類生物計算：基于液態金屬溶液體系的智能計算模式

陳森　張晴蕾　楊小虎　鄧中山　劉靜

在人工智能迅猛發展的今天，經典的馮·諾依曼體系結構遭遇前所未有的理論挑戰，發展變革性全新計算模式日趨迫切。柔性和溶液體系是自然界幾乎所有生命的共同特征，這與現有的剛性人造智能機器截然不同在各種可能方案中，具備優異柔性、變形性和多功能性的液態金屬作為一大類新興物質，蘊藏著諸多生物學行為。受此啟發，本文嘗試提出并構造一種無需編程的新型計算模式：類生物計算，并剖析其基本架構。

科技的大潮向來勢不可擋。千百年來，各色科技發明競相登場，卷起一個個炫目的浪花。計算機的發明無疑是其中最為耀眼的浪花之一。出現于1946年的計算機，自誕生之日起，便注定不凡，可謂是人類發展史上的一次革命。數十年的高速發展形成了今天繁榮的信息世界，而馮·諾依曼體系結構在這一過程中起著關鍵的作用，是目前幾乎所有計算機都遵循的原則，也是現代計算機的基礎。所謂馮·諾依曼體系結構指的是數學家馮·諾依曼于1946年提出的存儲程序原理，即把程序本身當作數據來對待。這種體系結構的核心在于程序和該程序處理的數據均用同樣的方式儲存。基于這種體系結構的計算機通常具備五大基本組成部件：運算器、控制器、存儲器、輸入設備和輸出設備，計算過程是依順序執行的。此外，在馮·諾依曼體系結構的計算機中，二進制概念也被引人。在這種體系結構中，由于數據和程序放在同一存儲器中，無需占用太多的資源便可取到數據和程序，保證了其可以最大限度地利用資源，馮·諾依曼體系結構因此取得了巨大的成功，其地位難以撼動。

然而，也正因為程序和數據存放在同一存儲區，因而存取程序和數據時共享的是同一總線。這種共享同一總線的結構，使得信息流的傳輸成為限制計算機性能的瓶頸，影響了數據處理速度的提高。近年來，隨著圖像處理、模式識別、機器翻譯、數據挖掘等一系列以智能為核心的應用加速興起，這種依賴傳統計算模式的計算機愈發顯得“力不從心”。而為了實現具備自主性的“強人工智能”，目前的計算能力和模式更加無法滿足需要。為此，針對傳統計算模式的改進一直在進行，但這并未從根本上突破傳統體系和觀念的束縛，挑戰和瓶頸依舊存在。為真正解決目前面臨的問題，變革傳統的計算模式成為學術界努力的目標，各種新型計算相繼被提出。這一過程中，有望打破馮·諾依曼體系結構的類腦計算是當前的研究前沿。然而，這一模式仍然存在難以逾越的理論與技術障礙。

科技的發展有賴于大膽的設想，筆者基于低等生物的創造性和液態金屬的類生物行為，提出一種新型的計算模式：類生物計算，可望啟迪科技界的進一步思考，繼而取得新的突破。

人工智能，限于人工

倘若現在要選取一個科技詞匯用以喚起公眾的普遍興趣，“人工智能”一詞當之無愧。圍棋界人機大戰的硝煙似乎還在眼前，兩年的時光又一晃而過。今天，人工智能已經在很多領域開花結果，不說生活中常用的刷臉支付，也不說愈加精準的語音識別，僅就即將上路的自動駕駛就足以證明其無限魅力。于是，人們似乎已經習慣于談論人工智能的強大，興奮于暢想更為智能的未來。然而，無可否認的是，人工智能雖已在特定的行業取得了一定的成就，但由于受底層二進制計算模式的制約，人工智能的局限性已然十分明顯?？梢哉f，當前的人工智能至多只能算是“人工設計出來的智能”。

人工智能的實現方式不同，但其共性是：所適用的都是結構化的環境，可以被模型表達。因此，人工智能對于擬解決的問題，首先需要建立相應的數據庫，然后提取特征點，進而實現結構化、模型化。可以說，實現結構化是目前人工智能的重要前提。內在原因在于，人工智能的背后依舊是二進制的重復計算，這就意味著機器只能讀懂二進制語言，故而需要將所計算的對象描述為二進制表達的模型。人工智能的本質依舊是計算機代碼，按照事先編寫的程序一步步找到最佳的實施步驟，當然其中有各種避免窮舉的算法技巧。總體上，迄今為止的人工智能仍基于已有的模型，強烈依賴結構化的情景，多限于特定的行業，遷移能力弱。這種依靠大量預置算法和模型的人工智能是表面的，其背后依舊是傳統計算模式，并未脫離馮·諾依曼體系結構，可以看作是一種現代存儲和計算技術催生出的高級計算，離真正的人工智能相去甚遠。由此可知，如果沒有特定結構化的場景和大量的數據模型，人工智能是難以發揮應有功能的。

另一方面，擁有各種復雜情況的現實世界是完全非結構化的情景。比如一件事情通常包含很多的前因，也會產生諸多潛在后果，這中間有著豐富的變化，這是目前的算法所不能解決的。也就是說，它們很難表示現有世界中固有的不確定性，同時缺乏推理和對因果關系的表達能力。形式化的方法也不可能為所有的對象建立模型。因此，計算機算法面對這樣非結構化的情景往往無能為力，這也解釋了前述人工智能所面臨挑戰的原因。其實，挑戰一直存在的很大一部分原因就來源于傳統計算模式的限制。因此，讓機器擁有自我學習能力等創造性是十分必要的。然而，在目前的計算框架下，這幾乎是不可能的事情。

總體上，基于馮·諾依曼體系的人工智能依舊是數學性的，并無創造性，而創造性是智慧生命所獨有的。為實現對現有計算模式的革新，研究者們將學習的目標投向生物。生物作為大自然進化的奇跡，擁有無與倫比的創造力。向生物學習，向自然借鑒，一直是科學研究中重要的靈感來源。自然界中，復雜的抽象思維是高等生物所獨有的，這主要歸因于高等生物發達的大腦。因而，模仿大腦成為科學家們追逐的目標，各種“仿腦”和“造腦”計劃此起彼伏。在人工智能領域，為了突破馮·諾依曼傳統體系結構的限制，科學家們提出了類腦計算，當前已成為研究熱點。所謂類腦計算具體指仿真、模擬和學習借鑒人腦的神經系統結構和信息處理過程，構建出具有學習能力的超低功耗的新型計算系統。但是，高等生物的大腦是一個極度優化的系統，具有非比尋常的復雜度，其工作耗能僅為25瓦，神經元的數量卻在10數量級上，考慮三維空間的連接，其連接上的數量級達到了10，說明模仿人腦是一件極為困難的事情。同時由于關于腦科學的生物學機制仍有太多的未知，因而類腦計算面世雖已數十年，目前仍處在研究階段。類腦計算無疑是21世紀的重大科學挑戰之一，但離實現真正突破尚需時日。

模仿生物，突破模仿

那么，能否另辟蹊徑構建出一套超越傳統的馮·諾依曼體系結構的計算模式？答案是肯定的。筆者認為，無需只關注高等生物復雜的大腦，可將目光投向低等生物，因為低等生物所具有的創造性行為，對于探索新型的計算模式同樣重要。

低等生物雖然沒有高等生物那樣發達的大腦，但面對復雜的環境同樣有著良好的適應能力。比如黏菌，一種單細胞生物，在外界刺激下，很容易形成網狀結構。在諸多外界刺激中，食物是其中最為典型的一種。黏菌為了尋找食物，可以從一個點開始向四周延展，伸出很多“觸手”。一旦獲得合適的食物，那些沒有找到食物的“觸手”就會收縮、消失。于是，在黏菌的覓食網上，最后只留下了那些有食物供給、并且能有效傳遞營養的線路和節點。

利用黏菌這種單細胞生物對外界的響應特性，可實現很多復雜的行為，比如規劃交通。相關研究表明，這種黏菌可以高效地完成人類幾十年規劃的鐵路系統。東京的鐵路系統從1872年開始運行，第一條鐵路連接的是東京和橫濱。值得指出的是，這個鐵路系統花了工程師們100多年的時間才優化成目前形式。然而，利用黏菌對外界食物的響應特性，則只需短短的26小時便可以得到同樣高效的結果。此外，黏菌不但能夠形成有效的食物運輸網絡，還能在不成功的線路上用化學物質標記。這樣一來，黏菌就可以記住那些低效的線路，防止以后犯錯。此外，黏菌甚至可以在迷宮里找到走出去的最短路徑。更令人嘖嘖稱奇的是，這一切竟然是在黏菌沒有大腦、沒有神經系統的狀況下完成的。

類似于黏菌覓食這樣的現象，在自然界中還有很多。低等生物對外界環境的刺激能進行直覺響應，進而實現復雜動作，這種創造能力也是目前計算機所不及的。為此，我們提出的基于模仿低等生物的行為從而構建的類生物計算模式，具備獨到優勢。具體而言，類生物計算指的是：模仿低等生物對外界刺激的直覺反應，構建一套無需編程的計算模式，需要的僅僅是對外界輸入的直接響應，進而實現計算并得到輸出。相對于傳統計算模式，類生物計算利用多直覺響應，天然地是一種并行計算。更為重要的是，類生物計算其本質在于擺脫程序化的計算模式，進而實現對外界輸入的自主智能響應，這對于未來人工智能的發展大有裨益。

為實現該目標，首要的是找到一種合適的材料去模仿生物類似行為。這種物質首先需要具備優異的柔軟性，且處于溶液體系中。這是因為，我們注意到，自然界中的大多數動物都是柔性的，其溶液環境提供了相互影響和協調并行動作的機能。事實上，無處不在的柔性在生命活動中起著重要的作用，具有柔性的生物表現出極好的靈活性和適應性。一定程度上，柔性可被認為是另一種維度。因而，如果要模仿生物的運動，選擇具有柔軟性的濕性物質是必須的。此外，為了模仿生物運動，體現生物對外界優異的響應特性，這種物質在溶液體系中需要具備極好的變形能力和多場響應特性。只有找到這樣的物質，方能為類生物計算提供現實的材料基礎。

液態金屬，天生液態

幸運的是，液態金屬如鎵基合金便是這樣一種物質，在室溫下呈液態，擁有高級別的柔軟性。同時能對電、磁、聲、光、熱乃至化學和機械因素進行響應，具有遠超一般物質的響應能力。此外，液態金屬的表面張力是目前已知室溫液體中最大的，這賦予了其極佳的變形和運動能力。最近的系列科學研究也已證實，處于溶液中的液態金屬具備諸多類生物行為。這種復雜的液態金屬類生物變化無需程序控制，需要的僅僅是對外界刺激的響應，一定程度上擁有了生命的特性。受此啟發，我們提出利用液態金屬去構建類生物計算體系結構。

近年來，諸多液態金屬基礎物理化學效應相繼被發現。比如，因為流體間的自剪切作用，液態金屬可以被大量分散為尺度均勻的液滴;吞食了鋁的液態金屬會進行自驅動運動，時間可長達1個小時;將銅絲放置在含鋁的液態金屬中，銅絲可以自發進行節律振蕩;浸沒在溶液環境中的液態金屬液滴，在受到外界刺激時會吞噬周圍的金屬顆粒，這種現象非常類似于細胞的吞噬作用……

此外，類似于黏菌形成的復雜分形結構，液態金屬在適宜條件下也可以形成合適的分形。在外界氧化性物質刺激下，置于堿性溶液中的液態金屬在合適的基底上會發生分形現象。對于這種氧化激發的液態金屬分形，其分形維數和樹枝復雜度可加以調節。與黏菌所產生的枝狀分形依賴于營養物質的分布類似，通過調節氧化物的添加位置還可以對液態金屬的分形方位進行控制。實驗同時發現，液態金屬還可以對外界的離子進行快速響應。研究表明，液態金屬可以在鐵離子濃度的作用下實現定向運動，這和生物的趨化性十分類似。而調整鐵離子的濃度和梯度，可以控制液態金屬的運動速度。利用這種趨化性還可以實現液態金屬走迷宮。進一步地，液態金屬對于銅離子的響應也被實現。處于銅離子溶液中的液態金屬，會自發地生長出大量的蛇形偽足，就像生物遇到刺激會運動一樣。而這種偽足的產生和生長是受溶液環境控制的。通過調控溶液的pH值及濃度，液態金屬的偽足數量、偽足運動速度和產生方位均可以被有效控制。

鎵基液態金屬既擁有典型的金屬性，又具有優異的流動性。根據這些特點，研究人員利用金屬顆粒和液態金屬之間的原電池反應，成功實現了液態金屬表面的大尺度對流。研究發現撒落在液態金屬表面的銅粉被潤濕后能夠持續誘發其發生大范圍流動與變形該效應。進一步的研究揭示，這是一種表面張力梯度驅動的流動行為，表面張力的不均勻分布來自有著不同表面電荷密度的金屬顆粒與液態金屬間的耦合作用。該現象表明，對于液態金屬這一獨特的流體物質而言，即便只與很小的金屬顆粒接觸，其自身狀態也極易發生改變。研究人員同時表明，通過改變液態金屬周圍溶液的pH值，可以驅動其運動。將二者耦合，可望制備出一種集運動和變形為一體的液態金屬柔性機器，為類生物計算的實現提供更多的基礎功能。

液態金屬對于外加電場也有優異的響應特性。只需施加一個很小電壓，液態金屬便可以在電場作用下進行持續運動。即使運動過程中碰到阻礙，比如各種不規整通道，液態金屬依舊可以像蠕蟲一樣擠過去。這種行為與變形蟲已經十分相似。進一步地，科學研究發現處于自由空間下的液態金屬，能夠在石墨表面像蠕蟲一樣進行逆重力蠕動爬坡，整個過程只需要極低的電壓提供外界刺激，這種對于環境敏感的特性在生物界中普遍存在。未來，利用外界條件精準地控制液態金屬的運動行為，可為類生物計算提供良好的技術基礎。

以上所述的液態金屬類生物行為，最為重要的一點就是液態金屬可以根據環境進行自我調整，對外界的各種刺激進行響應，這些非同尋常的特點已經比較接近自然界中簡單的軟體生物。利用液態金屬溶液體系所實現的類生物行為，為我們提出的類生物計算模式提供了一種具體可行的實現途徑，進而解決目前計算模式所面臨的瓶頸。這里，外界的刺激可以看作是計算輸入，液態金屬的自發反應則作為對計算輸入的響應和輸出，于是液態金屬的每一次變化都可以看作是一次計算。這個計算過程和生物的反應很相似，是直覺性的，顯著區別于傳統計算模式中的大量重復迭代計算，因而具有獨特的優勢。此外，利用液態金屬的電雙層、導電性、氧化性、黏度以及表面張力等各個維度的變化，可以實現對外界刺激的直接精準感知和響應，這將有益于未來類生物計算的實施。

液態智能，未來計算

受液態金屬類生物行為的啟發，我們提出的類生物計算模式可以對外界的刺激直接進行響應，每次響應都相當于一次計算，這種計算不需要二進制的編碼，不涉及同定程序，也免去了重復的迭代。比如自主轉彎這種簡單的生物行為，傳統的計算方式需要大量的計算去識別障礙的存在，再進行不斷計算評估以篩選出合適的轉彎參數。而基于類生物計算的機器，能夠模仿生物去感受外界的環境，然后依靠對外界環境的直覺響應，自然地躲避障礙，進而尋找出最佳途徑。

同時，我們也設想一種可能的形式去實現這種類生物計算。通過前面的描述，我們知道，液態金屬諸多變形與運動背后的物理機制在于其巨大的可調控的界面張力。進一步地，這種界面張力是與液態金屬處于溶液體系中的表面性質及變化密切相關的，包括表面的電雙層效應以及是否氧化等。這使我們意識到溶液環境對于液態金屬的變化至關重要。這里，溶液環境可以類比為細胞液和組織液，而液態金屬對于外界環境的響應可以類比為生命細胞的應激反應。于是，我們可構建一種液態金屬細胞，用于在結構和功能上部分模擬生物細胞。這種液態金屬細胞由液體金屬核、功能膜及電解質組成，其中的功能膜，既可以是液態金屬本身氧化產生的膜，也可以是高分子等各種智能材料構成的外部膜，而電解質則可以根據需要選擇酸性或者堿性電解質：

這種液態金屬細胞除了具備液態金屬的響應能力外，功能膜的增加同時賦予液態金屬新的特性，甚至模擬液態晶體管，這對于液態金屬計算器件能力的提高大為有益。同時，液態金屬細胞中膜的存在使得液態金屬可以從特定的環境中獨立出來，進而作為一種計算器件。基于此，我們設想了一種可能的實現類生物計算的方式。首先構建液態金屬細胞，作為類生物計算的基本單元。液態金屬細胞上的功能膜可將外界的輸入轉換為能量梯度（化學梯度等）。這一點很重要，因為液態金屬對于梯度的響應是可行且靈敏的，這也是很多生物的共有特征：依靠簡單的梯度響應實現復雜的行為。然后，將基本計算單元進行集成，使之組成液態金屬細胞網絡，共同充當感受器的作用，進而完成更為復雜的功能。其中集成的單元可以劃分為不同的模塊，比如利用液態金屬氧化過程中的電阻變化，可以做成一種記憶器件。如此，依靠各種不同功能的液態金屬細胞的共同作用，有望完成類生物計算。

最近本領域也已取得一些進展，比如研究者們提出利用液態金屬構建一種全液態量子器件并給出了實現方法。這種全液態量子器件的中間液層的厚度可以通過力場、電場、磁場等多種物理場來調控。由此可知，液態金屬所擁有的獨特柔性、可變形性以及其原子級光滑的表面對于計算而言是大有裨益的。未來，基于類生物計算的原則，高度靈活性、智能性及可控性的液態金屬計算組件有望得到實施。

總的說來，迄今所發現的液態金屬類生物行為對于類生物計算的實現具有重要的啟發意義。然而，必須認識到，現有的液態金屬變形和響應能力仍屬有限，實現液態金屬對外界環境更為復雜的響應是下一步的研究目標同時，這些變形和響應還缺乏自主智能，離然界中的生命尚有距離。自然界每創造一個生物，除了給其以軀體，同時也賦予其“靈魂”。這種“靈魂”便是生物的意識，也是機器與生命的最大區別。前期實現的液態金屬行為離這樣的目標仍有很大距離，未來需要更多縱深研究。

長路漫漫，求索無止境。類生物計算模式為今后的實驗探索提供了新的變革性思路，有助于促成相關領域的進步，繼而啟發科技界的思考，為社會發展提供推力?？梢灶A見的是，未來的計算機會與當下存在很大不同，其背后所依賴的計算模式也可能出現顛覆性的變化。新的計算機可能構成于人造神經，也可能由一群細菌構成……在不遠的將來，若電腦中執行計算的單元由一攤液態金屬組成，也請不要驚訝，畢竟不遠的過去我們也曾難以想象今日電腦的模樣。倘若未來的電腦正式進化為“液腦”，人類或將迎來全新的發展階段。

[1]陶建華，陳云霽.類腦計算芯片與類腦智能機器人發展現狀與思考.中國科學院院刊，2016，31（7）：803-811.

[2]Hassabis D，Kumaran D，Summerfield C，et al.Neuroscience-inspired artificial intelligence.Neuron，2017，95（2）：245-258.

[3]Lu H，Li Y，Min C，et al.Brain intelligence：Go beyond artificial intelligence.Mobile Networks&Applications，2018，23（2）：368-375.

[4]Adamatzky A，Armstrong R，Jones J，et al.On creativity of slime mould.International Journal of General Systems，2013，42（5）：441-457.

[5]Tero A，Takagi S，Saigusa T，et al.Rules for biologically inspired adaptive network design.Science，2010，327（5964）：439-442.

[6]張晴蕾，鄧中山，劉靜.液態金屬：可否制造金屬基生命.科學，2018（3）：1-8

[7]Liu J，Sheng L，He Z.Liquid metal soft machines：principles and applications.Singapore：Springer Nature Singapore Pte Ltd，2019.

[8]Chen S，Wang L，Zhang Q，et al.Liquid metal fractals induced by synergistic oxidation.Science Bulletin，2018，63（22）：1513-1520.

[9]Chen S，Yang X，Cui Y，et al.Self-growing and serpentine locomotion of liquid metal induced by copper ions.ACS Applied Materials&Interfaces，2018，10（27）：22889-22895.

[10]Tang J，Zhao X，Zhou Y，et al.Triggering and tracing electrohydrodynamic liquid-metal surface convection with a particle raft.Advanced Materials Interfaces，2017，4（22）：8.

[11]Ali Z，Torben D，Chrimes A，O’Mullane A，et al.Ionic imbalance induced self-propulsion of liquid metals.Nature Communications，2016，7，12402.

[12]Yao Y Y，Liu J.A polarized liquid metal worm squeezing across a localized irregular gap.RSC Advances，2017，7（18）：11049-11056.

[13]Hu L，Wang L，Ding Y，et al.Manipulation of liquid metals on a graphite surface.Advanced Materials，2016，28（41）：9210-9217.

[14]劉靜.一種液態金屬人工細胞及其制備方法.中國發明專利CN201610875644.4，2016.

[15]劉靜，曲小鵬.仿神經元突觸結構的柔性三極管.中國發明專利CN200410029457.1，2014.

[16]Zhao X，Tang J，Yu Y，et al.Transformable soft quantum device based on liquid metals with sandwiched liquid junctions.arXiv：1710.09098，2017.

關鍵詞：類生物計算 ?液態金屬 ?人工智能 ?馮·諾依曼體系