算法信息論之父蔡汀：未來，我們可以為DNA重新編程
格雷戈里·蔡汀（Gregory Chaitin）是一位數學家以及計算機科學家。他是算法信息論的創立者之一，如今這門學科已經成為計算機科學專業的必修課。用蔡汀的話來說，算法信息論 就是“把香農的信息論和圖靈的可計算性理論放進雞尾酒杯里，然后使勁地搖”。蔡汀曾是 IBM 的 Thomas J. Watson 研究中心的研究員，現在是里約熱內盧聯邦大學的教授。他對元生物學（metabiology）以及進化論理論形成論有著深入的思考，他認為算法信息論是破 解生物學和神經科學等領域的一些重大問題的關鍵，并致力于發展關于進化和生物創造性的一個數學理論。在他的最新著作《證明達爾文：進化和生物創造性的一個數學理論》中，他嘗試了在數學層面上證明達爾文的進化論，并提出了一門元生物學，即研究生物科學的數學基礎的學科。
譯/ 樓偉珊
問：作為算法信息論的奠基者之一，你可否向我們簡單介紹一下，算法信息論是什么，它對我們今天的計算機科學有何意義？
20 世紀的科技發展開始讓我們從信息和計算的視角重新審視我們的世界。量子比特是量子力學，我們現在最為深刻的物理理論的基礎，而算法信息論研究的是數學化的信息，包括存儲在計算機和 DNA 中的信息。
問：信息論試圖為人類的通訊加以量化，那我們是否可以說，算法信息論是對人類知識的一種量化？如果如此的話，這是否意味著人類的知識可以對應于相應的算法？又是否意味著存在永遠無法解決的科學難題，而決定論是錯誤的？
算法信息論告訴我們如何以比特度量一個物理或數學理論在概念上的復雜度。我們無法用一個具有N比特復雜度的數學理論去證明一個程序長度超過N比 特的計算機程序是“優雅的”（elegant）。也就是說，沒有比某個程序更簡短（當然，前提是以同一種語言寫成）的程序能輸出與該程序相同的結果。因 此，純數學上不存在能解釋一切的“萬有理論”。
問：生物技術現在日新月異，催生其進展的突破又是什么？曾經發展的限度是什么？
這個突破就是，人們開始認識到，DNA 是一種數字軟件，而我們可以為 DNA 重新編程。
問：比爾·蓋茨曾預測，下一個類似計算機的技術奇跡將會出現在生物技術領域。在你看來，生物學的下一個突破會是什么？
合成生物學（synthetic biology）為具體的工業和醫學應用量身設計“人造生命”，前景可期。
問：一些大企業和研究機構現在正在嘗試用電子部件制造人造神經元網絡來模擬人類智能，你覺著這種途徑走對了嗎？試圖借助硬件而非軟件來實現，這是否是最佳之選？而嘗試去模擬人類智能而非其他生命形式的又是否是當下的明智之舉？
人造神經元網絡目前的記憶或計算能力還不能讓我眼前一亮。我認為，人腦的神經元層次不過只是處理輸入輸出的前端。人體在分子生物學層次的記憶和 計算能力要比在細胞層次的強得多得多。這也就是在 DNA/RNA 層次，人體的免疫系統就巧妙用到了這一層次，那會不會人腦也是如此呢？
問： IBM 的人造神經元網絡與一些歐洲的研究機構的仿生電子電路有什么區別？此類研究會對改進演化理論有所幫助嗎？
如前所述，我相信此類研究沒有走對路子。
問：元胞自動機（CA）、圖靈機和人工神經網絡之間的聯系是什么？
這三種計算的模型現在已經過時了。目前大家在理論上感興趣的計算模型是在量子電路中利用量子比特進行計算，以及在分子生物中利用諸如 DNA 和 RNA 這樣的長鏈分子進行計算。
問： Stephan Wolfram 對元胞自動機的研究做出了巨大貢獻，你對他的 Mathematica 程序怎么看？
Mathematica 確實是一種極高水平的編程語言，但它已經被 Wolfram Language 和 Wolfram Alpha 所超越了。Wolfram Alpha 在我看來是第一個真正的人工智能。
問：你覺得像 IBM 的沃森這樣的人工智能會在將來得到廣泛應用嗎？在今后的幾十年會出現巨大的進展嗎？
人工智能已經在我們身邊了。毋庸置疑，它將對人類社會產生極大的影響。
問：對于借助計算機破解生物學難題，你最樂觀的預測會是什么？
利用大型計算機對囊括全體人類的全部基因組的數據庫進行數據挖掘，在此基礎上，應該有可能實現對人類基因組的重新編程。
如果我們繼續努力并充分發揮我們的想象力，未來無疑會十分美好。所以努力讓它實現吧。
<span id="shareA4" class="fl">
</span>