类生物计算：基于液态金属溶液体系的智能计算模式

陈森　张晴蕾　杨小虎　邓中山　刘静

在人工智能迅猛发展的今天，经典的冯·诺依曼体系结构遭遇前所未有的理论挑战，发展变革性全新计算模式日趋迫切。柔性和溶液体系是自然界几乎所有生命的共同特征，这与现有的刚性人造智能机器截然不同在各种可能方案中，具备优异柔性、变形性和多功能性的液态金属作为一大类新兴物质，蕴藏着诸多生物学行为。受此启发，本文尝试提出并构造一种无需编程的新型计算模式：类生物计算，并剖析其基本架构。

科技的大潮向来势不可挡。千百年来，各色科技发明竞相登场，卷起一个个炫目的浪花。计算机的发明无疑是其中最为耀眼的浪花之一。出现于1946年的计算机，自诞生之日起，便注定不凡，可谓是人类发展史上的一次革命。数十年的高速发展形成了今天繁荣的信息世界，而冯·诺依曼体系结构在这一过程中起着关键的作用，是目前几乎所有计算机都遵循的原则，也是现代计算机的基础。所谓冯·诺依曼体系结构指的是数学家冯·诺依曼于1946年提出的存储程序原理，即把程序本身当作数据来对待。这种体系结构的核心在于程序和该程序处理的数据均用同样的方式储存。基于这种体系结构的计算机通常具备五大基本组成部件：运算器、控制器、存储器、输入设备和输出设备，计算过程是依顺序执行的。此外，在冯·诺依曼体系结构的计算机中，二进制概念也被引人。在这种体系结构中，由于数据和程序放在同一存储器中，无需占用太多的资源便可取到数据和程序，保证了其可以最大限度地利用资源，冯·诺依曼体系结构因此取得了巨大的成功，其地位难以撼动。

然而，也正因为程序和数据存放在同一存储区，因而存取程序和数据时共享的是同一总线。这种共享同一总线的结构，使得信息流的传输成为限制计算机性能的瓶颈，影响了数据处理速度的提高。近年来，随着图像处理、模式识别、机器翻译、数据挖掘等一系列以智能为核心的应用加速兴起，这种依赖传统计算模式的计算机愈发显得“力不从心”。而为了实现具备自主性的“强人工智能”，目前的计算能力和模式更加无法满足需要。为此，针对传统计算模式的改进一直在进行，但这并未从根本上突破传统体系和观念的束缚，挑战和瓶颈依旧存在。为真正解决目前面临的问题，变革传统的计算模式成为学术界努力的目标，各种新型计算相继被提出。这一过程中，有望打破冯·诺依曼体系结构的类脑计算是当前的研究前沿。然而，这一模式仍然存在难以逾越的理论与技术障碍。

科技的发展有赖于大胆的设想，笔者基于低等生物的创造性和液态金属的类生物行为，提出一种新型的计算模式：类生物计算，可望启迪科技界的进一步思考，继而取得新的突破。

人工智能，限于人工

倘若现在要选取一个科技词汇用以唤起公众的普遍兴趣，“人工智能”一词当之无愧。围棋界人机大战的硝烟似乎还在眼前，两年的时光又一晃而过。今天，人工智能已经在很多领域开花结果，不说生活中常用的刷脸支付，也不说愈加精准的语音识别，仅就即将上路的自动驾驶就足以证明其无限魅力。于是，人们似乎已经习惯于谈论人工智能的强大，兴奋于畅想更为智能的未来。然而，无可否认的是，人工智能虽已在特定的行业取得了一定的成就，但由于受底层二进制计算模式的制约，人工智能的局限性已然十分明显。可以说，当前的人工智能至多只能算是“人工设计出来的智能”。

人工智能的实现方式不同，但其共性是：所适用的都是结构化的环境，可以被模型表达。因此，人工智能对于拟解决的问题，首先需要建立相应的数据库，然后提取特征点，进而实现结构化、模型化。可以说，实现结构化是目前人工智能的重要前提。内在原因在于，人工智能的背后依旧是二进制的重复计算，这就意味着机器只能读懂二进制语言，故而需要将所计算的对象描述为二进制表达的模型。人工智能的本质依旧是计算机代码，按照事先编写的程序一步步找到最佳的实施步骤，当然其中有各种避免穷举的算法技巧。总体上，迄今为止的人工智能仍基于已有的模型，强烈依赖结构化的情景，多限于特定的行业，迁移能力弱。这种依靠大量预置算法和模型的人工智能是表面的，其背后依旧是传统计算模式，并未脱离冯·诺依曼体系结构，可以看作是一种现代存储和计算技术催生出的高级计算，离真正的人工智能相去甚远。由此可知，如果没有特定结构化的场景和大量的数据模型，人工智能是难以发挥应有功能的。

另一方面，拥有各种复杂情况的现实世界是完全非结构化的情景。比如一件事情通常包含很多的前因，也会产生诸多潜在后果，这中间有着丰富的变化，这是目前的算法所不能解决的。也就是说，它们很难表示现有世界中固有的不确定性，同时缺乏推理和对因果关系的表达能力。形式化的方法也不可能为所有的对象建立模型。因此，计算机算法面对这样非结构化的情景往往无能为力，这也解释了前述人工智能所面临挑战的原因。其实，挑战一直存在的很大一部分原因就来源于传统计算模式的限制。因此，让机器拥有自我学习能力等创造性是十分必要的。然而，在目前的计算框架下，这几乎是不可能的事情。

總体上，基于冯·诺依曼体系的人工智能依旧是数学性的，并无创造性，而创造性是智慧生命所独有的。为实现对现有计算模式的革新，研究者们将学习的目标投向生物。生物作为大自然进化的奇迹，拥有无与伦比的创造力。向生物学习，向自然借鉴，一直是科学研究中重要的灵感来源。自然界中，复杂的抽象思维是高等生物所独有的，这主要归因于高等生物发达的大脑。因而，模仿大脑成为科学家们追逐的目标，各种“仿脑”和“造脑”计划此起彼伏。在人工智能领域，为了突破冯·诺依曼传统体系结构的限制，科学家们提出了类脑计算，当前已成为研究热点。所谓类脑计算具体指仿真、模拟和学习借鉴人脑的神经系统结构和信息处理过程，构建出具有学习能力的超低功耗的新型计算系统。但是，高等生物的大脑是一个极度优化的系统，具有非比寻常的复杂度，其工作耗能仅为25瓦，神经元的数量却在10数量级上，考虑三维空间的连接，其连接上的数量级达到了10，说明模仿人脑是一件极为困难的事情。同时由于关于脑科学的生物学机制仍有太多的未知，因而类脑计算面世虽已数十年，目前仍处在研究阶段。类脑计算无疑是21世纪的重大科学挑战之一，但离实现真正突破尚需时日。

模仿生物，突破模仿

那么，能否另辟蹊径构建出一套超越传统的冯·诺依曼体系结构的计算模式？答案是肯定的。笔者认为，无需只关注高等生物复杂的大脑，可将目光投向低等生物，因为低等生物所具有的创造性行为，对于探索新型的计算模式同样重要。

低等生物虽然没有高等生物那样发达的大脑，但面对复杂的环境同样有着良好的适应能力。比如黏菌，一种单细胞生物，在外界刺激下，很容易形成网状结构。在诸多外界刺激中，食物是其中最为典型的一种。黏菌为了寻找食物，可以从一个点开始向四周延展，伸出很多“触手”。一旦获得合适的食物，那些没有找到食物的“触手”就会收缩、消失。于是，在黏菌的觅食网上，最后只留下了那些有食物供给、并且能有效传递营养的线路和节点。

利用黏菌这种单细胞生物对外界的响应特性，可实现很多复杂的行为，比如规划交通。相关研究表明，这种黏菌可以高效地完成人类几十年規划的铁路系统。东京的铁路系统从1872年开始运行，第一条铁路连接的是东京和横滨。值得指出的是，这个铁路系统花了工程师们100多年的时间才优化成目前形式。然而，利用黏菌对外界食物的响应特性，则只需短短的26小时便可以得到同样高效的结果。此外，黏菌不但能够形成有效的食物运输网络，还能在不成功的线路上用化学物质标记。这样一来，黏菌就可以记住那些低效的线路，防止以后犯错。此外，黏菌甚至可以在迷宫里找到走出去的最短路径。更令人啧啧称奇的是，这一切竟然是在黏菌没有大脑、没有神经系统的状况下完成的。

类似于黏菌觅食这样的现象，在自然界中还有很多。低等生物对外界环境的刺激能进行直觉响应，进而实现复杂动作，这种创造能力也是目前计算机所不及的。为此，我们提出的基于模仿低等生物的行为从而构建的类生物计算模式，具备独到优势。具体而言，类生物计算指的是：模仿低等生物对外界刺激的直觉反应，构建一套无需编程的计算模式，需要的仅仅是对外界输入的直接响应，进而实现计算并得到输出。相对于传统计算模式，类生物计算利用多直觉响应，天然地是一种并行计算。更为重要的是，类生物计算其本质在于摆脱程序化的计算模式，进而实现对外界输入的自主智能响应，这对于未来人工智能的发展大有裨益。

为实现该目标，首要的是找到一种合适的材料去模仿生物类似行为。这种物质首先需要具备优异的柔软性，且处于溶液体系中。这是因为，我们注意到，自然界中的大多数动物都是柔性的，其溶液环境提供了相互影响和协调并行动作的机能。事实上，无处不在的柔性在生命活动中起着重要的作用，具有柔性的生物表现出极好的灵活性和适应性。一定程度上，柔性可被认为是另一种维度。因而，如果要模仿生物的运动，选择具有柔软性的湿性物质是必须的。此外，为了模仿生物运动，体现生物对外界优异的响应特性，这种物质在溶液体系中需要具备极好的变形能力和多场响应特性。只有找到这样的物质，方能为类生物计算提供现实的材料基础。

液态金属，天生液态

幸运的是，液态金属如镓基合金便是这样一种物质，在室温下呈液态，拥有高级别的柔软性。同时能对电、磁、声、光、热乃至化学和机械因素进行响应，具有远超一般物质的响应能力。此外，液态金属的表面张力是目前已知室温液体中最大的，这赋予了其极佳的变形和运动能力。最近的系列科学研究也已证实，处于溶液中的液态金属具备诸多类生物行为。这种复杂的液态金属类生物变化无需程序控制，需要的仅仅是对外界刺激的响应，一定程度上拥有了生命的特性。受此启发，我们提出利用液态金属去构建类生物计算体系结构。

近年来，诸多液态金属基础物理化学效应相继被发现。比如，因为流体间的自剪切作用，液态金属可以被大量分散为尺度均匀的液滴;吞食了铝的液态金属会进行自驱动运动，时间可长达1个小时;将铜丝放置在含铝的液态金属中，铜丝可以自发进行节律振荡;浸没在溶液环境中的液态金属液滴，在受到外界刺激时会吞噬周围的金属颗粒，这种现象非常类似于细胞的吞噬作用……

此外，类似于黏菌形成的复杂分形结构，液态金属在适宜条件下也可以形成合适的分形。在外界氧化性物质刺激下，置于碱性溶液中的液态金属在合适的基底上会发生分形现象。对于这种氧化激发的液态金属分形，其分形维数和树枝复杂度可加以调节。与黏菌所产生的枝状分形依赖于营养物质的分布类似，通过调节氧化物的添加位置还可以对液态金属的分形方位进行控制。实验同时发现，液态金属还可以对外界的离子进行快速响应。研究表明，液态金属可以在铁离子浓度的作用下实现定向运动，这和生物的趋化性十分类似。而调整铁离子的浓度和梯度，可以控制液态金属的运动速度。利用这种趋化性还可以实现液态金属走迷宫。进一步地，液态金属对于铜离子的响应也被实现。处于铜离子溶液中的液态金属，会自发地生长出大量的蛇形伪足，就像生物遇到刺激会运动一样。而这种伪足的产生和生长是受溶液环境控制的。通过调控溶液的pH值及浓度，液态金属的伪足数量、伪足运动速度和产生方位均可以被有效控制。

镓基液态金属既拥有典型的金属性，又具有优异的流动性。根据这些特点，研究人员利用金属颗粒和液态金属之间的原电池反应，成功实现了液态金属表面的大尺度对流。研究发现撒落在液态金属表面的铜粉被润湿后能够持续诱发其发生大范围流动与变形该效应。进一步的研究揭示，这是一种表面张力梯度驱动的流动行为，表面张力的不均匀分布来自有着不同表面电荷密度的金属颗粒与液态金属间的耦合作用。该现象表明，对于液态金属这一独特的流体物质而言，即便只与很小的金属颗粒接触，其自身状态也极易发生改变。研究人员同时表明，通过改变液态金属周围溶液的pH值，可以驱动其运动。将二者耦合，可望制备出一种集运动和变形为一体的液态金属柔性机器，为类生物计算的实现提供更多的基础功能。

液态金属对于外加电场也有优异的响应特性。只需施加一个很小电压，液态金属便可以在电场作用下进行持续运动。即使运动过程中碰到阻碍，比如各种不规整通道，液态金属依旧可以像蠕虫一样挤过去。这种行为与变形虫已经十分相似。进一步地，科学研究发现处于自由空间下的液态金属，能够在石墨表面像蠕虫一样进行逆重力蠕动爬坡，整个过程只需要极低的电压提供外界刺激，这种对于环境敏感的特性在生物界中普遍存在。未来，利用外界条件精准地控制液态金属的运动行为，可为类生物计算提供良好的技术基础。

以上所述的液态金属类生物行为，最为重要的一点就是液态金属可以根据环境进行自我调整，对外界的各种刺激进行响应，这些非同寻常的特点已经比较接近自然界中简单的软体生物。利用液态金属溶液体系所实现的类生物行为，为我们提出的类生物计算模式提供了一种具体可行的实现途径，进而解决目前计算模式所面临的瓶颈。这里，外界的刺激可以看作是计算输入，液态金属的自发反应则作为对计算输入的响应和输出，于是液态金属的每一次变化都可以看作是一次计算。这个计算过程和生物的反应很相似，是直觉性的，显著区别于传统计算模式中的大量重复迭代计算，因而具有独特的优势。此外，利用液态金属的电双层、导电性、氧化性、黏度以及表面张力等各个维度的变化，可以实现对外界刺激的直接精准感知和响应，这将有益于未来类生物计算的实施。

液态智能，未来计算

受液態金属类生物行为的启发，我们提出的类生物计算模式可以对外界的刺激直接进行响应，每次响应都相当于一次计算，这种计算不需要二进制的编码，不涉及同定程序，也免去了重复的迭代。比如自主转弯这种简单的生物行为，传统的计算方式需要大量的计算去识別障碍的存在，再进行不断计算评估以筛选出合适的转弯参数。而基于类生物计算的机器，能够模仿生物去感受外界的环境，然后依靠对外界环境的直觉响应，自然地躲避障碍，进而寻找出最佳途径。

同时，我们也设想一种可能的形式去实现这种类生物计算。通过前面的描述，我们知道，液态金属诸多变形与运动背后的物理机制在于其巨大的可调控的界面张力。进一步地，这种界面张力是与液态金属处于溶液体系中的表面性质及变化密切相关的，包括表面的电双层效应以及是否氧化等。这使我们意识到溶液环境对于液态金属的变化至关重要。这里，溶液环境可以类比为细胞液和组织液，而液态金属对于外界环境的响应可以类比为生命细胞的应激反应。于是，我们可构建一种液态金属细胞，用于在结构和功能上部分模拟生物细胞。这种液态金属细胞由液体金属核、功能膜及电解质组成，其中的功能膜，既可以是液态金属本身氧化产生的膜，也可以是高分子等各种智能材料构成的外部膜，而电解质则可以根据需要选择酸性或者碱性电解质：

这种液态金属细胞除了具备液态金属的响应能力外，功能膜的增加同时赋予液态金属新的特性，甚至模拟液态晶体管，这对于液态金属计算器件能力的提高大为有益。同时，液态金属细胞中膜的存在使得液态金属可以从特定的环境中独立出来，进而作为一种计算器件。基于此，我们设想了一种可能的实现类生物计算的方式。首先构建液态金属细胞，作为类生物计算的基本单元。液态金属细胞上的功能膜可将外界的输入转换为能量梯度（化学梯度等）。这一点很重要，因为液态金属对于梯度的响应是可行且灵敏的，这也是很多生物的共有特征：依靠简单的梯度响应实现复杂的行为。然后，将基本计算单元进行集成，使之组成液态金属细胞网络，共同充当感受器的作用，进而完成更为复杂的功能。其中集成的单元可以划分为不同的模块，比如利用液态金属氧化过程中的电阻变化，可以做成一种记忆器件。如此，依靠各种不同功能的液态金属细胞的共同作用，有望完成类生物计算。

最近本领域也已取得一些进展，比如研究者们提出利用液态金属构建一种全液态量子器件并给出了实现方法。这种全液态量子器件的中间液层的厚度可以通过力场、电场、磁场等多种物理场来调控。由此可知，液态金属所拥有的独特柔性、可变形性以及其原子级光滑的表面对于计算而言是大有裨益的。未来，基于类生物计算的原则，高度灵活性、智能性及可控性的液态金属计算组件有望得到实施。

总的说来，迄今所发现的液态金属类生物行为对于类生物计算的实现具有重要的启发意义。然而，必须认识到，现有的液态金属变形和响应能力仍属有限，实现液态金属对外界环境更为复杂的响应是下一步的研究目标同时，这些变形和响应还缺乏自主智能，离然界中的生命尚有距离。自然界每创造一个生物，除了给其以躯体，同时也赋予其“灵魂”。这种“灵魂”便是生物的意识，也是机器与生命的最大区别。前期实现的液态金属行为离这样的目标仍有很大距离，未来需要更多纵深研究。

长路漫漫，求索无止境。类生物计算模式为今后的实验探索提供了新的变革性思路，有助于促成相关领域的进步，继而启发科技界的思考，为社会发展提供推力。可以预见的是，未来的计算机会与当下存在很大不同，其背后所依赖的计算模式也可能出现颠覆性的变化。新的计算机可能构成于人造神经，也可能由一群细菌构成……在不远的将来，若电脑中执行计算的单元由一摊液态金属组成，也请不要惊讶，毕竟不远的过去我们也曾难以想象今日电脑的模样。倘若未来的电脑正式进化为“液脑”，人类或将迎来全新的发展阶段。

[1]陶建华，陈云霁.类脑计算芯片与类脑智能机器人发展现状与思考.中国科学院院刊，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]张晴蕾，邓中山，刘静.液态金属：可否制造金属基生命.科学，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]劉静.一种液态金属人工细胞及其制备方法.中国发明专利CN201610875644.4，2016.

[15]刘静，曲小鹏.仿神经元突触结构的柔性三极管.中国发明专利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.

关键词：类生物计算  液态金属  人工智能  冯·诺依曼体系