1701067182
1701067183
由于获得的信息具有统计性，系统组分的行为就必然是随机的（至少“不可预测”）。前面描述的三个系统本质上都利用了随机性和或然性。 [174] 每个淋巴细胞的受体形状都有随机生成成分，从而能采样许多可能的形状。淋巴细胞随血流分布，因此体内淋巴细胞的空间分布也有随机成分，从而可以采样抗原的多种可能空间特征。淋巴细胞激活的具体阈值、实际的分裂速度以及后代的变异都具有随机性。
1701067184
1701067185
类似的，蚂蚁搜寻食物的活动也具有随机成分，蚂蚁对信息素的侦测以及是否受其轨迹吸引也是随机的。蚂蚁改变工种也是以随机的方式。生物化学家齐夫（Edward Ziff）和科学史学家罗森菲尔德（Israel Rosenfield）这样描述随机性的作用：“最终蚂蚁会建立通往食物源路径的详细地图。 [175] 观察者可能会认为蚂蚁的食物分布地图是由某位智能设计者提供的。通往食物源的路径看上去就像是精心画出来的，但实际上却是一系列随机搜索的产物。”
1701067186
1701067187
细胞代谢依赖于分子的随机扩散和分子相遇的概率，随着系统的变化，相对浓度会发生变化，从而概率也会跟着变化。
1701067188
1701067189
为了让数量相对较少的简单个体（蚂蚁、细胞、分子）能探测相比起来要大得多的可能范围，这种内在的随机性和或然性似乎是必需的，尤其是通过探测获得的信息本质上是统计性的，而且对于将要遇到的事物也没有什么先验知识。
1701067190
1701067191
但是随机性必须与确定性达成平衡：复杂适应系统的自我调节不断调整各项事务的概率——个体应该向哪里移动，它们应当采取什么行动，以及如何探测庞大空间中的具体路径。
1701067192
1701067193
微粒化探测
1701067194
1701067195
复杂生物系统绝大多数都有微粒化结构，它们由大量相对比较简单的个体组成，个体以高度并行的方式协同工作。
1701067196
1701067197
这种结构有几个可能的好处，稳健、效率高、可以演化。还有一个额外的好处就是微粒化并行系统能进行侯世达所说的“并行级差扫描 [176] （parallel terraced scan）”。他指的是对许多可能性和路径同时进行探测，某项探测所能获得的资源依赖于其当时的成效。搜索是并行的，许多可能性被同时探测，但是存在“级差”，意思是并不是所有可能都以同样的速度和深度进行探测。利用获得的信息不断调整探测，从而有所侧重。
1701067198
1701067199
例如，免疫系统需要随时确定，在病原体可能形状的庞大空间中，哪部分区域需要用淋巴细胞进行探测。体内每个淋巴细胞都可以看作形状空间的微小探测器。探测器的形状范围越成功（与抗原结合得越紧密），获得的探测资源也就越多，即后代淋巴细胞越多；形状范围不成功的（结合不紧密的淋巴细胞）则得不到那么多资源。不过，在处理获得的信息的同时，免疫系统也在不断产生新的淋巴细胞，用来探测全新的形状范围。这样系统在应对当前状况的同时，也不会忽略新的可能性。
1701067200
1701067201
与此类似，蚂蚁搜寻食物时也使用并行级差扫描策略：开始时许多蚂蚁随机寻找食物。一旦在某个方向发现了食物，就会分派更多的系统资源（蚂蚁），通过前面描述的反馈机制，进一步探测这个方向。路径得到的探测资源不断通过其相对绩效——所发现食物的数量和质量——进行动态调整。但是，由于蚂蚁数量很多，再加上具有随机性，绩效不好的路径也会继续探测，当然分派的资源会少得多。谁知道呢，说不定就能发现更好的食物源。
1701067202
1701067203
在细胞代谢机制中，微粒化探测是由代谢途径实现的，每条途径执行特定的任务。代谢途径的反应速度受其本身和其他途径的反馈影响。反馈通过分子浓度变化的形式体现，从而使得各途径的相对速度可以不断根据细胞的当前需求进行调整。
1701067204
1701067205
此外，系统微粒化的特性不仅使其能探测各种不同的路径，同时也使得系统能够连续地调整探测路径，因为采取的动作都相对较小。而如果更加粗粒化，就很有可能在没有绩效的探测路径上浪费时间。因此，探测的微粒化特性使得系统能根据其获得的信息连贯地对探测进行调整。不仅如此，微粒化系统天生具有冗余度，因此即使有个体组分不能可靠工作，获取的信息也只是统计性的，系统还是能正常运转。冗余度使得对信息有许多独立的采样，而且只有大量组分采取同样的微粒化行动时才会产生效果。
1701067206
1701067207
分散探测与集中行动之间的互动
1701067208
1701067209
在三个例子中，根据系统的需要，随机分散探测与集中行动之间不断进行互动。
1701067210
1701067211
在免疫系统中，分散探测是通过带有各种受体、尝试匹配可能抗原的淋巴细胞群体的不断变化进行。集中行动则是让成功匹配的淋巴细胞产生后代，集中应对特定形状的抗原。
1701067212
1701067213
蚂蚁搜寻食物时是由蚂蚁随机移动、四处寻找食物来进行分散探测，在集中行动中则是蚂蚁循着信息素轨迹活动。
1701067214
1701067215
在细胞代谢中，作为分散行动的分子随机探测则与由化学浓度和基因调节控制的集中激活或抑制结合在一起。
1701067216
1701067217
对于所有的适应性系统，在两种探测模式中保持适当的平衡都是关键 [177] 。而最优的平衡点随时间不断变化。开始时所知的信息很少，探测基本是随机分散的。随着信息增多并产生影响，探测逐渐变得具有确定性，集中于对系统的感知进行响应。简而言之，系统既要探测信息，又要对信息加以利用，不断调整适应。在分散探测和集中行动之间进行平衡可能是适应性和智能系统的共性。例如霍兰德就曾用这种平衡解释遗传算法的工作原理。
1701067218
1701067219
信息是如何获得意义的
1701067220
1701067221
信息如何获得意义（有些人称为目的性），这是哲学的一个永恒话题。对于哲学家们的看法我无从置评，但是要想理解生命系统中的信息处理过程，我们必须面对这个问题。
1701067222
1701067223
在我看来，意义与生存和自然选择密切相关。如果事件影响到某个生物的生存或繁衍能力，那么事件对生物就具有某种意义。总之，事件的意义是如何应对事件的依据。事件对生物免疫系统的意义是其对生物适应度的影响。（我在这里非正式地使用适应度一词。）这些事件对免疫系统有意义是因为它们告诉免疫系统该如何应对，以提高生物的适应度——对于蚁群、细胞以及其他生物的信息处理系统也是一样。聚焦于适应度是我理解意义的概念，并将其应用到生物信息处理系统的一条途径。
1701067224
1701067225
但是在前面描述的复杂系统中，并不存在中央控制或领导者，那么是谁或是什么在觉察当前情势的意义 [178] ，然后据此做出适当的反应呢？这个问题实际上问的就是什么构成了生命系统的意识或自我意识。对我来说，这个问题是复杂系统研究和整个科学最深的谜团。这个谜团是许多科学和哲学书的主题，但是至今还没有让人完全满意的答案。
1701067226
1701067227
将生命系统视为在进行计算的观点有个有趣的副产品：它激发了计算机学家编写程序模仿这类系统来完成真实任务。例如，免疫系统的信息处理思想引出了所谓的人工免疫系统 [179] ：保护计算机免受病毒和各种入侵者攻击的适应性程序。类似的，蚁群启发了所谓的“蚁群算法 [180] ”，模拟蚂蚁释放信息素和转换工作的原理来解决移动电话路由优化和货运调度优化等困难问题。下一章我还将介绍我与我的博士导师合作研究的人工智能程序，这个工作是受包括细胞代谢在内的全部三个系统的启发。
1701067228
1701067230
第13章 如何进行类比（如果你是计算机）[181]
1701067231
[
上一页 ]
[ :1.701067182e+09 ]
[
下一页 ]