我们的客座嘉宾是David Krakauer 教授 David 教授是理论生物学家 领导威斯康辛州发现研究所(Wisconsin Institute for Discovery)的工作 同时他也是威斯康辛大学(University of Wisconsin)的基因学教授 兼任圣菲研究所(Santa Fe Institute, SFI)的外聘教授 在去威斯康辛州之前 David教授任职于SFI常驻学院 并担任学院的院长 让我们欢迎David 很荣幸和你连线 好的 在前面的课程中 我们谈到了突现(emergence)的概念 以及我们可以从系统层面和个体层面 来解释这些突现属性(emergent properties)的概念 很多人认为 突现是某种主观的概念 似乎正是因为我们还不够聪明到从个体层面来理解 所以才会说是“突现” 你认为是这样的吗 还是认为的确存在某种关于突现的基本原理? 必须承认我对这个概念也没有清晰的认识 我比较偏向于保持中立 从某种角度上 我赞成那种观点 我认为是的 如果你拥有无限的计算能力 那么你一定能够根据系统最基本的成分来描述这个系统 而我们之所以着眼于那些有效的变量 或者数据聚类的原因是 因为这样更容易理解 比如说热力学中的 压力 温度 熵等等 但另一方面 我又认为那样说不够准确 当谈到一些复杂的智能化的性能时 比如我们对音乐的鉴别 我认为我们神经元中蛋白质动态的微观描述 和音乐鉴赏可能不太能产生充分的关系 所以我必须承认 我很纠结 对此也没有一个很好的答案 好的 那么 我之前问过你怎样定义复杂系统 这个问题的另一种问法是 谈谈复杂这个概念本身 那你认为 什么是复杂性? 这个问题很难回答吗? 人们通常都会给出不同的答案 你认为会不会有某种概念 能直接给出“复杂”的定义 这个定义可以通用于所有类型的系统? 还是这的确是取决于某个具体的系统本身的? 我对这个问题还是比较乐观的 我认为这跟你要求的预测准确度有关 所以我认为会有某种比较通用的定义 像 Murray Gell-Mann 和 Seth Lloyd 以及其他很多人 曾提出这和描述长度有关系 等等 换句话说 需要多少页纸的算法和数学公式才能描述清楚 你所关心的那些变量? 那些测量法的问题是 通常你对那些 你想要介入 控制 或者理解的那些原理 并不能给你更多的信息 所以我认为这就是困难所在 因为这些复杂度的测量法刚开始会有分歧和增长 但我认为其实这还好 我认为只要我们对此开始关注 任何人都能给出其运算定义 我们能清楚地陈述我们的假设 我们的原理 我认为这些定义暂时没有统一也是可以接受的 但是 顺便说一下 我想如果你仔细比较这些不同定义 你也会发现它们也有一些相似之处 它们可能都具有一些相同的性质 比如 需要多少元素才能有效地预测和控制某个环境 我认为这大概是它们的共同特性 尽管表面上它们看起来不一样 嗯 好的 您能不能再讲一讲您最近的研究内容? 您所感兴趣的方向? 好的 我最近的研究项目 从某种意义上 其实是想理解 可以从两种角度来说 从宏观上讲 是我们这个星球中 或者太阳系以及宇宙中 智力的进化 听起来好像在某种程度上 和复杂度的进化同样让人感到模糊不清 对吗? 它好像是在用另一个模糊的术语来描述一个模糊的术语 或者换句话说 稍微谦虚些说 我研究的是 信息处理机制的进化 可能跟第一种说法比更模糊了 但人们似乎觉得第二种说法更易接受 所以 举例来说 简单的有机体 比如单细胞有机体 能对它们的生长环境作出非常清晰的反应 它们会寻找食物源 保持队形移动 它们能聚合成集体 而且在多细胞的状态中 这些细胞扮演不同的角色 细胞会进行新陈代谢 或者说会感觉到它们所处的环境 等等 因此 我所关注的是 为什么会发生这些现象 这很有意思 我们往往对这个宇宙中的最宏观 和最微观级的事物了解得更多 但对我们所处的这一层级知之甚少 所以我们能够深入地理解太阳系的起源 我们能理解 所有物种的起源 化学元素周期表 核聚变 但我们却并不了解一个蚂蚁 就是因为它是一个复杂系统 换句话说 它不服从于这些优雅的数学形式 那么问题是 一个复杂系统 是怎样从一个简单的系统演变而来的? 所以 这个问题可能是一个比较大的问题 比如生命是怎样从非生命演变而来的? 这些就是我所研究的内容 而我是从自然科学的角度来研究的 我不是一个数学家 也不是计算机科学家 但我会使用这些领域的工具 并且将它们应用到自然现象中 从而获得非常好的数据 以及越来越好的数据 不好意思 能举个例子么? 没问题 当然可以 比如说 在过去的几十年中 我们所拥有的大规模的有机体中 完全基因组的数量产生了巨大的增长 过去我们只有一到两组基因组数据 因为要收集这些数据需要耗费大量资源 而现在可不是这样了 因此 你如果研究关于进化的问题 你确实需要从不同物种中获取数据 不能只从一类 不能全部用人类 不能全用老鼠 也不能全用酵母 苍蝇等等 因此这会产生很大的不同 因此现在我们要关注进化的形式 从生命树的不同角度来推断变化的形式 我想这会产生很大的区别 除了这些数据以外 还有就是 比如我们在神经细胞中得到的蛋白质数据 所以我们会想知道 神经细胞在不同种族个体中的表达 会产生什么样的变化?何时会发生变化? 所以我认为这样的数据 由于这些机制的高频运作 大多具有很强的遗传性 我想我的理论研究就是这些内容构成的 再问一个小问题 有关你刚才提到的 基因组或者基因组的变化 信息处理过程是怎样介入其中的? 这是个好问题 是的 这是一个很大的挑战 你要做的是用一个计算模型来模拟这些 然后看看 你观测到的这些元素 在多大程度上能满足这个模型的需要 我举一个简单的例子 在DNA的结构被发现以后 很多研究兴趣聚焦在基因开关上 这项研究通常都跟 Jacob 和 Monod 有关 他们的研究领域就是现在通常所说的基因调控(gene regulation) 关于基因什么时候打开 什么时候关上 我们可以用某种生物的机制来说明 比如大肠杆菌(E. coli bacterium) 我们可以深入地研究它们的基因是如何开关的 因此我们知道映射函数的结构 因为我们有一系列现存物种可以参考 所以我们可以回过头来 然后关注一系列的基因组 我们没有从实验中概况出什么规律 但由于它们总会有一些相同的结构 因此我们可以假设它们具有相同的运行机制 这就是我们做的事 我们首先试着为我们已知的系统建立数学模型 然后如果我们在其他物种上发现了类似的结构 而我们又没有机会针对这些物种进行实验的话 我们可以用那些已知的数学模型 看看这些模型是否能够表达所有要素 如果不行的话 再进一步进行推测 看看少了什么部分 或者多了什么部分 好的 很有意思 我想再问最后一个问题 你刚才谈到了众多领域 包括信息处理 计算 数学 动态系统等等 那么如果想成为一个复杂系统科学家的话 他们怎样才能掌握这么多领域的知识? 你是怎么掌握这么多知识的呢? 这是个好问题 我不认为我掌握地很好 所以首先我要回答 我们没有掌握全部这些内容 关键在于合作 这也是在这一领域工作的一大乐趣 那就是这个领域的工作需要很多很深的合作 这让我们的研究显得非常有趣 当然 另一方面 在你的职业生涯中 不要丢掉其他领域的知识 我认为人类的大脑是非常有弹性的 大脑的容量绝对是非常大的 但通常我们大学的学习结构 体现出他们对这一点的否认 比如说 你必须要专一 他们认为除非你只精通这种类型的蛋白质 否则你是不能作出什么贡献的 但我反对这种说法 我认为这不对 我认为一个人只要有兴趣 他可以学到很多东西 但这和时间的安排等等问题有关 而我认为 你这门课程最大的好处 或者其他类似的把资源放在网上共享的方式 就是让那些有兴趣的人能够获取到足够的信息 所以作为一个研究所的主任 我也尝试别的方法 比如开展一系列研讨会 开一些课程 来普及这些跨学科知识 我认为需要找到合理的奖励方式 来鼓励投入到学习中的人 我们需要把那些跨学科的人才纳至麾下 是的 这可不是一件容易的事儿 是的 可能是有一些比较大的挑战 但理论上也不是完全不可能吧 是的 很好 那非常感谢您的观点 太棒了 你在威斯康辛州多保重 别冻着了 放心吧不会的 我穿了很多层衣服 那好吧 非常感谢 谢谢