1700266947
如果你回到50年前，工业的基础设施是煤和钢铁。在未来50年，工业的基础就会变成信息。在分子层面、基因层面的细胞工程将会在未来50年里，改变我们的生产方式。比如，现在你想做一个桌子，你需要先培育一棵树，然后再将树砍掉去做桌子。50年后，你就可以直接培育桌子了。如果我们也发现了像电子工程里的阴极射线那样的东西，就只需要15年，这也只是保守估计，不管怎么说，这也只是时间问题。其实还有些任务需要完成，但那也只是细节而已。在大方向上我们已经知道该怎么做了。
1700266948
1700266949
重点就是在分子层面的生物学和工程学，当然还有其他层面的生物学，现在我们已经开始关注神经层面的事情了。所以西北大学的穆萨·伊瓦尔迪（Mussa-Ivaldi）等人正在利用神经网络，确切地说是生物神经网络，去控制机器人，也就是用小小的湿件去控制它。布朗大学和杜克大学的研究人员正在尝试把湿件放入猴子的大脑里，利用和基因组分析同样的机器学习技术，去弄清楚猴子大脑里发出了什么信号，还让猴子只靠想象就能玩电子游戏，或者只靠意念就能控制机器人。如果你翻翻最新一期《连线》杂志就会看到，这项技术已经开始在四肢瘫痪的人身上做实验了。所以另一件事就是，以前我们只是分析内部过程，而我们现在开始改变内部过程。这是一次范式转变，从利用科学转变为在生物学中应用工程学。
1700266950
1700266951
但在未来几十年内，还有另一个层面的事情会发生。当我们研究生物学的时候，我们也将再次改变工程学，就像过去100年里工程学转化为信息科学一样。我不能说出它改变的细节，因为它还尚未实现。但我能举一个例子，来说明生物系统激发工程系统的方式。
1700266952
1700266953
在我的研究团队里，我们在观察多肠目扁虫时受到了启发。当你穿戴水肺潜水并碰到珊瑚礁的时候，你就能看到有很多小小的扁虫在移动。它们五颜六色，而且在身体边缘处有细微褶皱。它们是很简单的动物，它们的大脑大约有2 000个神经元，它们可以移动也可以抓取食物，再利用自身的褶皱把食物挤入嘴中。我猜测之前的论文里从没有人指出这一点，但在20世纪50年代，有一系列论文还是研究了这件事，或者是由某个研究生意外发现的。
1700266954
1700266955
他们研究是否能够在多肠目扁虫之间移植大脑。所以他们把两只扁虫的大脑切除出来，然后交换它们的大脑，看扁虫的身体功能能否恢复。当大脑被切除，它们就变成了愚笨的扁虫。它们无法控制自己，但还是可以移动一点点，不过不能移动太多；如果食物就在它们嘴边，它们会抓住食物，但是它们无法把食物放进嘴里。但在交换大脑之后几天，基本上它们就恢复正常了。
1700266956
1700266957
但如果你拿出扁虫的大脑，将其翻转180度之后再放回去，扁虫的状态就不大好了，它会倒着走，但几天之后，它就适应了，它会重新定位，然后按照以往的方式活动了。实际上，如果你观察那些扁虫的几何构造，你会看到它的两边各有两束神经纤维，这四束神经纤维包围着整个身体，而且正好穿过大脑。如果你把它的大脑拿走，它只就有四个神经纤维的片段留在大脑里，余下的神经纤维在身体上；如果你把它的大脑翻转180度，神经纤维会重新排列继续生长，并且扁虫很快就会适应；如果你把它的大脑上下翻转，它照样可以活下去，尽管有些功能并不能顺畅地运转；但如果你将其大脑翻转90度，它就没法活下去了。因为那些神经纤维就不能连接起来了。如果你切除它的大脑，在它背部挖个洞，把挖出来的部分上下翻转后放回去，它依旧可以活下去。它总共只有2 000个神经元。
1700266958
1700266959
想象一下你把一台IBM电脑的奔腾处理器拿出来，放进一台苹果电脑里，它照样可以工作。虽然这和现在的工程学不一样，但生物学在所有地方都是这样运转的。通过研究生物系统工程，我们即将改变对复杂性的理解，以及对计算的本质的理解。
1700266960
1700266961
我们现在有了一个计算模型，就像计算是从之前的数学中产生的一样，没有新的物理学或化学，只是对相当传统的数学的重新思考，计算的概念大约是在1937年发展出来的，一直延伸到之后的三四十年。但是我预期我们将看到对复杂性的不同理解，而且通过类比我们将看到（就像计算类比于之前的离散数学），这种以对复杂性的理解关系到对传统的信息或计算的理解，会从整体上改变工程学，并改变我们在未来50～100年对工程学的思考方式。那将改变我们对生物学的错误理解。
1700266962
1700266963
雷·库兹韦尔：罗德尼，我认同你所说的很多东西。我们有很多相似的观点，但是我们的思考模型并非完全一样。
1700266964
1700266965
让我来探讨一下时间框架的问题，因为这不仅仅是你发现进程加速的问题。我已经给过去25年的趋势建模，还对基于那些模型的预测进行了追踪。大家都说无法预测未来，然而对一些类型的预测确实没错。谷歌公司的股票三年后会比今天更高还是更低，这确实很难预测。但如果你问我，2010年的MIPS处理器的成本，或者一对DNA碱基对在2012年的测序成本，或者脑扫描的空间和时间分辨率在2014年会是怎样，事实证明这些事情很明显是可以预测的，我将会展示很多指数图表，指出这些事物都可以顺利地实现指数级增长。就计算能力而言，在过去一个世纪，它呈现出了双重的指数级增长。做这种对比是有理论依据的，我们还可以利用对比去用做预测。
1700266966
1700266967
就整体的技术增长率来说，我所说的范式变迁率，每10年就会翻倍。拿信息技术的能力来说，带宽、性价比、性能、信息存储量、互联网上的信息量，这些事物每年都会翻倍。但是如果我们以每10年翻倍的技术增长率，去计算罗德尼所说的1905年的情况，以我们现在增长率的范式转移来看，整个20世纪的进步也就相当于我们现在20年的进步。
1700266968
1700266969
我们现在只需要20年就能实现等同于整个20世纪的技术增长，按照这种增长率，我们在未来14年就能完成现在20年的增长。我认同这样一种观念，比如说，相较于计算机科学，我们对生物学的理解滞后了一个世纪，但是，凭借现在发展的速度，我们将在未来的14年里实现等同于1个世纪的范式转移的进步。这不是一个模糊的估计，而是基于数据模型的估算。我拥有一个由10人组成的团队，专门收集这类估算的数据，令人感到惊讶的是，这些数据模型既有理论基础，也有实证基础。基于过去50年的数据构建的模型还不足以用来预测未来50年的情况。在《时代周刊》组织的主题为“生命的未来”（Future of Life）会议上，所有的发言人都被问到：“未来50年会发生什么？”我想说，所有那些发言人的预测都只是基于过去50年的情况而言的。詹姆斯·沃森说：“在未来50年里，会出现一种药物，可以让你尽情吃喝，又能保持身材苗条。”但是基于我们现在所知道的，而且我们已经在动物身上做过实验了，仅在5～10年内，我们就能研制出这种药物。
1700266970
1700266971
我赞同罗德尼所说的，人脑和生物学有不同的工作原理。但是那些只是我们一直在应用的原理。我自己感兴趣的领域是模式识别。我们并没有利用逻辑分析，而是利用自组织的适应性混沌算法去做这种分析，我们也有一套方法论和数学原理指导。我们对大脑进行反向工程，这个过程以指数级的速度发展，从而使我们获得了越来越强大的模型，可以添加到我们的人工智能工具里。
1700266972
1700266973
最后我要回应一下这个问题：人们怎么去预测一些非常复杂的事物？像计算机科学和生物学等领域里的每一步进展，都是由数以万计的项目构成的，而每一个项目都是不可预测的，都是混沌的。对于这种整体性的混沌行为，我们确实能够做出预测，而且科学中还有很多其他的例子同样如此。去预测一种气体中的某个分子的运动当然毫无希望，这个过程非常复杂，整个气体由数以万亿计的分子构成，而且每一个分子都是混沌和不可预测的，但是整个气体依然拥有可预测的性质，你可以根据热力学定律做出预测。就像生物学有一个进化过程一样，技术也有一个进化过程。
1700266974
1700266975
克雷格·文特尔：我发现作为一名生物学家坐在这里聆听很有趣。我对你们说的很多东西都很赞同。尽管我们所谈论的单个细胞的工程和对更复杂事物的工程其实有巨大差异。我们人体拥有100万亿个细胞，所以当你试图利用同样的基因密码去重复同一个实验时，从来都行不通。所谓的同卵双胞胎也没有同样的指纹或脚印或大脑神经连线，因为总有很多随机事件会悄然进入每一次的细胞分裂或某些生物过程里。如果这是基因改造工程的话，那也是相当草率的工程。你无法两次都获得同一个答案。
1700266976
1700266977
但是对于单细胞和微生物细胞，我同意将它们称作未来的能量工厂。而且比起你们二位的预测，这一切会发生地更快，因为现在正处于初期阶段，我们试图设计出机器人去建造染色体，去构造那些物种，也许我们每天都能建造出上百万个，但因为有太多未知的基因，我们基本上要以实证的方式去做，然后再筛选出活跃分子。每个人都担心《天外细菌》（Andromeda Strain）(2)里描述的那种方式，但那就是生物学进展的方向，只不过比我们所看到的线性方式进展得更剧烈。
1700266978
1700266979
罗德尼·布鲁克斯：是的，这一点很有意思。我讨厌做一名反对者，但是库兹韦尔迫使我去反对。
1700266980
1700266981
构造出百万个单细胞，然后检验它们，看看是否会在原位置出现进化，这种想法正是我们在未来会加快进行的实践。在计算方面，大约15年前，我们认为硅会开始飞速进化，这方面还有很多激动人心的地方。但是我们并没有计算出来，因为我们遗漏了一些东西。人造生命领域已经有了15年的缓慢进展，但是并没有如我们早前在桑塔菲会议上料想的那样飞速发展。那是在20世纪80年代末、90年代初，桑塔菲研究所刚成立不久。
1700266982
1700266983
杰克·绍斯塔克（Jack Szostak）等人已经在试管中进行了真实的进化实验，因为这是现在我们理解怎样进行进化的粗略方式，不过进化也许就是这样的也说不定，而且这种进步会改变很多事情，就像量子力学的发展彻底改写了物理学一样，也许有人在某个时候会想清楚，怎样在硅中进行更好的进化实验，到那时我们就会理解我们到底遗漏了什么。那样就会让所有领域快速地发展。尽管我认同对未来事件的统计分析，但是还有很多异常的事件是我们无法预测的，而正是这些事件对事物的发展方向产生了巨大影响。
1700266984
1700266985
雷·库兹韦尔：我可以告诉你遗漏了什么，我们遗漏的正是对生物学的真切理解，我以前说过，我们还处于生物学的初期阶段。虽然我们已经有了自组织的范式，像基因算法、神经网络、马尔可夫模型等，但它们顶多只是生物学的初级模型。我们还没有可以检测生物学的工具。我们已经拥有的工具是，看看生物学是怎么运行的，我们可以给基因组测序，我们开始理解那些信息过程的机制，我们能够观察大脑的内部，还可以从反向工程里开发出更有力的模型。那么问题来了：生物学到底有多复杂？
1700266986
1700266987
我当然不会说这个问题很简单，但是我认为，这是我们可以操作的复杂性，而且这种复杂性超过了它本身。如果你观察大脑的内部，比如小脑，其中的神经元有大量不同的连接模式，这些神经元占了整个脑部神经元的一半，但实际上，只有很少的基因参与了小脑的神经元连接。形成这种结构的原因就是因为基因组说：“将这4种神经元像这样交织起来，现在重复几十亿次这个过程，然后在每一次重复的过程中增加一些随机性。”所以这是一个很简单的算法，只是增加了一个随机性的构件，就构成了一个错综复杂的连接模式。但一个关键的问题是，在基因组里有多少信息呢？有30亿个等级，60亿小片，也就是8亿字节，其中蛋白质大约占了2%的编码，所以有160万字节可以描述出真实的基因。
1700266988
1700266989
其他的字节就是以前所谓的垃圾DNA。我们现在意识到，它们其实并非都是垃圾，它也控制着基因表达，不管它是多么马虎地编码的，尽管其中还有大量冗余，比如一种叫作ALU的序列重复了30万次。如果你除去那些冗余的话，你大概可以实现90%的压缩，但之后你依然会获得一些没有效率的编码，算法信息量也会很低。我有一个分析表明，基因组里大约有3千万到1亿比特的有意义的信息。虽然这些信息很复杂，但是我们可以把握这一水平的复杂性。我们要完成对它的反向工程，这要求我们以指数级的速度去实现，我们正在努力去实现。这就像是十年前基因组计划的处境一样。
1700266990
1700266991
罗德尼·布鲁克斯：库兹韦尔，你又要让我提出异议了。我不喜欢你的那种说法，按你所说，它们就像手机那样，对吧？你曾在图像识别、模式识别领域做研究，我也在这一领域研究，我们都无法得出我们的对象识别系统，而你刚刚所说的只是对大脑里区区16兆字节编码的反向工程而已，或者不管它是什么，我们所做的事就像一个两岁儿童在做分类一样。
1700266992
1700266993
1966年，人工智能实验室有一个夏季的视觉项目，是一个叫格里·萨斯曼（Gerry Sussman）的本科生做的。我在1981年的博士论文所探讨的内容也属于这一领域。到了如今的2005年，我们依然无法进行基因对象识别，而且大家现在也已经放弃了在这个问题上做研究了，而且也你无法获得基因对象识别的研究资助，而且也已经反复证明过这行不通了。
1700266994
1700266995
取而代之的是，大家开始研究专门的医学成像或面部识别。基因对象识别是一个很难的问题。要理解基因组是怎样在大脑里工作的，不单单是给基因组做一个曲轴就能解决的。在1966年那份原始提议里，西摩·佩伯特（Seymour Papert）预测，我们能够获得进行基因对象识别的方法。但事实并非如此，我们至今也未能实现。有些异常事件，我们是无法预测的，我们无法仅靠给基因安装曲轴，就能理解大脑的运作方式，不管是通过计算的或是超计算的方式。
1700266996
[
上一页 ]
[ :1.700266947e+09 ]
[
下一页 ]