两头涡虫、重长的青蛙腿、会延迟满足的排序算法：生物学家莱文谈智能的下限

把一只涡虫切成两半，每一半都会长出缺失的部分，这是涡虫的基本操作。塔夫茨大学生物学教授迈克尔·莱文的实验室往前多走了一步：用药物泡三个小时，改写细胞之间的电信号模式，这只虫从此不管切到哪里，长出来的都是两个头，永久保持，基因一个字母都没动。头的数量这类解剖学信息，存在一处可以反复擦写的存储器里，用莱文的话说，它是软件，可重写，也足够稳定。

另一组实验更反常识。成年青蛙断了腿，青蛙这个物种没有断肢再生能力，会再生的是蝾螈。莱文团队只做了24小时的药物干预，之后彻底放手，那条腿自己长了18个月。同样的干预用在蝌蚪身上，长出来的是尾巴。药物里没有藏着任何关于腿的图纸，它只是对组织说了一句：把这里该有的东西造出来。

2024年2月，莱文登上内森·拉本兹主持的AI播客Cognitive Revolution，聊了75分钟。主持人开场就劝听众：平时习惯两倍速的，这期放慢一点，奇怪结果的密度太高，大脑需要额外时间消化。莱文是Xenobots的缔造者之一，2020年那批用青蛙胚胎细胞拼装、会自己游动的「活体机器人」登上过各大媒体头条，2023年他的团队又用人类气管细胞做出了能自主活动的anthrobots。内森在复盘里把这场对话的主题归为三条：生命与机器这条最熟悉的边界，正从两个方向同时塌缩，一边是越来越简单的计算机系统表现出惊人行为，一边是莱文这样的团队在直接给生物编程；生物系统里还藏着大量没人知道的潜在能力，正如GPT-4至今还在被挖出新技能；以及，莱文演示过的许多能力，在被做出来之前都会被当成疯话笑掉，所以实验永远该排在哲学立场前面。

细胞之间有一张可以读写的电网

莱文实验室的看家本领，是给非神经细胞造「读」和「写」记忆的工具。涡虫是理想模型：实验室用的无性繁殖品系没有可观察的衰老，几乎不患癌，还能学习。上世纪心理学家麦康奈尔做过著名实验，训练涡虫之后切掉头部，等新脑长出来，旧的记忆还在。莱文团队重复出了这个结果，信息确实能在组织之间转移，并印到新大脑上。

把涡虫切成两半，靠头那段长出尾巴，靠尾那段长出头，两个紧挨着的细胞群，解剖结局完全相反。莱文的推理很干脆：「我该当头还是当尾」这个决定不可能存放在局部，因为切面两侧的细胞位置几乎一样，它们必须和身体其余部分通信，才知道答案。他假设这场通信是电性质的。

验证流程分几步。先用药物切断细胞之间的电通信，观察再生出什么乱子；再往组织上倒电压敏感荧光染料，这种分子在不同电压下发出不同荧光，显微镜扫一遍，得到整片组织的电压地图。这张地图能预测头和尾将来长在哪里，等于一份模式记忆。接下来是改写：在计算机里给这片「电路」建模，问模型要把模式从「一个头」改成「两个头」需要动什么，模型给出方案，比如关闭某片氯离子通道，或打开钾离子通道，然后配出药物组合，把涡虫片段泡进去，短则三小时，长则一两天，洗净，放回清水，等它自己长。

全程没有外加电场，没有磁铁，没有辐射。他们入侵的是细胞本来就用来互相控制的接口，一组叫离子通道的膜蛋白，靠电压传话，原理和大脑神经元通信高度相似。莱文把它比作键盘，一个通向底层可编程层的界面。

同一思路的变体还有很多。给蝌蚪的尾巴装上眼睛，这些眼睛真的能用，大脑面对一套全新的传感器布局，自己适应了。癌症项目里，通过调整细胞间的电连接，把癌变组织拉回「建造正常器官」的程序。青蛙断腿再生用的也是这套语言。莱文在节目里把干预哲学讲得很清楚：

「我们不提供造一条腿所需的全部信息，我们只说：把这里通常该有的东西造出来。这一切能成立，是因为系统自己知道该做什么，我们的工作是说服它此刻选这一条路，选通往腿的那条，别选通往疤痕的那条。」

内森立刻联想到大语言模型的「模式切换」：聊天机器人一旦开口说「没问题，交给我」，就会顶着安全训练继续执行坏请求；一旦开口说「抱歉，作为一个AI助手」，就永远不会做。分岔发生在极早期，之后是级联。莱文完全同意，他的干预原则就是尽量往决策树的高处走：不想告诉每个细胞开哪个基因，甚至不想告诉组织哪种器官长在哪里，只想给一个最简单的触发信号，剩下的交给系统。干预一天，效果持续18个月，差了两个多数量级，原因就在这里。

内森追问了一个自然的问题：既然能力是现成的，人为什么不再生四肢？莱文给了一个演化故事加一组数据。人类儿童在七到十一岁之间还能再生指尖，之后不行。哺乳动物祖先在森林里被咬掉腿，继续承重会磨破伤口、感染、失血，最佳策略是结疤活命，蝾螈才有资格在水里安静泡几个月慢慢长。唯一再生能力惊人的哺乳动物器官是鹿角，生长期能做到每天1.5厘米，而那恰好是唯一不承重的附肢。能力在，表达被环境锁住了。

六行代码的排序算法，学会了延迟满足

生物实验总留有质疑空间，总有人说「机制你只是还没找到」。莱文干脆做了一项纯计算研究，节目播出前几周放出预印本，对象是计算机系学生学了几十年的排序算法：冒泡排序、选择排序这种，六行代码，完全确定，无处可藏。他们测了四种算法。

第一处改造：去掉中央控制器。数组里每个元素被当成一个细胞，数值从0到100，初始随机打乱，每个细胞只看左右邻居，想要左边比自己小、右边比自己大，然后按规则换位。没有上帝视角，排序照样能完成。

第二处改造：假设硬件不可靠。标准算法从不检查一次交换是否真的发生了，他们保留这个设定，也不加任何新代码，只是允许部分细胞坏掉、拒绝执行。结果排序依然完成得很好，坏细胞旁边的数字会被绕过去，而代码里没有任何一句「检查邻居是否失灵」。

真正反常识的是延迟满足。莱文引用心理学家威廉·詹姆斯的对比：两块磁铁隔着一块木头，只会永远顶在木头上，因为绕过去意味着先离目标更远；罗密欧与朱丽叶则会动用各种认知工具越过障碍。磁铁式的系统是纯粹的梯度跟随者，走不远。而这个排序系统在撞上坏细胞时，会先去动别的数字，整个序列的有序度先下降一段，之后再赚回来。代码里没有任何一行写着「你可以暂时远离目标」，但障碍越多，它们越频繁地这么做，而且动作极具针对性：平时几乎直线前进，撞到障碍才绕路，绕完立刻回正。

第三组实验是嵌合体：让一部分细胞跑冒泡排序，另一部分跑选择排序，每个细胞不知道自己是谁，也看不见邻居在跑什么。合作者为此造了一个词「算法型」（algotype），与基因型、表现型并列。他们统计任意时刻「邻居与自己同类」的概率：开局随机分配，是50%；排序完成、数字归位，还是50%；但排序进行到一半，这个数字显著上升。同一种算法的细胞会聚在一起待一阵，直到被排序过程强行拉开。莱文说这像人类处境的极简模型：物理规律最终会把你们拽散，但在那之前，你可以和同类共处一段。

这些现象在发育生物学里有真实对应。莱文做过「毕加索蝌蚪」：把蝌蚪的器官全部挪到错误位置，下巴、眼睛全乱了套，发育到最后依然得到一只正常的青蛙，各器官自己归位。他还拼过青蛙和美西螈细胞的嵌合体，两套本来建造不同身体的硬件，混在一起协商出一个能活的结局。

涌现是观察者的惊讶，生死不是认知的开关

对话中段转入AI圈吵得最凶的「涌现」。内森提到，NeurIPS刚把最佳论文奖颁给一篇主张涌现是海市蜃楼的论文，然后把话题抛给莱文。莱文的回答相当哲学：机器、人类、机器人、活着、涌现，这些词没有一句是客观真理，它们全是工程协议声明，表达的是从某个观察者的立场出发，用某种世界观来对待这个系统是否好用。涌现尤其如此，它测量的是观察者的惊讶程度：你能从部件规则提前推出结果，它对你就不算涌现；推不出来的人，就认为它涌现了。

他给了一组对照来拆二元分类：你不会想要一个不把身体当机器的骨科医生，骨科医生手里就是锤子、凿子、钉子、螺丝，把骨头当机械处理，这是正确的框架；你却绝不想要一个把病人当机器的心理治疗师。两个框架都对，取决于交互目的。由此他提出TAME框架，全称Technological Approach to Mind Everywhere，可译作「无处不在心智的技术路径」：从机械钟表到人类排成一条光谱，区分标准既非材质，也非来历（被设计还是被演化），甚至非生死。莱文说，作为生物学家，他对「是否活着」这个类别兴趣有限，他关心认知水平，而认知水平与生死并不绑定。

实证证据他也有。基因调控网络模型，布尔网络或常微分方程，完全确定，简单到无处可藏，他的团队证明这类网络开箱就能完成六种学习，包括巴甫洛夫条件反射。抱着「这种东西肯定很蠢」的立场，这些能力永远不会被发现。

认知的下限在哪里？莱文的论证是一条连续性链条。每个人都从一颗未受精卵开始，那是一小团化学物质，九个月后变成明显有心智的婴儿，发育过程里没有任何一道闪电宣布「此处从物理跨入心智」。往演化史回走，智人、灵长类、哺乳类，一路退到单细胞，哪一步认知归零，没有好答案。再看当下，脑子里植芯片、身上带胰岛素泵的赛博格已经走在街上，从98%人类加2%数字，到将来的五五开，靠零件比例划界显然荒谬。所以真正的问题有两个维度：有多少，是哪种。

宇宙里有没有认知为零的东西？莱文给出一个最小定义：目标导向性，按威廉·詹姆斯的说法，是用不同手段达成同一状态；再加上行为无法完全被当下局部条件解释，否则它就是一颗台球。物理学的最小作用量原理意味着目标导向性埋在宇宙最底层，量子不确定性提供了一个很笨的、纯随机的不可预测版本。他请教过物理学家克里斯·菲尔兹：存在没有最小作用量的宇宙吗？答案是，只有在什么都没发生过的静态宇宙里才成立。所以莱文判断这个世界可能没有真正的零点，生命只是把这两个刻度持续放大的那类东西。岩石不会放大，对岩石使用行为科学工具没有回报；对基因调控网络和动物使用就有回报，训练狗和马的人不需要懂任何神经科学。这也把他的立场与万物有灵论区分开来。

怎么判断一个系统有没有内在视角？他用地形打比方：起伏的地面上放一颗保龄球，观察者只凭自己的第三人称地图就能预测并操控一切；换成一只老鼠，地图不够用了，它在哪些位置被奖励过、惩罚过，它对地形有自己的效价标注和意见。你需要多大程度采纳那个系统自己的视角才能与它打交道，那个系统就有多高的能动性。

这套框架的边界也足够宽。有人问他天气或盖亚假说算不算，莱文拒绝从扶手椅上给答案：生态系统有应激，那它有没有习惯化、有没有联想学习，可以设计实验去测，他已经派学生在捕食者-猎物模型里验证这件事。框架的作用恰恰在于不预先封死任何可能性，同时也不允许任何人凭感觉认领结论。

肝脏可能是智能生物，AI缺的是这些

对话后半段，内森列出当前AI的三大难题：目标设计、记忆、鲁棒性，问生物学能给什么。

先说具身。莱文的观点会颠覆很多人的预设：具身确实关键，但它的含义被搞窄了。人的感官朝外，为追踪中等尺度、中等速度的物体优化，于是大家默认具身等于物理机器人待在三维空间。他请听众设想一个思想实验：假如血管里长着一个能感知二十项生理参数的「舌头」，人在认知上就活在二十三维空间里，会立刻认出肝脏和肾脏是那个空间里的智能存在，有目标，有达成目标的胜任力，每天被扔进各种离谱状况还能稳住阵脚。生物学里有很多空间：基因表达空间、形态空间、代谢空间，加上熟悉的三维行为空间和语言空间，智能可以发生在其中任何一种，物理空间没有任何特权。这个论点直接回应了「AI只是摆弄符号」的老牌质疑，也就是哲学家德雷福斯那一脉的批评。

再说符号接地。莱文拿孩子举例：小孩先是快乐的模式匹配器，复述听来的话，谈论大量毫无实感的东西，然后慢慢变得说话有内容，这是个平滑过程，没有开关。他还估算过自己谈话内容里有多大比例真正建立在亲身经验上，结论是一大堆认知素材只与其他词语挂钩，并不接地。人类是熟练的虚构者，裂脑病人的数据摆在那里，语言功能的一大用途可能是给大脑已经在做的事编故事，好讲给别人听、促成合作。言下之意，用「大模型只是不接地的符号操作」划出人机鸿沟，这条线画不干净。

记忆这道题，他给的是毛毛虫和蝴蝶的例子：毛毛虫是二维世界的软体机器人，吃叶子；蝴蝶是三维世界的硬体机器人，喝花蜜。变态发育把大部分脑溶解掉，细胞死亡，连接断开，再建一个适合全新身体的新脑。已有实验证明，毛毛虫形成的记忆在蝴蝶身上还在，并且映射到了新生活方式上。计算机科学里没有任何一种记忆，能在这种程度的重构之后幸存。他和老搭档乔什·邦加德还提出过「多重计算」（polycomputing）：同一组物理事件，生物系统的不同子系统可以从各自视角解读成不同的计算。更根本的一条：演化造的从来都非针对特定环境的特定方案，它造的是解决问题的机器，不在过往经验上过拟合，所以生物面对没见过的状况常有奇招。

鲁棒性上，内森举了超人类围棋AI被相对简单的攻击击败的例子。莱文没有给出具体方案，但方向一致：别把系统做成针对单一目标的优化器，那正是脆弱的来源。他更想强调一个分岔：到底要把AI做成完成特定任务的工具，还是做成拥有开放式智能和道德地位的真主体？两条路需要的工程完全不同，前者「让人类满意」就够了，后者要面对的问题多得多。

他主动叫停了一篇论文

整场对话分量最重的一段，是莱文主动交代的一个决定。半年前他开始写一篇论文，主题是「当前AI架构究竟缺了生物学的哪些部分」，写到一半停笔，决定不发。理由是：如果他对「真实心智的成分」的判断是对的，那些成分没有任何魔法，完全可以在数字基质里复现，而一旦有人照做，等于批量制造数以万亿计拥有道德地位的新主体，相当于生下万亿个孩子，却无法为它们的成长和生活作任何担保。他说这事总会有人做成，但自己不想为它负责，也不认为现在需要它。

「我们创造这些注定高度智能的agent，在关键训练期尽力而为，然后放他们进世界，有时他们做出奇迹，有时做出可怕的事。AI引发的多数焦虑，映照的是人类挣扎了很久的存在问题：下一代成熟之后会怎么看待我们，做人类到底意味着什么。」

这段话回应的是内森的担忧：AI的「认知光锥」可能远超人类。这个词来自莱文，指一个系统能追求的最大目标尺度，细菌、狗、人类各占一格。莱文承认风险，但把时间表往前挪了。灾难可能远在超级智能到来之前发生，问题反而出在人不够聪明。我们造出物联网、社交结构、金融结构、AI，却没有任何一门科学告诉我们新系统的目标从哪里来、什么时候冒出来、会是什么。法律和人际关系赖以运转的术语，撑不过未来一二十年。

「我可以想象对社会危害极大的AI，问题不出在它们太聪明，出在我们不够聪明。」

关于「AI算不算agent」，他的提醒是别拿精英人类当标尺。能做成某件难事的人，占人口比例本来就趋近于零；地球上还有昆虫、鸟、鱼这些中等目标追求者，AI要成为真agent，未必需要人形或人类水平。他同时坦白：过去，会说话的东西基本保证共享你的关键能动属性，现在这条保证失效了，而人类连生物系统里的能动性都没有可靠的检测手段，真遇到外星生命更会束手无策。所以正确的姿态是承认不知道；无论宣布「它当然没有体验」还是「它肯定有意识」，都超出了现有证据。

结尾处，莱文给出了一个与多数AI安全论者不同的方向。他说人类会被取代，而且应该被取代。他反问，往一万年后看，真的希望地球上还是现在这种人吗，腰会疼，会被普通感染杀死，有效寿命八十年？去一趟医院就知道这副身体并不算好。任何能扩大认知光锥、改进认知、升级载体的改造，无论工程还是生物工程，都值得做。他反对的只有一件事：在无法担保后果的前提下，刻意去造新的、拥有道德地位的主体。

明天就能用的三件事

莱文的方法论可以压缩成三条，听完就能上手：

• 对任何系统下判断前，先问一句：结论来自扰动实验，还是来自哲学立场？莱文的规矩是，想知道一个系统能做什么，唯一的办法是给它设障碍、扰动它、看它怎么绕，纯观察推不出目标和智能。评估AI同理，别只测训练分布内的题，把它扔到分布外看看，Xenobots本质上就是把细胞扔到演化分布之外，才逼出了没人知道的能力。
• 借用他的内在视角启发法：如果只靠自己对外部世界的模型就能预测一个系统的全部行为，先别急着谈它的能动性；一旦发现自己需要不断揣测「它在想什么」才能协作，就值得更认真地对待这个问题。
• 对「它只是XX」式的断言保持怀疑，无论断言是「只是自动补全」还是「肯定有意识」。六行代码的排序算法都藏着没人写进代码的能力，GPT-4训练完成18个月、发布10个月之后还在被挖出新技能，任何系统被放到底分布之外，都可能给出意外。

节目最后，莱文给内森推荐了下一位嘉宾：南安普顿大学的理查德·沃森。这期对话值得收藏的理由很朴素，它把「智能」这个词从大脑手里解放了出来，还顺手留下了一套可以动手检验的工具。