[论文解读] There's Plenty of Room Right Here: Biological Systems as Evolved, Overloaded, Multi-scale Machines

Joshua Bongard, Michael Levin|arXiv (Cornell University)|Dec 20, 2022

Modular Robots and Swarm Intelligence被引用 4

一句话总结

本文提出将生物系统视为经过演化、多尺度的机器，执行多计算（polycomputing）——即在同一物理基质上同时执行多种计算。通过采用以观察者为中心、实用主义的框架，消解计算与生物学之间的人为界限，作者认为这一视角能够更好地预测和控制复杂的生物功能，对再生医学、机器人学和生物工程具有变革性影响。

ABSTRACT

The applicability of computational models to the biological world is an active topic of debate. We argue that a useful path forward results from abandoning hard boundaries between categories and adopting an observer-dependent, pragmatic view. Such a view dissolves the contingent dichotomies driven by human cognitive biases (e.g., tendency to oversimplify) and prior technological limitations in favor of a more continuous, gradualist view necessitated by the study of evolution, developmental biology, and intelligent machines. Efforts to re-shape living systems for biomedical or bioengineering purposes require prediction and control of their function at multiple scales. This is challenging for many reasons, one of which is that living systems perform multiple functions in the same place at the same time. We refer to this as "polycomputing" - the ability of the same substrate to simultaneously compute different things. This ability is an important way in which living things are a kind of computer, but not the familiar, linear, deterministic kind; rather, living things are computers in the broad sense of computational materials as reported in the rapidly-growing physical computing literature. We argue that an observer-centered framework for the computations performed by evolved and designed systems will improve the understanding of meso-scale events, as it has already done at quantum and relativistic scales. Here, we review examples of biological and technological polycomputing, and develop the idea that overloading of different functions on the same hardware is an important design principle that helps understand and build both evolved and designed systems. Learning to hack existing polycomputing substrates, as well as evolve and design new ones, will have massive impacts on regenerative medicine, robotics, and computer engineering.

研究动机与目标

• 通过消解计算与生物学之间僵化的类别边界，挑战生物系统与计算机器之间的虚假二元对立。
• 解决由于多计算——即在相同基质上同时执行多种功能的计算——导致的难以预测和控制多尺度生物功能的问题。
• 开发一种以观察者为中心的框架，将生物系统视为计算材料，类似于物理计算系统。
• 展示多计算如何成为演化系统与工程系统中的核心设计原则，从而为生物工程提供新方法。
• 通过学习驾驭和重构多计算基质，推动再生医学、机器人学和计算机工程的进步。

提出的方法

• 采用依赖观察者的实用主义框架，分析生物系统中的计算，避免僵化的分类。
• 借鉴生物系统与物理计算材料之间的类比，强调基质层面的多功能性。
• 分析发育生物学和组织水平计算（如形态发生、生物电信号）中的多计算实例。
• 利用多尺度建模，连接生物计算中分子、细胞和组织水平的动力学。
• 应用多智能体系统和人工智能的原理，建模生物基质中涌现的计算行为。
• 提出从线性、确定性计算模型向更广泛、连续的计算观转变，以适用于演化系统。

实验结果

研究问题

• RQ1 尽管具有非线性和多功能性，生物系统如何能被有意义地理解为计算机器？
• RQ2 何种机制使得同一生物基质能够在不同尺度上同时执行多种计算（多计算）？
• RQ3 以观察者为中心的框架如何改善对中尺度生物现象的建模与控制？
• RQ4 多计算在演化系统与工程系统中作为设计原则，其作用体现在哪些方面？
• RQ5 将生物组织视为计算材料，对再生医学和机器人学具有何种意义？

主要发现

• 生物系统执行多计算——即在同一物理基质上同时执行多种计算，例如在形态发生和生物电信号中。
• 同一基质可并行编码和处理与发育、稳态及环境响应相关的信息，展现出多尺度计算能力。
• 以观察者为中心的框架消解了计算与生物学之间的人为界限，使复杂多功能系统的建模更加准确。
• 多计算并非缺陷，而是演化系统中的核心设计原则，使系统在多尺度上具备鲁棒性与适应性。
• 驾驭和重构多计算基质具有变革性潜力，可推动再生医学和仿生机器人的发展。
• 将物理计算的计算原理整合进发育生物学，可为活体系统带来新的预测与控制能力。