人工生命：在硅基世界中创造生命

如果生命只是一套规则，那么规则跑在硅上，会不会也叫”活着”？这不是哲学游戏，而是人工生命领域真正在做的事：把生命的逻辑从碳基的束缚中剥离出来，放进计算机、放进化学反应容器、放进数学公式，然后观察——涌现还会不会发生？

过去三十年里，研究者用数字微生物演化出了真实的基因型-表型映射，用人工化学反应自发生成了自复制代谢网络，用原始细胞模型逼近了生命的最小边界。这些工作汇成一条问题链：生命是物质的特权，还是复杂性的必然？

📑 本文目录

• 一、人工生命到底在研究什么
• 二、数字丛林：在代码里跑进化
• 三、开放式进化：为什么”持续创新”那么难
• 四、人工化学与原始细胞：让分子自己涌现
• 五、自创生：生命的最小自我
• 六、”像生命”不等于”是生命”
• 关键要点

一、人工生命到底在研究什么

1987年，克里斯托弗·朗顿在新墨西哥州组织了第一届人工生命研讨会。此后三十年，这个领域逐渐收敛出三条主线：

• 数字进化路线：在计算机中构造能复制、变异、被选择的数字生物，研究进化如何在纯规则世界中运作。代表平台有 Tierra（托马斯·雷，1991）和 Avida（1996起持续发展）。
• 人工化学路线：设计抽象的分子-反应规则系统，让代谢网络、自复制结构从简单规则中自发涌现，探索生命前化学的可能形态。
• 生命边界路线：通过原始细胞、脂质体实验与自创生（autopoiesis）理论，从实验和理论两侧逼近”最小生命”的定义。

二、数字丛林：在代码里跑进化

Avida 是目前使用最广泛的数字进化平台之一。它的”生物”是一段能自我复制的机器码程序，突变发生在复制过程中（随机的位翻转），自然选择体现为 CPU 周期的分配——越能执行计算任务的程序，获得越多的运算资源，繁殖更快。

这套系统的关键发现是：数字生物的进化远不是玩具游戏。研究者发现，Avida 生物的基因型-表型映射，在结构上与真实生物系统有着令人吃惊的相似性。^[12]

另一个维度是突变效应的分布。研究发现，”低影响突变”——那些几乎不改变适应度的中性或近中性变异——在数字生物中大量存在，^[16] 这与真实生物学中的中性理论吻合：大多数变异不被选择看见，却悄悄积累成进化的原材料库。

Adami 等人更进一步，用数字微观世界研究了生命起源问题：在一个完全空白的数字环境里，最初的自复制子是如何出现的，信息如何从噪声中被提炼出来。^[11] 这类工作的意义在于，它把”生命起源”这个在地球上几乎无法直接重演的过程，变成了可反复实验的计算问题。

但复制能力的涌现，不等于无限的创造力。这里出现了人工生命领域最核心、也最棘手的问题。

三、开放式进化：为什么”持续创新”那么难

地球生命演化了 40 亿年，始终没有停下来——从 RNA 世界到细胞，从单细胞到多细胞，从神经系统到意识，创新层出不穷。人工生命系统几乎无一例外地会在某个时点卡住：变异还在发生，适应度还在波动，但系统整体再也不会出现真正新的层级结构。

这就是”开放式进化”（Open-Ended Evolution，OEE）问题。^[1][2]

OEE 问题有多难？Hernández-Orozco 等人从计算理论角度给出了一个令人沮丧的答案：真正的 OEE 与图灵不可判定性之间存在深刻联系。^[6]

Taylor 等人在约克研讨会后整理出了社区对 OEE 主要分歧的梳理：^[7] 有人认为 OEE 只需要”持续产生新类型”，有人坚持必须出现”新的进化能力层级”。这不只是语义之争，而是关乎如何设计和评估实验。

Adams 等人尝试给出更可操作的判据，区分”无界进化”（产生的表型集合无限增长）和”创新”（出现功能上的质变），并在动力系统框架下证明了两类机制的普遍性。^[5]

为了让”开放性”从哲学讨论变成可测量的实验指标，Dolson 等人开发了 MODES 工具箱——一套专门用于度量进化系统开放性的指标体系，包括种群多样性随时间的变化率、新颖基因型的涌现频率等。^[15] 到 2024 年，社区已经推进到了更严格的检验方案，Channon 等人提出了针对”东京类型 1 OEE”的标准化测试流程。^[9]

可演化性本身也是研究对象。LaBar 等人发现，不同的数字复制策略之间存在明显权衡：快速复制的自私策略，往往牺牲了长期适应变化环境的可塑性；而那些”留有余地”的复制子，可演化性更强，但在当下竞争中处于劣势。^[14]

四、人工化学与原始细胞：让分子自己涌现

数字进化路线的成功，依赖于一个预设：复制子已经存在。但生命最初的问题恰恰是：在没有任何复制子的化学汤里，第一个能自我复制的结构是怎么出现的？

人工化学（Artificial Chemistry）路线直接面对这个问题。研究者设计抽象的”分子”和”反应规则”，让系统从零开始运行，观察自复制、代谢、封闭性是否能自发涌现。

Kruszewski 等人在 2022 年的研究中展示了一个令人瞩目的结果：在一个精心设计的人工化学系统中，自复制代谢网络能以递归算法的形式自发涌现。^[20]

原始细胞（protocell）研究则从实验化学方向接近同一问题。Stano 和 Luisi 的综述梳理了两类路线：一类是”原始细胞模型”，用最简单的脂质体包裹少量生化组件，研究哪些功能组合足以让体系表现出”生命迹象”；另一类是”半合成细胞”，从现有活细胞出发，系统性地删减组件，寻找生存所需的最小功能集合。^[19]

五、自创生：生命的最小自我

1972年，马图拉纳和瓦雷拉提出了”自创生”（autopoiesis）概念：生命的本质不是 DNA，不是代谢，而是系统能够持续生产维持自身存在所需的所有组件。一个细胞之所以是活的，是因为它在不断地制造构成自己的分子，同时这些分子又在制造能进行制造的结构——一个完全自我封闭的生产循环。

Luisi 等人在 2003 年对自创生概念进行了全面重评：这一框架的力量在于，它把生命的定义从物质层面（需要碳基分子、需要 DNA）上升到了组织层面（需要自我封闭的生产循环）。^[17] 这意味着，原则上，一个硅基系统、一个化学溶液、甚至一个计算模型，只要满足三个特征，就有资格被称为”活的”。

但”最小自创生单元”到底长什么样？Luisi 等人在 2014 年的研究中尝试给出操作性定义：^[18]

这个定义的重要性在于：它让”生命”的判断从哲学争论变成了可检验的工程问题。你不需要去争论”这个东西算不算活的”，只需要检查四个条件是否同时成立。

六、”像生命”不等于”是生命”

至此，我们看到了三条汇聚中的研究路线，但也看到了三条路线共同面对的一堵墙：无论数字进化多么逼真，无论人工化学多么巧妙，我们始终无法完全确定——这些系统究竟是在复现生命的规律，还是在制造生命的幻觉？

Stanley 等人在 2019 年的论文中，把开放式进化问题提升到了更宏观的层面：^[4] OEE 不只是人工生命的技术细节，而是理解创造性本身的核心问题。一个能持续生成真正新颖性的系统，比任何已知的人工智能系统都更接近”智能”的根源——因为它不是在优化一个预设的目标，而是在持续地重新定义目标空间本身。

Taylor 等人的”创新路线”论文^[3]指出，自然进化中新层级结构的出现（如真核细胞、多细胞性、社会性），都需要至少三个条件：

1. 新的遗传表示：出现能编码新类型信息的机制
2. 新的选择层级：选择压力作用的单元从个体变成了群体或更高层级
3. 开放的生态位：环境中存在尚未被占据的适应方向

人工生命系统通常只满足第一条，而缺乏第二和第三的自然动力。这解释了为什么数字丛林里的进化常常”卡住”：不是规则不够复杂，而是复杂性需要在多个层级上同时展开，而人工系统的生态位往往在设计之初就被固定了。

人工生命领域在这个问题上的诚实，反而是它的学术价值所在。它没有声称已经”造出了生命”，而是用每一个失败的开放式进化实验，更精确地标定了生命的轮廓：生命在哪里比我们想象的更简单，又在哪里比任何规则系统都更奇怪。

随着 2024 年新一批 OEE 研究的涌现，^[8][9][10] 这个领域正在进入一个更成熟的阶段：不再满足于”系统有没有涌现”的定性描述，而是追问”涌现了多少、涌现得有多深”。这是从探索走向测量的标志——也是从哲学走向科学的必经之路。

---

---