大自然的法藏

 

 

 

大自然的生命用的最简单的迭代演化，就是0、1这样最简单演化，可以形成很复杂的事件。它经过这样的演化以后它会进行编码，藏到它的种子里面，记录它的历史。我们人类在向大自然学习过程中产生了人工智能的同时我应该还考虑感知，人类的智能算法和感知配合起来，通过互补的方法来使智能感知得到更加的发展

 

 

我叫孟濬，我是浙江大学学自动化专业的，学自动化专业人工智能这个方向。我一般给大家授的课叫做“非线性系统”。我认为概念清晰比什么都重要。其实概念清晰以后，越清晰，你的想象力反而越丰富。这是我自己的体验。这种情况下，由于讲非线性缘起，我就发现大自然很妙。因为非线性系统这门课程有个很奇怪的现象，大家可能不理解，它就是我们的自然科学。是物理和数学的自然科学，它打通了我们原来认为不相干的科学。比如社会科学，它把社会科学和自然科学打通了，同时还打通了生命科学。

 

当时我上课的时候，我们一个学生跟我说，她说：“老师，生命科学不是早就有了吗？我们学校教生命科学的学院和系不是一大堆吗？”我说：“不对。生命科学作为科学，我们现在的发展都是生命的仪器的发展。对吧？我们的观察手段、CT，其实都是相关科学。而生命本身的科学还停留在以前的（那种情况），它的基石还是解剖学和生化。”当然现在一个很好的方向是基因调控网络，系统生物学的出现更加好了。但是生命科学和自然科学之间的相互沟通，我们还是大量停留在生化实验上和基因排序上，但是混沌恰恰说明了自然界的发生和发展，所以它把三大科学合起来。

 

那么这种情况下我（觉得）受益匪浅的是，后面黑板上看的到。我准备写这三本书。第一本书我给它起了个名字叫《迭代的力量》。为什么我说“迭代的力量”？大家知道我们的生命都是迭代和演化的，从受精卵开始，先是简单的细胞分裂，最后是分化。因为人体有三百多种细胞。最初我们说从干细胞一个一个分化，分化到三百多种，一开始（进行）简单的分裂，最简单的倍增，二、四、八这样的倍增，，到后来它就首先要长血管。为什么？（因为）它增到一定数量以后，跟荷塘一样。荷塘我们看到，今天晚上还是半个荷塘，第二天可能就是满塘荷叶了。这种情况下我们知道它是倍增的，那么我们细胞倍增以后，我们知道母体的子宫大小是有限的。倍增到一定程度以后，我们会发现细胞之间的营养供给（规律）。最中心的细胞可能周围有很多细胞，同时外面的营养经过这么多细胞的过滤以后，到它这就所剩无几了。

 

我老给学生做实验，我说咱们每个人发一个杯子。我这时候拿一桶水给大家倒，大家排成队，总有到一个人的时候这个水没了。所以细胞达到一定密度和层次以后，周围有很多邻居的时候，它的营养会受到威胁。但生命很聪明，在这时候它要进行非线性的拐点，进行分化，它先分化出来血管。这跟考古学的发现是一模一样的。我们考古学经常说，我们到某一个地方突然发现这个地方有了下水道了。其实这个根本不用管，只要人的聚落密度达到一定程度，肯定要安下水道。为什么？一开始人们是自由居住，居住到一定程度，一旦流水的时候（就）把水就逼的（聚集）。每个房屋都要挡水，（一旦）把水逼到（一处），那时候低洼之地肯定要受灾。所以最后大家发现只有把水进行一个有序的引导，就可以（避免这种情况了）。

 

其实生命血管的供应能量和下水道（的疏通分流）表面看起来很不相干，其实（是）一样的，所以说生命本来就是演化和迭代的。所以我就想写个《迭代的力量》。《迭代的力量》章节中的内容我大概都定了。基本上包括，0和1、微积分。微积分因为我们是多米诺牌的那种，就是我们身体是怎么样运作的？还有比如说梯度。我认为梯度是非常重要的。还有生命的演化的初始、分形和自相似。这些理论都要放进去，但不是为了堆砌。完全是讲故事，就讲故事，一个故事一个故事讲。我们发现其实非线性和生命科学已经挂钩了。它表面上讲的是0和1和微积分。莱布尼茨他老人家是把这两个合在一起的。其实这两个本来就是一起的。微分和积分是很有趣的。微分代表一个正确的分化方向，像我们干细胞在什么时候分化。积分代表这个地方积累，长。小孩一开始就是个受精卵，后来长出来有骨头、有肉，有肌肉，（有）几百多种细胞。所以《迭代的力量》这本书我觉得核心就是讲从生命来探索非线性。

 

话又说回来，第二个我特别想写的是《大自然的法藏》。我们大家知道法藏是佛家用的语言。我是学自动化,做机器人和人工智能的，但是我自己更喜欢系统生物学，生命科学这个方向。这也是受非线性科学的启发。

 

那么好了，喜欢这个方向我们就研究基因。系统生物学里面（有）很多的基因，像现在我们自己的研究，包括癌症，cancer。（研究之后）我们就发现基因太妙了。大自然不同的种子它下到地里面以后，它开花结果，长出来东西不一样。你说它是不是藏了很多东西？就是说种子里面就藏有法。我们总以为是图书馆藏的法，其实图书馆是我们人类经验的积累。但是大自然也藏着很多法，（比如）水为什么往低处流？为什么会有大峡谷？为什么会有黄河、长江？为什么不在其他地方出现，只能在中国大地上出现？因为中国大地的地形和其他地方地形不一样。在埃及就是尼罗河。肯定是这么回事。那么好，这叫landscape，这也是一个概念。

 

所以我们说大自然，它遵循一个很朴素、很简单的法则，就是大道至简。虽然大道至简，但是它却用光阴编码记录了我们整个历史的演化。包括我们看看肺，我们都知道我们的肺。当我们把肺叶去掉以后，我们看见这个肺长的和一个东西很像，和一棵树一样，只不过把这个树倒过来了。再仔细想你会发现更妙，肺是中间空的，树是中间实的。肺正好是吸进氧气吐出二氧化碳，而树在光合作用下正好和我们（的肺）是相反的，排氧吸二氧化碳。所以这两个你看看，它们的形状一样，方向相反，功能又互补，所以大自然真的是藏着很多秘密。

 

包括拟南芥，很著名的一个植物。它进化到什么程度呢？它进化到一个这样的程度：有一种虫子特别喜欢吃它，当这个虫子吃它的时候，它会分泌一种气味把这个虫子赶走。科学家一开始不相信。科学家做实验拿激光打到叶子上，当这个虫子咬它的时候，采集了虫子的撕咬的频率，把它录成音。录了音到那放，一放这个音，其实没有虫子，拟南芥立刻分泌出一种气味，驱赶这个虫子的。可是我把这个频道这么一调，调成其他的频率，拟南芥乖乖的不动，不做任何动作。

 

为什么我们说大自然要和谐共处呢？其实当我们发现你在打它的时候，每种生命都有趋利避害。它讨厌的它要躲开，它喜欢的它要过去。蚂蚁寻食就是这么回事。所以说在这种情况下我们大自然真的有一个法藏。我们了解了大自然以后，我们就发现互相的斗和克、杀，可能不是解决大自然（问题）的唯一的办法。而大自然我们在读懂它以后我们会知道，顺其自然是最好的一个法则。

 

那么第三个，我们现在都讲智能。现在人工智能是很热，包括AlphaGo，围棋下的很厉害。其实我们自己想想，我是这么认为的，所有的机器我都认为它是石头。为什么？大家说机器怎么（是）石头呢？其实机器就是石头。为什么？它里面的金属和矿物质都是从石头里面做的，哪怕石油，冶炼的那种化学（物质），我们塑料之类的，电路板的物质也是石头缝里钻出来的。同时呢，我们知道要有电必须有磁。磁也是石头，磁石。我们从各种（方面）来看，我们现在的机器再高级再高级也是个石头。但现在这个石头很厉害了。为什么？它开窍了。它开窍的唯一方法就是它会学习了，所以当机器学会了学习以后，为什么大家说机器一学习以后比人还厉害了？就是我前面那句话迭代的力量。机器每一步迭代可能不一定有我们人大脑迭代的快，但是它每一步迭代的时间特别特别短，所以它同样在一分钟之内或者在一秒钟之内，它迭代了人类的多少步了。如果用一个计算机模拟我们的生命，可能我们几亿年的进化史，如果我们找到了自然法则给了它以后，它可能用一个小时或者一天就全部演化完了。所以说机器开窍（之后），其实它是很勤快的。我们人类把我们的智慧、学习规则掌握了之后，给了它，它就按照水往低处流这种顺其自然（的规律）去迭代，迭代迭代，所以产生了这么多的智慧。

 

可是我们想想智能，在人工智能算法的过程中，我们一开始强调算法。后来有了大数据以后我们不强调算法了，因为我们从数据当中来提取、获取能量。我们基于数据来学习，产生自然的学习算法。可是后来发现如果没有这么多数据，这个机器还是傻子。为什么呢？因为机器的算法来自于数据。可是如何制造这样一个让机器学习的数据环境呢？(研发）AlphaGo （的团队）DeepMind又做了一个研究。后来DeepMind还做了什么，他做了让机器做梦。做梦就相当于我们自组织，混沌的自组织。其实我们做了很多工作（之后）都发现，它是向人类取经，向大自然取经。但是这里面最重要的一点，智能的产生是依赖于环境的。为什么？我们在和环境的互动中，向环境学习才能产生智能。可是环境呢？我们怎样才能获得环境的数据？其实我们还是用的传感器。现在包括监控，干嘛都是用的传感器，无非就是光，还有声音，振动频率，还有光信号，还有其他各种各类的传感器，（比如）电磁波。好了，我们用这种传感器把数据采集到以后，才能让我们的算法获取大量的数据产生。所以说我们看到传感器是需要感知的，通过感知来感知环境的。其实智能，比如说最简单的，人类学习和机器学习大家都认为区别很大，其实区别不大。

 

比如我们知道明朝有个皇帝。他当了皇帝以后他怕他弟弟篡位，或者原来本来应该是真命天子的人篡位。他就把他关到笼子里，让所有送饭的人跟他不说话，所以这个人最后就不会说话。环境多么重要。同时我们也听说过狼孩的故事，他们对每个狼都认得。包括我们人类知道，一个婴儿刚出生，在六个月以前，他的大脑神经是最丰富的，长到三岁以后一直在长，一直很丰富。可是这时候他和人类社会在接触过程中他学习人的脸。我们不是有脸盲症嘛。他就识脸。识脸之后会发生什么？他六个月以前让他看一群狒狒，每个狒狒他都认为长得不一样。可六个月以后的小孩，他看见所有的狒狒都觉得长得一样。为什么？他对人脸产生了搜脸性认识了。可是如果我们把一个孩子扔到狒狒堆里，他可能对狒狒都认得了，他见到人发现都长得一样了。就和我们当年见外国人见的少的时候，我们看到外国人长得都一样。现在见的外国人多了，觉得长相是的确不一样。我就想象环境感知的学习是对智能的一个最好的训练，所以我就写智能感知。

 

智能感知这个问题我们还给它一个定义，当然现在也作为我们自动化学科一个重要的方向，但是我们又提了一个智能感知的另外一个东西，别人没讲。就是我们讲智能和感知。感知我们可以用传感器，人造的传感器感知。而且传感器（每个）人都有，（比如）眼睛、耳朵、鼻子。可是人的传感器和蜜蜂的一样吗？不一样，蜜蜂能看到紫外光。和狗一样吗？也不一样，狗的大脑只是我们人的1/10，可它嗅觉系统是人类的40倍。所以我们就想到一个问题，当你选择的传感器不一样的时候，你后面的智能算法其实要改变的。现在很多人没考虑，其实你所用的传感器的感知和智能算法之间有个耦合关系。当传感器很low的时候我可以提高算法，来弥补它这个传感器的不足。当然这个传感器已经很强大了，我后面的算法可以弱化。如果到了最强的弱化，完全是量子感应了。

 

所以我们说智能感知这个计算原则里面有一个问题是，它其实又考虑传感器和智能算法之间有个耦合，相当于互补。我们人类和生命大自然告诉你，它（们）不会做无用功。它把这个发达以后，另一个就会简化。所以智能感知我们就认为，智能和感知的算法之间，不是老在一味的提高算法。我用的这个传感器不一样，我得到的这个算法是可以改变的。如果我用了很好的量子感应了，我连算法都可以不要。但是由于我们没有办法，由于信息的不对称，或者缺失，我们用后面的计算来弥补前面的。

 

比如中国人以前打仗，诸葛亮打仗，（在）情报缺失的情况下，后面的推算、推演能把前面的信息不足弥补起来。大家都以为计算机是电子计算机，其实这是个错误的概念。起码做计算机的（人）知道，不会相信这点。（做）计算机（的人）知道光可以做计算机，生物也可以做计算机，同时量子也可以做计算机。量子计算机和这个计算机结果可能还不太一样。但是我们想想，电子计算机它的前提主要是与非门。与非门就是电压超过3.5伏以上是1，低于3.5伏是0，就是电位的一个记录。就是用0、1形成了计算机，先生了一位，再做成加法器，加法及减法、乘法、除法这么演化出来，最后才能演化出来这个复杂的世界。光也一样，光用明暗也可以做计算机。同时比如说我们用生物计算机，用它那个符号的通断也可以。

 

这都不算高级的，（更高级的是）美国人在美洲，在北美突然发现一个，木头都变成石头了，木头全部石化了，类似于小房子格子的一个排列的大东西。（然后）马上就给它复原，还有绳子，就把它复原了。复原以后让美国人吓一跳。复原以后怎么回事？我们知道打气筒，我们大家都有打气筒。打气筒的话我们知道，在打下去的时候一个门关一个门开，抽的时候反过来，它抽拉正好是个非的关系。对不对？它的门正好一开一关是反的。好了，它用这个，我们拉风箱一样的，咱们以前抽风的风箱也是这个原理。它那里边有这个东西，同时还有绳索。它要拿这个0、1，类似于与非门都有，它能完成复杂的加法和乘法器。美国人傻眼了，就是木头和绳子做出来的东西，这个历史了已经三四千年了。同时后来外国人做了一个螃蟹计算机。什么螃蟹计算机？我讲叫趋利避害的内驱力。比方说螃蟹喜欢某种东西，讨厌另一种东西，（我们）把透明的管子一摆，把螃蟹倒一堆，这放讨厌的喜欢的、讨厌的喜欢的东西，排一个码。（把）螃蟹往回一赶，螃蟹咕噜咕噜一走就算出来东西了，跟计算结果一样。所以趋利避害的内驱力很重要。

 

然后我下面记一句话很重要，再一个章节，生命即计算。很多人不知道生命为什么叫计算呢？生命就是计算，大家想想生命是不是在计算？很多人不知道生命怎么在计算呢？我们吃饭，饿了肚子要吃饭，是不是在做加法？吃多了要排出去，如果（不排出去就）不平衡了。包括一个虫子去找一个路径，或者我们人类找到一个好的地方，告诉给朋友，或者虫子找见个食物链告诉给朋友，或者鱼群发现东西叫一群鱼过来，它是不是在计算？它是在计算，只不过它没写过公式而已，但它就是在计算。花开花落都在计算。还有冬天，它很聪明，秋天在北方叶子为什么要掉了？掉了对它的好处是，它可以使能量不要释放得太多。到春天再出来，冬天藏起来。那好了，这不是计算吗？年轮是不是在计算?树轮它把四季都给你刻画出来了。生命就是计算。

 

然后还有一个深刻循环下的新因子。我刚才提前讲了五行，它是深刻，五行是深刻。但是我们对非线性系统来讲，它讲正反馈负反馈，完全一样。讲了这么多问题，反映到一个最原始的问题，也是牛顿一直问的问题，第一驱动力在哪？

 

其实告诉大家，从大自然，从整个迭代的力量，就代表大自然用的（是）最简单的迭代。生命的演化，就是0、1这个最简单（的）演化，它可以形成很复杂的事件。大道至简。第二大自然的法藏，它经过这样的演化以后它会进行编码，这个编码会藏到它的种子里面，记录它的历史。第三我们人类在向大自然学习（的）过程中产生了人工智能的同时还应该考虑感知。人类的智能的算法和感知配合起来，通过互补的方法来使智能感知得到更加的发展。有的时候我的感知技术已经很高了，算法可以简化，感知不高的时候可以用算法复杂来弥补。所以这是一个计算法则，（它们）之间有个耦合。

 

所以这三本书我就从三个不同的角度，从我自己的启迪，大自然中阴阳，从我们的0、1，还有微积分的启发。后来我就说看看大自然在这个启发下它做了哪些编码记录？最后我发现我们人类走到最后的模仿，向大自然模仿智能。那智能模仿同样我们也以大自然为榜样，从智能感知出发。这大概就是我要给大家将来奉献的三本书，缘起还是我学的自动化，和我自己热爱的非线性，就是这样的。