（来源：马雷 中科院物理所）

如果智能起源于生命，那么真正的人工智能，本质上必须是一种接近生命形态的系统。

先从一个耳熟能详的场景切入。如果你看过《流浪地球2》，应该记得图恒宇和他女儿的情节——片中“数字生命研究所”的核心技术，正是让他在数字空间中复活，与女儿重逢。用这个例子，是想抛出一个问题：如果有一个按钮，能让你的挚爱以数字形态延续存在，你会按下它吗？

带着这份思考，我们进入今天的探讨。

数字生命的定义

通过搜索引擎总结全网关键词，大多数人讨论的数字生命，大致指向这些内容：数字世界、意识上传、数字永生、永远不死。

那么，数字生命的确切定义是什么？

首先需要理解生命的定义——它没有精确的描述，因为我们的认知在不断演进。但生命的特征是可以描述的，例如组织、代谢、生长、繁殖、适应等。

不妨将数字生命视为一种“关于可运行生命的假说”——它不是一张被描绘的图画，而是一个能够被运行、涌现出类生命特征的、可计算的体系与系统。

回到科幻电影，有三部作品非常典型：《黑客帝国》《攻壳机动队》《超级骇客》。它们分别探讨了数字生命中的三个核心概念：如果世界本身是模拟的，真实何在？如果身体可替换，“你”由什么构成？以及上传之后，那个意识究竟是“你”，还是一个全新物种？

这些话题听起来有些遥远，但今天我们讨论的是数字生命与现实的真实距离，以及当下可以做的事情。

给大家看一个数年前的脑模拟视频。

▲ 2023年的脑模拟视频

这个视频使用我们自己编写的代码，运行了艾伦研究所的视皮层数据，并进行了精细的脑模拟。信息在视皮层中逐层传递，整个过程清晰可见。

▲ 脑模拟是神经科学与人工智能之间的关键桥梁

人工智能与生命

接下来从脑模拟切入“数字生命”的研究议题。

脑模拟是神经科学和人工智能之间的重要桥梁，是对可运行智能的一种尝试。脑模拟的一些重要工作启发了当代人工智能的发展，也加深了我们对大脑本身的认识。

回到AI的源头去思考。图灵曾提出一个关键问题：“Can machine think?”——机器能思考吗？这是迄今为止人工智能领域中被引用最多的一句话。

▲ 图灵（Alan Mathison Turing，1912年6月23日—1954年6月7日）

直到今天，人工智能发展到当下，这个问题仍然是我们需要探索的核心之一。

计算机体系之父冯·诺依曼也提出过另一个问题：“一个系统如何能产生与自身一样复杂甚至更复杂的后代？”

▲ 冯·诺依曼（John von Neumann，1903年12月28日—1957年2月8日）

实际上，在那个时代，图灵和冯·诺依曼就已经在思考：如果我们有一个足够复杂的机器，那么这个机器本身是否可以被称作生命？

冯·诺依曼没有给出明确的答案，但他提供了一个描述性论述：对于任何可以进行自我复制或由程序和数据驱动的自动机来说，“存在一个复杂性的阈值，高于这个阈值，这个自动机就有可能实现开放式的、复杂性的增长，或者涌现式的进化。”

为了验证这个想法，他提出了Cellular Automata——元胞自动机的概念。通过一个非常简单的规则和开放式的设计，就能实现系统的自我复制和自我繁殖。

▲ 自复制自动机理论：元胞自动机

直到今天，从事人工生命方向的研究者，都把这视为人工生命研究的开端。

带着这样的问题，去审视当下的人工智能。

当下的人工智能解决了很多问题。每天可能都在使用各种大语言模型、视频生成模型、人脸识别等技术。总体而言，当下的AI能力很强、规模很大、也很聪明。但其主要运行范式是通过输入，到model，再到输出。

然而生命并非如此。如果把当下的AI与生命本身进行类比——比如一个婴儿、一只小鼠、甚至一个线虫——生命是一个持续动态、持续交互、由身体、大脑和环境不断演变的过程。这正是二者之间最大的差异。

当下的AI，在大多数情况下仍然是对数据的一次静态映射，而真正的生命本身是一个可运行的系统。这个运行的系统不以环境扰动为转移，无论是输入停止、输入增长，还是能量供给中断。

总结来说，当前的AI既没有“身体”（Body），也没有“世界”（World）。

许多从事具身智能方向的学者，当前要解决的，其实就是如何做好具身，如何构建好世界模型。这也是现在AI领域里研究的热点。

回到这个逻辑上，如何刻画生命？费曼的一句话非常到位：“What I cannot create, I do not understand.”（凡我不能创造的，我就不能理解。）

▲ 费曼（Richard Phillips Feynman，1918年5月11日－1988年2月15日）

想象中的生命不应该被还原出来。如果通过自下而上的、从基因到大分子、再到细胞这样的还原论来刻画，可能不足以让我们在今天就了解生命。眼下了解生命最好的方式，是去构建一个数字生命系统，并运行它。

数字线虫

这就来到了我们的研究。

▲ 数字线虫BAAIWorm总体框架（2022年）

这个工作名为数字线虫，于2021年下半年启动，起源自一个非常朴素的思路。既然有了很好的脑模拟、精细神经元模拟系统，以及各种生物数据，那么，是否能把生命在一个计算机系统里运行起来，去验证智能进化的过程？

在这样一个简单直接的前向思考逻辑下，自然而然想到：是否可以通过最简单的模式动物开始研究？

经过调研发现，在我们之前，关于线虫已经有很多出色的先驱性工作。所以我们基于OpenWorm，基于它的开源数据，构建了一个更加精细的线虫闭环模拟。

如这张图的左边所示，自下而上，把跨尺度的结构——从离子通道到神经环路，一直到整个神经网络图谱——都构建了出来。右边是解剖学意义上的线虫身体。把几个模块组成一个完全闭环的计算系统，通过一次运行去完成，这就是整个数字线虫的总体框架。

这个工作在2022年的智源大会上首次发布，接下来展开介绍一下。

为什么数字线虫建立如此困难？为什么到今天还会有人觉得它重要？

这是因为我们是首个从bottom-up的思路，逐步地把能找到的关于线虫的生物物理数据——包括神经网络的动态活动、突触和间隙连接、神经元的连接组、电生理数据、离子通道、神经形态和神经元类型的数据——有机地组成一个这样的神经系统。

这是这个工作里一个非常大的贡献。当然，这个贡献需要和闭环的身体在一起进行计算，这才是一个完整的、可运行的生命。

这是当年发布的第一个实时运行的线虫模拟视频。左边是驱动它的神经系统，右上是部分肌肉信号的运行情况，中间是神经系统驱动下身体向前蠕动的爬行过程。

今天来看，这个工作也有很多遗憾。但是在当时那个阶段，我们“第一次”实现了最小模式动物在高精度神经系统模拟下的闭环仿真。所以能传递的信息是：可运行的闭环模拟，或许是数字生命的一个开端。

当下讨论热度很高的，Eon Systems数字线虫引起很多神经科学家和动物学家关注的地方：行为是否可以从经过一定组装的神经结构中自然而然地涌现出来？

我们的工作在比较早期就探索了这个问题。打造了这样一个闭环系统之后，神经元自发驱动身体的活动和真实的线虫具有非常高的相似性。现在还没有办法直接给出结论，是否真的给定一个神经结构，行为就会自然而然涌现。但经过一些逐层的调参，甚至一些不是端到端的强化学习，它也有可能涌现出以前没有完全连起来的行为。这是数字生命范式下最值得探索的事情。

这个工作发表在2024年的Nature Computational Science封面上。

这个非常漂亮的线虫数字图，是和其他人一起设计的，我们自己制作的封面图。

这个工作也获得了非常多的国际认可，包括审稿人之一——OpenWorm的项目主管，算是线虫模拟先驱的认可。另外，最近讨论比较多的Eon Systems的“数字果蝇”的顾问科学家，以及Eon Systems的工程主管，还有欧洲的“数字果蝇”EPFL教授，都在公开文献里面对我们进行了评价。