7.討論
我們當前對所有尺度生命更深的理解，都正趨向于將決定生命屬性的概念定義在信息上（Nurse 2008），即使它可能并非真的最重要。正如本文已經(jīng)部分回顧那樣，信息理論的工具已經(jīng)被用來解釋各種生物現(xiàn)象，從大腦神經(jīng)元的放電（Honey et al. 2007；Vakorin et al. 2009；Ito et al. 2011；Lizier et al. 2011），到魚群的行為（Butail et al. 2014，2016；Mwaffo et al 2017；Crosato et al. 2018），再到細胞內(nèi)的化學信號傳遞（Chong et al. 2011；Rhee et al. 2012；Selimkhanov et al. 2014）。與此同時，要實現(xiàn)真正的“生命系統(tǒng)物理學”，需要對生命有比目前已知的更基本的理解（Bialek 2012）。其中懸而未決最具挑戰(zhàn)性的問題之一是缺乏區(qū)分生命系統(tǒng)和非生命系統(tǒng)的可量化指標（Clel& Chyba 2002; Davies & Walker 2016）。雖然現(xiàn)代生物學的大部分研究內(nèi)容，可以在沒有對生命是什么（以及不是什么）有深入的數(shù)學理解的情況下進行，但在某些科學領(lǐng)域，客觀的、可測量的生命構(gòu)成標準是絕對關(guān)鍵的：這些標準包括生命的起源和對外星生命的探索（Walker 2017）。在我們努力在實驗室（Cronin & Walker，2016）或其他星球（Walker et al. 2018）尋找新生命實例的過程中，可量化的指標將成為決定性因素——允許在實驗室中設(shè)計可進化的化學系統(tǒng)，穿越從非生命到生命的小徑，或允許對生命進行明確探測，即使它可能存在于與已知生命完全不同的化學成分中。
在建立對生命的定量理解方面，最大的障礙之一是我們?nèi)狈m當?shù)目刂苼砀綦x生命過程的物理機制。雖然標準物理學對生命的運作有了一定合理的理解（Schrdinger 1992; Hoffmann 2012），但我們迄今為止還沒有設(shè)計出有效的實驗隔離，證明生物系統(tǒng)和非生物系統(tǒng)屬性是否能夠進行直接比較，或是否能解決非生命和生命系統(tǒng)之間集群行為的差異。亦或許沒有這樣的區(qū)分更有意義。為解決研究生命過程中物理機制需要更好的控制的問題，我們提出了一套想法，建立了一個框架，在這個框架中讓生命存在于一個連續(xù)譜上，從我們目前認為可能表現(xiàn)出一些“類生命”行為的非生命系統(tǒng)，一直到行星規(guī)模的文明。這是生命可能存在于一個光譜中想法的自然結(jié)果，在這個光譜中，其中一些系統(tǒng)比另一些更有生命力，關(guān)鍵的區(qū)別屬性是它們的信息架構(gòu)。雖然我們認為這樣尺度的生命可能存在，但還沒能為這種尺度建立適當?shù)亩攘繕藴剩矝]有在上面放置特定的例子。
其中面臨的挑戰(zhàn)之一是，對許多群體系統(tǒng)之間的比較分析仍有待嚴格制定和界定。我們認為信息論方法是最有前途的，因為它們捕捉到了物理系統(tǒng)在時空中存在相關(guān)的因果結(jié)構(gòu)，提供了一個足夠抽象和嚴格的數(shù)學框架，是我們發(fā)現(xiàn)生命過程的各種物理介質(zhì)和尺度中量化生命的候選方法。而為了做出群體決策，個體必須共享信息，因此對群體系統(tǒng)中信息流的嚴格量化是可能提供新見解的一種途徑，使人們了解新的計算類型（例如決策）如何從單個代理的行動中產(chǎn)生。
隨著人工智能和信息理論應(yīng)用的發(fā)展，現(xiàn)在可以通過許多不同的渠道提取生物行為的算法來處理生命系統(tǒng)中的信息，例如運動、形態(tài)學和生物電場。然而，盡管在概念和技術(shù)應(yīng)用方面都取得了進展，但尚未進行系統(tǒng)的分析，直接將生命系統(tǒng)的信息特性與非生命系統(tǒng)進行比較，對生命系統(tǒng)的信息特性進行量化。大多數(shù)生物模型都是用硅片樹脂或機器人建造的，這意味著不可能直接將這些模擬系統(tǒng)的物理性質(zhì)與生物系統(tǒng)進行比較，畢竟后者存在于潮濕、混亂的化學環(huán)境中。
這在很大程度上限制了當前人工生命模型區(qū)分表現(xiàn)為“類生命”和嚴格作為生命物質(zhì)的能力。
“一個例子：行為相似但機制不同的跨集體的信息架構(gòu)”一節(jié)中的例子表明，如果它不能捕獲局部級別的規(guī)則，那么不同系統(tǒng)中相同模擬的行為可能是不夠的，因為信息流將有所不同。因此，如果只是天真地構(gòu)建硅片模擬系統(tǒng)，可能不足以理解真實生物過程中的物理信息流。我們已經(jīng)證明信息理論對特定規(guī)則選擇是敏感的，而在計算機中建模者會顯式地選擇規(guī)則，這就使得計算機模擬生命中的信息結(jié)構(gòu)與真實世界生物系統(tǒng)相比會直接存在差異。特別是，真實生命不允許孤立系統(tǒng)中的信息流結(jié)構(gòu)（譯注：如封閉的計算機中），不會超越或超出物理和化學法則進行外顯編碼（譯注：如人工智能軟件系統(tǒng)的特殊規(guī)則），我們假設(shè)這是理解生命物理學的關(guān)鍵一步（Walker&Davies 2013）。
此外，計算機模型通常是真實世界過程的低維表示，因此不能捕捉到生物體們處理信息的所有多重信道。向前推進的一條可能道路是建立活體系統(tǒng)的物理模擬。例如，油滴混合物中演化的集體行為提供了一種非生命系統(tǒng)物理中模擬生物特性的方法，而不僅僅是在計算機中模擬（Taylor et al. 2017；Points et al. 2018）。因此，解決我們在這里提出的問題的一條途徑是開發(fā)活體系統(tǒng)的物理模擬，作為探索信息流物理的一種手段。
當然，要確定這種方法是否會最終能取得成果，還有很多工作要做；但我們認為，為理解集群行為，何時可歸因于生命過程、何時又不能，朝這個方向邁出步伐的努力，尤其是研究并提供新的定量理論和工具，將源源不斷提供新的見解并促使生物學持續(xù)發(fā)展。