Является ли жизнь формой вычислений?

яN 1994, странная, пикселированная машина ожила на экране компьютера. Он читал ряд инструкций, скопировал их и построил сам клон-как венгерский американский полимат Джон фон Нейман, предсказал полвека ранее. Это была яркая демонстрация глубокой идеи: эта жизнь, по своей сути, может быть вычислительной.

Хотя это редко полностью ценится, фон Нейман был одним из первых, кто установил глубокую связь между жизнью и вычислением. Воспроизведение, как он показал вычисления, может быть выполнено машинами по кодированным инструкциям. В своей модели, основанной на универсальной машине Алана Тьюринга, самореплицирующиеся системы считывают и выполняют инструкции, как и ДНК: «если Следующая инструкция – Codon CGA, затем Добавьте аргинин в строительный белок ». Это не метафора называть ДНК «программой» – это буквально.

Конечно, существуют значимые различия между биологическими вычислениями и видом цифровых вычислений, выполняемых персональным компьютером или вашим смартфоном. ДНК тонкая и многослойная, в том числе такие явления, как эпигенетика и эффекты близости генов. Клеточная ДНК также не находится рядом с всей историей. Наши тела содержат (и постоянно меняют) бесчисленные бактерии и вирусы, каждый из которых использует свой собственный код.

Биологические вычисления – это «массово параллельно”Децентрализованный и шумный. Ваши клетки имеют где -то по соседству с 300 квинтиллион Рибосомы, все работают одновременно. Каждый из этих изысканно сложных плавающих белковых фабрик, по сути, является крошечным компьютером, хотя и стохастическим, что означает не совсем предсказуемый.

Движения шарнирных компонентов, захват и высвобождение более мелких молекул и манипуляция с химическими связями – все это индивидуально случайно, обратимо и неточны, приводимы в этот путь, и это постоянным тепловым пухиванием. Только статистическая асимметрия способствует одному направлению над другим, с умными движениями оригами, как правило, «блокировать» определенные шаги, так что, вероятно, станет следующий шаг.

Это сильно отличается от работы «логических ворот» в компьютере, основных компонентов, которые обрабатывают двоичные входы в выходы с использованием фиксированных правил. Они необратимы и спроектированы, чтобы составлять 99,99 процента надежными и воспроизводимыми.

Это не метафора называть ДНК «программой» – это буквально.

Биологические вычисления вычисляют, тем не менее. И его использование случайности является функцией, а не ошибкой. Фактически, многие классические алгоритмы в информатике также требуют случайности (хотя и по разным причинам), что может объяснить, почему Тьюринг настаивал на том, что Ferranti Mark I, ранний компьютер, который он помог разработать в 1951 году, включает в себя инструкцию по случайным числам. Таким образом, случайность является небольшим, но важным концептуальным расширением на исходной машине Тьюринга, хотя любой компьютер может имитировать его, вычисляя детерминированные, но случайные или «псевдорандомы».

Параллелизм тоже все более фундаментален для вычислений сегодня. Современный ИИ, например, зависит от оба массового параллелизма и Случайность – как в параллелизированном алгоритме «стохастического градиента» (SGD), используется для обучения большей части сегодняшних нейронных сетей, настройки «температуры», используемые в чат -ботах для введения степени случайности в их результатах, и параллелизм единиц графической обработки (графические процессоры), которая в центре внимания в центре данных.

Традиционные цифровые вычисления, которые опираются на централизованное последовательное выполнение инструкций, было продуктом технологических ограничений. Первые компьютеры должны были выполнять длинные расчеты, используя как можно меньше деталей. Первоначально эти детали были ловкими: например, дорогие вакуумные трубки имели тенденцию сжигать и необходимую частую замену вручную. Таким образом, естественная конструкция была минимальной «центральной обработкой» (ЦП), работающей на последовательностях битов, перевозившихся взад -вперед от внешней памяти. Это стало известно как архитектура фон Неймана ».

Тьюринг и фон Нейман оба знали, что вычисления могут быть сделаны другими способами. Тьюринг, ближе к концу своей жизни, исследовал, как биологические паттерны, такие как пятна леопарда, могут возникнуть в результате простых химических правил, в области, которую он называл морфогенез. Модель морфогенеза Тьюринга была биологически вдохновленной формой массового параллельного распределенного вычисления. Так было его более раннее концепция «неорганизованной машины», случайно связанной нейронной сети, смоделированной после мозга младенца.

Это были видения того, как могла бы выглядеть вычисления без центрального процессора – и как это делает Похоже, в живых системах.

Фон Нейман также начал изучать массовые параллельные подходы к вычислению еще в 1940 -х годах. В обсуждениях с польским математиком Станиславом Уламом в Лос-Аламосе он задумал идею «сотовых автоматов», пиксельных сетей простых вычислительных подразделений, и все они подчиняются одному и тому же правилу и все изменяют свои государства одновременно, общаясь только со своими непосредственными соседями. С характерной бравурой, фон Нейман зашел так далеко, что разработал, на бумаге ключевые компоненты Самопродукция Cellular Automaton, включая горизонтальную «ленту» ячеек, содержащих инструкции и блоки клеточной «схемы» для чтения, копирования и их выполнения.

Проектирование сотового автомата намного сложнее, чем обычное программирование, потому что каждая ячейка или «пиксель» одновременно изменяют свое собственное состояние и окружающую среду. Добавить случайность и тонкие эффекты обратной связи, как в биологии, и становится еще сложнее рассуждать о «программе» или «отладке».

Тем не менее, Тьюринг и фон Нейман похватили что -то фундаментальное: вычисления не требуют центрального процессора, логических ворот, бинарных арифметических или последовательных программ. Есть бесконечные способы вычисления, и, что важно, все они эквивалентны. Это понимание является одним из величайших достижений теоретической информатики.

Эта «независимость платформы» или «множественная реализуемость» означает, что любой компьютер может эмулировать любой другой. Если компьютеры имеют разные конструкции, эмуляция может быть ледниковым медленным. По этой причине самоотрачивающий клеточный автомат фон Неймана никогда не был физически построен-хотя это было бы интересно увидеть!

Эта демонстрация в 1994 году –Первая успешная эмуляция саморепродуктивной автоматизации фон Неймана.– не могло случиться намного раньше. Последовательный компьютер требует серьезной мощности обработки, чтобы пройти через 6 329 ячейки Automaton по 63 миллиард Временные шаги, необходимые для завершения его репродуктивного цикла. На экране это работало, как рекламируется: пиксельная двумерная машина Рубе-Голдберг, приготовленную на корточках на сан на корточках 145,315-клеточной инструкции с учебной лентой, отступающей вправо, выкачивая информацию из ленты и протягивая руку «писательская рука», чтобы медленно печатать сам себя работающий клон и справа от оригинала.

Для серийного компьютера также неэффективно подражать параллельной нейронной сети, наследник «неорганизованной машины» Тьюринга. Следовательно, запуск больших нейронных сетей, подобных чат-ботам на основе трансформатора, только недавно стал практичным благодаря постоянному прогрессу в миниатюризации, скорости и параллелизме цифровых компьютеров.

В 2020 году мой коллега Alex Mordvintsev Комбинированные современные нейронные сети, морфогенез Тьюринга и клеточные автоматы фон Неймана в «Нейронный клеточный автомат» (NCA), заменив простое правило на пиксель классического клеточного автомата на нейронную сеть. Эта сеть, способная воспринимать и влиять на несколько значений, представляющих локальные концентрации морфогена, может быть обучена «выращивать» любую желаемую картину или изображение, а не только полосы зебры или пятна леопарда.

Настоящие клетки не имеют буквально нейронных сетей внутри них, но они работают высоко эволюционированными, нелинейными и целенаправленными «программами», чтобы определить действия, которые они предпримут в мире, учитывая внешний стимул и внутреннее состояние. NCA предлагают общий способ моделировать диапазон возможных поведений ячеек, действия которых не включают движение, но только изменения состояния (здесь, представленные как цвет) и поглощение или высвобождение химических веществ.

Первый NCA Alex показал мне, что ящерица смайлика, который может регенерировать не только его хвост, но и его конечности и головы! Это была мощная демонстрация того, как сложная многоклеточная жизнь может «мыслить локально», но «действовать во всем мире», даже когда каждая ячейка (или пиксель) работает за одну и ту же программу, как каждая из ваших клеток работает на одной и той же ДНК. Подобные симуляции показывают, как вычисления могут создавать жизненное поведение в разных шкалах. Опираясь на проекты фон Неймана и распространяясь на современные автоматы нейронных клеток, они дают представление о вычислительных основаниях живых систем.

Эта история перепечатана с разрешения от С пресс -читателемПолем Он адаптирован из «Что такое интеллект?

Чтобы узнать больше о вычислительной основе для жизни и идеях Алана Тьюринга в Наутилуспроверьте эти истории:

В начале были вычисления: Жизнь – это код, а код – это жизнь, в природе, как это происходит в технологии.

Человек, который пытался искупить мир с логикой: Уолтер Питтс поднялся с улиц до MIT, но не мог сбежать.

Образцы Тьюринга появляются в крошечном кристалле: Расширение идеи Алана Тьюринга 1952 года о пятнах леопарда до атомного масштаба.

Ведущее изображение: o-iahi / shutterstock

• Blaise Agüera y arcas

  Опубликовано на 24 сентября 2025 года

  Blaise Agüera Y Arcas – вице -президент/сотрудник Google, где он является техническим директором по технологиям и обществу, а также основателем Paradigms of Intelligence, организации, посвященной фундаментальным исследованиям ИИ. Он автор книги Что такое интеллект?В из которого эта статья адаптирована.