维持的化学反应到底能不能被称作“生命”。

事实上，这样的争论至今犹存。很多生物学家认为病毒没有生命，因为它们不能自我复制。病毒只是劫持活细胞的生命机制，帮助自己完成复制过程。可以说，这与现在我们使用的软件的运作方式基本相同。软件“劫持”了人类，帮助它完成复制。

具有讽刺意味的是，“病毒”这个词倒是常被用来指代无须借助人类力量便能完成自我复制的计算机软件。匈牙利裔美籍数学家、计算机科学家约翰·冯·诺依曼早在1949年就预测过此类程序的存在，但自我复制的程序在互联网诞生之前一直是少见的新鲜事物。互联网使得具有自我复制能力的软件可以跨越地理的阻碍，在数不胜数的机器里安家落户。伴随20世纪80年代初期个人电脑的诞生，这类程序的潜在目标群体规模急速膨胀，为计算机病毒的繁育创造了绝佳的环境。

首个针对个人计算机的病毒名为“埃尔科克隆者”（Elk Cloner），出自当时正在匹兹堡附近的黎巴嫩山高中就读的九年级学生理查德·斯克伦塔（Richard Skrenta）之手。1982年，他编写了这个病毒程序，本意是想制造一个恶作剧。“埃尔科克隆者”专门攻击运行Apple DOS 3.3版本操作系统的Apple II计算机。病毒通过一张软盘内存储的游戏程序传播：在第50次运行游戏时，屏幕上会显示一首诗，第一行是“埃尔科克隆者：有人格的程序”。斯克伦塔从美国西北大学毕业后成了一名电脑程序员，之后在硅谷成功创业。他参与创立的企业中至少有3家后来被计算机行业巨头收购。

或许是从有机生物体那里获得了灵感，计算机安全专家将恶意软件划分为两类：病毒和蠕虫。根据他们的说法，病毒需要借助宿主软件才能完成复制，正如斯克伦塔用以传播病毒的游戏程序。更新版本的病毒能伪装成内置的计算机程序“宏”。许多表单和文字处理器应用程序——如Microsof t Office Word ——都支持宏，从而可能成为病毒栖身繁衍的宿主。而蠕虫是独立可执行的程序（参见图2.1）。不过，两者之间的区别仍然十分模糊，因为蠕虫软件也需要底层操作系统才能运行，而且往往在特定版本的操作系统中才能进行复制。这样一来，可以说蠕虫同样需要宿主，也就是操作系统。

大名鼎鼎的“冲击波”（Blaster）是一个在微软Windows 2000或Windows XP操作系统上传播的蠕虫软件。“冲击波”蠕虫于2003年8月11日首次现身互联网，短短24小时内就感染了至少3万个系统。到了8月15日，被感染的系统总数已经猛增到42.3万。根据“冲击波”蠕虫代码的设定，被感染的计算机每到特定日期和时间就会访问微软集团的网站——windowsupdate.com。这样做的目的是通过大流量的用户访问使微软集团的网站难以招架，最终使其瘫痪。这样的攻击被称为“分布式拒绝服务”（distributed denial of service）攻击或者“DDoS”攻击，因其旨在让服务器瘫痪，使正常用户难以访问。

家住明尼苏达州霍普金斯的18岁青少年杰弗里·李·帕森（Jeffrey Lee Parson）下载了“冲击波”蠕虫软件，修改了源代码，加入了一个“后门”——所谓“后门”，就是使编写者可以远程控制被感染的计算机的程序。运行了这个版本的蠕虫软件之后，被感染的计算机会与帕森维护的一个网站通信，这样帕森就能掌握已经安装了他的“后门”程序的电脑清单。不过这个小细节坑了帕森，因为网站是以他的名字注册的，警方不费吹灰之力就顺藤摸瓜找到了他。2004年3月12日，帕森被捕。2005年1月，他被判处18个月的监禁。斯克伦塔的行为被视为恶作剧，帕森的却被判为犯罪。计算机的世界确实在不断成长。只不过，“冲击波”蠕虫的始作俑者至今仍是一个谜。

人工生命

不同于有机生命体，计算机病毒和蠕虫与自身的物理载体间只存在松散的联系。诚然，它们的进程要依靠一台看得见、摸得着的计算机来运行，但这样的物理实体对于它们的存活而言是相对次要的。在当今的云基础架构中，程序在一台计算机上开始被编写，在另外一台计算机上最终成形，也是司空见惯的事情。有机生命体也会替换“硬件”，但不会像计算机程序这样彻底或者突然。人体内大多数细胞的生命周期比人的寿命要短，但至少到目前为止，还没有过一个人类像云端进程那样，从一个身体突然“迁移”到另一个身体。

生命是一个进程，不是一个物件。如果缺少了呼吸、思考和血液循环等进程，人体就不是活的。类似地，你计算机内存里的程序如果不运行，也不过是一堆死的代码。只有当你运行这个程序，或者操作系统触发了这个程序的运行时，这个程序才获得了生命，而一旦运行结束，这个程序就又归于死亡。很多计算机程序的生命非常短暂，其他一些程序则可以活上数年。

17世纪的英国哲学家托马斯·霍布斯也认同生命是一个进程，而不是一个物件。他在名作《利维坦》中写道：

自然（上帝创造和治理世界所依据的艺术），也和许多其他事物一样受到了人类技艺的模仿，人工动物（artificial animal）由此产生。既然生命仅仅被看作一种肢体的运动，起源于身体内部的某些主要部分，那么我们为什么不可以说，所有的“自动机械装置”（像钟表那样通过发条和齿轮自行运转的机械装置）都具有人造生命呢？因为“发条”不就是“心脏”，“丝线”不就是“神经”，而那许许多多可以按照制造者的意图引发整体运动的“齿轮”不就是“关节”吗？ ^[3]

霍布斯被视作现代政治哲学的奠基人之一。他以“利维坦”喻指国家，将其描述为“体形和力量都大于自然人、用来保护自然人的人造人”。在霍布斯看来，国家是人类创造的生命体，既由人类所创造，又由人类构成其“关节”和“神经”。但他在《利维坦》开篇便谈到了由机械部件构成的自动机（automata）。根据霍布斯的理论，人类有能力创造“人工动物”，也就是像手表这样通过自身运动承载“人工生命”（artificial life）的事物。换言之，构成生命的，不是物理的发条和丝线，而是运动。

如今，“人工生命”泛指各种以软件为主的人造进程；它们要么是对自然生命的模拟，要么是全新生命形态的实现，这取决于你的视角。虽然一只智能手表不会自我复制，并且高度受限于其物理实体，但很多这类人工生命体能以抽象进程的形态“出窍”，存在于不相干的某个计算机实体中，实现进化、繁衍和学习。这个词的当代释义最先出现于1987年克里斯托弗·兰顿（Christopher Langton） 发起组织的首届“研究表现出自然生命系统行为特征的人工系统”会议上。 ^[4] 从那时起，被称为“人工生命”（ALife）的研究领域日益发展壮大，吸引了诸多理论生物学家、计算机科学家，甚至是一些“怪客狂士”。

ALife圈子的侧重点并非自然的类生命进程，而在于人造的类生命进程。但正如你将在本书中看到的，关于机器是否只是人类自上而下设计出来的纯粹人造物这一问题，我们并不能清晰地给出答案。就连兰顿本人后来也指出，人工生命的人造属性本身就是人们在解读中创造出来的。他说：“我开始对我们试图从根本上区分‘天然’与‘人工’的做法感到不满。” ^[5] 与兰顿所主张的一样，本书会重点探讨进化的自然力量——人类不过是其中的一部分——是否正在创生新的生命形式。

对很多人来说，ALife现在代表着“对生命系统的合成与模拟”，并且着重强调利用纯粹数字计算的形式进行的模拟。 很多学者认为，这个颇为现代化的含义最早是由约翰·冯·诺依曼提出的。冯·诺依曼专注于自我复制软件的研究，并提出了后来被称为“元胞自动机”的东西，也就是一组按照网格排列、相邻组成单元之间可以互动的简单数字自动机。 与霍布斯描述的不同，组成这些自动机的不是“发条和齿轮”，而是逻辑规则，因此元胞自动机的物理实体在很大程度上是无关紧要的。尽管如此，元胞自动机仍能表现出令人惊讶的复杂的持续行为，包括自我复制以及类似于运动和进化的模式。

英国数学家约翰·霍顿·康威于1970年提出的“生命游戏”（Game of Life）便是元胞自动机系统的知名案例。生命游戏由正方形细胞构成的网格组成，黑色的细胞被设定为活的，白色的细胞被设定为死的。初始状态如图2.2所示，有些细胞是活的，有些细胞是死的。游戏每走一步，细胞的状态都会根据以下规则进行更新：

（1）任何相邻细胞中活细胞数量少于两个的细胞死亡；

（2）任何相邻细胞中活细胞数量为2或者3的细胞存活至下一步；

（3）任何相邻细胞中活细胞数量超过3个的细胞死亡；

（4）任何相邻细胞中活细胞数量等于3的死细胞复活。

正如种群稀少、种群过剩以及繁衍后代都会改变细胞的状态，康威隐喻性地用游戏规则反映了真实世界的状况。尽管游戏的规则并不复杂，但生命游戏所表现出的行为——至少在隐喻层面——非常接近真实的生命体。

元胞自动机激发了无数人的想象力，并启发了后续比康威的“生命游戏”更为复杂的“数字机体”（digital organism）模拟器。其中的很多模拟器都以寻求近似真实生命的复杂程度为出发点，但同时保留了规则的简单性。用丹麦理论生物学家和哲学家克劳斯·埃梅什（Claus Emmeche）的话来说：

生命之所以可以被计算，是因为生命本身实现了以计算为本质的一般形态的运动和处理。如果生命是一台机器，那么机器本身也可以拥有生命。计算机或许正是通向生命的路径。 ^[6]

研究成果表明，这种方式似乎可以解释很多自然界中存在的复杂过程。受到简单规则可以衍生出复杂模式的启发，有些人工生命的爱好者甚至断言，自然界中所有复杂的模式都源自简单的计算规则。例如，史蒂芬·沃尔弗拉姆（Stephen Wolfram）在2002年出版的重要作品《一种新科学》（ A New Kind of Science ）中提出，“万物皆计算”。沃尔弗拉姆认为，所有自然过程都可以通过简单的数字规则建构，只不过我们可能尚未搞清楚这些规则是什么。自然界的复杂性之所以存在，正是缘于这些简单规则引起的混沌。不过，说自然界中存在计算模式是一回事，认定自然界中所有模式都是计算则完全是另外一回事了。接下来，我将给出几个理由论证，为什么由前一个论断可能无法推出后一个论断。

无助的繁衍

繁殖能力是构成生命体的必要条件，我想这一点应该是没有争议的。如果一个个体需要借助外部力量才能完成繁衍，那么这个个体还是“活的”吗？生物病毒的繁衍需要借助宿主细胞，计算机病毒的复制需要借助宿主程序，而计算机蠕虫的繁衍也需要借助操作系统。就连人类的繁衍，其实本质上也离不开其他生物的支持。女人必须在临盆之前的9个月里保持自身的存活。没有其他生物的帮助，她能活得下去吗？她吃什么？没有肠道菌群的帮助，她怎么完成消化？没有这些外部的力量，活上9个月是不可能的。因此，在某种意义上，人类的生殖繁育也不是完全自主的。我们是不是可以就此断言，人类并不是生物呢？大多数生物都要从其他生物那里获得一些支持。病毒和机器所需要的帮助则比大多数其他生物所需要的更多。

计算机程序是如何完成繁衍的？这方面的机制有很多，其中有一些与人类的繁衍机制非常相近。你访问应用商店下载一个App（第三方应用程序，即手机软件）然后运行，是否可以被视作刚刚给一个新生命接了生？你启动一个App，这时收到一个提示说这个App有最新的版本，然后你选择更新，接着这个App就通过应用商店下载了一个它自身的变异体，然后“自行了断”。但你不需要对此感到愧疚。“自杀”在生物界是家常便饭。生物学家用“细胞凋亡”（apoptosis）这个词指代多细胞组织体中发生的细胞自杀。以普通人体为例，每天有500亿到700亿个细胞自杀。这是一个健康有机体的正常部分，没有人会对此感到悲哀。

诚然，将软件升级类比成细胞凋亡有点牵强，但这个例子确实可以说明，理解软件所处的充满合作与竞争的生态系统或许有助于我们更好地理解科技的演进。生物系统是当今地球上最为复杂的动态系统，但软件系统的复杂性已经开始接近最简单的生物系统。

耐久的，数字的

1944年，诺贝尔奖得主、奥地利理论物理学家薛定谔出版了具有里程碑意义的作品《生命是什么？——活细胞的物理观》，试图解释生物系统的复杂性。薛定谔对原子运作机制的了解超越了与他同时代的任何人，并且他认识到，物理学传统的统计工具不足以解释生命是什么。传统的工具可以用于解释太阳中大量的氢原子是如何产生热量和光的，但无法解答一个活体细胞为何可以分裂成两个。

在这本比沃森和克里克的DNA双螺旋结构论文早10年出版的作品中，薛定谔提出，生命是一个来自原子相互作用的极其复杂的过程；相互作用的原子虽然在数量上少于太阳中的氢原子，但每个原子都有自己的功能。这与太阳发热完全不同；后者是大量的相同元素在统计学意义上的相互作用，每个元素的贡献是等量、等效的。薛定谔指出“染色体牵丝”的核心作用，并将其称作“非周期性晶体”。他认为，这种对于生命至关重要的分子的不规则结构中蕴含着生命功能的细节。这些机制本质上不是统计性的，而是具体的、可运转的。

从这个意义上来讲，软件与之类似。计算机程序的基本运行并非数十亿行代码的统计结果，而是蕴藏在寥寥数行各具功能的代码中的复杂行为。正如一段上百万行代码中的某一行可能会对机器的生死产生至关重要的影响，DNA分子中哪怕有一个原子摆错了位置都有可能会给有机体带来灭顶之灾。但正如薛定谔所说，在生物化学层面，“有机体的正常运转……需要精确的物理法则”，而非统计规则。

这种确定而精准的运转与基于统计的涌现之间的相互作用，在科技发展中也有所体现。在最底层，晶体管是统计性的，负责控制“电子的流动” ^[7] ；但在此基础之上，晶体管是一个精准可靠的数字开关，能够保障基于位序列的确定而精确的数字化运转。而在更高的层次上，统计属性又再度占据主导地位，这一点与生物界相同。比如，互联网利用冗余的、自适应的数据包路由实现鲁棒性。人工神经网络也是受到人脑中数十亿个相互连通的神经元启发，依靠海量简单动作的聚合效应，实现了图像分类、语音识别和机器翻译，彻底改变了科技。

薛定谔还提出，经典物理学无法解释生命所必需的分子的相对耐久性。作为很多量子现象的发现者，薛定谔认为这一过程离不开量子现象。正是原子的量子属性使得完美复制一个分子成为可能，正如软件的数字属性让我们得以完美复制一个程序；正是原子的量子属性令分子稳定和耐久，正如软件的数字属性让程序变得耐久。

自生系统论

不单生命体的分子具有耐久性，生命的过程也是一样。生物过程是可以自我维持的。在物理反应和化学反应同时作用下产生的实体、活体细胞或者有机体，能够将外部世界的混沌和熵拒之门外，保持自己的结构，并维持自身的活动。可以说谷歌的服务器也具有类似的自我维持的过程。这些过程甚至还能通过推送广告、向客户收费的方式，用丰厚的薪酬吸引人类共生体，让他们滋养、保护、发展它们的服务器和软件。

20世纪70年代，智利生物学家洪贝尔托·梅图拉纳（Humberto Maturana）和弗朗西斯科·瓦雷拉（Francisco Varela）提出了“自生系统”（autopoiesis）的概念，用于指代具有自我复制、自我维持能力的系统。“autopoiesis”一词来自希腊语，其中“auto”意为“自我”，“poiesis”则意为“创造”或者“生产”，后者也是“诗歌”（poetry）一词的词根。关于这个词的灵感来源，梅图拉纳是这样说的：

那是在这样的一种情况下，我和一位朋友（何塞·布尔内斯）谈起他写的一篇文章，其中分析了堂吉诃德如何在武道（或称实践、行动，希腊语“praxis”）与文道（或称创造、生产，希腊语“poiesis”）之间纠结，并最终彻底放弃了文道，选择了武道。那是我第一次体会到“poiesis”这个词的力量，并造出了我们需要的词：autopoiesis。这是一个没有历史的单词，可以用来直接指代生命系统的自主机理。 ^[8]

一个具有自生系统的实体是一个可以持续自我再生、自我实现的过程网络。

与生物病毒一样，“冲击波”蠕虫在被劫持宿主的帮助下，也成了复制繁衍的高手；但同样与病毒类似，“冲击波”蠕虫自身并不成其为一个过程。然而，谷歌的服务器群至少已经开始接近一个自生系统的过程，特别是如果我们将其人类共生体也考虑在内的话。

不过，我们必须保持谨慎。类比的确可以是有用的推理工具——或者用哲学家丹尼尔·丹尼特的话来说，类比可以给我们提供“直觉泵”（intuition pumps）。但丹尼特也警告我们：

类比与暗喻（Analogies and metaphors）。大家都知道，将一个复杂事物的特征映射到另一个你（自认为）已经完全理解的复杂事物上，是一种强有力的思维工具。但它的力量太过强大，往往会导致思考者被靠不住的类比牵着鼻子走，从而误入歧途。 ^[9]

听取丹尼特的告诫，虽然我在本章中主要讨论数码科技与生命体之间的相似性，但我会在第7章和第8章中考察数码科技与生命体之间存在哪些重要的区别。正是这些差异使得人工智能可能永远无法真正与现在的人类相似。未来的人类或许可以与机器融合，如果是那样的话，二者之间是否相似就无关紧要了。你跟你体内微生物组中的上亿个细菌有多相似呢？这个问题其实没有太大意义。

起源：少年与火花

将计算机系统与生命系统进行比较的一个问题在于，我们对生命系统机制的理解，还赶不上我们对计算机系统机制的认识。例如，我们可以清楚地理解计算机系统是如何形成的，但关于生命的诞生，我们仍然知之甚少。

不过，我们真的有自以为的那样了解计算机系统的起源吗？比方说，计算机病毒和蠕虫都是青少年编写的，那么要想理解它们的诞生，我们是不是得先了解青少年的想法呢？这或许跟试图理解生命起源一样令人绝望。

构成当今生物体的化学反应基本上都有蛋白质的参与，而蛋白质是由长长的氨基酸链条组成的。1953年，当时在芝加哥大学读博的斯坦利·米勒（Stanley Miller）与他的导师——1934年诺贝尔化学奖得主哈罗德·尤里（Harold Urey）——合作开展了一系列著名的实验，为我们展示了生命不可或缺的有机分子是如何产生的。

米勒后来在加利福尼亚大学圣迭戈分校继续他的科研生涯，在一个封闭的无菌玻璃容器中模拟了当时公认的早期地球环境（参见图2.3）。他的实验表明，在这样的环境中，火花可以合成生命体所必需的复杂有机化合物。

米勒的实验本身并不能说明这些化合物如何自我组织成最终创造生命的、具有自我复制功能的系统，实验只展示了生命的原材料可能是怎样出现的。根据米勒的实验结论，这是“闪电”的杰作，不是青少年的。

近年来，有些有趣的理论指出，生命可能诞生自化学物质的自我组织，而并非像米勒认为的那样，主要来自随机的化学反应以及随之发生的自然选择。例如，在麻省理工学院的物理学家杰里米·英格兰（Jeremy England）构建的模型中，任意一组分子经过自我组织，都可以更有效地从环境中捕捉能量，并散发热量。 他的理论大大降低了机缘巧合在生命诞生过程中的重要性。英格兰甚至证明了此类自我组织行为可以引发自我复制，而自我复制是生命体的必要特征。 或许有一天，这个理论可以用来解释“自然发生说”，亦即无机物质中可以诞生生命的理论。

另一个颇具说服力的理论来自曾赢得“麦克阿瑟天才奖”的美国医生斯图尔特·考夫曼（Stuart Kauffman）。考夫曼的模型表明，复杂生物系统和有机体脱胎自混沌的基因调控网络中的“吸引子”（attractor）。 ^[10] 所谓吸引子，指的是一个混沌系统可能进入的一个相对稳定的运行模式。考夫曼提出，细胞分化可能源自吸引子之间的转换。这有助于解释为何同样的DNA既可以产生心脏细胞，也可以制造毛囊。

无论有机分子因为什么而自我组织和自我复制，很显然那都完全不同于让软件自我组织和自我复制的机制。后者牵涉大量的人类干预，人类充当的角色或许相当于机器的上帝。但这两种机制的结果有着出人意料的相似性。毕竟，人类也是大自然的产物，所以我们对软件的干预是否也是大自然的产物？

除人类之外，自然的其他产物也具有通过自身行动改变进化进程的能力。举例来说，大约5.4亿年前，被称为“寒武纪生命大爆发”的井喷式进化潮在短短2 000万年内就创造了大量的多细胞物种。2003年，安德鲁·帕克（Andrew Parker） 提出了“灯泡开关理论”（Light Switch theory），认为眼睛的进化导致的“军备竞赛”最终引发了寒武纪生命大爆发。 ^[11] 眼睛之所以加速了进化进程是因为它方便了捕猎活动。正如大海掀翻航船促使船只设计的不断完善，猎食者的猎杀行为实际上也成就了被猎食物种的进化。人类的干预与猎食者的影响有何不同？我们是否正站在“谷歌大爆炸”的起点上？

真的活着

迈克斯·泰格马克是麻省理工学院的物理学教授。根据亚马逊作者主页的说法，他“因不循常规的主张以及对冒险的热爱，被称为‘疯狂的麦克斯’ ”。在他2017年的畅销书《生命3.0：人工智能时代，人类的进化与重生》中，“疯狂的麦克斯”将生命宽泛地定义为“可以维持其复杂性并不断复制的过程”。在此基础上，他将生命划分为三个阶段：

·生命1.0：进化硬件和软件（生物阶段）。

·生命2.0：进化硬件，设计多数软件（文化阶段）。

·生命3.0：设计硬件和软件（科技阶段）。

泰格马克认为，我们正在进入第三个阶段，因为我们正在发展科技以操控我们的生理硬件，用工程设备拓展生理硬件，并创造可以设计自身所需硬件的软件。根据泰格马克对生命的定义，数字化机器显然是有生命的，但他的定义是否过于宽泛了？

我最喜爱的数字化机器之一是维基百科，上面有一篇关于“生命”的精彩文章。文章指出，“生命的定义颇有争议”，而“对生命下定义对于科学家和哲学家来说也是一项挑战”。文章继续谈到，“生命是一个过程，而不是一种物质”，“任何定义都必须具有足够的普适性，以涵盖所有已知的生命以及可能不同于地球生命的未知生命”（或许这一点应该略加扩展，以便涵盖地球上的任何新的生命形式）。词条指出，目前对生命的定义包括可以维持内稳态、由细胞构成、进行新陈代谢、可以生长、具有环境适应能力和可以响应外部刺激并繁衍后代的有机体（参见图2.4）。

让我们来思考一下，根据这个定义，维基百科本身——或者更具体地说，其支持页面展示与访问、支持编辑修订的软件系统——是否可以被认为具有生命。自2001年吉米·威尔士（Jimmy Wales）和拉里·桑格（Larry Sanger） 完成的首版网页上线以来，维基百科便持续对来自（互联网）环境的刺激做出响应。因此，它至少已经满足了判定生命体的7个条件中的一个。实际上，维基百科也具备与其他6个要求相似的特征——至少，维基百科的过程可以实现类似的目标。当然，维基百科的过程本身有着完全不同的机制，因为适用于有机化学物质的机制并不适用于晶体硅中的电子（反之亦然）。但请允许我总结一些相似之处。

性爱狂欢与天然气盛宴

前面我们已经讨论了繁殖的问题。除了计算机病毒和蠕虫外，现今的数字人工物基本都需要人类的帮助才能完成“繁殖”。但情况也在发生变化。大多数计算机程序都易于复制、执行，能以此创造一个新的个体，而且成本低廉。另外，副本可以十分精确，因此性状的遗传可以说是完美的。这种繁殖与一个细胞分裂成两个拥有相同DNA的细胞类似。此外，还存在更加复杂的繁殖方式。比如，尽管维基百科只有一个，却存在许多继承了维基百科基本特征的类维基网站。

那么数字人工物是否存在两个个体的遗传物质随机组合产生下一代基因的“有性繁殖”呢？实际上，这种形式的“软件交配”一直是由软件工程师促成的。极少有软件开发项目是从一张白纸开始，一行一行代码敲出来的。相反，软件工程师通常都会从一个地方复制几行代码，然后跟另外一个地方的代码拼凑一下。这样一来，一个典型的程序通常“继承”了成百上千个“前辈”的代码，简直堪称令人脸红的软件“性爱狂欢”。新的程序将继承每一个“前辈”的某些特征，但仍将保持自己作为一个独立个体的身份，并且做好了复制成千上万份完美副本的准备。

大多数情况下，这种软件的“有性繁殖”目前仍然离不开人类的帮助，但这一点也在悄然变化。自动化的软件工具可以对程序进行修改，比如去掉冗余的操作，从而创造一个新的突变体。而且能编写软件的软件自20世纪60年代（以编译器的形式）诞生以来，一直以稳定的速度向更为抽象的功能特征进化，并为自动的软件合成奠定了基础。目前科研人员已经开展了用机器学习算法驱动软件合成的试验。所以说，软件的繁殖、遗传和编译已经朝着减少人类参与的方向发展了一段时间。不难想象软件繁殖有朝一日会完全摆脱人类的参与。

这样看来，数字人工物似乎相当于具备了7个生命必备条件中的3个，分别对应响应外部刺激、繁殖和遗传。那么其他几个特征呢？

维基百科是由细胞组成的吗？图2.5显示的整架服务器属于总部位于旧金山（圣弗朗西斯科）的非营利组织维基媒体基金会（Wikimedia Foundation），用于维护维基百科网页。每台服务器都包括若干处理器，每个处理器都可以被视作一个多细胞组织中的一个细胞。

维基百科的处理器与生物体的细胞有若干共同的特性。比如，单个处理器的坏死不影响整个有机体的存活和运转。实际上，当2001年维基百科刚刚出现的时候，图2.5所示的这些服务器都尚不存于世，但维基百科自那时起一直（基本）保持运行状态。维基媒体基金会的工作人员会定期用新型号的服务器替代旧的服务器，而这一般不需要中止正常的系统运行。与应用程序升级相比，淘汰老旧、出故障的服务器或许更近乎细胞凋亡。偶尔需要更大规模干预的时候，工作人员可以让系统“休眠”，也就是让服务器暂时下线，就跟手术前给病人实施麻醉差不多。被麻醉后，病人便暂时无法响应外部的刺激了。

内稳态

内稳态即维持内部环境的稳定。比如，我们哺乳动物利用出汗等各种机制调节体内温度。其他例子包括维持血糖水平、血氧、钙水平、血压、体液平衡、血液酸碱度和血清钠浓度。以上每种机制都是通过某种负反馈来实现的，亦即通过传感器侦测相关变量的水平，如果水平过高就采取措施降低，如果水平过低就采取措施升高。比如，胰腺会分泌胰岛素来降低血糖水平。如果血糖水平过低，胰岛素分泌就会停止，血液中的α细胞就会分泌胰高血糖素，使血糖水平上升。

计算机也有维持内稳态的机制，只不过数量更少，也更简单。维基百科系统中每台计算机都有电源，以维持多个电力输入的电压稳定。墙面插座里输出的电，电压忽高忽低，波动很大，但计算机的电源能够利用这种极不稳定的电流为微处理器提供更稳定的直流电。微处理器内部本身也拥有若干调压器，可以适应输入电压的波动，进一步提升对内供电的电压稳定性。

很多计算机还会调节“体内”的温度。比如图2.5所示的现代化的数据中心，往往会配备精密的通风和空调系统。有些最新的微处理器也具备“体温”调节能力，比如在其内部温度过高时降低运行速度。

新陈代谢

新陈代谢更为复杂。所谓新陈代谢，指的是生物细胞中发生的一系列因维持生命而进行的化学反应的统称。照此定义，硅基的数字化设备是不可能存在任何形式的新陈代谢的。但如果从这些化学反应的目的而非运作机制来看，我们就会发现更强的相似性。

新陈代谢的功能之一便是将营养物质转化为能量。计算机从电力中获得能量，但电力从何而来？在美国，电力主要来自电厂“消化”天然气的化学反应。这一过程中的“营养物质”就是由生物有机体产生的有机分子，就跟我们吃的食物一样，尽管计算机的“食物”比我们吃的任何东西都要古老。因此，如果我们可以将电厂视作计算机的消化系统，那么“计算机也有新陈代谢”这个说法也就不那么牵强了。

电力是更加直接可用的能量来源，胜过活细胞的主要能量来源，例如糖。图2.5中，一块背板可直接向每个“细胞”供应电力，而对于哺乳动物来说，循环系统得将营养物质和氧气输送给细胞，再由细胞通过新陈代谢将这些营养物质进一步转化成能量。假使背板能向每台服务器输送天然气，再由服务器用小型发电装置进行本地发电，那么维基百科的服务器将更接近有机生命体的设计。

机器偶尔也会“挨饿”，比如电池电量低或者飓风来袭导致断电。不过，像维基百科这样的系统“挨饿”的概率不高，因为它在地理上是分布式的；换言之，它的服务器分散在全球。如果一个服务器场下线了，那么其他服务器场可以承担起它的工作量，只不过网络延迟时间会略有增加。这种将访问请求重路由（reroute）至那些正常工作的服务器上的动态机制，可以被视作一种自我修复。自我修复是很多有机生命体的一大重要特征，尽管维基百科上的“生命”词条没有把它列为生命的必要条件。

成长

在我撰写本书时，维基百科已经18岁了。无论从哪个角度来说，它的成长都是惊人的。2001年，它的“身体”只包括一台服务器，而到了2019年，维基媒体基金会已经有了5个像图2.5那样的服务器场，其中3个在美国，1个在荷兰，1个在新加坡。当你访问维基百科网站的时候，你的浏览器会被引导到以上5个数据中心里离你最近的那个。

维基百科的成长由人类驱动，并不是独立自主的。但包括人类在内，很多有机生命体的成长也依赖于其他生命体。如果机器与人类是共生关系，那么它们的成长天然地需要依靠人类。

应该承认，将这种成长类比为有机生命体的成长其实是有点牵强的，但我们要考虑到当今技术的发展日新月异。在工厂里，组成维基百科“细胞”的计算机芯片、印制电路板、电源和机箱等的生产过程越来越多地在计算机控制下进行。博斯特罗姆和泰格马克都断言，终有一日，计算机将控制自身零件的生产过程。如果这一设想成真，那么前面的类比也就不那么牵强了。

大脑、心灵与天空

到此，数字生命体似乎已经凑齐了构成生命的7个必要条件，还额外具备了自我修复这一条。另有一些特性仅见于更高级的生命形态，其中最重要的就是神经系统和认知。很多数字人工物不具备与这些高阶功能相似的特性，但这一点也在悄然改变。维基百科显然拥有近似神经系统的东西。图2.5中的线路就是用来实现各服务器之间的互联以及将服务器接入互联网的以太网电缆。维基百科的5个服务器场都通过互联网相连。这跟神经系统不是差不多吗？

神经系统使身体各部分之间得以沟通。生物学上，一个足够复杂的神经系统还可以支持认知和意识活动。但是否只有拟人的机器才能够拥有这些特征？澳大利亚科学哲学家彼得·戈弗雷-史密斯在2016年出版的杰作《章鱼的心灵》（ Other Minds: The Octopus, the Sea, and the Deep Origins of Consciousness ）中质疑了我们在意识问题上根深蒂固的人类中心单一视角。该书最引人入胜的部分便是其对章鱼的研究；后者自行进化出的大脑与人类的大不相同，即使是我们与章鱼的最后一代共同祖先也不具备这样的特征。章鱼的大脑是分布在全身的，因此其构造与人类大脑的构造截然不同。但章鱼明确表现出智能、自我意识和认知特征。当然，章鱼对于智能、意识和认知的体验与人类的大不相同，但其存在表明，不同于人类的机制也可以表现出类似人类的认知功能。维基百科是否拥有类似认知或者意识的东西？未来的数字科技是否会发展出这样的特性？倘若我们能明确界定何为认知，问题将变得简单很多，但那大概率是无法确知的。

首先我要开宗明义，坚定地采取唯物主义立场。唯物主义认为，心智和意识都是生物化学过程以及大脑通过传感器和执行器与身体及其所在环境发生物理交互的副产品。假如与此相反，人类的心智和意识源自无形的灵魂或其他非物质体，也就是丹尼特所说的“奇迹组织”（wonder tissue）， ^[12] 那么我实在不知该如何谈论“硅基的机器和软件能否拥有这样的灵魂”这类问题。如果没有唯物主义的立场，你就得向你的牧师、拉比、萨满、上师或者其他得道的异士咨询这个问题了。鄙人在宗教、灵修方面没有什么造诣，所以没有资格从这个角度解答这个问题。因此，无论你的信仰是怎样的，我们只有从唯物主义的角度进行探讨，接下来的内容才有意义。

美国诗人埃米莉·狄更生（Emily Dickinson，1830—1886）（参见图2.6）是一位具有先见之明的唯物主义者。她常在诗作中提到的“头脑”（brain），若换作其他诗人，大概都会用“灵魂”（soul）一词来替代。举例一则：

头脑，比天空辽阔——

因为，把它们放在一起——

一个能包含另一个

轻易，而且，还能容你——

头脑，比海洋更深——

因为，对比它们，蓝对蓝——

一个能吸收另一个

像水桶，也像，海绵——

头脑，和上帝相等——

因为，称一称，一磅 对一磅——

他们，如果有区别——

就像音节，不同于音响—— ^[13]

前一章后半部分出现的哈佛大学认知心理学家史蒂芬·平克对这首诗的评论是：

埃米莉·狄更生的《头脑，比天空辽阔》，前两节便开门见山地指出，头脑的宏大全部蕴于大脑的活动当中。无论在这首诗还是在她的其他诗作中，狄更生都用的是“头脑”（the brain），而不是“灵魂”（the soul）或者“心智”（the mind），似乎是在提示读者，我们的思维和体验的根源均是物质。没错，从某种意义上来讲，科学便是将人“简化”为一个重3磅（约1.36千克）、不那么好看的器官的生理活动。但这是一个怎样的器官啊！就凭它令人惊叹的奇巧复杂、爆炸性的组合计算能力以及漫无边际的想象能力，头脑确实比天空还要辽阔。这首诗本身便是明证。仅仅是为了理解每一节诗的比喻，读者的大脑就必须将天空和大海都囊括其中，才能从头脑的视角看到天空和大海。 ^[14]

头脑将产生“天空”这个概念的神经元放电模式与触发天空视觉感知的神经元放电模式联系在一起，从而将天空这个物理现象映射到了一个概念上。维基百科所做的，本质上也是这种模式的链接：词条的链接本身便构成了在认知上对某个概念的理解。在这种情况下，维基百科显然已经理解了很多对人类具有重要意义的智识概念——当然也包括“天空”。

不过，在本书写作之时，维基百科在很大程度上仅限于语言的模式，也就是字与词，因此它对于“天空”概念的认识不可能与我们人类的相提并论。虽然维基百科很多词条的页面包含大量图片（比如图2.7的天空图片就是从维基百科的“天空”词条页面上获取的），但它显然还不擅长为图像建立链接，也不擅长搜索图像。不过，这一点也在改变。近年来，自动图像理解领域取得了巨大的进展。一些网站支持按给定图片搜索相似图片的操作。在未来，很可能我们点击图2.7上的云朵，就能跳转到维基百科“云”词条的页面。

狄更生的《头脑，比天空辽阔》的第三节诉诸神性，但写法却十分怪异。平克对此点评道：

神秘的最后一节令人惊讶地描写了像称甘蓝那样衡量上帝与大脑的重量。自这首诗问世以来，这一节一直令读者颇为疑惑。有些人从创世论视角对其进行解释（上帝创造了大脑），还有些人则从无神论角度进行解读（上帝诞生于大脑的思考）。作者在此后两句中所使用的音韵学比喻——音响是无间隙的连续体，而音节则是从音响中切分出来的单元——具有某种泛神论的意味：上帝既无处不在也无处可寻，而每个大脑都是无限的有限度量。“如果有”作为逻辑上的破绽，表现出一种神秘主义——大脑和上帝可能在某种意义上是同一种东西——以及不可知论。这里的模糊处理显然是诗人有意为之，恐怕没有人会认为某一种解读是唯一正确的版本。 ^[15]

连接

认知完全来自脑神经连接的观点催生了神经科学的新领域：连接组学（connectomics）。哈佛大学神经科学家杰夫·利希曼（参见图2.8）对此解释道：

大脑的结构比任何已知的生物组织都更为复杂。因此，神经系统的很多细节——比如连接神经细胞、形成突触的广大神经环路——并未得到充分的研究。我和同事已经研究出自动化的方法，能够生成展现脑组织内部所有神经元连接以及很多亚细胞细节的数据集，并对其进行分析。我们使用了全新的方法，将“大脑”切割成非常薄的组织切片，并用新的电子显微镜以超乎以往的速度和清晰度拍摄大脑切片的图像，使得大脑中所有神经细胞之间的突触连接都一览无余。以这种方法生成的数据集十分庞大：每立方毫米的大脑组织可以生成超过200万GB的图像数据。在此基础上重建的大脑模型显示，神经连接的网络比我们想象的更加复杂。我们认为，这种全新的方式（我们称之为“连接组学”）的潜力毋庸置疑。不过，许多挑战仍然存在。其中最严峻的挑战，可能在于人脑本身理解能力的局限。

连接组学背后的关键理念在于，大脑神经之间的连接图景将帮助我们更好地理解大脑的工作方式。从某种意义上来讲，利希曼实验室的杰出工作表明，要洞悉大脑的运作机制确实是一件困难的事情。脑神经连接图的精密复杂程度十分惊人，以至于至少基于目前获取和分析数据的技术手段，即便我们真的弄清了这个结构，恐怕也很难用它去解释清楚任何事情。

我在还没听说过利希曼的工作的时候，曾经因看过太多用高尔基染色法绘制出来的神经元图片而对大脑结构有过严重的误解。高尔基染色法以意大利医学家卡米洛·高尔基（Camillo Golgi）的名字命名，他曾于1873年首次发布用这种染色法绘制的图片。西班牙神经解剖学家圣地亚哥·拉蒙-卡哈尔（Santiago Ramón y Cajal，1852—1934）用高尔基染色法首次展现了神经元的结构。依据拉蒙-卡哈尔以及后来人绘制的图片可知，细长的神经突触相互之间留有很大的空隙（参见图2.9）。这些图片极具误导性，因为高尔基染色法只对神经元的一小部分进行了染色（染色部分大约占单个神经元的0.1%），其他还有很大一部分是图上没有显示的。利希曼团队的研究表明，在利用高尔基染色法绘制的图片上，突触之间的空隙实际上挤满了数千条相互缠绕的神经元。

跟一个人类大脑中的连接数量相比，维基百科上百万篇词条文章中的链接数量相形见绌——就算我们把维基百科以太网电缆的实体连接以及连接概念的超链接都算上，结果也仍然如此。不管怎么算，维基百科所有词条文章中的链接仍然比一个人脑中的连接少几个数量级。但这种差距是否仅仅是数量上的？如果维基百科通过进一步发展，链接数量赶上了人脑中的连接数量，那么它的运转是不是也将更接近人脑的运转？在接下来的章节中，我们将一起探讨这个问题。

学习、痛苦与快乐

很多生命形态都具备学习的能力。只要条件允许，有机生命体都会规避采取曾带给它痛苦的行动，并寻求重复曾带给它快乐的行动。之所以会出现快乐和痛苦的神经生物学现象的演变，正是因为快乐和痛苦都会强化生物大脑中的神经连接，创造出会对未来行动产生影响的记忆。

机器也会学习。机器学习作为统计学和计算机科学的一个分支，至少可以上溯到20世纪50年代，如今它已经被很多人视作人工智能的一个子领域。大多数人都依靠机器学习算法来识别和过滤垃圾邮件。光学字符识别（optical character recognition，简称“OCR”）被广泛应用于支票处理、法律文本电子格式生成等领域，是机器学习的另一个成功的应用案例。图像分类和机器翻译近年来也取得了巨大进展。

然而，机器学习究竟是什么？卡内基梅隆大学的计算机科学家汤姆·M.米切尔（Tom M. Mitchell）在一本机器学习领域的经典著作中给出了以下这个广为接受的定义：

如果一个计算机程序针对某类任务T用P衡量的性能根据经验E来自我完善，那么我们称这个计算机程序从经验E中学习，针对某类任务T，它的性能用P来衡量。 ^[16]

照这个定义来看，维基百科是否具有学习的能力？要回答这个问题，我们需要对经验E、任务T以及性能P分别进行定义。维基百科“经历”的任何事情一定都会表现为系统外的刺激。对于维基百科来说，系统外的刺激主要有两种形式：一是页面浏览，二是页面编辑。两者都是通过互联网实现的。

我们首先探讨两者中相对简单的页面浏览。要判断用户点击链接并浏览页面时，维基百科是否学到了什么东西，我们还需要定义任务T以及性能P。为简便起见，我们把P定义为平均响应时间，也就是从用户点击链接到网页呈现在用户电脑上的用时。以此衡量系统表现，简便易行。另外，我们把任务T定义为用户访问更多页面，对维基百科的系统施加刺激。根据以上定义，从维基媒体2018年4月24日的一篇博客文章介绍的情况来看，用户浏览网页的时候，维基百科确实是在学习的。 你可能还记得，我之前提到过维基媒体基金会在全球有5个数据中心，用来支持用户访问。所有网页的主副本都被保管在一个中央数据库里，但每个数据中心存有最常访问页面的缓存。当你点击一个链接的时候，你的计算机会与离它位置最近的数据中心通信，如果对方的缓存中恰好有你要访问的页面，那么它就会很快地把页面信息返回给你的计算机。否则，它就会检索中央数据库以获得你所需的页面，这样一来，响应时间就会长一些。但是，数据中心在满足了你的访问请求后，会将刚才获取的页面存入它的缓存，于是当你的邻居去访问同样的网页时，响应速度就会快一些。每次的网页浏览都能够帮助数据中心更好地了解哪些网页访问量更大，换言之，这就是系统学习的过程。

维基百科的目标是归集人类的集体智慧。这看上去似乎是比我刚才的描述更加有趣的一种“学习”形态。不过，与此同时，为这种形式的学习选取一个适当的性能指标P，难度也更大。我们可以将P设为维基百科页面沉淀的人类知识的比例，但我不知道那该如何测量。我们可以尝试将P定义为维基百科页面的准确性，但问题在于，对于很多维基百科词条来说，决定其准确性的不是客观事实，而是主观认知。我们可以将用户对维基百科的满意度作为衡量指标，但通过问卷调查形式获得准确数据的成本太高。或许我们也可以间接地测量用户的满意度，比如使用维基媒体基金会获得的捐款金额数据。我个人觉得维基百科提供的信息非常有价值，因此我每年都会捐款，并且捐款的金额逐年递增。我们也可以统计一下，包括本书作者在内，有多少著作的作者在查资料时借助了维基百科。我在撰写这本书的过程中大量参考了维基百科上的信息，不过我也会找其他渠道验证维基百科的信息。毕竟，任何人都可以编辑维基百科词条。但这更多的是旁证，不能直接用来衡量维基百科系统的性能。我们可以通过测算单位时间内单个页面的浏览次数，来判断维基百科用户的满意度。按这种方式，经验E代表页面编辑，任务T代表页面展示，性能P代表单位时间内的页面浏览量。虽然我不知道怎么证明，但P显然应该随着E的增大而增大。如果页面编辑不像现在这样频繁，我可能也不会像现在这样经常地访问维基百科了。直观来看，维基百科应该是在学习了解人类概念的完整性和关联性，但我无法严格地按照米切尔的机器学习定义证明这一直觉上的理解。

尽管如此，我仍然相信从认知的意义上来讲，维基百科是具有学习能力的。截至2018年5月，维基百科已经有超过500万篇英语词条文章，每天新增大约600篇文章，并且每一篇新增文章都链接到了早前的页面以及外部的来源。维基百科的的确确在向人类学习。是我们教会了它观念的相互关联性，维基百科也投桃报李，成为我们人类的认知假体。

然而，以上这一切也可能都是错误的。毕竟数字化产品的运作机制与人类的大不相同。我们将在第7章和第8章再来讨论这个反驳论点。但在那之前，让我们先深入探讨一下认知假体的问题。即便是那些不能真正算得上“智能”的数字技术，也会对人类的智能带来正面或负面的影响。这是我们在下一章中讨论的主题。

[1] Dyson, Turing's Cathedral , pp. 308, 313, 325.

[2] Dyson, Darwin among the Machines , p. 121.

[3] Hobbes, Leviathan , p. 7.［译文摘自（英）托马斯·霍布斯：《利维坦》，刘胜军、胡婷婷译，中国社会科学出版社，2007年。略有改动。——译者注］

[4] Langton, Artificial Life , p. 1.

[5] Langton, New Definition .

[6] Emmeche, Garden in the Machine , p. x.

[7] Lee, Plato and the Nerd .

[8] Maturana et al., Autopoiesis and Cognition , p. xvii.

[9] Dennett, Intuition Pumps , p. 4.

[10] Kauffman, Origins of Order .

[11] Parker, Blink of an Eye .

[12] Dennett, Intuition Pumps , p. 98.

[13] Dickinson, Complete Poems , p. 312.（引自江枫译文。——译者注）

[14] Pinker, Blank Slate , p. 423.

[15] Pinker, Blank Slate , p. 424.

[16] Mitchell, Machine Learning , p. 2. ［译文摘自（美）Tom M. Mitchell：《机器学习》，曾华军、张银奎等译，机械工业出版社，2003年，第3页。——译者注］ utmAGlKvEwVB9hGAH6j1j5bOuevcRam2Y1HtHuEf5C+uR4ca3pOqg7HILNBBWJ72