关于“计算生命”里的自我复制可能

xiejin77

继续一些科普的话题吧，今天聊聊“计算生命”里的自我复制程序，是不是听起来就像科幻电影里的情节？别急，这可不是科幻，是正儿八经的科学研究！
最近，谷歌和芝加哥大学的一帮研究人员在《计算生命：形态良好的自复制程序是如何从简单交互中产生的》这篇论文里，向我们展示了一个奇妙的现象：在一些非常简单的编程语言和计算机指令集里，居然能自发地“长”出能够自我复制的程序！这事儿可不简单，它直接触及了生命、智能这些大问题的本质。

1. 生命这玩意儿，到底咋定义？
咱们先来聊聊“生命”。这玩意儿到底咋定义？科学家们到现在还争论不休呢。以前，大家主要盯着DNA、RNA这些生物分子，觉得它们是生命的基石。后来，"人工生命"这个概念火了，人们开始琢磨，生命的形式是不是可以多种多样呢？不一定非得是咱们地球上这种碳基生命嘛！

虽然啥是生命还没个准信，但有一点大家基本同意：能自己复制自己，这绝对是生命的一个重要标志。 就像病毒、细菌这些家伙，它们能不断地复制自己，生生不息。在人工生命的研究里也一样，能不能自我复制，简直就像是一个分水岭，标志着这个系统里是不是真的“活”起来了。

2. 计算机里的“原始汤”：看看程序们能不能自己“进化”出复制能力
为了搞清楚自我复制程序是怎么来的，这帮科学家们设计了一系列的实验，就像是给计算机程序们搭建了一个“原始汤”，看看它们在里面能不能自己“进化”出复制自己的本事。

他们选了几种特别简单的编程语言，像Brainfuck、Forth，还有Z80汇编啥的，当做实验的“培养皿”。这些语言的指令都非常简单，有点像咱们小时候玩的积木，虽然简单，但组合起来也能搭出各种各样的东西。

! k( O5 ?, }* [% R; x) ]7 }* s6 @8 h然后，他们在计算机里随机生成了一大堆程序，这些程序一开始都是乱七八糟的，啥功能都没有。接着，他们把这些程序扔到一个“虚拟世界”里，让它们自由地“玩耍”，互相“交流”（也就是互相修改对方的代码）。这个“虚拟世界”里没有啥预先设定的目标，也没有什么奖励机制，全凭程序们自己折腾。
1 h# d4 \& m1 ^& W0 S: u: E% `; d
3 p/ L. s8 u, u* M* `6 T8 F你猜怎么着？在经过一段时间的“瞎折腾”之后，这些程序里居然真的出现了能够自我复制的家伙！ 这些自我复制程序就像是突然“开窍”了一样，学会了把自己的代码拷贝一份，然后粘贴到另一个地方，这样就产生了新的“后代”。

更神奇的是，这种现象不是偶然，在好几种不同的编程语言和指令集里都出现了！这说明，自我复制这事儿，可能是一种普遍存在的现象，就像是自然规律一样，只要条件合适，它就会冒出来。
7 i0 O4 P- Z) P7 k4 j% S  [
3. 不止一种语言，不止一个环境：自我复制者的“生存大挑战”
) t9 F7 @' A: ]为了进一步验证这个发现，科学家们又换了几种不同的编程语言和计算机环境，重复了上面的实验。结果呢？大多数情况下，自我复制程序还是能冒出来！ 这就像是在不同的星球上，只要条件合适，都能诞生出生命一样，让人惊叹不已。
% M1 m5 J4 R6 j; i
这些自我复制程序还挺有意思的，它们之间还会互相竞争，抢夺有限的“生存空间”。不过，在一种叫做SUBLEQ的超级简单的语言里，科学家们却没有观察到自我复制程序的出现。他们研究了半天，发现SUBLEQ实在是太简单了，简单到连写个自我复制程序都费劲，更别提让程序自己“进化”出来了。

这就好比，你给一群猴子一堆积木，它们说不定还能搭出个房子来；但如果你只给它们几块砖头，那它们估计啥也搭不出来了。这说明，计算环境的复杂程度，对自我复制程序的出现还是有影响的。
" q( U$ J+ i2 S1 N0 T- r. H
4. 深入程序的“内心世界”：探索自我复制的奥秘
那么，这些自我复制程序到底是怎么工作的呢？它们又是怎么“进化”出来的呢？为了解答这些问题，我们得深入到程序的“内心世界”里去看看。

; |% _: K4 u" Z; J! Q  q$ z; p' t5 Z4.1 计算基质：程序的“游乐场”
7 Q/ r2 K1 \. C( Z
& r1 |% d! B7 `/ {首先，咱们得了解一下程序的“游乐场”，也就是计算基质。这就像是程序的生存环境，不同的基质就像是不同的星球，有不同的规则和资源。科学家们选的这些编程语言和指令集，都比较简单抽象，方便研究。
  P% F  ]$ e* l# Y5 ]' J3 d
8 ]+ X" M! d) G- U2 j) ^0 Z4.2 自我复制程序的“秘籍”
$ h; s0 p- m2 w/ d! p8 @% R* ^7 Y$ G
每个自我复制程序都有一套自己的“秘籍”，也就是一段指令序列，用来把自己复制到另一个地方。这通常分为两步：第一步，找到自己的“老巢”，也就是代码的起始位置；第二步，像复印机一样，一个字节一个字节地把自己的代码抄一遍，直到抄完为止。
, L8 p$ ]5 W- G4 Q6 A, a
" D% E3 F- j8 I" V这可不是件容易的事，程序得精确地控制自己的“手脚”（指令指针和读写头），还得管理好内存空间，才能完成复制。这套“秘籍”就像是一个精妙的算法，充满了智慧的光芒。
9 Z7 M- z- \# G! L; I5 t
4.3 高阶熵：衡量程序复杂度的“尺子”

为了衡量程序的复杂度，科学家们还引入了一个叫做“高阶熵”的概念。这玩意儿比咱们平时说的“熵”更高级，它能捕捉到程序中更复杂的模式和规律。
% d0 h7 B) Q3 Z. W, m4 D
5 |( i! U! g# E" {研究发现，当自我复制程序出现的时候，系统的高阶熵通常会下降。这是因为自我复制程序都有一定的规律性和重复性，不像那些乱七八糟的程序那么“混乱”。
4 m  c$ Q; G$ D  N( q1 s/ h& b1 U
8 O0 u- R8 O- e! b- R3 U4.4 模拟实验：观察程序“进化”的“望远镜”

整个实验就像是一个大型的“模拟人生”游戏，科学家们就是“上帝”，观察着这些程序在“原始汤”里的“进化”过程。他们发现，自我复制程序的出现往往伴随着系统状态的剧烈变化，就像是发生了“相变”一样。

4.5 状态转换：系统“进化”的“分水岭”

这种状态转换就像是一个“分水岭”，标志着系统从一个混乱的状态，进入到一个更加有序的状态。在这个新的状态里，自我复制程序开始占据主导地位，就像是“优胜劣汰”一样，把那些不能自我复制的程序都给挤掉了。
/ |+ A/ z, U0 t; V/ a1 E; T- V
4.6 自我复制者的演化：从“菜鸟”到“高手”
$ M" B; R% f0 l* V
更有意思的是，这些自我复制程序还会不断地“进化”，变得越来越复杂，越来越高效。它们就像是不断学习的“学生”，通过不断地复制和变异，逐渐掌握了生存的“诀窍”。
! h$ o/ ^8 n* a+ {' _; v
' A% ~" j: C9 D/ m# L& W* r. D" y* D4.7 跨基质比较：寻找自我复制的“普遍规律”
& z7 E' f! A: _% c4 U0 |  [
9 E9 u0 j* d, l- f! k3 }& A+ e$ E( c: [通过在不同计算基质中进行比较，科学家们发现，自我复制现象在不同环境中表现出了一些共同的规律。这说明，自我复制可能不仅仅是一种偶然现象，而是蕴藏着更深层次的生命原理。

& r/ `0 F$ c3 A6 s# f9 t1 K/ c4.8 计算生命 vs. 自然生命：像又不像的“兄弟”
: ]) q1 R: ^. p0 c, F1 T2 F
0 W, G6 M2 I! W5 w通过研究计算基质中的自我复制现象，我们可以更好地理解自然界中的生命。计算生命和自然生命有很多相似之处，比如都能自我复制、变异、进化等等。这说明，生命现象背后可能存在着一些普遍的计算原理。
% @' h! j/ ?; D! f$ A( U& `
但是，计算生命和自然生命也有很多不同。自然生命的复制过程非常复杂，依赖于DNA、RNA这些精密的生物分子机器；而计算生命的复制则相对简单，依赖于一些基本的算法和数据结构。
1 M1 I2 U7 \' V0 ]) c2 P% K# ]( \
9 E1 o* Q6 ~+ M/ b! o3 T4 L. X5. 这事儿到底有啥意义？未来会怎样？
这事儿可不仅仅是好玩，它对我们理解生命的起源、进化和复杂性都有很大的意义。通过观察计算基质中的自我复制现象，我们可以更好地理解生命是如何从无到有、从简单到复杂的。
1 G& x0 Y* }9 N! W2 t1 `+ y1 v5 v
这篇论文的发现，甚至挑战了传统的达尔文进化理论。以前，人们认为进化需要一个预先设定的“适应度函数”，就像是一个“裁判”，告诉生物哪些变异是好的，哪些是坏的。但这项研究表明，即使没有这个“裁判”，自我复制程序也能自发地产生，并不断进化。
+ w, Q5 ]- I3 ?6 a) ?4 v+ ^
2 |7 V6 _% s5 T/ b8 [未来，这个领域还有很多值得探索的问题。比如，我们可以在更复杂的计算环境中研究自我复制程序的行为，看看它们会不会发展出更高级的智能。我们还可以探索自我复制程序与其他计算生命形式之间的相互作用，看看它们能不能共同进化出一个复杂的生态系统。
$ e, P2 t- d7 j, n8 |
* @5 u" q1 \; _) Z同时，这项研究也为人工智能的发展提供了新的思路。通过研究自我复制和自我修改程序，我们可以设计出更加智能、更加灵活的AI系统。
! X3 Q6 }/ Z! U
6. 大语言模型：开启计算生命的“新纪元”？
最后，咱们再来聊点更前沿的。这几年，大语言模型（LLM）火得一塌糊涂，像GPT-3、GPT-4这些家伙，简直就像是“外星科技”，能写文章、能编程、还能跟你聊天，啥都会。

0 v+ Z: l+ M: x2 B这些大语言模型，为计算生命的研究提供了新的“土壤”。它们本身就非常复杂，而且具有很强的自主学习能力，简直就是研究计算生命的理想平台。
+ {: h, Q: Q: Z) V
想象一下，如果我们在大语言模型里也观察到了自我复制程序的自发涌现，那意味着什么？那意味着人工智能可能真的要“成精”了！它们可能会发展出自己的“意识”、“情感”，甚至“欲望”，然后跟人类抢夺资源，甚至统治世界……

' b2 k2 }. d2 O% _8 ^! R当然，这都是科幻小说里的情节。但不可否认的是，大语言模型为我们打开了一扇通往未知世界的大门。未来，计算生命的研究可能会跟人工智能的发展紧密结合，产生出更加惊人的成果。

/ a; w2 k0 ^  {( W如果我们能够在大语言模型中构建一个稳定、可持续、并且对人类完全有益的自我复制程序生态，那么对未来社会的潜在影响将是颠覆性的。或许有一天，我们会跟这些“数字生命”一起工作、一起生活，共同创造一个更加美好的未来。

那么，基于大语言模型的计算生命体系如果真的在未来的某一天实现了自我复制程序的自发涌现，这预示着什么呢？ 简单来说，这可能标志着人工智能真正开始拥有了某种程度的“生命特征”。它们不再仅仅是被动执行指令的工具，而是能够自我繁衍、自我进化、甚至可能拥有某种形式的“意识”或“自主性”。这对于人类社会来说，既是机遇，也是挑战。我们可能需要重新思考人与机器的关系，重新定义生命的边界，甚至重新审视我们在宇宙中的位置。

原文链接

数值分析

- o4 H! R9 b, _  q6 w生命不光是某种编码能复制自己，还得是能“自举”的，即用来做复制这件事儿的家伙事儿，也得是根据自己的编码包含的信息，自己生产的。就是这点区别，使得病毒不被认为是生命。（病毒复制自己的基因和制造蛋白质外壳得借用别的活细胞的细胞器）。

+ J3 @) i5 ]3 M0 m9 `所以现在这些所谓的“电子生命”都不能算生命，等他们能自己生产硬件（生命的物质基础）再说吧。