查看原文
其他

自指的演化:物质、符号和语义闭包

Howard H. Pattee 集智俱乐部 2023-04-05


导语


系统如何实现自复制?冯·诺伊曼敏锐地察觉出一个规律:只输出符号的机器无法构造机器,只输出硬件的机器无法构造符号。这是所有自指机器都需要面对的一个难题,也正因为如此,自指需要同时兼顾物质与符号。由此,本文作者 Howard Pattee 提出了「物质-符号互补理论」,以全新的方式定义自指系统,并在此基础上深刻讨论了符号、物质、物理规律和自组织。本文可能确实晦涩,但值得深入思考。


——章彦博


关键词:物质-符号互补理论,语义闭包关系,涌现演化,开放式演化,自指

Howard H. Pattee | 作者

杨明哲 | 译者

章彦博 | 审校

梁金 | 编辑



文章题目:
Evolving Self-reference: Matter, Symbols, and Semantic Closure
文章链接:
https://link.springer.com/chapter/10.1007/978-94-007-5161-3_14


目录

摘要

1. 什么是自指

2. 什么是物质

3. 物质-符号互补理论——既非还原论也非二元论

4. 什么是测量

5. 什么是符号

6. 什么是符号模型

7. 如何避免物质-符号问题

8. 自组织方法

9. 演化和认知中的符号功能

10. 物质在演化与认知中的角色

11. 结论





摘要



 
关于涌现演化(emergent evolution)或开放式演化(open-ended evolution)的理论要与物理理论的认识论基础和自指逻辑相一致。为了理解这种演化,需要在事件的物质和符号方面进行互补的描述。我们基于两点来解释物质-符号互补理论( matter-symbol complementarity):自复制的逻辑,和物理法则与初始条件的区别。物理法则和自然选择是事件的互补性的模型。物理法则描述了有机体无法控制的不变事件。自然选择下的演化是关于有机体如何增加对事件控制的一种理论。我定义了一个必要的语义闭包关系(semantic closure relation),将具有开放式演化能力的有机体的物质和符号方面联系起来。




1. 什么是自指



 
自指(Self-Reference)有许多含义。在符号系统中,如逻辑和语言中,自指可能会导致众所周知的模糊性和表面上的悖论,例如,“本句话是错的”。在物质系统中,例如分子和机器,自指并没有明确定义,但可以描述诸如自催化循环、反馈控制和振荡器等因果循环。在认知层面,自指发生在内省中,通常认为是意识的一个方面。我定义了一种特定形式的自指,适用于有机体的物质和符号方面之间的闭合关系。我认为这种自指观点对于理解从生命起源到认知水平的所有组织层次上的开放式演化、发展和学习都是必要的。这不是一个全新的观点,而是对物理学、逻辑学、计算理论、分子生物学和演化理论等多个成熟领域的思想进行细化和整合的结果。

简言之,具有开放式演化潜力的自指,指的是物质方面动力学(物理定律)和符号方面约束(句法规则)之间的自洽闭包。我将这种自指关系称为语义闭包(Pattee, 1982)。这是因为,要使由物理定律决定的物质具有功能性(即具有生存价值、目标、意义、自我意识等),就必须将其与自由选择的符号(物质符号的一面)融合起来。语义闭包需要物质和符号两个方面的互补模型。前述简短,容我细细道来。

图1. 比利时画家René Magritte作品《这不是一只烟斗》,一幅有着自指意味的艺术品


我曾在很多文章里强调过(例如, Pattee, 1969, 1972, 1982),物质-符号划分(matter-symbol distinction)不仅仅是定义生命的一个客观基础,更是开放式演化的一个必要条件。我的推断不仅基于生物学上的事实,还基于对物理理论的原则性认知需求。换换句话说,我要求生命系统的模型必须在认识论上与物理和逻辑原理一致。众所周知,复制和演化很大程度上取决于生物体的物质行为如何受到符号记忆的影响。比如在生物学上,物质行为对应的是生物的表现型,符号记忆对应的是基因型。而在计算机领域这就是硬件和软件的区别。哲学家把这种划分上升为脑-心智问题。大多数人不知道的是,即使是在物理理论的公式中,物质-符号划分的形式也是必要的,即分清楚物理法则和初始条件。我会在第4节进一步阐述。

冯·诺依曼(von Neumann)第一个认识到物质-符号互补理论在逻辑上的必要性。他在自复制自动机(self-replicating automata)的讨论中提及了这一点(1966)。自复制自动机这个机器有能力制造出越来越复杂的自动机。这一点常被称作涌现演化。冯·诺依曼曾指出,在普通用法中,物质和符号是不同的类型。举例来说,神经元产生脉冲,但脉冲与神经元不属于同一类型;计算机生成比特,但比特与计算机不属于同一类型,测量设备产生数字,但数字与设备不属于同一类型等等。他指出,通常设计用于输出符号的硬件机器无法构建另一台机器,而设计用于构建硬件的机器则无法输出符号。这只是对实际机器和自然语言使用的简单观察,并非本体论或二元论的断言。冯·诺依曼还观察到,复杂性有一个“完全决定性的属性”,一个阈值以下的组织会退化,而阈值以上则可能出现开放式复杂化或涌现演化。他用通用计算做类比,提出达到这个阈值需要一台通用构造机,可以根据机器的符号描述输出任何特定的物质机器。如果通用构造机提供了自身的描述,并且有办法把该描述复制和传输到一个新构造的机器上去,那么自复制在逻辑上就是可能的。

图2. 科学家冯·诺伊曼(von Neumann)

与通用计算机相似,为了避免自指的歧义,需要在机器和机器描述之间做出分类上的有逻辑的区分,无论这个机器是物质机器还是仅仅是形式机器。为避免自指歧义,需要有两个逻辑类型或范畴。这是符号-物质划分的逻辑基础。他的所谓的动力学模型需要具有符号功能(例如逻辑功能)和物质功能(例如切割、移动等)的原始部件。我将在第9节讨论这个论点。至于这些符号和物质功能是如何产生的,冯·诺依曼没有给出答案。他认为,“它们在世界上出现本身就是一个巨大的奇迹。” 这是生命起源的问题。




2. 什么是物质



 
针对我的论证,我将把物质和能量理解为通常物理定律中使用的概念。这些定律描述的事件会尽可能的独立于观察者,即独立于初始条件。直到我们通过测量提供了初始条件,这些定律才具有意义。定律和测量是必须区分的范畴。定律并不进行测量,个体才会进行测量。测量是一种有局部意义的有意行为,因此也涉及符号的一面,通常以数字记录的形式出现。这是物质-符号划分的物理基础。我将在第5节详细阐述这一点。在实践中,划分物质的物理方面和符号方面已经很成熟了,我们也很容易识别两者。无论是物质还原主义者还是形式主义者,在实践中,很容易区分物理定律对物质的描述,以及语法规则、程序对符号的描述。此外,我们都知道制定理论、构建仪器、进行测量和计算之间的区别。

当我们试图去描述这些互补的物质和符号的关系时,困难就出现了。传统哲学认为,描述这些互补的物质和符号的关系是指涉的问题,或者符号如何代表物质结构的问题(例如,Whitehead, 1927; Cassirer, 1957; Harnad, 1990)。但我认为,更基本的问题是物质结构如何成为符号。从生命起源和进化的角度来看,最困难的问题是:面对没有功能和意义的物质,语法规则是如何逐渐驾驭它们,为其赋予功能与符号意义的?(例如,Pattee, 1969; 1992)。我在这里不会过多探讨符号起源的问题。有几个原因,一是由于其难度,人们不认为符号起源是哲学或科学任何领域的核心问题之一。另一个原因是对于大多数科学模型来说,不必知道符号的本质或起源。自然语言、逻辑、数学符号系统和计算机通常被简单地视为成熟的工具,对于大多数模型而言,没有必要问它们是如何产生的。




3. 物质-符号互补理论

——既非还原论也非二元论



 
出于历史上的原因,生物学家的思考方式要么是还原论(reductionism),要么是二元论(dualism)。我不这么看。作为一个物理还原论者,我相信所有的符号行为都一定有真实世界对应的物质行为,且遵循物理法则的约束。举个例子,DNA的化学结构和化学反应一定和它基因遗传的功能相关,感光乳剂的化学结构和和化学反应一定和它的测量功能相关,以及神经元的生化过程一定和感知与心智相关。对于理解符号系统来说,还原到物质世界来解释一定是必不可少的一步。

图3. 胶片中的感光乳剂

虽然我是一个还原主义者,但我不相信符号“只不过”是物质的说法。“只不过”意味着,对符号系统的完整理解只需要一个完整的物理法则模型。还原主义者们很乐意看到高层次现象背后的物理关系被挖掘出来。但我认为,哪怕在细节上做到极致,也没有一个完整的物理模型可以把符号功能彻底解释清楚。简单来说,这是因为符号功能不是物质载体或物理法则的固有属性,就像所有的生物学上的功能。它是大量个体针对特定的情况,使用符号描述物质结构或者控制物理行为过程中,自然选择出来的属性。换句话说,单一的物理模型不足以描述功能或意义。所以互补性的模型是必要的。我会在第4节详细阐述这一点。

我想强调的是,我的立场不是源自这种形而上学的观点,而是源自物理学家和生物学家实际建模的方式。从历史上看,还原论和二元论的争议一直没有什么成果,同时又非常的棘手。所以,与其试图澄清这个问题、确定哪个模型更为准确、解决不可判断的形而上学问题,我更想专注在互补模型上。我会详细阐述使用互补模型的好处。互补模型在物理学中是众所周知的。粒子和波,微观和宏观,决定性和随机性,粗粒度和细粒度,可逆和不可逆的模型对于完全理解任何复杂系统都是必要的。Rosen(1977)更用“有效描述系统行为所需的模型数量”来量化系统复杂性。




4. 什么是测量



 
我认为,物理学中的测量过程,是证明语义闭包的互补模型必要性最令人信服和最基本的例子。一方面,我们可以描述测量装置的物质细节,这在设计和构建中可能是必要的。另一方面,如果测量装置要发挥其功能(即产生符号记录),则这些细节必须被有选择地忽略。这不是形而上学的立场,而是源自实用主义的事实,即:要获得有意义的结果,我们必须能够测量某些东西而不必测量一切。这意味着,为了发挥作用,测量装置中的物质自由度必须要减少。它的数量要减少到,与描述结果的那几个语义相关符号的自由度数量一致。如果没有这样的分类过程,我们就会陷入一个发散的、无限递归的测量,正如冯·诺伊曼(1955)指出的那样。

图4. 测量证明了互补模型的必要性

一个生物体如果必须要对环境进行分类才能生存,那就可以运用这种测量的概念。在物理理论中,物质行为和符号行为之间的区别是非常明显的,我将在第5节中进一步解释原因。然而,在原始生物中,并不容易区分物质和符号。这一现象在有机体中的结构-功能关系中的都能看到。我们作为建模者,需要了解DNA的详细化学结构,以便理解其功能的化学相关性并设计相应模型。然而,在细胞中,只有对基本序列进行分类才与蛋白质的合成相关,这是DNA在细胞中的语义功能。就像测量装置的情况一样,从真实密码子的许多自由度到它实际传达的少量语义,信息大大减少。同样地,在蛋白质水平上,任何外部的物质折叠结构模型都需要大量的细节和计算能力。但是在细胞中,蛋白质的折叠是一个物理过程,只需要合成氨基酸的线性序列,不需要其他描述或指令。在所有情况下,从我们的建模角度来看,当我们需要将结构与功能联系起来时,我们不能忽略多级描述。但更客观的是,细胞的一些行为(如阅读基本序列)是符号性的,但大多数行为(如蛋白质折叠)却不是。也就是说,DNA只符号性地描述氨基酸的线性序列,而物理定律则负责折叠、自组装和催化

图5. 蛋白质折叠示意图

就像测量一样,基因为了具有任何有用的功能,必须能够符号化某些东西而不是符号化一切。否则,基因指令将永远不会结束。如果没有简化,可遗传的符号将遭受与测量符号一样的无限递归。因此,为了允许物质复杂性的开放式增长,同时保持可遗传性,需要对描述进行简化。用常规的语言来说,符号化某些东西而不符号化一切被称为分类(classification)。因此,具有潜在涌现演化潜力的组织,它们超过了冯·诺伊曼的复杂度阈值,它们必须进行自主分类。




5. 什么是符号



 
符号很难用任何简单的方式来定义,因为符号具有功能,而功能不能孤立地归于局部结构。符号的概念,就像更一般的功能概念一样,离开了整个符号系统的上下文就没有固定的含义了。因此,为了实现特定的功能,例如分类、控制、构造、通信、决策和模型构建,我们还需要考虑构造  (写入)和解释 (读取) 符号的物质组织 (例如,Pattee, 1969) 。所有这些活动只有在特定的背景下才能被确定为功能,从个体的局部目标到物种的全球生存都是如此。符号载体只是自我指涉的大型组织中的一个小物质结构,但符号功能却是组织生存和演化的重要组成部分。这种自主的结构-功能自指组织就是我所说的语义闭包

在这次讨论中,我可以用另一种方式来描述符号,即将其视为一个相对简单的物质结构。虽然符号可以用所有常规的物理定律正确描述,但它具有的意义或语义功能却不能被这些定律所描述。物理定律无法描述符号的功能或任何功能,是因为我们特别将其限制在仅描述某些物质属性上。这些属性应符合不变性和对称性原则,尽可能独立于观察者和个体测量,正如我在第二部分中所述的那样。这是保障物理定律普适性所必需的。相比之下,符号是在很少的物理限制下产生的,但最终是根据它们对局部环境中个体的生存贡献而被选择的换句话说,只有那些对个体没有意义的普遍且内在的物质方面才被定律描述,而那些对局部环境中个体具有意义的上下文相关的、选择性的方面则被我们描述为符号(Pattee,1982)。当然,所有符号的物质载体都需要遵守物理定律,但符号功能需要另一种模型,即互补模型,而不是二元论。

物理理论不能将符号简单地视为由定律描述的物质。要理解这一点,就必须要认识到:物理定律的概念,只有在我们讲将经验分为不变的、和变化的两类时才有意义。这个区分是定律和初始条件的定义之一(Wigner,1964)。此外,只有因为符号和物质方面的独立性,物理定律才能用最小的模糊度建模,以区分受物理定律支配的世界和形式上的模型。换句话说,符号方面的独立性允许清晰、基本的定律和初始条件之间的分离。如果没有物理定律和初始条件的明显分离,对称、不变和守恒原则没有什么意义(例如,Houtappel、Van Dam和Wigner,1965)。在物理学中,对初始条件的测量是符号模型与物质世界唯一的接触方式。只有在经过测量提供特定的初始条件之后,定律才有意义。因此,符号必须被视为属于一般的初始条件类别,这也包括边界条件和约束。普通的初始条件没有规律,但符号是特殊的约束集合,允许我们通过规则来描述符号行为。

符号行为不能用定律描述的另一个解释是:我们要求定律是完备、且不可变化的。因此,我们不能修改或调整定律行为本身——定律之中没有选择的空间。在由确定性定律描述的系统中,我们唯一能使用的手段是测量和控制初始条件。书写符号是一种时间相关的动力学过程,却留下了一个时间无关的结构或记录。数学家Emil Post(1965)将符号的书写描述为“时间过程凝固成空间特性”。当这些结构再次成为约束条件进入定律的动力学时,符号就被读取了(Pattee,1972)。任何高度发展的形式符号系统都可以被看作是各种各样的初始条件或约束条件的集合,通常存储在记忆中,通过局部选择的规则而非物理定律,产生有意义的或功能性行为。这意味着物质符号载体的操纵规则应该尽可能独立于质量、能量、动力学时间和速率。基因密码、自然语言、逻辑、形式数学和计算机编程语言是这种符号系统最著名的例子。正如我所强调的,所有符号系统都必须具有符合物理定律的物质实体。但是,出于上述原因,即使符号在物理定律层面的描述符合所有细节,也无法揭示符号本身的意义。




6. 什么是符号模型



 
任何模型都必须在某种程度上表现出与其所模拟的对象相似的行为。物理使用符号来建模,符号与对象的相似性,通过在它们的部分行为间建立类比关系来确定。其中对象的行为由无情的定律支配,而符号行为则由局部的数学或计算规则所决定。

由于符号的物质载体可以是任意的物理结构(例如:能量简并),其规则源于边界条件而不是来自于物理定律。因此,符号模型具有一个特征:除了少数几个被选择的平行方面外,物质系统和符号模型之间通常没有其他相似之处。对于符号模型,我们唯一可以期望的是,符号模型和对象在一些特定方面具有相似的或可预测的行为。

赫兹(Hertz,1894)是第一位清晰地阐述了物质与符号之间关系的现代科学家:“我们形成外部对象的图像或符号;我们形成它们的方式是这样的,图像逻辑的必然结果无论何时都是相应对象物质的必然结果的图像。” 然后,为了强调形式符号模型的有限指代领域,他补充道:“对于我们的目的来说,它们(符号)在任何其他方面都不必与事物(物质)相符。实际上,我们不知道,也没有任何手段知道,除了这一基本方面以外,我们对事物的概念是否还与符号一致。” 值得注意的是,通过将前两个“图像”的替换为“指令”,并将最后一个替换为“构造”,我们就得到了对遗传密码功能的简洁描述。

图6. 物理学家赫兹(Hertz)




7. 如何避免物质-符号问题



 
每个科学文化都有其忽视物质-符号问题的原因。物理学中,物质和符号之间有一个明确的范畴区分,因此通常不需要一个符号理论,即使用数学符号系统表达的理论在物理学中扮演着主要角色。此外,物理学家研究的物质系统在大多数情况下本身不包含符号活动和功能。测量初始状态通常被视为一种原始的过程,即从物质映射到符号。幸运的是,我们不需要一个符号理论也能得到有用的符号结果。然而,在一些著名的思想实验中,例如麦克斯韦妖和吉布斯悖论,需要明确规定何时完成测量,这时物质-符号问题就是不可避免的了(例如,Leff 和 Rex,1990);在量子理论中,即便在定律中已经包含了测量过程,对于测量的解释仍然难以捉摸(例如,Wheeler 和 Zurek,1983)。在任何情况下,符号和测量过程的演化起源都不被当成物理学中的主要问题。

图7. 麦克斯韦妖示意图

由于所有生物体都依赖内在的符号控制,而生命起源需要符号化的遗传密码作为关键步骤,因此生物学家应该对物质-符号问题更感兴趣。然而情况并非如此。大多数生物学家都是物质还原主义者,他们只寻求与符号活动和功能相关的物质结构的发现,这是他们唯一的解释层次。因此,在生物学中,实验或物质发现扮演了主要角色,而不是理论。例如,生物学家认为发现DNA的化学结构和编码的分子基础足以描述和解释基因符号行为。这种物质还原主义甚至扩展到了认知活动,许多人认为发现思维背后的神经和相关物质就足以解释意识行为(例如Crick,1993)

传统上,哲学家关注的是更高层次的身心问题,但他们也建立了一些形而上学立场,有效地将物质-符号问题最小化,如唯心主义、二元论、物质还原主义、功能主义以及最新且最有效的计算主义。除了传统的哲学、物理学和生物学文化外,第四个基于计算机的文化包括经典的人工智能领域(例如Newell,1980; Pylyshyn,1984)和更近期的人工生命领域(例如Langton,1988)已经采用可编程计算机作为通用符号模型。这种文化明确地忽略了计算机本身或它所模拟的东西的物质体现。人工智能和人工生命都通过接受功能主义或更强的计算主义观点来避免物质-符号问题。像经典的物理主义一样,功能主义和计算主义也对物质和符号进行了明确的区分,但它们只关注符号类别。功能主义者从一个半对半错的角度辩解:既然对于任何符号功能都有无数种可能的物质体现,那么符号与物质的关系就是毫无理由且任意的。他们认为,生物和心理行为的特定事实仅代表一种可能的物质体现,而计算机原则上也可以同样好地代表另一种物质体现。换句话说,功能主义者认为符号活动的特定物质体现并不重要。

功能主义模型的要求听起来好像是基于物理系统模型一样的经典原则,即选择计算机模型行为的某些方面必须与生物体行为的某些方面相似。计算主义者的要求也类似,只是“功能”这个词现在具有了正式的符号意义。计算主义者模型的主要要求是:它能计算出与被建模对象的至少一个相同的功能。尽管物理和计算机模型表面上看起来相似,但是他们对于测量的作用和物质符号关系有根本不同的看法。物理学家则认为测量是与世界进行经验接触的唯一手段。因此,他们的可观测量都是精确定义的、相对简单的、可以准确测量的。在物理学中,人们为了设计和构建测量设备以及实际进行测量,付出了巨大的努力、时间和资源

功能主义者和计算主义者对生物和大脑进行建模时,定义可观察量更为困难。他们的大部分时间和资源都花费在编写和运行计算机程序上,至于他们使用的可观察量,很少能够精确地定义以进行客观测量。人工智能通常对复杂的认知活动进行建模,例如问题解决、模式识别或思维类型。人工生命通常对自复制、适应性和涌现等活动进行建模。这些可观察量不够简单,无法精确地定义或测量。虽然它们的符号操作足够精确,但它们的符号基础是模糊的。由此产生了无法平息的争论,例如计算机中符号和意义的起源(例如Searle的中文房间),以及计算机是否具有生命。在第10节中,我将提出功能主义的其他不足之处。计算主义者还必须做出一种无端的假设,即所有物质都是计算的,也就是说,如果我们选择将其解释为计算,则要假定每个物质都在计算某些东西。这种主观的观点完全回避了物质-符号问题(Pattee,1990)

图8. Searle 的中文房间




8. 自组织方法




许多科学家采取了合理的策略,将“物质-符号划分”视为自发增长复杂性的物质系统的某个后期产物。这种模型通常被称为自组织(self-organization)。早期的文献包括对某些物理系统的讨论,这些系统虽然简单,但却可以自发增长复杂性(例如,Yovits和Cameron,1960; Yovits、Jacobi和Goldstein,1962)。当时很少有自组织的一般性理论得到全面发展(Simon,1962; Burgers,1963; Pattee,1969; Kauffman,1969)。在1970年代,非平衡热力学和非线性动力学模型中发现了新类型的秩序产生(例如,Glansdorff和Prigogine,1971; Haken,1977; Nicolis和Prigogine,1977)。关于自组织的最新工作收集在Yates(1987)中。热力学方面的一些发展引发了对可能的组织原理的讨论和推测,涉及对传统新达尔文主义模型的修改(例如,Weber,Depew和Smith,1988)。这些组织模型和理论通常仅应用于前生物学(prebiotic)或至少是前符号(pre-symbolic)的物质,因此不涉及物质-符号关系。

目前,随着非线性动力学中意想不到的丰富性被发现,自组织现在通常被包括在称为复杂性科学的新领域中(例如,Stein,1988; Nicolis和Prigogine,1989; Jen,1989; Zurek,1990; Stein和Nadel,1990; Waldrop,1992; Kauffman,1993)。它的潜力有许多来源,包括数学家、物理学家、计算机和认知科学家,每个人都有特定的方法,但彼此重叠。例如,非线性动力学、混沌、元胞自动机、非平衡热力学、统计力学、固体物理、连接机器、人工神经网络等等。即使在这个新的复杂性理论领域中,符号起源也很少被视为一个问题,这个领域中的大多数计算模型都没有清晰地区分基于规则的符号行为和基于物理定律的物质行为,至少没有共识。该领域包括一些物理学家,他们认为我们所有的物理模型都受到测量的符号输出的限制(例如,Wheeler,1990),还有一些计算学家认为所有符合物理定律的物质过程都是计算(例如,Toffoli,1982)。所谓的强人工智能和强人工生命建模者认为,特定的物质表象是无关紧要的,因此,足够逼真的计算机模拟将成为建模的一种实现形式(例如,Langton,1988)。当然,如果一个人相信一切都是计算,或者改进模拟就可以让其成为现实,那就不会看到物质-符号问题(Pattee,1988)。在另一极端,有些物理还原主义者只将符号视为一种燃素和以太一样的幻觉,只要有充分物质描述,那符号就没有必要存在(例如,Churchland,1981; Crick,1993)




9. 演化和认知中的符号功能



 
如果我们了解蛋白质合成的工作原理,我们可能会得出结论,构建是符号的第一个功能。然而,构建需要对部分进行分类和控制。此外,除非有遗传传递,否则构建对演化没有任何价值。这显然需要进行沟通。换句话说,在原始水平上,这些功能中没有一个可以被孤立为主要功能,甚至无法从客观上互相区分。这是符号和生命起源问题如此困难的原因之一。

在认知层面上,符号使得我们的主观感受与他人的感受可以进行比较,从而赋予了一定程度的客观性。在这里,“客观性”只是指不同观察者通过交流能够达成基本一致的能力。例如,如果我看到一个绿灯,如果没有符号,我无法告诉另一个观察者我所看到的东西。即使使用自然语言告诉你我看到的是“绿色”,也不能保证你对“绿色”的体验和我的一样。只有通过将复杂知觉抽象为更简单、更普遍的符号分类的测量过程,才能在群体中实现一致和可交流的客观性。这就是Born (1965) 的基本解释,说明了为什么数学模型对于表示物理理论是必不可少的。它本质上定义了物理学客观性的一个必要条件。然而,这个原则也比那更加普遍。在能够通过自然选择来演化的生物种群中,它们的可遗传符号必须拥有相同的“通用交流分类”(universal communicable classification)。演化中的遗传传递的要求,从根本上来说就是一个交流问题。

为什么物质结构在通信时、或是在将自己的结构传递给其他物质时需要符号呢?冯·诺依曼提出了第一个原因:任何能够组装自己物质部件的通用构造器,相比于通过物理上的自省(self-inspection)进行复制,用其物质部件的符号描述来复制会更加高效。尽管这听起来很有道理,但我没有找到强有力的物理证据或逻辑推理支持这种从效率出发的观点。无论如何,正如每个进化论者都会指出的那样,通过符号描述进行复制一定优于物理自省,因为这是自然选择的结果。冯·诺依曼暗示了第二个原因:更简洁的新描述更容易出现,而相对应的新物理结构则更难出现。这也不是一个普适的物理或逻辑论点,但从我们对分子遗传学和进化的了解来看,这也有道理。

考虑一个简单的物质结构,它可以通过一些物理过程进行自复制。假设该结构由N个部分组成,只要这些部分靠得足够近就能自我组装。那么问题来了,这个结构如何把正确的部分聚集在一起呢?给定一个零件储存库,最简单的方法是让结构的每个部分都具有个体遗传性,也就是说,每个部分都能从储存库中选择一个相似的零件。原则上,特殊折叠的大分子可以通过模板或特异性结合来实现这一点,一种带有多个部分的晶体化过程。然而,这种遗传过程没有开放式的演化潜力。首先,因为所有突变部分都必须具有这种固有的遗传特性,为了使这个过程实现开放式演化,我们必须假设遗传性质是大分子的一种相当普遍的固有性质。然而,事实并非如此。其次,通过模板识别的物质结构只能限于其外部部分,就像晶体生长一样。解决第一个限制的唯一已知方法是使用特殊的通用适配器,即一小组适配器就可以绑定任意数量的正确组件以及变异组件。摆脱第二个限制的唯一已知方法是展开内部。我们知道,分子适配器和折叠是所有细胞的一般策略,但实际上更加复杂。冯·诺伊曼没有讨论适配器的必要性,但从他的解决方案中可以清楚地看出,他认识到了假设一个可以适配自身的通用适配器的自指逻辑难题。正如我们在第1节中所概述的,他的解决方案基于形式图灵机在通用物质构造器中的普适性的逻辑要求。通常,通用机器是一种特定的适配器,可以指示其模仿任何机器的行为。逻辑上的要点是,要模仿另一台机器,必须有两个范畴上不同的指令级别。机器必须知道何时模仿,何时不模仿。换句话说,它必须区分虚拟机器和真实机器。重要的是要理解,通用性仅适用于机器的可能的符号描述领域。换句话说,描述中可能接受突变,但是通用机器本身不太可能接受突变。这就是遗传密码的情况,它是巨大的开放式的各种蛋白质描述的通用阅读器。然而,物质部件和密码本身对于所有生物本质上是相同的。

图9. 冯·诺伊曼的自复制自动机




10. 物质在演化与认知中的角色



 
如果逻辑可以在计算机等符号系统中实现,为什么特定的物质实体或硬件对于开放式演化如此重要呢?一开始,冯·诺依曼使用了蕴含物质-符号划分的动力学模型。而后,他转而使用没有这种划分的元胞自动机模型。尽管如此,他警告道:“通过这种方式公理化自动机,有一半的问题已经被忽略掉了,而这可能是更重要的那一半。” 毫无疑问,可编程计算机可以模拟生命、演化和认知活动的许多重要方面,这已经通过大量程序得到了清楚的证明。人工智能和人工生命领域有一个更强的主张,即计算机可以实现思维和生命。经验或逻辑无法推出这个结论,因为它们完全取决于一个人可以接受的抽象程度。如果我们同意把生命和思想抽象地定义出来,以至于排除足够多的物质因素,那么很明显,根据定义,一个有生命、能思考的计算机是可能的。同样地,如果我们同意将计算机的概念定义得足够广泛,以包括足够的物质方面,那么一切都可以称为计算。我认为追求这种不可判定的问题毫无价值。无论如何,一个只有符号或物质方面的片面模型,对于功能和语义问题,无法对给出令人满意的答案。

形式主义者常常忽略物理系统中一个不可避免的东西——噪音,这与物理学家和生物学家的态度完全不同。噪音不仅在所有测量中不可避免,而且对于演化非常必要。计算机硬件和神经元也有噪音,但形式化模型却不蕴含噪音。通过良好的符号系统和硬件设计,符号操作时可以忽略噪音。对图灵测试评估机器能否思考的一个挑战是,观察机器是否会犯错误。当然,为了通过这个测试,可以在程序中引入随机误差。一个更有效、更困难的测试是不断在测试人员和机器中引入错误,并比较它们的学习或演化行为。

形式主义者和功能主义者认为,由于不同的物质硬件可以计算相同的函数,因此计算与其物质实现无关。但这仅在没有噪声、没有错误的符号操作的理想情况下成立。然而,很容易看出,两个在形式上等价的计算,即计算相同函数的计算,通常会对错误产生完全不同的响应。即使在形式系统内也会出现这种情况。例如这两个系统:其中一个以规则0→1和1→01重写产生比特序列;另一个则从S0=0和S1=1开始,按照的规则进行递归(译者注:这里的是将两个字符串按顺序拼接起来,即。这两个系统输出的结果是完全相同的。但是,只要在字符串中的任何位置出现了错误,就将生成完全不同的字符串。如果实现计算的物质结构也有噪声,这个问题只会变得更加严重。这种突变测试可以用来发现两个在形式上等价的计算是否使用了不同的硬件、架构或程序来实现。例如,连接机器、元胞自动机或任何数量的机器可能在形式上是等价的,但它们对硬件或软件中的噪声的响应不可能高度相似,或能够被预测。

模型1(无噪声):0,1,01,101,01101,10101101...

模型2(无噪声):0,1,01,101,01101,10101101...

模型1(有噪声):0,1,11,0101,101101,0110101101...

模型2(有噪声):0,1,11,111,11111,11111111...


这显然是一种非常通用的测试,因为实际上,当噪声与可遗传记忆和自然选择相结合时,噪声就是演化本身的基础。功能主义者认为同一功能可以由多种物质结构实现。这样的立场应该通过另外三个物理和生物事实来予以反驳。首先,同一物质结构可以执行不同的功能,因为功能不是任何结构的内在属性。第二,给定的物质结构的潜在功能的范围和质量将取决于该物质结构的细节。也就是说,两个不同物质结构不会具有完全相同的潜在可演化功能的范围。一般来说,不同的物质结构将以不同的方式演化,即使它们曾经同时具有相同的功能。第三,有效的演化搜索取决于符号空间如何映射到物质功能。蛋白质的三维折叠不仅仅与一维基因序列(只有符号规则的)相关联,更关键的是取决于物质结构和物理定律。

和在生物体演化中大脑的作用相比,实现认知活动的脑部物质结构的作用并没有被深入理解。功能主义者和计算主义者仍然使用同样的论点,即大脑的符号行为不依赖于物质实现。如果认知行为远离其物质依赖的基础(如感觉运动控制),被抽象得足够高,那么这根据定义而言是正确的。然而,刚刚提到的三个事实也适用于大脑的演化和学习过程。因此,若不依赖于物质上的感觉运动结构,快速准确分类过程(比如复杂的视觉模式识别)是不太可能成功演化的。




11. 结论



 
如我在第1节中所示,我要求生命理论在认识论上不仅要与逻辑一致,还要与基本物理原理一致。最基本的认识论分类是“不变的事物”和“变化的事物”之分。在物理学中,这个原则被用来定义物理定律和初始条件。这意味着“自指无能原理”( self-referent impotency principle),即不变的事件不能完全描述变化的事件。也就是说,物理定律无法完全描述测量结果。更确切地说,测量所需的分类函数无法从物理定律中导出。否则,物理定律可以通过计算推导出它们自己的初始条件。在形式系统中,相应的自指无能原则是它们无法证明自己的一致性,更不能为自己的公理赋予真值。这意味着形式符号系统也无法进行测量。符号计算永远无法实现测量。

物理定律和自然选择是事件的互补模型。物理定律描述了有机体无法控制的事件。自然选择是一种关于有机体如何增加对事件的控制的理论。我所说的自然选择是指通过符号指令的遗传变异,来修改对群体相对生存率分布的新达尔文演化过程。这种修改进行于很多组织层面上(例如,Sober,1984)我们可以将非选择性自组织(nonselective self-organization)定义为:在不受符号指令约束的系统中,由现有或未来的物理定律产生的秩序

Kauffman(1993)在他对非选择性排序过程的探索中指出,没有一个既定的研究领域将非选择性物理秩序纳入演化理论。在某种程度上,这可能是科学模型中的另一个文化偏见案例,源自经典物理学家对物质和符号的分类。另一个原因可能是,我们直到最近都缺乏一个与生物体有关的物理自组织理论。但现在不一样了。正如我在第8节提到的,现在复杂物理系统有很多发现,这些系统展现出了一种类似于生命的涌现秩序。但是,在这些研究中很少涉及物质-符号划分。只有关于基因密码起源的理论似乎与物质-符号划分直接相关(例如,Bedian,1982)。就像人工智能的情况一样,涌现演化的计算模型研究紧紧围绕经典的物质-符号问题展开,但很少探讨这种区分的物理基础,以及物质和符号是如何通过测量相互关联的。

基于以上种种原因,我认为研究生命、演化和认知理论的一个有效方法是,必须关注这两者的互补贡献:其一是非选择性的,基于物理法则的物质自组织;其二则是基于自然选择的符号组织。希望这是一个可以经验验证的问题,尽管肯定极其困难。也许更好的表述方式不是关于物质和符号方面的贡献,而是关于这两个方面如何相关,这种关系本身如何产生,以及如我用语义闭包所暗示的,为什么这种物质-符号互补性对于演化越来越复杂的组织、越来越复杂的思想和模型是必要的。


参考文献

Bedian, V., 1982, The possible role of assignment catalysts in the origin of the genetic  code, Origins of Life 12, 181.Born, M., 1965, Symbol and reality, Universitas 7, 337-353. Reprinted in Born, M.,  Physics in my Generation, Springer-Verlag, NY, pp. 132-146.Burgers, J. M., 1963, On the emergence of patterns of order, Bull. Am. Math. Soc. 69,  1-25.Cassirer, E., 1957, The Philosophy of Symbolic Forms, Vol 3: The Phenomena of  Knowledge, Yale Univ. Press, New Haven, CT.Churchland, P. M., 1981, Eliminative materialism and the propositional attitudes,  Journal of Philosophy, vol. LXXVIII, no. 2.Churchland, P. M., 1984, Matter and Consciousness, MIT Press, Cambridge, MA. Crick, F., 1993, The Astonishing Hypothesis, Scribner's Sons, NY.Glansdorff, P. and Prigogine, I., 1971, Thermodynamics of Structure, Stability, and  Fluctuations, Wiley, London.Haken, H., 1977, Synergetics, Springer, Berlin.Harnad, S., 1990, The symbol grounding problem, Physica D 42, 335-346.Hertz, H., 1894, The Principles of Mechanics, Introduction. Quoted from H. Weyl,   Philosophy of Mathematics and Natural Science, Princeton Univ. Press, Princeton,  NJ (1942), p. 162.Houtappel, R. M. F., Van Dam, H., and Wigner, E. P., 1965, The conceptual basis  and use of the geometric invariance principles, Rev. Mod. Physics 37, 595-632.Jen, E., 1989 (ed) Lectures in Complex Systems. Addison-Wesley.  Redwood City, CA.Kauffman, S. A., 1969, Metabolic stability and epigenesis in randomly connected nets,  J. Theoretical Biology 22, 437.Kauffman, S. A., 1993, The Origins of Order, Oxford Univ. Press.Langton, C., 1988, Artificial Life, Addison-Wesley, Redwood City, CA.Langton, C., 1992, Introduction. In Artificial Life II, C. Langton, C. Taylor, J. Farmer,  and S. Rasmussen, Eds., Addison-Wesley, Redwood City, CA, pp. 1-23.Leff, H. S. and Rex, A. F., Eds., 1990, Maxwell's Demon, Entropy, Information,  Computing, Princeton Univ. Press, Princeton, NJ.Newell, A., 1980, Physical symbol systems, Cognitive Science 4, 135-183.Nicolis, G. and Prigogine, I., 1977, Self-organization in Non-equilibrium Systems,   Wiley, NY.Nicolis, G. and Prigogine, I., 1989, Exploring Complexity, Freeman, NY.Pattee, H. H., 1969, How does a molecule become a message? Developmental  Biology Supplement 3, 1-16.Pattee, H. H., 1972, Laws, constraints, symbols, and languages. In Towards a  Theoretical Biology 4, C. H. Waddington, Ed., Edinburgh Univ. Press, pp. 248-258.Pattee, H. H., 1982, Cell psychology: An evolutionary approach to the symbol-matter  problem. Cognition and Brain Theory 5(4), 325-341.Pattee, H. H., 1988, Simulations, realizations, and theories of life. In Artificial Life, C.   Langton, Ed., Addison-Wesley, Redwood City, CA, pp. 63-77.Pattee, H. H., 1990, Response to E. Dietrich's "Computationalism," Social Epistemology 4(2), 176-181.Pattee, H. H., 1992, Emergence in physical, computational, and network models. In Complex Adaptive systems and Evolution of Information, M. J. Patel and I. Harvey,  Eds., in press.Post. E., 1965, Quoted from M. Davis, Ed., The Undecidable, Rowen Press, Hewlett, NY.Pylyshyn, Z., 1984, Cognition and Computation, MIT Press, Cambridge, MA.Rosen, R., 1977, Complexity and system description. In Systems, Approaches, Theories, Applications, W. E. Harnett, Ed., D. Reidel, Boston, MA.Simon, H. A. (1962) The architecture of complexity, Proc. Am. Philos. Soc. 106, 467- 482.Sober, E., 1984, The Nature of Selection, MIT Press, Cambridge, MA.Stein, D.L., 1988 (ed) Lectures in the Sciences of Complexity. Addison-Wesley,  Redwood City, CA.Stein, D.L. and Nadel, L. (eds) Lectures in Complex Systems. Addison-Wesley.   Redwood City, CA.Toffoli, T. (1982) Physics and computation, International J. of Theoretical Physics 21,  165-175.Thomson, D., 1942, On Growth and Form, 2nd Ed., Cambridge Univ. Press.von Neumann, J., 1955, Mathematical Foundations of Quantum Mechanics, Princeton Univ. Press, Princeton, NJ, Chapter VI.von Neumann, J., 1966, The Theory of Self-reproducing Automata, A. Burks, ed.,  Univ. of Illinois Press, Urbana, IL.Waldrop, M. M., 1992, Complexity, Simon & Schuster, NY.Weber, B. H., Depew, D. J., and Smith, J. D., 1988, Entropy, Information, and  Evolution, MIT Press, Cambridge, MA.Wheeler, J. and Zurek, W., 1983, Quantum Theory and Measurement, Princeton univ.  Press, Princeton, NJ.Wheeler, J. A., 1990, Information, physics, quantum: The search for links. In Complexity, Entropy, and the Physics of Information, W. H. Zurek, Ed., AddisonWesley, Redwood City, CA.Whitehead, A. N., 1927, Symbolism: Its meaning and Effect, Macmillan, NY.Wigner, E. P., 1964, Events, laws, and invariance principles, Science 145, 995-999.Yates, F. E., 1987, Self-organizingSystems: The Emergence of Order, Plenum, NY.Yovits, M. C. and Cameron, S., Eds., 1960, Self Organizing Systems, Pergammon, NY.Yovits, M. C., Jacobi, G. T., and Goldstein, G. D., Eds., 1962, Self Organizing Systems, 1962, Spartan, Washington, DC.Zurek, W.H., 1990 (ed), Complexity, Entropy, and the Physics of Information., Addison-Wesley, Redwood City, CA.



(参考文献可上下滑动查看)



集智俱乐部因果涌现社区


跨尺度、跨层次的涌现是复杂系统研究的关键问题,生命起源和意识起源这两座仰之弥高的大山是其代表。而因果涌现理论、机器学习重整化技术、自指动力学等近年来新兴的理论与工具,有望破解复杂系统的涌现规律。同时,新兴的因果表示学习、量子因果等领域也将为因果涌现研究注入新鲜血液。


集智俱乐部特别组织「因果涌现」系列读书会,深入研读相关文献,激发科研灵感。目前已经进行了两季,聚集了500+成员,积累了大量论文解读资料。欢迎感兴趣的朋友报名,加入因果涌现社区,并解锁对应录播权限。

读书会详情与报名方式请参考:

因果涌现读书会启动:连接因果、涌现与自指——跨尺度动力学与因果规律的探索

因果、涌现与机器学习:因果涌现读书会第二季启动



后ChatGPT读书会招募中


2022年11月30日,一个现象级应用程序诞生于互联网,这就是OpenAI开发的ChatGPT。从问答到写程序,从提取摘要到论文写作,ChatGPT展现出了多样化的通用智能。于是,微软、谷歌、百度、阿里、讯飞,互联网大佬们纷纷摩拳擦掌准备入场……但是,请先冷静一下…… 现在 all in 大语言模型是否真的合适?要知道,ChatGPT的背后其实就是深度学习+大数据+大模型,而这些要素早在5年前的AlphaGo时期就已经开始火热了。5年前没有抓住机遇,现在又凭什么可以搭上大语言模型这趟列车呢?


集智俱乐部特别组织“后 ChatGPT”读书会,由北师大教授、集智俱乐部创始人张江老师联合肖达、李嫣然、崔鹏、侯月源、钟翰廷、卢燚等多位老师共同发起,旨在系统性地梳理ChatGPT技术,并发现其弱点与短板。本系列读书会线上进行,2023年3月3日开始,每周五晚 19:00-21:00,欢迎报名交流。


详情请见:
“后 ChatGPT”读书会启动:从通用人工智能到意识机器



推荐阅读

1. 涌现、因果与自指——“因果涌现”理论能否破解生命与意识之谜
2. 模块化认知:演化如何自下而上涌现出智能?
3. ChatGPT 向通用意识机器进化的关键——自指的启示
4. 让 ChatGPT 拥有意识,冯·诺依曼会怎么做?——自指机器的奥秘
5. 《张江·复杂科学前沿27讲》完整上线!
6. 成为集智VIP,解锁全站课程/读书会
7. 加入集智,一起复杂!



点击“阅读原文”,报名读书会

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存