復雜系統(tǒng)突現(xiàn)研究范文
本站小編為你精心準備了復雜系統(tǒng)突現(xiàn)研究參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。
《自然辯證法通訊雜志》2015年第五期
復雜系統(tǒng)具有多極結(jié)構(gòu)。西蒙（H.A.Simon）基于自然（和人工）進化的變異-選擇觀，解釋復雜系統(tǒng)的層級架構(gòu)，即組成部分以自然的交互作用結(jié)合在一起，進而創(chuàng)造出各種集合。在這些集合中，穩(wěn)定的集合“存活”了下來，而其他集合需要繼續(xù)進化。穩(wěn)定的集合形成了“自然選擇的整體”，它們不把功能作為建筑模塊，而是結(jié)合到高階的集合中，然后再重復同樣的過程，從而形成了分級結(jié)構(gòu)的復雜性。西蒙用這個模型想表明，突現(xiàn)的多級系統(tǒng)比復雜性的兩極系統(tǒng)的概率更大，即在兩極系統(tǒng)中，所有組成部分必須“井井有條”，否則在自然變異機制增加缺失的組件之前，集合將變得不穩(wěn)定。在多極系統(tǒng)中，只需要少數(shù)成份“井井有條”就能形成穩(wěn)定的模塊，這些模塊的一部分再次遞歸組合，形成更高級的模塊。很顯然，井井有條的成份越小，隨機組合的概率越大。然而，也有一些例外的情況，不分等級的復雜系統(tǒng)仍然可能。例如，大部分高分子化合物由簡單、線性的多分子兩極集合形成。自組織模型能解釋這種非模塊的、兩極系統(tǒng)的突現(xiàn)，這樣的過程通常有非線性、自催化機制的特征，不怎么穩(wěn)定的集合增加了讓其他成份加入集合的可能性，從而使其變得更加穩(wěn)定。正反饋的過程不需要模塊的中間層。突現(xiàn)的穩(wěn)定結(jié)構(gòu)就像“吸引子（attractor）”，能夠影響相鄰的結(jié)構(gòu)，使它逐漸走向穩(wěn)定的結(jié)構(gòu)。顯然，西蒙的分級模型和自組織的“非線性”模型，只能描述突現(xiàn)的部分特征。真實的復雜系統(tǒng)，同樣有經(jīng)過分級的多極層面，也有非線性的二級層面。然而，這樣的系統(tǒng)中不只包括整體的層級或非線性的組織，還有子組織和子系統(tǒng)。理解這樣的復雜性架構(gòu)，需要說明在什么規(guī)則的作用下，新的系統(tǒng)結(jié)構(gòu)從復雜性的層級中突現(xiàn)。
一、復雜性科學解釋突現(xiàn)的變異-選擇原則
描述生物進化的自然選擇理論，可以簡單地視作系統(tǒng)的進化。它探討的是系統(tǒng)的變異和環(huán)境給系統(tǒng)的“選擇壓力”，即系統(tǒng)的結(jié)構(gòu)只有適應環(huán)境才得以維持。進化系統(tǒng)類似于問題解決者，通過嘗試（或變異）尋找問題的答案，只要系統(tǒng)的適應性不是最佳的，就需要解決問題。不穩(wěn)定性越大，問題也越大，在獲得新的平衡之前，系統(tǒng)將發(fā)生變異。在自然選擇過程中，只能通過中間階段解決問題。與問題求解相比，進化不是最終的解決方案，當系統(tǒng)的進化過程改變了環(huán)境，它就無法以最佳的方式適應環(huán)境，需要進行重新適應。在進化過程中，每個過程的目標都是另外過程的子目標，以此類推，子目標就成為進化過程的重要特征，相當于穩(wěn)定的突現(xiàn)系統(tǒng)。另外，進化一般是并行或分布式的，這樣的結(jié)構(gòu)限定了系統(tǒng)與環(huán)境之間沒有絕對的區(qū)分。由此產(chǎn)生的后果是，自然選擇不再是環(huán)境的選擇。要規(guī)避這個問題，可以考慮把以并行方式進化的整個系統(tǒng)，看作整體化的系統(tǒng)。在這種情況下，自然選擇就是整體系統(tǒng)的變異產(chǎn)生的整體上穩(wěn)定的配置。這樣一來，就用內(nèi)在的選擇替換了外在的選擇，即內(nèi)在結(jié)構(gòu)只要穩(wěn)定就能維持系統(tǒng)，不需要考慮它對外在環(huán)境的適應性。雖然，實踐中不存在絕對整體化的系統(tǒng)，每個實際的系統(tǒng)仍然包含內(nèi)在選擇與外在選擇，但是我們可以通過更大的、更加整體化的系統(tǒng)，把外在選擇還原為內(nèi)在選擇。適應性可以還原為一個子系統(tǒng)（初始系統(tǒng)）和另一個子系統(tǒng)（初始環(huán)境）之間的穩(wěn)定關(guān)系。例如，影響植物自然選擇的外因是維持生存的二氧化碳的數(shù)量。這個因素可以看作“邊界條件”——對植物自組織過程的環(huán)境限定。從整體的視角來看，二氧化碳不是已知外在條件，而是其他系統(tǒng)（動物和細菌）適應環(huán)境的產(chǎn)物。這樣的系統(tǒng)取決于其他的選擇因素——植物產(chǎn)生的氧氣。由此，這樣的適應過程，可以視為整體化的生態(tài)通過內(nèi)在的自組織，導致的對穩(wěn)定循環(huán)的選擇，即二氧化碳轉(zhuǎn)化為氧氣又產(chǎn)生二氧化碳。我們還可以用內(nèi)在選擇與外在選擇解釋變異。內(nèi)在的變異是系統(tǒng)的內(nèi)在部分變化的過程，如基因染色體中的突變。外在的變異是系統(tǒng)與環(huán)境之間關(guān)系的變化，如有性生殖中染色體的重組。總之，從外在視角觀察的事物，也可以用內(nèi)在視角來看，反之亦然。這種解釋策略需要整合突現(xiàn)和自組織，強調(diào)自組織作為設(shè)計規(guī)則的作用。
二、人工生命解釋突現(xiàn)的變異-穩(wěn)定原則
1.自組織繁衍是人工生命的基本屬性在第二次世界大戰(zhàn)期間，羅伯特•奧本海默、恩里科•費米、漢斯•貝特、理查德•費曼、尤金•維格納、馮•諾伊曼等科學家，在進行“曼哈頓計劃”的過程中，開始探討復雜性問題，使用計算機模擬復雜系統(tǒng)。馮•諾伊曼親自設(shè)計出計算機解決實際問題，研究細胞自動機和自我繁衍（self-reproduce）的機器。雖然在20世紀50年代早期，他就提出了形式化細胞自動機的設(shè)想，但數(shù)學家斯塔尼斯拉夫•烏拉姆，最早開展了設(shè)計存儲程序的計算機的相關(guān)實驗，探索遵循遞歸規(guī)則、具有二維和三維幾何特性的生長模式。因而，我們通常把烏拉姆看作人工生命研究的真正奠基者。復雜性是人工生命的核心概念。在烏拉姆的啟發(fā)下，馮•諾伊曼設(shè)計出第一個細胞自動機模型。他主要研究人工生命的繁衍過程，尋找非平凡的（non-trivial）自我繁衍所需的充分的邏輯條件。在他所描述的機器人的運動模型中，在水中的機器人通過組合全部構(gòu)件來摹仿自身的浮動。馮•諾伊曼成功地說明了繁衍的方式，卻無法解釋機器人運動的原因。于是，他放棄基因?qū)用娴哪M，而是采用烏拉姆的方法，只從中提取自我繁衍的邏輯形式，即首先把自我繁衍描述為邏輯序列，再用通用圖林機進行自我繁衍的操作。馮•諾伊曼構(gòu)想的二維的細胞自動機，帶有29種可能的狀態(tài)。當前的細胞與毗鄰的4個正交的細胞之間的規(guī)則轉(zhuǎn)換，產(chǎn)生出每個細胞的狀態(tài)。根據(jù)這種情況，他提出了4條非平凡解的自我繁衍的原則：第一，系統(tǒng)的自我描述不涉及自身。這條原則避免了執(zhí)行自我描述時，無限的“回歸”。按照這條原則，自我描述可以是未解釋的系統(tǒng)模型，也可以是對系統(tǒng)的編碼。第二，系統(tǒng)只要有管理單元（supervisoryunit），就能執(zhí)行任何計算。這條原則用于解釋繁衍過程中，自我描述的兩個方面。第三，系統(tǒng)只要有通用構(gòu)造器（universalconstructor），就可以在細胞空間中構(gòu)造已描述的對象。第四，通用構(gòu)造器按照管理單元的指令，構(gòu)造系統(tǒng)的新副本，自我繁衍包含系統(tǒng)的自我描述。[1]馮•諾伊曼用邏輯原則解釋生命的主要特征，而阿瑟•勃克斯則對電子離散變量自動計算機EDVAC進行邏輯設(shè)計。馮•諾伊曼從自然的自我繁衍中提取邏輯形式，自然成為了人工生命研究的先驅(qū)者。在20世紀70年代，約翰•康維基于細胞自動機改造烏拉姆和馮•諾伊曼的方法，設(shè)計出“生命游戲”，說明復雜世界如何從簡單規(guī)則中突現(xiàn)。在他看來，當前的細胞和相鄰的8個細胞使用兩種規(guī)則，是產(chǎn)生細胞狀態(tài)的原因。生命的規(guī)則很簡單。只要“活”細胞的數(shù)目為3，當前的細胞在下代細胞中“存活”；而“活”細胞的數(shù)目為0、1、4、5、6、7、8中的任意一個，當?shù)那凹毎蜔o法在下代細胞中存活。1965年，勃克斯的學生埃德加•科德簡化了馮•諾伊曼的細胞模型。1984年，勃克斯的另一個學生克里斯多夫•蘭頓，在科德的“周期性發(fā)射器”（periodicemitter）基礎(chǔ)上設(shè)計自我繁衍模式，證明了通用的構(gòu)造能力不是自我繁衍的必要條件。他的自動機只有8種細胞狀態(tài)，這些細胞是細胞空間中繁衍的復制數(shù)據(jù)，也是依據(jù)轉(zhuǎn)換規(guī)則進行操作的指令。初始結(jié)構(gòu)只需要151個時間步長就能成功地繁衍自身。另外，每個“回路”都以類似的方式繁衍自身，擴展“回路”的集群。這個實驗表明，細胞的動態(tài)過程的成分依據(jù)基因特征編碼，而動態(tài)過程是“計算”發(fā)展過程中遺傳表達的原因。從復雜系統(tǒng)科學的視角看，使用計算機模擬復雜系統(tǒng)，研究細胞自動機和自我繁衍的機器，實際上是一種人工生命的自組織繁衍研究，從這個意義上看，自組織繁衍是人工生命的基本屬性。
2.人工生命是突現(xiàn)的科學傳統(tǒng)科學的基礎(chǔ)是還原論的分析方法，按照這種方法，系統(tǒng)是由簡單部分組成的結(jié)構(gòu)，任何事物都可以分解為更小的部分。但是，這種方法無法解釋復雜系統(tǒng)，由于復雜系統(tǒng)具有突現(xiàn)屬性，一旦分解系統(tǒng)就會喪失突現(xiàn)屬性。突現(xiàn)現(xiàn)象在科學中隨處可見，在寬泛的意義上，任何系統(tǒng)都有突現(xiàn)屬性。解釋這些科學現(xiàn)象需要新的研究框架，綜合方法恰好可以作為分解方法的補充。人工生命的綜合方法包含兩個方面：（1）提取生物體的邏輯規(guī)則；（2）用計算機實現(xiàn)這些規(guī)則。經(jīng)過這兩個階段，就可以得到有類生命屬性的人工系統(tǒng)模型。這種研究方法有兩個基本的假設(shè)（：1）把生命看作物質(zhì)的組織屬性。或者說，生命是形式屬性，而不是物質(zhì)本身；（2）復雜的屬性從簡單過程的交互作用中突現(xiàn)。從形式上可以將人工生命劃分為平凡的（trivial）與非平凡的（non-trivial）兩種系統(tǒng)。[2]具體來說，第一種系統(tǒng)包含所有人工模擬的生物體；第二種系統(tǒng)包括數(shù)學模型、概念模型和物理模型。第二種系統(tǒng)還可以進一步分為三種類型：（1）用生物化學合成技術(shù)獲取物質(zhì)系統(tǒng)的類生命特征；（2）是一種研究機器人的新方法；（3）虛擬的生命，即有突現(xiàn)屬性的計算機程序。這些形式的可能性取決于解決弱人工生命-強人工生命，或者說生命-身體的類比問題。[3]功能論者從人工生命的角度看自然生命。在解釋心理時，通常不考慮思維系統(tǒng)的物理細節(jié)，把生命屬性看作多重實現(xiàn)。然而，多重實現(xiàn)也有缺陷，只要減少實現(xiàn)的數(shù)量，功能論就會導向同一論；而生命的概念過于抽象，也會導致二元論或活力論。最好的方法是采用適度的功能主義。從方法論上來看，這些研究主要涉及這些方面[4]：（1）細胞自動機。主要研究復雜性的建模問題。細胞自動機實質(zhì)上是一些具有離散狀態(tài)的細胞。細胞狀態(tài)根據(jù)轉(zhuǎn)換規(guī)則，經(jīng)過離散時間產(chǎn)生變化。轉(zhuǎn)換規(guī)則把當前的細胞狀態(tài)與最親近的細胞狀態(tài)結(jié)合起來。多數(shù)情況下，所有的細胞使用平行和同步的迭代算法（iterationalgorithm），或使用隨機和非同步的迭代算法同時更新。自我繁衍是細胞自動機最重要的研究問題，涉及馮•諾依曼、蘭頓和沃爾弗拉姆（S.Wolfram）的研究。（2）人工胚胎學。主要研究生命系統(tǒng)從單細胞發(fā)展為完整組織的能力。這項研究的基礎(chǔ)是分形幾何，通過這個工具說明復雜的類生命形式如何從簡單的遞歸過程中突現(xiàn)，典型的研究有林登麥伊爾（A.Lindenmayer）與普魯辛凱維奇（P.Prusinkiewicz）的L系統(tǒng)、道金斯（R.Dawkins）的生物形態(tài)。（3）進化計算。主要研究自然選擇的進化規(guī)則的計算問題。這項研究中應用的主要是霍蘭德（J.Holland）的遺傳算法。遺傳算法用于解釋，如何從母體（parentpopulation）中生成適應環(huán)境的變體。通過使用遺傳算子生成變體，能夠解釋遺傳表型的基因特征的突變與互換。如果按照基因分類器（GeneticClassifiers）使用遺傳算法，還可以解決機器學習的問題。另外，使用遺傳編程，還可以解釋自我完善的計算機程序如何突現(xiàn)，即依據(jù)自然選擇編寫計算機程序。（4）自催化網(wǎng)絡。主要研究生命的可能起源與原始生命的進化模型。在這個網(wǎng)絡中，節(jié)點被看作特定的RNA序列，把弧定位為催化的交互作用。相關(guān)的研究有超循環(huán)理論。（5）計算的生命。主要研究計算機程序的設(shè)計。這項研究只展現(xiàn)類生命的行為，不模擬已有的生物有機體。盡管計算機的處理方式與自然生命的不同，它也有繁衍、與環(huán)境交互作用及進化的能力。如，Tierra程序以及計算機病毒。（6）集體智能。主要研究分布式人工智能和多主體系統(tǒng)。這項研究并不遵循自下而上的方式。典型的研究涉及蜂群網(wǎng)絡、蟻群算法以及進化神經(jīng)網(wǎng)絡的實現(xiàn)。（7）進化的機器人。主要研究自主機器人的設(shè)計。例如，用有反應能力的分層體系結(jié)構(gòu)設(shè)計機器昆蟲、小規(guī)模的機器人群體的集體行為、使用進化規(guī)則分析機器人的控制結(jié)構(gòu)。（8）可發(fā)展的硬件設(shè)備。主要研究硬件進化的實現(xiàn)。這項研究涉及硬件的自我修復和自我繁衍、新傳感器的設(shè)計等。由于硅元素缺少某些用于進化的基本特征，要獲得自適應性，只有采用類似于FPGA（Field-ProgrammableGateArray）的技術(shù)，或是采用遺傳編程的方法。（9）納米技術(shù)。主要研究自然生命或新有機體相關(guān)的合成過程。費曼（R.Feynman）開創(chuàng)了這項研究，他在1959年主張在分子層面微縮和擴展工業(yè)制造能力，以此創(chuàng)造人工生命。（10）生物化學合成技術(shù)。主要研究RNA繁殖的體外實驗、原始人工生命形式、RNA鏈的合成和進化、自催化的反應以及滲透性的生長等。[5]這些研究都強調(diào)“突現(xiàn)”這個核心概念，即整體性的行為和結(jié)構(gòu)通過各個組成部分的交互作用產(chǎn)生，但不作為組成部分的行為和組織的原因。在這個意義上，人工生命就是突現(xiàn)的科學。
3.從“變異-選擇原則”走向“變異-穩(wěn)定原則”“我們可以用不同的尺度觀察系統(tǒng)，這些尺度就像是抽象的層級，只要知道系統(tǒng)的某個層次，就可以把系統(tǒng)想象為某個結(jié)構(gòu)網(wǎng)絡，進而推導出下級層次。比較這兩個層次，低級層次的結(jié)構(gòu)眾多，但類型很少，而高級層次的結(jié)構(gòu)較復雜，類型也很多。所有的層次組合在一起構(gòu)成了一個復雜性的層級。在這個抽象的模型中，可以把系統(tǒng)的結(jié)構(gòu)理解為粒子、分子、生物體、信息、符號等。同一層次上的結(jié)構(gòu)，通過與其它結(jié)構(gòu)的連接獲得自己的屬性，它們之間的動態(tài)交互作用產(chǎn)生了新的動態(tài)結(jié)構(gòu)。這些新結(jié)構(gòu)，再以同樣的方式獲得新屬性。由此，我們可以在一個虛構(gòu)的附屬層次上定義突現(xiàn)屬性，這樣一來，就可以把這些屬性還原為系統(tǒng)結(jié)構(gòu)的局部組合，進而用更形式化的方式定義它。我們還可以用這樣的模型描述比較大的系統(tǒng)，如宇宙。”[6]把夸克、粒子、原子、分子、生物大分子、細胞、生物體看作不同層次中的元素，某個層次中的元素都可以通過組合構(gòu)成上級層次中的新元素。這里面也有特殊的情況，如氦原子非常穩(wěn)定，它沒有與其它原子的“鏈接”，而碳原子卻有四種“鏈接”。由于碳有較強的交互能力，它是每個大分子結(jié)構(gòu)都不可或缺的元素，并成為生命的物質(zhì)基礎(chǔ)。既然如此，在什么規(guī)則的作用下，新的系統(tǒng)結(jié)構(gòu)從復雜性的層級中突現(xiàn)？“這樣的規(guī)則包含變異和穩(wěn)定的系統(tǒng)過程。這些過程在所有層次上并行發(fā)生。在任何層次上，結(jié)構(gòu)單元都有許多不同的配置。在產(chǎn)生熱力學變動的時候，確定的描述開始遠離平衡的過程。這些變動致使結(jié)構(gòu)單元的配置發(fā)生隨機變異，而變異形成了許多瞬態(tài)的結(jié)構(gòu)，它們與更高的組織層次相關(guān)聯(lián)。某些瞬態(tài)的結(jié)構(gòu)之所以穩(wěn)定，是因為它們適應了環(huán)境，并且它們的結(jié)構(gòu)屬性就包含在穩(wěn)定的過程中。這些新結(jié)構(gòu)形成了新的復雜性層次。”[6]穩(wěn)定的過程演變?yōu)樗念愊嘧兊男袨椋阂皇枪潭ê屯|(zhì)的狀態(tài)；二是簡單的周期結(jié)構(gòu)；三是無序的周期結(jié)構(gòu)；四是復雜結(jié)構(gòu)。[7]蘭頓認為像生命系統(tǒng)這樣的復雜結(jié)構(gòu)，應該維持在有序與無序的相變“臨界點”上，避免任何一種最終結(jié)果。
穩(wěn)定過程的基礎(chǔ)是生物細胞的自組織，如自創(chuàng)生（autopoiesis）。在自創(chuàng)生的基礎(chǔ)之上，我們能以組織導向（organization-oriented）定義極小生命。在這種情況中，達爾文的“自然選擇”的變異-選擇原則，只是變異-穩(wěn)定原則的特例。這兩個原則之間有兩個重要的差異（：1）穩(wěn)定過程不是優(yōu)化方案。自然選擇優(yōu)化了生物的適應功能，使其在競爭資源中占據(jù)優(yōu)勢，但結(jié)構(gòu)穩(wěn)定的過程，從整體上滿足環(huán)境的約束條件。例如，瓦雷拉等人提出的自然漂變命題（naturaldriftproposition）就是一個滿足過程，而不是優(yōu)化過程。（2）所有層次在分級模型中交織在一起。環(huán)境由所有層次的所有結(jié)構(gòu)組成。從局部到整體，再到局部的內(nèi)在層次，這樣的反饋回路對生命至關(guān)重要。
三、匯聚技術(shù)的啟示：弱化自組織的作用
人工生命系統(tǒng)展示了生命開放式進化的發(fā)展方式，但Tierra世界中的數(shù)字進化卻不是開放式的，因為Tierra生物的復雜性低，進化的變化不多。對此，湯姆•雷（T.S.Ray）試圖擴大Tierra的環(huán)境來增加異質(zhì)性。他發(fā)現(xiàn)Tierra生物通過互聯(lián)網(wǎng)，從一臺計算機遷移到另一臺計算機上，尋找未使用的資源及局部的生態(tài)位，從而進化為新細胞。在執(zhí)行復雜的環(huán)境計算時，改良Tierra將增加預期的遺傳復雜性。然而，對于原始版本的Tierra來說，這樣的進化是有限的。按照希利斯（W.D.Hillis）的觀點，協(xié)同進化能推動進化性進步。協(xié)同進化的“演化軍備競賽”通過改變環(huán)境來推動進化。即使這樣，原始的Tierra與改良的Tierra都需要協(xié)同進化。發(fā)展開放式進化，需要對人工和自然的進化系統(tǒng)作定量比較。從貝多（M.A.Bedau）和帕卡德（N.H.Packard）的數(shù)據(jù)來看，存在不同性質(zhì)的進化動態(tài)，未知的人工系統(tǒng)生成了生物圈所展現(xiàn)的進化動態(tài)。
總之，生命的進化不斷地創(chuàng)造出新的環(huán)境，而這些環(huán)境又賦予生命新的適應性。然而，目前用變異-穩(wěn)定原則解釋復雜系統(tǒng)進化機制仍有局限。匯聚技術(shù)的出現(xiàn)為我們提供了新的視角，即把自組織看作是一個建構(gòu)的過程。按照迪皮伊（J.P.Dupuy）的觀點，認知科學引導匯聚技術(shù)定位失控的程序。[8]自組織作為自發(fā)過程，也涉及控制問題。雖然自我復制的機器不會有真正的危險，但自組織是一個建構(gòu)的過程。長期以來，自組織只是委托（delegation）人工任務的一個步驟，但在授權(quán)機器的邏輯運算之后，應該授權(quán)機器的自我建構(gòu)。實現(xiàn)這個目標有三種自組織的策略：（1）混合化（Hybridization）的策略，即使用生命系統(tǒng)的建筑模塊（buildingblocks）制造設(shè)備和機器。（2）仿生（Biomimetics）的策略，即賦予人造物模仿的性能。（3）整合（Integration）的策略，這個策略是對前面兩種策略的綜合。這三個策略假設(shè)人造物與自然系統(tǒng)有某些相同的特征，可以用機器隱喻描述生命系統(tǒng)。但是這樣的隱喻操作有兩種不同的方式：（1）使用技術(shù)詞匯表，把生物體描述為機器；（2）把設(shè)備和機器描述為有機物。在20世紀70年代，法國哲學家康吉蘭（G.Canguilhem）就發(fā)現(xiàn)，生物與機器的類比總是用技術(shù)術(shù)語描述生物體。[9]現(xiàn)在的問題是，機器能否像人類那樣進入生活世界？第一種策略：機器的自組織以生物進化的選擇方式使用結(jié)構(gòu)和設(shè)備，反過來可以把生物細胞視為分子機器（Molecularmachine），如分子生物學家把DNA、RNA、酶、蛋白質(zhì)描述為納米機器，材料化學家建設(shè)分子發(fā)動機和分子轉(zhuǎn)子。生命系統(tǒng)也被看作分子的制成品。我們期望通過模仿自然，設(shè)計出維持生命的高性能結(jié)構(gòu)，但是成功的概率很低，更可行的方式是設(shè)計自然提供的建筑模塊——蛋白質(zhì)、細菌、微膠粒（micelles）或膠質(zhì)。合成生物學通過應用工程學的方法，發(fā)展出混合的對稱策略：把生物過程分解為它的元素，基因片段被當作操作單元，把這些元素裝配為模塊。
最終的目標是產(chǎn)生一個獨立和可交換的部分，用于執(zhí)行特定的功能。總之，任何功能無法指定給某個特定的單元，但任一單元的元素裝配都有可能產(chǎn)生特定功能。如果自組織不是一個設(shè)計規(guī)則，那么，它既是集體行為，也是自發(fā)行為。第二種策略：自組織的作用推動了材料科學家和生物學家的合作。模仿生物的自組織，不只是復制一個模型，也決不意味著在所有細節(jié)上都復制原件，而是選擇模仿生物材料的本質(zhì)部分。通常，它們的模型不是生命系統(tǒng)，而是工程操作的局部模式。我們無法從實驗室中精確地復制這個模型。化學家的實驗條件與自然條件不同，他需要高溫、低真空和有機溶劑。由此看來，自然給予我們的只是啟示，而不是模型。建立自組織至少需要兩個條件：（1）可逆性是能重新調(diào)整部分的關(guān)鍵；（2）信息必需包含在反應物中，在這個成份中編碼，而不是由外在程序提供。第三種策略：整合技術(shù)是蒙泰馬格諾（C.Montemagno）發(fā)明的一種程序，他的目的是把生命與非生命的系統(tǒng)混合在一起，用人造設(shè)備模仿細胞膜或肌肉。這樣研究主要集中于自生物醫(yī)學的應用，它的目標是通過廣泛使用分子交互作用的自然模型和分子集合，創(chuàng)造出具有突現(xiàn)能力的系統(tǒng)。細胞膜（Membranes）具有多重功能，從而成了這個程序的關(guān)鍵因素，即這個程序決定著空間組織、提供電流、感覺和運送信息、探測特殊分子。在此基礎(chǔ)上，可以設(shè)計人造細胞膜，可以在生物意義上處理信息，也可以對環(huán)境做出反應。這些自組織基于不同的自然觀。在“混合策略”與“整合策略”中，自然是一個獨立設(shè)備的集合或人造機器。在“仿生策略”中，自然是依賴于“特定物理學”的系統(tǒng)。混合引起了制造過程，它需要一個設(shè)計者嚴格控制這個過程。整合策略也需要一個設(shè)計者構(gòu)建系統(tǒng)，表現(xiàn)突現(xiàn)屬性的功能。但在第二個策略中，仿生的自組織是一個盲目創(chuàng)造的過程，它的組合和選擇缺乏外在的設(shè)計。即使仿生化學家按照設(shè)計的自組織進行操作，也無法保證控制所有的步驟。可見，不同的自組織策略將建立在不同的哲學自然觀之上。
作者：董云峰 任曉明 單位：天津工業(yè)大學馬克思主義學院 南開大學哲學院
