格雷戈里·蔡汀（Gregory Chaitin）是一位数学家以及计算机科学家。他是算法信息论的创立者之一，如今这门学科已经成为计算机科学专业的必修课。用蔡汀的话来说，算法信息论就是“把香农的信息论和图灵的可计算性理论放进鸡尾酒杯里，然后使劲地摇”。蔡汀曾是IBM的Thomas J. Watson研究中心的研究员，现在是里约热内卢联邦大学的教授。他对元生物学（metabiology）以及进化论理论形成论有着深入的思考，他认为算法信息论是破解生物学和神经科学等领域的一些重大问题的关键，并致力于发展关于进化和生物创造性的一个数学理论。在他的最新著作《证明达尔文：进化和生物创造性的一个数学理论》中，他尝试了在数学层面上证明达尔文的进化论，并提出了一门元生物学，即研究生物科学的数学基础的学科。
译/ 楼伟珊
问：作为算法信息论的奠基者之一，你可否向我们简单介绍一下，算法信息论是什么，它对我们今天的计算机科学有何意义？
20世纪的科技发展开始让我们从信息和计算的视角重新审视我们的世界。量子比特是量子力学，我们现在最为深刻的物理理论的基础，而算法信息论研究的是数学化的信息，包括存储在计算机和DNA中的信息。
问：信息论试图为人类的通讯加以量化，那我们是否可以说，算法信息论是对人类知识的一种量化？如果如此的话，这是否意味着人类的知识可以对应于相应的算法？又是否意味着存在永远无法解决的科学难题，而决定论是错误的？
算法信息论告诉我们如何以比特度量一个物理或数学理论在概念上的复杂度。我们无法用一个具有N比特复杂度的数学理论去证明一个程序长度超过N比特的计算机程序是“优雅的”（elegant）。也就是说，没有比某个程序更简短（当然，前提是以同一种语言写成）的程序能输出与该程序相同的结果。因此，纯数学上不存在能解释一切的“万有理论”。
问：生物技术现在日新月异，催生其进展的突破又是什么？曾经发展的限度是什么？
这个突破就是，人们开始认识到，DNA是一种数字软件，而我们可以为DNA重新编程。
问：比尔?盖茨曾预测，下一个类似计算机的技术奇迹将会出现在生物技术领域。在你看来，生物学的下一个突破会是什么？
合成生物学（synthetic biology）为具体的工业和医学应用量身设计“人造生命”，前景可期。
问：一些大企业和研究机构现在正在尝试用电子部件制造人造神经元网络来模拟人类智能，你觉着这种途径走对了吗？试图借助硬件而非软件来实现，这是否是最佳之选？而尝试去模拟人类智能而非其他生命形式的又是否是当下的明智之举？
人造神经元网络目前的记忆或计算能力还不能让我眼前一亮。我认为，人脑的神经元层次不过只是处理输入输出的前端。人体在分子生物学层次的记忆和计算能力要比在细胞层次的强得多得多。这也就是在DNA/RNA层次，人体的免疫系统就巧妙用到了这一层次，那会不会人脑也是如此呢？
问： IBM的人造神经元网络与一些欧洲的研究机构的仿生电子电路有什么区别？此类研究会对改进演化理论有所帮助吗？
如前所述，我相信此类研究没有走对路子。
问：元胞自动机（CA）、图灵机和人工神经网络之间的联系是什么？
这三种计算的模型现在已经过时了。目前大家在理论上感兴趣的计算模型是在量子电路中利用量子比特进行计算，以及在分子生物中利用诸如DNA和RNA这样的长链分子进行计算。
问： Stephan Wolfram对元胞自动机的研究做出了巨大贡献，你对他的Mathematica程序怎么看？
Mathematica确实是一种极高水平的编程语言，但它已经被Wolfram Language和Wolfram
Alpha所超越了。Wolfram Alpha在我看来是第一个真正的人工智能。
问：你觉得像IBM的沃森这样的人工智能会在将来得到广泛应用吗？在今后的几十年会出现巨大的进展吗？
人工智能已经在我们身边了。毋庸置疑，它将对人类社会产生极大的影响。
问：对于借助计算机破解生物学难题，你最乐观的预测会是什么？
利用大型计算机对囊括全体人类的全部基因组的数据库进行数据挖掘，在此基础上，应该有可能实现对人类基因组的重新编程。
如果我们继续努力并充分发挥我们的想象力，未来无疑会十分美好。所以努力让它实现吧。
扫一扫
17万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
