20世纪80年代以来，国际上兴起了一股用非生物媒介创造新的生命形式的研究热潮。这种新的生命形式就是所谓“人工生命”（Artificial Life）。这一概念的提出，立刻引起了各国学者的广泛兴趣。他们普遍认为，人工生命的研究是继混沌理论之后，探讨复杂性的一个新领域。这一研究领域的兴起，引出了有关人工智能、生命科学尤其是哲学方面的许多新问题。这些问题是：人工生命是怎样发展起来的？人工生命与复杂系统理论有何关系？人工生命研究有何哲学意义？以下我们将对人工生命理论的历史根源和人工生命研究的发展现状进行分析，以揭示它与复杂系统理论的关系，探讨其重大的哲学意义和应用价值。
一、“人工生命”思想的历史根源
不言而喻，“人工生命”（简记为AL）研究的是具有自然生命系统行为的人造系统。如同人工智能（简记为AI）是在计算机科学的框架中发展起来的一样，人工生命是在复杂性科学的框架中发展起来的。虽然它是一个新兴的学科，但它有着悠久的历史渊源。
亚里士多德把生命解释为一种自组织的力量即隐德来希（Entelechy），认为生命应该用目的论来解释。他还把精子中包含的先定目的性程序与自动机器作了一个类比。在他看来，精子就是一种生物自动机，它内含先定的目的性程序，控制着未来的胚胎发育、个体发育的过程。尽管亚里士多德所说的“自动机器”一词特指当时的自动傀儡，但他所作的生命体与自动机的类比，使我们从中看到最早的“人工生命”思想的萌芽[1]。
莱布尼茨吸取了亚里士多德“隐德来希”的思想，并进一步提出自己的新概念。在《单子论》一书中，莱布尼茨指出，自然的生命是一台“天赋机器”（divine machine），它超过所有的人工自动机（人工生命）；与自然生命系统不同，人工自动机是由人在有穷步骤中构造出来的。在他看来，只有通过无穷的分析才能证明自然自动机的复杂性。但是在他生活的那个时代，人们还不可能把复杂系统理论与自动机理论联系起来。
最早把图灵（A.M.Turing）的通用自动机概念推广到自增殖自动机的是冯·诺意曼（Von Neumann）[2] 。他注意到，被生产出来的自动机的复杂性比生产它的自动机的复杂程度低。也就是说，自动机的复杂性会随着它的自增殖而不断降低。因为被生产的自动机所用的材料不可能多于由生产机所提供的材料。在冯·诺意曼那里，自动机理论的主要问题都是围绕着复杂性概念展开的。尽管他对复杂巨系统研究有浓厚兴趣，但他没有用复杂系统动力学的观点来看待人工自动机。
1987年，兰顿（C.G.Langton）组织了首次人工生命研讨会。从此以后，人工生命作为一个学科和研究领域开始建立和逐步发展起来[3]。兰顿认为，人工生命的研究目标是要找到一种建立模型的工具，它强大得足以把握那些复杂性不断增加的生命系统的关键概念[4]。显而易见，兰顿不仅开创了人工生命研究的新阶段，而且明确地把复杂系统理论与人工生命理论联系起来了。
回顾人工生命的发展，我们可以看出，无论是人工生命还是自然生命本质上都是一种复杂系统。生命系统的关键概念是基因型和表现型。在生物学中，基因型是对于有机体的DNA进行编码的遗传信息（基因）集；而表现型是生物有机体本身。表现型的发展是由决定形态发生的基因指导的。在复杂系统框架中，表现型对应于系统的宏观现象，是微观层次上基因非线性相互作用的外在表现。遗传动力学的非线性使表现型体现出极大的多样性；另一方面，它又排除对于单个表现型的性质或未来行为做出预见或推导的可能性。因此，我们可以说，复杂系统理论与人工生命理论有着天然的联系。
二、人工生命研究的几个经典探究范例
人工生命探究方式的范例之一是L-系统[5]。20世纪60年代中期，生物学家林登迈尔（A. Lindenmayer）提出了一种被称之为L-系统的系统。 L-系统是典型的形态形成系统，它的目标是要为红海藻、青苔等植物的生长发育建立模型。因此，它又被称之为“繁殖（发生）算法”。这种系统借助一组规则，可以推导出一些符号串，例如，x→y表示在一个形式结构中符号x的每一出现都应该被符号串y所置换。通过一步一步的无穷推导就可以得到有穷的结构。比如，串球状鱼腥藻是由两类细胞串接而成的丝状细菌[6]。我们将这两类细胞分别称之为a型和b型，以区别它们在大小和进行细胞分裂时状态上的不同。在显微镜下可以看到a型细胞比b型细胞长，且每个细胞类型都有一个标号l或r，标号说明a型和b型的子细胞将被生成的位置（左边或右边）。把这些标号考虑在内，总共有4种不同的细胞类型，我们称这些类型为ar，al，br，bl。假定我们从一个类型为ar的单细胞开始创建鱼腥藻的新的部分，我们将采用以下4条规则：
I:ar→albr, II:al→blar
III:br→ar IV:bl→al
第I条规则读作：ar型细胞由两个相邻的细胞替代，新细胞左边的细胞为al型，右边的细胞为br型；第II条规则读作：al型细胞由两个相邻的细胞替代，新细胞左边的细胞为bl型，右边的细胞为ar型；第III条规则读作：br型细胞由1个相邻的细胞替代，新细胞右边的细胞为ar型；第IV条规则读作：bl型细胞由1个相邻的细胞替代，新细胞左边的细胞为al型。这4条规则形成的集合构成了改写系统，因为它告诉我们，在应用规则过程的每一步中，如何将4种细胞类型中的任何一种改写为一条新的细胞链。
从复杂系统理论的视角看，林登迈尔系统的意义在于：第一，L-系统的重要特征在于它是一种计算机科学意义上的复杂性测度，这就体现了它与复杂性理论的联系；第二，这种系统通过为植物建立模型，不仅为这些生物体的计算机生成提供了现实可能性；而且还可以模拟生物体的自组织、自增殖行为。
人工生命探究方法的第二个范例是元胞自动机理论。元胞自动机是细胞级的人工生命。冯·诺意曼讨论了元胞自动机理论并首次提出为活的有机体建立数学模型的思路。在他看来，生命系统的典型特征，它们的繁殖自己的趋势，都可以用20万个元胞的自动机来模拟。这里的每个元胞都有29种可能的状态，以4个相邻元胞作为环境。冯·诺意曼没有具体说明如何用元胞自动机来模拟生命种群的发展，而英国数学家约翰·康韦（John Conway）则作了这种尝试。他提出了生命种群生存、死亡、新生的三个规则。实际上，借助计算机实验，康韦的理论可以得出惊人的结果[7]。这个结果就是元胞自动机可以提供一种离散的量子化相图模型，而这种相图形象地描述了作为复杂系统的元胞自动机的整体动力学行为。在康韦的计算机实验中，元胞自动机按其复杂性的不同分为四类，每一类都分别对应于一种吸引子类型。例如，第1类元胞自动机处于与起始条件无关的平衡状态，它对应于某种作为吸引子的不动点；第2类元胞自动机相对独立于起始条件，表现为恒定的或周期性的进化模式，它对应于周期吸引子；第3类和第4类元胞自动机系统对于微小的涨落是敏感的，这种涨落可以影响秩序的总体变化（“蝴蝶效应”）。它们分别对应于混沌吸引子和复杂吸引子。换言之，元胞自动机的复杂性种类对应于按动力学系统分类的吸引子的复杂程度。
在冯·诺意曼那里，元胞自动机具有自增殖的功能。然而，这种自增殖的元胞自动机却难以在实际运行的计算机上实现。原因在于，冯·诺意曼要求自增殖结构必须是图灵机那样的万能计算机。实际上，在生命产生之前的那一阶段，自增殖分子（例如艾根的超循环理论中的大分子模型）就不可能具有通用构造。于是，兰顿放弃了这种通用性要求，设计了一个很简单的能繁殖自己的元胞自动机[8]。他引进了一个参量λ，用来刻画元胞系统的动力学行为。在建基于一组变换规则的元胞系统中，λ的动力学意义是这样的：如果λ值很小且接近于0，那么动力很快冻结，就像被冻结固体中的分子一样。如果λ值很大，接近于最大值，那么动力就十分自由并处于混沌状态，而且就像处于气态中的分子那样，元胞自动机模式很难存留下来。从物理学上看，在这两种极端情况下，生命都是不可能存活的。但是在这些极端情形之间的某一区域，动力变化不那么迅速，使得它失去了先前状态的所有构型。这一区域对应于液态，它实际上有助于生命的存在和进化。计算机实验证明，λ参量的变化反映了从不动点动力学到周期动力学，然后到复杂动力学，最后到混沌动力学的动力行为的系列。这些动力学模式对应于元胞自动机的不同复杂性类型。显然，人工生命的研究与复杂系统动力学理论密切相关。
我们知道，自从达尔文以来，人们一直把选择作为生物进化的关键机制。但是，在耗散系统（比如激光）中并没有选择过程；而且它们的动力学是非线性的，叠加原则是不成立的。存在的只是稳恒模式与失稳模式的竞争。非线性复杂系统方法为解释达尔文线性进化论背后的动力机制提供了现实可能性。20世纪70年代以来，霍兰德（J.Holland）把算法学习过程应用于进化，提出了遗传算法的概念，开辟了人工生命进化研究的新领域[9]。这是人工生命探究方法的第三个范例。所谓遗传算法是这样一种方法：它实施从基因型的一个种群到“更适应”的一个新种群的推移。例如，基因型可以用标志生命体基因的位串（bit string）来表示。遗传算法的基本程序是这样的：（1）从基因型的一个随机生成的种群开始；（2）计算该种群中每一基因型的适应程度；（3）把遗传算子应用于该种群，以创造出一个新种群；（4）进入第二步。遗传算法的目标是要挑选种群中具有较强增殖能力的基因型并判定每一基因型可能会产生多少后代。一般说来，适应程度高的基因型比适应程度低的基因型后代更多一些。如果遗传程序（1）－（4）重复多次，就会产生一系列种群，代代相传，直到出现一个最适应的基因型。显而易见，艾根的自优化遗传策略也可以理解成一种遗传算法，人工生命的探究实际上深化了复杂系统理论的研究。
三、人工生命的应用
人工生命的应用引出了不少发人深省的哲学问题。遗传算法应用中一个有意思的实例是免疫系统中学习过程的模拟。人类的免疫系统具有识别1016个异种分子的能力，而对免疫系统构造规则进行编码的基因组只包含大约105个基因。因此，免疫系统是一个复杂动力系统的范例，对于用相对少的指导规则来进行的模式识别来说，这个系统是高效的，而且用不着什么中心器官来控制它。因此，免疫系统的模式识别是局部的分子相互作用而造成的宏观效果。它可以用序参量来刻画。序参量表示行使识别功能的细胞（“抗体”）与异种物质（“抗原”）之间相联系的分子的幅度或范围。遗传算法通过用二进制数串来表示抗原和抗体，能够以计算机为载体建构人工免疫系统。
人工生命的应用的第二个实例涉及计算机病毒。。一般说来，计算机病毒可以看作代码，它能够使自己依附于计算机的程序或数据文件中，而且至少可以部分地繁殖自己。从人工生命的观点看，计算机病毒的确符合生命的一些标准，但并非符合全部标准。一方面，计算机病毒能够自繁殖；另一方面，它不是动因，而计算机是。显然，计算机病毒有一种自我表现的信息储存，这一点就像DNA分子一样，它的代码是这种病毒用来复制自己的模板。它似乎还有一种转换物质和能量的代谢功能。但是，使用电能的不是病毒，而是计算机系统本身。计算机病毒也有生态学形式，例如捕食形式、区域性形式，或者表现出自我防卫的行为。但是直到现在，这些行为还不是由病毒本身启动，而是由我们的程序员触发的。将来有一天，在赛博空间（cyberspace）中，计算机病毒可能会具有自然生命所具有的危险能力，这不是危言耸听。在生命科学和计算机科学如此发达的今天，克隆羊多莉都已繁殖出来了，谁能担保不出什么怪物？
人工生命的硬件模型往往运用于机器人〔10〕。这种硬件的范例是所谓聪明材料和“智能”材料的自构造。复杂系统方法使工程师赋予材料越来越多活的生命体的特性。我们知道，对不断变化的环境所作的自调节和自适应是生命系统常见的功能。类似地，工程师们正在试图创造能够感知自身所处环境并对其做出反应的新材料。例如，找一种新的桥梁材料，它能在桥梁垮塌之前测出它的锈蚀情况，或者研制一种能抵抗地震波的建筑材料以及能够自发地抵抗金属材料疲劳的新材料。大家知道，致动器是能够按照系统状态的变化改变其特性的材料。有一种具有记忆功能的合金，可以用作致动器。当低于某一临界温度时，它会随意改变自己的形状；当温度回复到这个超界值时，它又恢复其最初的形状。工程师主张在抗损坏桥梁和飞机机翼上使用这种带有自控制功能的材料。甚至可以制造一种新型的光纤，这种称之为“玻璃神经”的光纤，其特性将随温度、压力或化学条件的变化而改变，可以为保证桥梁和飞机的“健康”而发出光学信号。
现代材料科学往往把上述研究目标看作“非生命世界中的生命体”。从哲学的（参见Searle ,1992）的观点看，这仿佛是古代炼金术士的口号，一些科学哲学家批评说，这是反科学的万物有灵论。但是，从复杂系统的观点看，这种观点的意义在于：自组织特性并非神经系统有意识行为所专有，甚至也不为生物催化或基因的信息编码过程所专有。无机界与有机界之间并没有不可逾越的鸿沟。生命与非生命的界限并不是固定不变的。
从复杂系统理论的视角考察人工生命，我们可以得到这样的结论：
第一，达尔文进化论是一种线性进化论，适者生存，即适应者最适宜生存，是一种没有什么经验内容的同语反复，所谓生物通过选择而进化不过是一种现象学意义上的说法。显然，达尔文进化论的内在机制，用线性方法是不能做出恰当解释的。生物进化和生命发展的深层次原因只有用非线性动力学才能得到解释。换言之，生命系统（包括自然生命和人工生命）的进化，用远离热平衡的相变来解释，即解释为由（微观层次上）分子或人工分子、细胞或人工细胞等非线性相互作用引起的（宏观层次上）序参量的演化，才是合理的。
第二，人工生命的研究为复杂系统的进化提供了一种不依赖适应机制的解释。从超循环和协同学的观点看，自组织系统是诸多简单单元的复合体，生命的有序是这些单元之间非线性相互作用的结果。我们现在倾向于这样的观点，即自组织产生生命的基本的序，自然选择排除那些不适应环境的因素，生存博弈推动着系统从无序走向有序，从较低的序演化到较高的序。因此，应该把进化机制看成自组织和自然选择综合作用的机制。
第三，在复杂生命系统的进化过程中，并不需要诸如上帝、拉普拉斯妖那样的总程序或总体进化优化策略。人工生命系统的存在与发展，可以用组成系统的个体（大分子、基因或细胞）之间的局域相互作用来加以解释。神的意志也好，总体优化策略也好，都可以用奥卡姆的剃刀统统剃除。
【注释】
[1][7]克劳斯·迈因策尔，复杂性中的思维〔M〕，北京：中央编译出版社，1999，99-100, 261-262.
[2]J, Von Neumann, Theory of self-Reproducing Automata〔M〕. Edited and completed by Arthur W. Burks, University of Illinois press.1966.
[3]M,A, Boden ,The philosophy of Artificial Life 〔M〕,Oxford university press, 1996.
[4][8][10]k, Mainzer, Thinking in Complexity〔M〕, Berlin: Third Revised and Enlarged Edition.1997.243,246-248,251-252.
[5]A, Lindenmayer, Developmental systems without Cellular Interactions, their language and Grammars〔J〕, In Journal of Theoretical Biology (1971) 30:455-484.
[9]J, H, Holland, Adoption in Natural and Artificial systems〔M〕, The MIT press, Cambridge, MA,(1992, 1st ed 1975).
(原载《自然辩证法研究》2003年第4期。)
