最终，我们拥抱生物学的复杂性
这是一本关于纳米技术及其应用的科普读物，涉及生物物理学、医学及工程科学等领域。
纳米技术是生物学与医学领域的明星，也让物理学家为之着迷，是多学科交叉融合的典型科学领域之一。一直以来，像生命的起源、生命的多样性等吸引各个领域科学家的问题，远未得到明确的解答；然而，逐渐加快的学科融合已经成为必然趋势，让我们意识到自己正处于一个拐点上：科技即将改变我们对于生命的认识，而这会带给人类更强大的治愈疾病的力量。
这本书言简意赅地讲述了生物学、医学、物理学等学科融合的历程，介绍了由此产生的新科学。作者将对生命的研究置于广阔的语境中，旨在对支配整个宇宙运行的规则有全新的理解，也展望了这种学科融合对人类的健康和生活质量的提升有怎样的深远影响。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
以下摘自《纳米与生命》第一章 “最终，我们拥抱生物学的复杂性”：
或许活着的生命体最突出的特征是智能与意识。这在传统上已经超过了大多数生物科学研究的野心，因为还原论方法几乎没办法开展对这些问题的处理。不过，近来在机器学习以及AI 方面的研究已经证明，定量方法与数学模拟可以为生命体识别环境模式、从环境中学习甚至提取抽象概念的能力提供非常深刻的见解。
2016 年3 月，由谷歌公司DeepMind 开发的一种计算机程序阿尔法狗，在五场制的系列比赛中，战胜了世界上最顶尖的围棋手之一的李世石。这对AI 而言是一次无与伦比的战绩。阿尔法狗使用一种人工深度神经网络，通过人类与计算机的训练来学习游戏并赢得围棋比赛。近年来，深度神经网络已经在人脸识别方面令人类汗颜——仅仅在几年前这还被认为是不可能做到的事情，并且正在成为不同语言之间越来越优秀的翻译。
新型深度学习算法成功的关键在于，它们是从人类中枢神经系统的构造中获得了灵感；它们由彼此连接的节点构造形成，模拟生物神经网络。它们分层构建，这样神经网络或部分神经网络就会成为更大系统中的一部分。不过，虽说它们很成功，但对于它们的制作者而言，它们依然是“黑匣子”。在复杂分层的连接体背后，隐藏了它们学习能力的基础，但我们并不知道它们是怎么做到的。
一个有趣的假说解释了为什么这些AI 系统能够这么出色地工作，这也揭示了它们所运用的宇宙关键属性（就像神经网络所做的那样）：启发本章的影片《十的力量》中所证明的，尺寸与结构的层次。宇宙是分层构建的，复杂结构则通常通过一系列更简单的步骤形成。
人工深度神经网络的分层结构，使其能够在它们计算的顺序中模拟因果关系的层次，这就使得计算变得更容易。更深入地说，我们的宇宙似乎由一个包含所有可能函数的极小子集控制，而这些函数具有简单的特性。宇宙的结构就由这些简单函数创建。这一事实可以被神经网络所运用，比如说当它们正在试图识别一张猫脸的时候。在这一案例中，它们并不需要对无限个可能的数学函数来进行近似从而识别一只猫，因此计算可以在很短的时间里完成。当一个现象具有分层结构时，就像这只猫的图像一样，分层模拟的仿生神经网络在对它进行分析与建模时，会比不具备分层结构的计算机算法更优。
计算的生物启发并不只有数学研究者在实践。实验科学家显然“已经对还原主义感到无聊……对于完善与精确控制感到疲倦，他们正在设计一种简单的神经形态“人造电子大脑”，由大量2 毫米×2 毫米的网状银纳米线构成，类似于“一盘高度交错的（纳米）面条”（见插图5）。只有复杂互联的网状纳米线才会试着去模拟大脑：它每平方厘米具有10 亿个人造突触（仍然比人类大脑的突触密度低了好几个数量级）。
这种简单设备的电活性展示出一种复杂系统的特有属性，那就是自组织临界状态——介于有序和混乱之间的一种状态，此时所有部分都会连接起来以实现最高效状态。这是一种在人类大脑中被观察到的特性。这一设备没有被编程；与此相反，它被训练计算，而在进行计算时它的结构自然地改变与演化。
比如说，科学家将一份洛杉矶市6年间汽车交通数据组的上半部分，以一系列对应每小时汽车数量的脉冲形式输入。在数百次的训练之后，设备的输出预测出了数据组下半部分的统计学趋势，而它从未见过这份数据。这种神经形态设备将它自身的复杂性与现象匹配，因此它正在试着理解（或模拟），而不是试着用数学去对现象进行近似的建模。
就像大脑，它不会将过程与记忆分离；它自身的处理过程就会在网状结构中创建记忆。这些实验也显示了，复杂构造的物质可以计算。换句话说，计算出问题的解决方案是一项壮举，若是普通物质的结构以特定的方式连接，一样可以完成这项壮举，我们正开始发现这一点。
这种计算程序也适用于细胞层面（尽管是以复杂得多的一种方式）和其他生物计算系统。日本的一个科学家团队已经证明，一种类似于阿米巴原虫的多核疟原虫——多头绒泡菌这种黏菌的移动阶段——可以搜索并发现复杂计算问题的解决方案35
（见插图5）。
当细胞通过一些机制（比如我在前文中所讲述的机械转导作用）探索并适应环境时，无数来自纳米尺度蛋白的信号会不断地被细胞收集。细胞通过其复杂关联的物理、化学及基因网络管理并控制这些信号，最终计算出细胞行为的解决方案。演化已经对细胞的计算能力进行了超过10 亿年的优化，使其能力远远超过简单的“盘中纳米意大利面”设备，因此它可以适应并改变它一直沿用的算法。
神经形态电子设备还要走很长的路，才能和细胞一样聪明。机器人专家正在通过建造模拟小型生命体神经元连接性与感知能力的宏观机器人，采取类似的策略。一个很好的案例是协作“开放蠕虫”（OpenWorm）项目的展示，这一项目正在尝试着用计算机创建一只虚拟的秀丽隐杆线虫，基于真实线虫的神经网络进行机器学习。开放蠕虫项目在2014 年吸引了媒体的关注， 当时合作者将生物启发的AI 算法上传到一台被赋予一些感知能力的“神经机器人”中，并在线播放了一个非常不像蠕虫的设备表现出很像蠕虫的行为的视频。
这种科学技术或许会帮助我们在未来实现越来越复杂的计算、技术乃至AI，它同样有助于阐述我们的宇宙为什么能够让大脑与意识如此渴望理解空间与结构，就像影片《十的力量》用其魅力对此浓墨重彩的证明那样。大脑的分层结构、复杂组织以及它与身体剩余部分的关联，让我们不仅渴望也能够去探索我们身边的世界。这种分层次的组装是演化的方法，不断地在分子、细胞以及生命体层面，给大脑自身注入学习与适应的能力。细菌、植物、动物包括人类都在探索、适应并学习着，因为我们是由主宰宇宙的规则“制造”出来的。一些更为大胆的科学命题甚至将整个宇宙都描述为一台巨大的细胞自动机器，能够演化并计算它自身的行为。科学已经从还原论的“中心法则”里走出了很远。
接纳生物的复杂性
通过对生物与智能的运行方式进行研究，并发现它们的分层结构，现代科学正在重新研究人类在古代就开始实践并凭直觉感知的一些事情：我们对分层的结构与模式总是有强烈的兴趣， 擅长识别它们，也擅长制作它们并乐在其中。我们并不孤独。不只是人类，单细胞生命体、蚂蚁、蜜蜂、蜘蛛、鸟类、猴子、鱼还有很多物种，都会构建并理解网络与模式。人类天生就善于寻找关联与模式，我们寻找并识别一片片宇宙拼图，并通过从这些模式中抽象出一些观点，调整我们将自己置于宇宙中的方式。模式化的结构与层级，是美学与艺术、音乐、语言、科学、哲学乃至宗教灵性的基本原则。从古时候开始，人类对于为现实构建的层次化、模式化解释，就会感到享受、满足和安慰。我们也一直很好奇，我们对模式的兴趣从何而来。
早期文明将他们对宇宙的知识与直觉都浓缩成了错综复杂的邪教与神话；西方与东方的宗教及哲学传统，信奉人类解释现实的能力源于上帝/ 神（通常被认为是宇宙本身）。因为科学知识的缺乏，他们不过是本能地认为生命的涌现是宇宙结构的反映，或者像很多古代的宗教所说，我们是根据上帝（也就是神） 的形象创造出来的。模式化与层次化构造出来的神，活在我们的身体里，或是我们的语言和灵魂里。
在21 世纪，现代定量生物学、物理学、计算机科学、神经形态电子学以及自然计算与数学的其他分支学科，事实上终止了人类寻求理解生命与自然的历史循环，并且让我们更接近于完善古代文明的原始智力活动。随着我们努力发现智能的活体生命将宇宙物理学藏入我们生物体内核的精确方式，科学家与技术专家（通常在不知不觉中）重新与我们的祖先连接，论证人类与非人类体内的“小宇宙”的计划——尽管是以一种世俗的方式。换句话说，生物学正在融入物理学领域。通过最基本的形式，物理学寻找着在所有尺度及表现中构建并控制宇宙的规则，并用数学语言将它们表达出来。接着，工程学利用这些已经编码到数学中的物理学知识创造出技术。生物学如今已变成自然的土壤，供物理学与工程学生长。
作用于生物学的物理视角具有强大的力量，这不仅仅是因为在21 世纪，这些隐藏在生物复杂性背后的知识将会改造我们的技术与恢复健康的能力。物理学是强大的，因为它改变了科学文化，我们从这些科学文化中了解自己，了解我们的生命和健康。我们不再是基因计算的产物，我们是由宇宙自身涌现而来。这也解释了为什么从生命中获取能量与潜力的现代技术革命，正在将我们带回人类思想的那个起始点。纯粹的科学研究正在带着我们回顾一些非常古老的问题：我们是谁？我们如何学习？我们在宇宙中的地位是什么？我将会在本书的最后一章与结语中讨论这些思考，但在此之前我们还需要探索更多的科学。
在本章中，我已经总结了定量科学的融合正在构建非常不同的生物学面貌，接受并探索它的多尺度复杂性，并放弃了前一代的还原论。在下一章，我将回到分子中去，展示生物如何作为一种材料兼一张蓝图，被用于构建21 世纪的新材料科学。我将会探索“边制作（纳米技术）边学习（生物学）”的实用方法是如何实现的。我们从DNA 与蛋白质的纳米技术谈起。
郑志远2021-10-22 21:04:56
如果是有声读物就好了。希望解放双眼。