▶ 原文链接

如果智能从未“进化”？它从一开始就“存在”了！- Blaise Agüera y Arcas

来源： YouTube | Blaise Agüera y Arcas | Feb 15, 2026 分类： 其他 原文发表： Feb 15, 2026 纪要生成： 2026-06-29

---

嘉宾/话题简介

Blaise Agüera y Arcas 是谷歌研究院的副总裁兼研究员，著有《什么是智能》和《什么是生命》两部著作。本集演讲中，他系统阐述了一个颠覆性观点：智能并非生物进化晚期的产物，而是与生命本身一同诞生的。通过自制的BFF（BrainFuck自复制）人工生命实验，他展示了生命如何从纯随机性中涌现，并用共生发生理论解释了复杂化和智能化的内在驱动力，最终试图为生命、计算与智能建立一个统一的数学和物理框架。

---

分节详述

00:00 开场：两本书与人工生命的开放问题

本节重点

• 演讲者介绍其著作《什么是智能》和《什么是生命》，两书构成了他对生命与智能的核心论述
• 回顾2000年人工生命领域的14个开放问题，试图用新的视角回应这些经典议题
• 提出核心谜题：生命如何从非生命中产生？进化如何启动？这曾是困扰达尔文的根本问题

详细精要

• 《什么是智能》与《什么是生命》两本著作的关系：演讲者形象地将《什么是智能》比作宏大的《指环王》，而将《什么是生命》比作前传《霍比特人》，后者是前者的前传和第一章。
• 本次演讲将深入探讨这两本书的内容，并提供更多数学细节，以适应当前对技术有深入理解的观众。

• 演讲还将联系人工生命会议和社区的更广泛主题，甚至将其称为一场“运动”。

• 回应人工生命领域的14个开放问题：演讲者引用了2020年一篇关于人工生命开放问题的总结性论文，该论文由多位杰出学者合著，其中一些人也出席了本次会议。

• 这些开放问题分为几个部分，包括：生命如何从非生命中产生？在人工化学或硅环境中，生命如何发生转变？为何发生？
• 达尔文虽然创立了强大的进化论，但无法解释进化如何启动。他曾在一封信中表示，解释生命的起源就像解释物质的起源一样困难。

• 演讲者提出一个大胆的猜想：物质的起源和生命的起源可能是同一回事，而进化正是答案，但需要加入一个达尔文最初公式中没有涵盖的项。

• 进化与开放性的核心议题：探讨开放进化中什么是不可避免的，以及如何建立一个形式化框架来合成所有尺度上的动态层次结构，并发展关于演化系统的信息处理、信息流和信息生成的理论。

• 演讲者指出，虽然不会深入信息论的细节，但希望以一种全新的方式来设置这个问题。
• 最后一个核心问题是：生命如何与心智、机器和文化相关联？如果时间允许，将探讨人工生命系统中智能和心智的涌现，以及机器对下一次重大进化转变的影响。

💬 精华片段（中文）

“达尔文创立了科学史上最丰富、解释力最强的理论之一，发现了进化如何运作。但他无法解释进化是如何开始的。他在某封信中曾说，谈论这个，不如谈论物质的起源。我认为物质的起源和生命的起源可能是一回事。” "He made one of the most rich and explanatorily powerful theories in ever in science in discovering how evolution works. But he was unable to explain how evolution got started. He at some point in one of his letters said, you know, you might as well talk about the origin of matter. Um I think that the origin of matter and the origin of life might actually be one and the same thing."

02:33 生命、物质与功能：冯·诺依曼的深刻洞察

本节重点

• 19世纪的“生命活力论”被唯物主义取代，但纯粹的唯物主义无法区分生命与非生命
• “功能”是区分生命与非生命的关键，它像一种“非物质的灵魂”，但必须依赖物质存在
• 冯·诺依曼通过思维实验预言了生命自复制所需的全部要件，并揭示了生命本质上是“具身计算”

详细精要

• 从“灵魂”到“功能”的范式转变：在19世纪及以前，人们认为生命带有某种特殊的“活力”或“灵魂”。当有机化学发展起来能合成尿素后，严格的唯物主义观点占据了上风，认为生命物质与宇宙中其他物质没有本质不同。
• 虽然这是进步，但纯粹的唯物主义遗留了一个问题：既然构成生命的原子与构成岩石的原子别无二致，那么生命与非生命的区别究竟是什么？
• 一些生物学家甚至认为谈论文本与非生命的区别毫无意义，但演讲者不认同。
• 答案在于功能。如果一个来自未来的人工肾脏，无论由碳纳米管还是克隆组织制成，它过滤尿素的功能是不依赖于其材质的。这种“功能”与“物质”之间的分离，使得功能像一种非物质的“灵魂”，尽管它仍需依赖物理实体。

• 功能是生命拥有而非生命不拥有的东西。如果在无生命的星球上砸碎一块石头，你得到两块石头，而不会是一块“破碎的石头”；但如果砸碎一个肾脏，你就失去了一件功能性物品。

• 冯·诺依曼对自复制机器的思考与生命蓝图：艾伦·图灵形式化了计算，但他从未打算真的建造图灵机。冯·诺依曼在几年后更新了图灵的思考，试图回答薛定谔在《什么是生命》一书中提出的问题。

• 假设一个机器人在充满乐高积木的池塘中游动，任务是组装出一个和自身一模一样的机器人。这听起来像是一个悖论。
• 冯·诺依曼的结论是，要实现自复制，你需要：1）一套如何制造自体的指令（磁带）；2）一个能遵循指令组装部件的通用构造器；3）一个磁带复制器，以便将指令副本传给后代。此外，磁带本身必须包含制造通用构造器和磁带复制器的指令。

• 这是一个惊人的预言：在DNA双螺旋结构、核糖体和DNA聚合酶被发现之前，冯·诺依曼就纯凭理论推演出了生命自复制的所有核心要件。

• “具身计算”的核心概念：冯·诺依曼的另一个深刻洞见是，通用构造器实际上就是通用图灵机，两者是等价的。由此他发现了生命就是“具身计算”（Embodied Computation）。

• 在图灵的模型中，读写头、纸带和规则表是分离的，符号是抽象的。这就像一台笔记本电脑，无法直接“打印”出另一台笔记本电脑。
• 而在冯·诺依曼的模型中，一切都像一台结合了笔记本电脑和3D打印机的机器，其“记忆”就是原子本身，它可以“打印”出包含所有信息的另一个自己。
• “具身”的含义并非机器人学中的“物理实体化”，而是指计算发生的媒介与执行计算的实体之间存在一种闭合关系。这种具身且能自我制造的系统，就是活的。
• 没有计算，就无法实现非平凡、可进化的复制。因此，“无计算，无生命”。

💬 精华片段（中文）

“冯·诺依曼说，通用构造器就是通用图灵机。这两者是完全一回事。通过这一观察，他发现的是，生命就是具身计算。没有计算，你就不可能拥有生命。” "The profound insight is that he said by the way a universal constructor is a universal touring machine. Those are literally one and the same thing. And by by making that observation what he discovered was that life is literally embodied computation. You cannot have life without having computation."

07:46 什么是计算？主观性、熵与三个谬误

本节重点

• 定义计算：一个物理系统可以映射到一个逻辑系统，物理系统的演化等价于逻辑系统的演化，这需要一种简洁的“模型”
• 计算本质上是不可逆的，这引出了因果关系和主观性的重要性
• 指出了三个常见谬误：萨波尔斯基错误、早期维特根斯坦错误和早期林奈/GOFAI错误

详细精要

• 计算的定义及其主观性：计算并非物理世界的内在属性，而是我们为物理系统建立模型的结果。
• 引用 Susan Stepney, Dominique Horsman, Rob Wagner, Viv Kendon 等人在2023年的论文：物理系统（如晶体管电压的高低）需要被粗粒化为逻辑比特，并存在一个从物理系统到逻辑系统的映射。
• 当物理系统随时间演化时，其逻辑映射也随之演化，这便是计算。计算机里没有“比特”，只有电压。
• 这种定义承认了计算存在主观性。一个有效的计算映射必须足够简洁（如奥卡姆剃刀原则），不能陷入“万事皆算”的平凡化陷阱。

• 这个模型暗示了熵、自由能和热量与计算密切相关。

• 计算的不可逆性与兰道尔极限：计算与基础物理学的一个根本区别在于其不可逆性。

• 在牛顿力学、麦克斯韦方程、量子力学等基本物理定律中，时间是可逆的。但计算，比如做加法（3+5=8），一旦舍弃了辅助信息（ancillae），过程就变得不可逆。
• 可逆计算是一个例外，它通过保留所有历史信息来避免熵增，但这会导致计算机体积不断膨胀，或最终仍需要清除信息回到非可逆计算。

• 因果关系在纯粹可逆的物理中是无意义的，它只有在不可逆计算的背景中才有意义。

• 三个常见谬误：

• 萨波尔斯基错误：指以Robert Sapolsky为代表的一种观点，即因为我们是物理系统，所以没有自由意志。错误在于将物理系统的属性（如可逆性）不加区分地套用在计算/逻辑系统上。
• 早期维特根斯坦错误：认为像“鸟存在”这样的陈述是物理世界的客观事实。但实际上，“鸟”并不是物理学中的概念，它是一种模型。一旦我们谈论模型，就引入了观察者、不可逆性和因果关系。
• 早期林奈/GOFAI错误：即“好的老式人工智能”所犯的错误，认为智能可以仅通过一系列自足的、严格逻辑的命题推导来实现。这种方法之所以失败，是因为现实世界的命题并非自足和绝对精确的，当我们只能处理规律和模式时，这种纯粹演绎的方法就不成立。

💬 精华片段（中文）

“计算本质上是不可逆的。说物理系统中成立的事，对计算或逻辑系统也成立，这是不对的。可逆性就是一个显而易见的反例。顺便说一句，因果关系只有在不可逆的背景下才有意义。” "Computation is inherently irreversible... to say that what true of the physical system is also true of the of the computational system... is not the case and reversibility would be one trivial example of how that is not the case. Causation by the way only makes sense in the light of irreversibility."

15:03 BFF实验：从噪声中涌现的自复制程序

本节重点

• 演讲者团队创建了一个最小化的人工生命实验平台BFF (BrainFuck自复制)
• 实验规则极简：将随机的代码片段两两结合、运行、再分开，循环反复
• 经过数百万次互动后，系统自发从随机“气体”中涌现出高度复杂的、能够自我复制的程序生态

详细精要

• 实验设计：最简平台与规则：演讲者于2023年底开始进行人工生命实验，并于2024年6月发表。目标是在纯人工系统中实现“无中生有”的生命起源。
• 选择了极简的编程语言BrainFuck，因为它非常接近图灵机的模型，仅有8个指令。为了使其能自复制，演讲者将其修改为7个指令，去除了数据带和代码带的分离，使其成为“具身”的，即程序可以直接读写自身的代码。

• 实验规则 (BFF) 极其简单：

  1. 建立一个包含1024个长度为64字节的“磁带 ”的随机“汤”。
  2. 由于是随机字节，只有约1/32是有效指令，其余为无操作（no-ops），看起来像稀疏的“指令气体”。
  3. 每一步随机选取两条磁带，首尾拼成128字节，运行它，再将其拆分放回汤中。
  4. 如此循环数百万次。

• 从噪声到程序的“魔法”相变：在经历约600万次交互后，发生了戏剧性的变化。

• 初始状态下，汤内每条磁带的指令稀少，每次交互平均只执行约2个操作。
• 在相变之后，汤变得“极度计算化”，平均每次交互执行的操作数飙升至1374个，磁带上充满了密集的复杂程序。
• 这些程序功能强大，以至于需要像破解“hello world”程序一样花费精力去逆向工程才能理解其工作原理。

• 程序在汤中形成了一个生态，有些程序拷贝了上千份，有些只有几百份，证明它们能高效地进行自我复制或互复制。

• 相变的本质：从“气体”到“生命”的物质相：演讲者用一个包含1000万个点的散点图展示了这个过程，这也是他新书的封面图。

• 图表显示，初期的系统计算量极低，类似于无关联的“气体”态。
• 在600万次交互时，发生了一个看似“一阶相变”的突变，系统进入了高度结构化的状态。
• 通过压缩算法（如Zip）来估算系统的熵，也印证了这一点：初始状态几乎不可压缩（高熵），相变后变得高度可压缩（低熵），因为出现了大量副本。
• 这种新的“物质相”被定义为生命，它既非液体也非固体，是一种功能性物质相。它具有跨尺度的结构，具备David Wolpert所说的“自异质性”，更像一个多重分形而非简单分形。

💬 精华片段（中文）

“经过几百万次交互后，魔法发生了：你从噪声中得到了程序。你开始在这些磁带上看到复杂程序的涌现...这是过去几年来我绘出的最令人兴奋的图表。” "After a few million interactions, magic happens, which is that you go from noise to programs. You start to see complex programs appear on these tapes... This is the most exciting plot that I've made in the last few years."

20:49 进化之谜：零突变下的复杂化从何而来？

本节重点

• 相变发生的等待时间呈长尾分布，统计模型显示需要经历约12个难以预测的“垫脚石”步骤
• 即使将系统的突变率降到零，生命涌现和复杂化现象依然会发生，这对经典达尔文主义“随机突变+自然选择”构成了根本性挑战
• 答案指向共生发生：系统中始终存在微小的复制因子，它们随机“融合”，形成能更好地共同复制的更大实体

详细精要

• 相变发生的动力学：这个相变需要时间，无法瞬间完成。
• 发生相变的等待时间分布近似于爱尔朗分布，或更精确地说，演讲者提出的锁镐分布。

• 统计拟合显示，这个过程大致需要12个步骤。这意味着从随机到生命的转变并非一蹴而就，需要一些“垫脚石”将系统逐步推向相变临界点。

• 零突变实验带来的核心谜题：传统进化论认为，变异是新颖性的来源。但实验揭示了一个反直觉的事实。

• 初始版BFF实验为了模拟自然进化，加入了随机突变。
• 然而，当把突变率完全调至0时，完全相同的现象依然发生了——生命依旧涌现，复杂程序依然形成。

• 这就引出了根本问题：如果没有任何随机突变提供的“新颖性”，这些复杂的、功能性的程序是如何产生的？

• 共生发生的解答：新颖性的真正来源是共生发生。

• 系统从第一步开始，就存在最基本的“复制因子”——哪怕是一个字节长度的片段，只要发生一次复制，就会产生复制因子。
• 这些微小的、不可靠的复制因子随机地两两结合。如果两个复制因子结合在一起时，作为一个整体比它们各自复制时“更成功”，它们就会形成一个更大、更稳定的联合复制因子。
• 这一过程完全不需要突变。它就是林恩·马古利斯所倡导的共生发生，即通过不同实体的融合创造进化上的新颖性。在演讲者看来，这是所有进化新颖性的普遍来源，而非特例。

💬 精华片段（中文）

“如果你把整个实验的突变率调到零，你仍然会看到完全一样的现象。这非常神秘...如果你把突变调到零，你应该没有任何新事物的来源。为什么你仍然能看到这种明显的复杂化？” "If you do this entire experiment with the mutation rate cranked all the way down to zero, you still get the same exact phenomenon. And that is very mysterious because if you crank mutation down to zero, you should have no source of novelty... Why do you still get this apparent complexification even with zero mutation?"

23:26 统一进化论与共生发生：一个数学框架

本节重点

• 经典的洛特卡-沃尔泰拉方程足以描述封闭系统内的种群动态，但无法解释开放性的进化
• 演讲者提出将描述种群动态的R项与描述融合的K项结合的微分方程
• BFF中的相变被证实是一种“凝胶化”，这正是K项方程描述的物理现象

详细精要

• R项：达尔文进化与种群动态：这部分对应传统的进化动力学。
• 洛特卡-沃尔泰拉方程用于描述捕食者和猎物之间的关系，包含四个项：猎物的繁殖、猎物被捕食、捕食者通过捕食来繁殖、以及捕食者的自然死亡。
• 该方程的线性部分（R矩阵）的对角线代表物种的自我复制（兔子生兔子，狼生狼）。

• 这种模型的根本局限在于它是封闭的。方程无法创造新物种，也无法改变“设计空间”（例如雀喙的可能形状范围）。它只能优化，不能创新。

• K项：共生发生的革命动力学：这部分对应融合和创新的过程。

• 灵感来源于斯莫卢霍夫斯基的凝聚方程，该方程描述了聚合物如何聚合。例如，一个单体和另一个单体融合成二聚体，二聚体再与单体融合成三聚体，以此类推。
• 方程包含一个融合增益项（与聚合物的密度和融合核K成正比）和一个融合损失项。这个框架描述了通过融合实现新颖性的物理过程。
• 该方程中存在一个相变，称为凝胶化。当融合的速率随着聚合物尺寸增大而增加时，系统会突然形成一个无限大的聚合物网络，就像果冻粉在冰箱里凝固一样。

• 演讲者指出，BFF实验中观察到的生命涌现相变，本质上就是一种凝胶化。在进入“生命”相之前，系统中的复制因子都是“无生命的”或“病毒的”（即复制代码与被复制对象不完全重叠）。相变点正是第一个“细胞型”复制因子（复制代码包含在被复制的对象中）通过共生发生涌现的时刻。

• R与K的统一：一个完整的生命进化方程需要同时包含这两个动力学术语。

• 演讲者将R（达尔文式种群动态）比作常规的“进化”（evolution），而将K（共生发生融合）比作革命性的“变革”（revolution）。
• 在BFF的数学建模中，R矩阵不仅表现出预期的自复制对角线，还展现出对称的竞争（负相关）和不对称的合作（正相关）关系。
• 通过分析系统的雅可比矩阵可以发现，随着系统演化，合作的特征越来越强，矩阵的特征值逐渐趋向正值，预示着即将发生由K项驱动的、导致相变的不稳定状态。

💬 精华片段（中文）

“你可以把线性部分（R）看作是进化，把右边的（K）看作是革命。这些是事物走到一起的时刻。” "You could think about the linear part (R) as evolution and the right part (K) as revolution. Those are the moments when things come together."

41:07 生命与智能的纽带：心智理论从生命诞生时即开启

本节重点

• 由此给出了生命的正式定义：通过共生发生而涌现和复杂化的具身自创生计算
• 共生发生导致的计算并行化，意味着生命在变得越来越大、结构化的同时，也在进行越来越复杂的“建模”：既建模自己，也建模环境中的“他者”
• 因此，智能并非进化的后期产物，而是与生命本身一同诞生。当对同类的建模变得足够复杂时，就构成了“心智理论”的基础

详细精要

• 一个全新的生命定义：基于前面的论述，演讲者给出了生命的形式化定义。
• 生命是一种具身的、自创生的计算，它通过共生发生过程产生并日益复杂化。
• 这个定义强调了生命自诞生之初就是计算性的，并且其复杂性通过多尺度的融合事件（共生发生）而不断增长。这与John Maynard Smith和Eörs Szathmáry提出的“进化的重要转变”理论有相似之处，但范围要宏大得多。后者只列举了约8个重大事件（如真核细胞的产生等），而演讲者认为，这是一个从最底层一直延伸到顶层的巨大冰山，小的共生发生事件无处不在。

• 生物学中有大量证据支持此观点。例如，人类基因组中只有1.5%编码蛋白质，其余大量是转座子、内源性逆转录病毒等，它们在我们基因组中复制并共生。牛的基因组有四分之一来自一种在蜥蜴中也有发现的逆转录转座子。Arc病毒被整合进哺乳动物谱系，对突触可塑性和记忆形成至关重要；哺乳动物的胎盘功能也来自于一个古老的、能使细胞膜融合的病毒基因。

• 从生命计算到智能的必然性：如果生命一开始就是一台计算机，那么共生发生对其意味着什么？

• 每当两个实体融合，它们就构成了一台更强大的并行计算机。这台新计算机不仅要运行复制自身的代码，还必须运行一套新的管理程序，用于协调来自不同来源的部分，并建模“他者”（即与其共生的伙伴）的行为。
• 这种因共生而不断增长的、建模自身与环境中他者的计算过程，本质上就是智能。
• 因此，智能并非像传统观念认为的那样，是神经系统的产物或进化晚期才出现的。智能是生命的内在属性，从生命诞生的那一刻起就存在了。

• 当环境中的“他者”变成同类时，这种建模就发展为我们所称的心智理论。例如，在人类、鲸类、蝙蝠等不同物种中出现的“智力爆发”，都可以被理解为一种由复杂的社交环境驱动的、“对他人建模的模型”的自我催化式增长。

• 智能与生命的递归关系：智能的增长又会反哺生命。

• 更高阶的智能使得生命体能够解锁新的能量来源，从而获得更大的能量预算，去构建更复杂的实体。
• 这就形成了一个闭环：生命产生计算，计算通过共生发生变得更复杂（即变得更智能），而更高的智能又开辟了新的能量和生态位，为下一次共生发生和复杂化铺平了道路。

💬 精华片段（中文）

“生命是一种具身的、自创生的计算，它通过共生发生过程产生并复杂化...既然共生发生使计算变得大规模并行，这就意味着智能与生命从一开始就紧密相连。” "Life is an embodied autopoietic computation arising and complexifying through symbiogenesis... And since symbiogenesis makes the computation massively parallel, that implies that intelligence and life are very very closely connected."

46:20 Q&A 环节：模型的尺度、功能与计算实现的边界

本节重点

• 尺度问题：在建模共生时，我们总是可以选择在某个层次上“凝固”细节（视为R），或将次一层级的融合视为（K），这是一个粗粒化的选择，没有唯一解
• 功能复杂性：共生不仅仅是物质的堆叠，更是功能的组合与编排，这种组合本身就会产生更高的复杂性
• 具身计算的实现：关于BFF是否真正“具身”的讨论，揭示了物理与计算边界的主观性和可移动性

详细精要

• 关于建模尺度的讨论：
• 一位听众提问：现实中我们往往会在一个特定尺度上划定界限。例如，海藻和海蛞蝓的共生，但我们仍将它们视为两个独立的个体。在建模时，R和K的界限究竟在哪里？
• 演讲者回应，林恩·马古利斯曾说“我们只是互相生活在对方体内的细菌群落”，这在物理上是正确的，但在计算建模上不总是最有效。
• 从计算角度看，当一组事物总是作为一个整体进行复制和运作时（如一个人），在这个更高层次上建立一个粗粒化的模型对于理解其行为和生态至关重要。这就像物理学中引入“温度”和“压力”等宏观量一样，它们在微观上不存在，但却是理解更高层次规律的必要工具。

• 因此，选择在哪个尺度建模不是一个对错问题，而是一个由认知（主观）目的驱动的实用性选择。

• 关于功能如何变得更复杂的讨论：

• 另一位听众提问：共生（物理上走到一起）是可能的，但功能本身是如何变得更复杂的？
• 演讲者从软件工程的角度解答：共生发生在功能层面，就是函数的组合（Composition）。两个函数组合成一个高阶函数，本身就创造了比原函数更复杂的逻辑。算法信息论（如条件柯尔莫哥洛夫复杂度）可以量化这种由组合带来的复杂性。现实中GitHub上的代码构建也是通过不断导入（include）和组合现有轮子来实现的。

• 当然，复杂性受能量预算的限制。但Chris Kempes等人的研究表明，合作（共生）能带来能量收益。更智能的“并行计算机”还能解锁新的能量来源，从而支撑下一次复杂化。

• 关于具身计算实现的讨论：

• 有听众质疑：BFF实验中的程序功能是由外部CPU实现的，这还算“具身计算”吗？
• 演讲者承认，冯·诺依曼式具身计算与原版图灵机不同，但BFF通过将数据带和代码带合并为一条，已进入了具身计算的范畴。到底什么是“物理”，什么是“计算”，其边界是主观且可移动的。
• 我们可以将最底层的“单像素”物理规律视为最基础的“无生命复制因子”，它们通过共生发生形成了粒子、原子、分子，并最终形成了能够支撑图灵完备指令集的丰富自催化系统，从而打开了通用计算的大门。我们所知的计算机，正是这种宇宙层级共生发生演化的产物。

💬 精华片段（中文）

“在软件工程中，函数的组合就是共生发生...当你组合两个函数来创建一个更高阶的函数时，你所创造的东西比原来的基本单元更复杂。” "In software engineering, composition of functions is symbiogenesis... when you compose two functions to make a higher order function you are making something more complex than the primitives."

---

专业术语注释

术语	解释
功能（Function）	在本演讲语境中，指生命体所拥有的、独立于其物质构成的目的性过程。例如肾脏过滤尿素的功能，不取决于它是碳纳米管还是有机组织制成的，这是区分生命与非生命的核心概念。
自创生（Autopoiesis）	一个系统通过自我生产其组件来维持和复制自身的过程。演讲者用它来概括生命的自构造、自修复、自维持和繁殖等所有特性。
通用构造器（Universal Constructor）	由冯·诺依曼提出的理论机器，能根据指令带上的信息，利用环境中的原材料构造出任何物体，包括它自身。被证明是通用图灵机的物理等价物。
具身计算（Embodied Computation）	区别于图灵机抽象计算的概念，指计算发生的物理媒介（原子）与执行计算的实体本身之间存在闭合关系。例如一台能3D打印出自身的机器，其“记忆”就是物理原子。
BFF（BrainFuck自复制）	演讲者设计的极简人工生命实验。一个用修改过的BrainFuck语言创造的数字“汤”，程序在其中通过随机交互、结合和运行，自发涌现出自复制和进化的行为。
BrainFuck	一种极小化的计算机编程语言，仅由8个简单指令组成，模拟图灵机的纸带操作。演讲者选用它是因为其极简和类似图灵机的特性。
共生发生（Symbiogenesis）	由梅列日科夫斯基提出、林恩·马古利斯大力倡导的进化理论。指新物种、新器官或新功能是通过不同生物个体或复制因子之间的长期共生和物理融合而创生的，而非仅通过渐进式突变。本演讲将其视为所有进化新颖性的核心驱动力。
凝胶化（Gelation）	源自物理化学的相变过程。当聚合物单体开始连接成链，且连接速率足够快时，会突然形成一个贯穿整个系统的巨大网络，使液体凝固成果冻状。演讲者将BFF中生命的涌现定义为一种广义的凝胶化相变。
洛特卡-沃尔泰拉方程（Lotka-Volterra Equations）	一组描述捕食者-猎物种群动态的经典微分方程。在演讲中，它代表达尔文式进化中封闭系统的种群优化动力学。
斯莫卢霍夫斯基凝聚方程（Smoluchowski Coagulation Equation）	描述粒子或聚合物通过二元融合而聚合和长大的物理方程。在演讲中，它被用来数学化地描述共生发生的融合过程。
兰道尔极限（Landauer Limit）	计算物理学中的一个理论极限，指出任何逻辑上不可逆的计算操作（如擦除1比特信息）都必须消耗一个最低限度的能量，并以热的形式排放到环境中。
心智理论（Theory of Mind）	在心理学和认知科学中，指个体理解自己及他人拥有不同心理状态（如信念、意图、欲望）的能力。演讲者认为，这是智能在复杂社交环境中对“他者”进行建模的必然产物，根植于生命早期的共生互动。

---

延伸思考

• “生命计算主义”的边界：如果“计算”的认定本身是主观的，需要观察者建立一个映射模型，那么“生命就是计算”这个定义是否也存在主观性和循环论证的风险？我们如何确保这个定义能容纳“我们不理解其代码”的未知生命形式？
• 共生发生的实验验证：BFF系统是一个极简的数字模型。在真实的生物化学或更复杂的模拟环境中，我们能否设计实验来更精确地区分并量化随机突变与共生发生对新特质出现的贡献率？
• 智能的内禀性与AI的演化路径：既然智能被视为生命的内在属性，这是否意味着，要让AI产生真正的、类似生命的通用智能，我们不应只关注算法优化，而应创造一个允许具身自创生和共生发生（例如让不同的AI模型在沙盒中自由交互、融合、重组功能）的数字生态系统？
• 工程应用的数学工具：演讲者将控制种群动态的R矩阵和控制融合创新的K方程结合，为我们提供了一个理解开放式进化的强大数学框架。这种框架能否被工程师利用，来指导设计算法使其在复杂环境中能创造性地、开放地解决我们未曾预见的问题？

原文发表：Feb 15, 2026  ·  纪要生成：2026-06-29