生物集体智能身心框架概述：5万字|生物集体|神经元|细胞

Technological Approach to Mind Everywhere: An Experimentally-Grounded Framework for Understanding Diverse Bodies and Minds 2022

理解认知基础起源的关键方面

TABLE 2 | isomorphism between cognition and pattern formation.

Cognitive concept vs Morphogenetic concept

身体、大脑和心智的巨大可塑性意味着成熟的认知科学不能仅仅关注于理解当前存在的标准“模式动物”。典型的“对象”，如老鼠或果蝇，在研究过程中保持不变，方便地被抽象为一个单一的自我或智能，这模糊了更大的图景。

这些影响涵盖了对进化发育生物学的洞见、推进生物工程和人工生命研究、再生医学的新路线图、识别异星生命的能力

图 3 |认知自我可以实时改变。(A) 毛毛虫蜕变成蝴蝶，在单个个体的一生中经历了身体、大脑和认知系统彻底重塑的过程。重要的是，记忆在这个过程中得以保留并持续存在（Blackiston et al., 2015）。

图 4 |非常规的目标导向代理和认知自我的扩展。

形态发生是集体智慧和可塑性的一个例子。复杂形态发生的结果是细胞集体智慧在形态空间中的行为。了解这种集体智慧至关重要，

合成生物学和生物工程为在非常广泛的混合体结构中创建新的具体认知系统（又称为心智）提供了机会 ，这些混合体结构结合了进化和设计的物质和软件。这些进展正在颠覆心灵哲学中熟悉的概念，并需要新的思考方式和比较真正多样化的智能，其组成和起源不像任何可用的自然模型物种。在这篇透视文章中，我介绍了TAME Technological Approach to Mind Everywhere——技术化的心智普遍方法——一个用于理解和操纵非传统基质中认知的框架。TAME Technological Approach to Mind Everywhere形式化了一种非二元（连续的），基于经验的强烈体现代理的embodied agency方法。TAME Technological Approach to Mind Everywhere提供了一种自然的思考动物感知的方式，将其视为细胞群的集体智能的一个实例，这种智能是从在许多其他基质中以类似方式显现的动态中产生的。当应用于再生/发育系统时，TAME提出了将形态发生视为基础认知的一种视角。解剖学、生理学、转录和3D（传统行为）空间中的问题解决之间的深层对称性驱动着特定的假设，通过这些假设，认知能力可以在进化过程中增加。进化利用的将活跃亚单位结合成更大agents代理的重要介质是发育生物电，通过离子通道和间隙连接的细胞级反馈环路的前神经使用将其扩展为解剖稳态。生物系统的多尺度能力结构对身体和心智的可塑性有重要影响，极大地增强了可进化性。从计算科学、进化生物学和基础认知的角度考虑经典和最新数据，揭示了一个富有研究意义的广泛研究项目，对认知科学、进化生物学、再生医学和人工智能都有着许多影响。

关键词：再生，基础认知，生物电，间隙连接，合成形态，生物工程，TAME Technological Approach to Mind Everywhere

介绍

所有已知的认知主体都是集体智能 ，因为我们都是由部分组成的；特别是生物主体不仅在结构上是模块化的，而且由在重要方面本身就是主体的部分组成。没有真正的单子、不可分割的但是认知的存在：所有已知的心智都存在于由各种复杂度和活跃行为的组件组成的物理系统中。然而，作为人类成年人，我们的主要经验是一个集中的、连贯的自我，以自上而下的方式控制事件。这也是我们制定学习模型（“老鼠学会了X”）、道德责任、决策和价值观的方式：在中心是一个拥有代理权的主体，作为奖励和惩罚的中心，具有（作为单一功能单元）记忆，展现出偏好，并采取行动。然而，在幕后，我们发现了遵循低级规则的细胞集合，通过分布式、并行的功能性产生了系统级的 emergent 动态。就像单细胞生物在进化过程中转变为多细胞生物一样，一个胚胎的单个细胞构建了一个统一的自我，并在一个个体的生命周期内运行。这种复合代理支持属于该自我而不属于任何部分的记忆、目标和认知。因此，其中一个最深刻、最深远的问题是规模化和统一化的问题：如何将能干的、低层次的代理的活动转变为一个多尺度的 holobiont，这个 holobiont 真正超越了其组成部分的总和？并且，鉴于部件可以以各种方式组装和相互关联，是否可能定义出一种方式，来认识、比较和理解真正多样化的智能？

在这里，我发展了一个框架，从多尺度的认知自我的性质和规模的角度推动生物学、认知、进化和生物技术的新理论和实验。这个研究计划的一个重要部分是需要涵盖超越熟悉的传统、进化的、静态的具有大脑的模型动物的存在。通过关注现有形式的可塑性和混合生物工程带来的功能多样性，揭示了现有框架中的差距，从而为基础性进步提供了机会。为了说明这个框架如何应用于非传统的基质，我探讨了行为和形态发生之间的深层对称性，推导出在发育和系统发育时间范围内上下尺度自我的动态的假设，同时强烈影响着进化过程本身的速度（Dukas，1998）。我试图展示解剖稳态如何可以被视为细胞群智能的行为结果，并提供了一个丰富的例子，说明一个包容性、面向未来的技术框架如何将哲学问题与具体的经验研究项目联系起来。

以下观点的哲学背景在表1中进行了总结（也请参阅术语表），并通过基础认知领域（Birch等人，2020）采用了基本渐进主义方法进行了紧密的联系。值得注意的是，用于扩展功能能力的生物机制的具体提议与此概念基础相辅相成，但并非线性依赖于它。关于生物电网络如何将细胞计算扩展到解剖稳态以及多尺度能力的进化动力学的假设，可以在不接受框架中“处处存在心智”的承诺的情况下进行探索。然而，它们共同形成了一个对生命科学的连贯视角，有助于生成可检验的新假设并整合来自几个子领域的数据。

表1 | TAME的核心原则。TAME Technological Approach to Mind Everywhere

• 认知能力的连续性 —— 没有二元分类，没有明确界定真正认知和“只是物理学”的明显界线，正如从进化过程和生物工程中制造任何两种“自然种类”的嵌合体所清楚的那样。

• 成熟的框架必须适用于真正多样化的智能 —— 超越基于大脑的地球系统的例子，我们必须能够考虑和比较跨越各种规模的生物、非生物和软件组件的设计和演化组合的代理agents。

• 自我存在于一种说服性的连续体中，确定某个给定系统在这个轴上位于何处是一个经验性问题（通过对于任何与该系统关系的方式所需的预测和控制与投入的努力和知识之比来揭示）。

• 自我不是固定的、永久的代理人agents —— 它们的基质在其一生中可以发生根本性的重塑；记忆和偏好的所有者，以及解释奖励和惩罚的主体，是可塑的和具有可塑性的。

• 自我的核心是追求目标的能力。自我可以嵌套和重叠，横向和跨层次合作和竞争。每个更高级别的自我都会改变较低层次的自我的选择空间，使它们能够在一个尺度上实现看似不可避免和简单的结果，同时在更高层次上服务于智能目标。

• 智能是导航任何空间的能力的程度（不仅仅是熟悉的运动的三维空间），包括形态空间、转录空间、生理空间等，朝向理想区域，同时避免陷入局部最小值。任何系统智能的估计都依赖于观察者，它们对观察者及其局限性的描述与对系统本身的描述一样多。

在本文中，“认知”不仅指复杂的、自我反思的高级认知或元认知，而是在较不保守的意义上使用，承认许多各种各样的能力，包括从经验中学习（Ginsburg和Jablonka，2021）、自适应响应、自我引导、偏好下的决策制定、问题解决、对环境进行主动探索以及在传统（进化的）生命形式以及生物工程形式中不同层次的行动（Rosenblueth等，1943年；Lyon，2006年；Bayne等，2019年；Levin等，2021年；Lyon等，2021年；图1）。

对于我们的目的，认知指的是在知觉和行动之间进行的功能计算，使代理能够跨越更广泛的时间范围（通过记忆和预测能力，不管它有多少）比其即时现在，使其能够从刺激的实例中推广和推断出模式——这些是对概念重新组合、语言和逻辑的更高级形式的前体。For our purposes， cognition refers to the functional computations that take place between perception and action, which allow the agent to span a wider range of time (via memory and predictive capacity, however much it may have) than its immediate now, which enable it to generalize and infer patterns from instances of stimuli—precursors to more advanced forms of recombining concepts, language, and logic

TAME框架——技术方法论在各处实现心智（TAME Technological Approach to Mind Everywhere）——采用了一种实际的、建设性的工程视角，对于给定系统在认知复杂度连续体中的最佳位置进行了考量。这产生了一个说服性的轴（见图2），与“有意识的立场”（Dennett，1987）密切相关，但在实践中更加明确，涉及到实现预测和控制所需的功能工程方法。说服性指的是最优理性修改给定系统行为的类型的概念和实践工具。起源故事（设计 vs. 进化）、组成以及其他方面并不能决定生物或非生物系统的正确代理水平。相反，人们必须进行实验，看看哪种干预策略提供了最有效的预测和控制（因此，一个目标应该是将以人为中心的图灵测试和其他智商指标推广为更广泛的代理检测工具箱，这或许本身可以通过一个有用的算法实现）。

我们发现和操纵复杂系统的能力与我们在世界中对代理的分类方式密切相关。牛顿没有发明两个术语——引力（用于地球上物体的下落）和可能是“shmavity”（用于月球）——因为这样做会失去更强大的统一性。TAME提出了一个概念上的统一，可以促进跨学科和模型系统之间工具的移植。我们应该避免在心理术语周围加上引号，因为它们之间没有绝对的、二元的区别——只有在将这些组件纳入模型的程度上会有用的差异。在这个角度下，我提出了一些关于统一看似分散的问题的不变量的假设，比如形态发生、行为和生理平衡。我将目标（在控制论意义上）和压力（作为系统距离目标的结果）视为能够让我们研究和比较在真正多样化体现中的代理的关键不变量。缩放目标和压力的过程与模块化形成了正反馈循环，因此它们既源自于进化，也增强了进化的力量。这些假设提出了一种特定的方式来理解认知能力通过进化的缩放，提出了有趣的预测，并暗示了新颖的实验工作。它们还提供了一种思考通过生物工程师的努力即将扩展的“可能的身体和头脑空间”的方式，这肯定会打破在今天自然生物圈的背景下形成的类别和结论。

意识又如何呢？理解认知可能是无法理解感知的，而本文的重点是关于如何理解各种形式的认知的可测试的、实证的影响。通过在标准动物之外的多种基质中定义、检测和比较认知和智能，我们可以增强可能产生感知的体现范围。为了通过实证进展推动该领域的发展，下文大部分讨论的重点是关于如何思考认知功能，而不是关于感知或接触意识 [在“硬问题”(Chalmers, 2013)的意义上]。然而，我在最后回到了这个问题，讨论了TAME将感知视为根本与目标导向活动相联系的观点，其中只有一些方面可以通过第三人称方法来研究。

主要目标是帮助推进和界定生物学、哲学和信息科学交叉领域的一个激动人心的新兴领域。通过提出一个新框架并将其置于现在可以物理实现（而不仅仅是逻辑上可能）的广泛背景下加以考察，可能有可能使概念上的、哲学性的思考与科学技术的最新进展保持一致。涉及到的是当前进化、发育和细胞生物学中的知识空白、再生医学的新路线图、可以移植到人工智能和机器人的教训，以及对伦理学的更广泛影响。

认知：改变主题

即使是高级动物实际上也是集体智能 (Couzin, 2007, 2009; Valentini et al., 2018)，利用了还不太理解的后生动物体系结构的缩放和绑定特性，这些特性与被称为“液体大脑”的松散群体之间存在着一种连续性 (Sole et al., 2019)。关于“集中控制”的研究集中在大脑上，实际上大脑是一种细胞网络，执行着许多细胞类型（包括细菌）可以执行的功能 (Koshland, 1983)。认知的具体性embodied意味着自我意识依赖于高度可塑的物质基质，这种基质不仅在进化时间尺度上发生变化，而且在自身代理人的一生中也会发生变化。

所有智能的复合性的核心结果是自我意识在实时中会发生显著变化 (图3)。这意味着通过经验的缓慢成熟（一种不会破坏传统对代理人思考方式的“软件”变化），以及在实施给定心智的物质中进行根本性的变化 (Levin, 2020)。拥有者或记忆、偏好以及在更高级的情况下，信用和责任的主体是非常可塑的。与此同时，令人着迷的机制确保了自我意识的持久性（如复杂的记忆），尽管基质发生了 drastlc 的变化。例如，毛虫大脑的大规模重塑，随后是适合于蛾或甲虫的完全不同的大脑的形态生成，并不会抹掉幼虫的所有记忆，而是以某种方式将它们映射到变态后宿主的行为能力上，尽管后者的身体完全不同 (Alloway, 1972; Tully et al., 1994; Sheiman and Tiras, 1996; Armstrong et al., 1998; Ray, 1999; Blackiston et al., 2008)。不仅如此，记忆似乎可以在某些生物的完全重塑大脑后（如计划尾虫）持续存在 (McConnell et al., 1959; Corning, 1966; Shomrat and Levin, 2013)，在这些生物中，先前的知识和行为倾向以某种方式转移到新构建的大脑上。甚至在脊椎动物中，如鱼类 (Versteeg et al., 2021) 和哺乳动物 (von der Ohe et al., 2006)，大脑大小和结构都可以在其一生中多次发生变化。这对于理解多尺度和陌生体现的代理人和智能至关重要，因为这类观察开始打破自我意识作为单一、不可变对象的概念。对于在形式和功能上具有可塑性的生物认知代理人（在个体的一生中发生根本性变化）感到舒适，这使得更容易理解认知在进化过程中的起源和变化，或作为生物工程努力的结果。

这个鲜为人知的再生/重塑与认知之间的交叉点突显了身体、大脑和心智的引人注目的可塑性；在传统的模型系统中，认知被映射到一个稳定的、离散的、成熟的大脑上，这是无法充分理解自我与其物质基础之间关系的。许多科学家研究毛虫和蝴蝶的行为特性，但从哲学和认知科学的角度来看，在这两者之间的过渡区域提供了一个重要的机会，可以通过在个体的一生中改变其身体（而不仅仅是在进化过程中）来研究心智-身体关系。需要注意的是，尽管生物界中的不寻常情况通常引起人们的关注，但即使对于大多数生命而言，即使在生物重塑过程中，存在着存在的连续性——甚至人类也会通过逐渐的形态发生过程从细胞的集合体变为一个功能完整的个体，构建一个实时活跃的自我。这在生物学中尚未得到解决，同样也尚未在计算机科学中得到解决，机器学习方法使用静态神经网络（没有一种形式的方法能够实时改变人工神经网络的架构）。

自我如何在这种变化中持续存在（并且被第三人调查所认可）的不变因素是什么？记忆是一个很好的候选者 （Shoemaker，1959; Ameriks，1976; 图3）。然而，至少某些类型的记忆可以通过移植脑组织或分子痕迹在个体之间转移（Pietsch和Schneider，1969; McConnell和Shelby，1970; Bisping等，1971; Chen等，2014; Bedecarrats等，2018; Abraham等，2019）。重要的是，动物之间记忆的转移仅仅是生物组织中记忆转移的一个特例。即使在同一“身体”中，记忆也必须在组织之间移动—例如，训练过的平面虫的尾部碎片重新印刷其所学的信息到新生的大脑上，或者在变态过程中记忆转移到新的大脑组织中。除了将记忆在新底物上进行空间移动和重映射之外，还有一个时间组成部分，因为每个记忆实际上都是过去和未来自我的交流实例。由于由死亡、出生和显著重组其组织结构的细胞组成的生物体的可塑性，暗示着认知的理解基本上是一个集体智能问题：理解稳定的认知结构如何持久存在并映射到群体动态中，其中偏好和压力与其组成部分的相同。

这一原理甚至适用于像人类大脑这样的“稳定”形式 ，人们经常把它看作是经验和思想的单一主体。首先，计划虫再生/昆虫变态与人类大脑之间的鸿沟将被新兴的治疗方法所弥合。干细胞治疗退行性脑疾病（Forraz等，2013; Rosser和Svendsen，2014; Tanna和Sachan，2014）势在必行，将使我们面对部分由在患者的记忆和个性特征形成期间不存在的细胞的幼稚后代部分替换的人类大脑。即使在这些进展之前，人们也清楚地意识到，像解离性身份障碍（Miller和Triggiano，1992）、与断脑联合切除患者的非语言脑半球交流（Nagel，1971; Montgomery，2003）、脑部融合的连体婴儿（Gazzaniga，1970; Barilan，2003）等现象将人类认知置于一个与生物组织实施的集成自我的可塑性相关的连续光谱上。

重要的是，动物模型系统现在提供了利用这种可塑性进行身心关系功能性研究的能力。例如，现在可以在比进化变化快得多的时间尺度内，彻底修改身体，以研究心智的固有可塑性，而无需经历亿万年的选择来塑造它们以适应特定的身体结构。当蝌蚪的眼睛被放置在它们的尾部而不是头部时，它们仍然能够轻松地执行视觉学习任务（Blackiston和Levin，2013; Blackiston等，2017）。计划虫可以很容易地制作出同一个身体内具有两个（或更多）大脑的个体（Morgan，1904; Oviedo等，2010），并且人类患者现在常规接受新的输入 [例如感觉替代（Bach-y-Rita等，1969; Bach-y-Rita，1981; Danilov和Tyler，2005; Ptito等，2005）] 或新的效应器，例如使思维能够控制工程设备（例如轮椅）的工具化接口，除了他们自己身体的默认肌肉驱动外（Green和Kalaska，2011; Chamola等，2020; Belwafi等，2021）。这里的核心现象是可塑性：心智不是紧密地绑定在一个特定的基础架构上（正如我们今天的大多数软件一样），而是容易地适应基因组默认值的变化。这一进展的逻辑延伸是关注自我修改的生物体，并创建新的代理人，其中心智：身体系统通过完全用一个工程构造替换方程式的一侧而简化。好处在于，至少有一半系统现在被充分理解了。

例如，在混合体中，动物的大脑与机器人的功能连接在一起，而不是它们正常的身体（Reger等，2000; Potter等，2003; Tsuda等，2009; Ando和Kanzaki，2020）。甚至不必是整个大脑——一块神经元板可以学会驾驶飞行模拟器，并且它生活在一个新的虚拟世界中（DeMarse和Dockendorf，2005; Manicka和Harvey，2008; Beer，2014），从封闭环神经生物平台的发展中可以看出（Demarse等，2001; Potter等，2005; Bakkum等，2007b; Chao等，2008; Rolston等，2009a,b）。这些结果让人想起了哲学101的“罐中之脑”实验（Harman，1973）。大脑适应驾驶机器人和其他设备就像它们适应控制典型的，或高度改变的生物体一样容易，因为心智在某种程度上已经适应并准备好处理身体的改变——无论是在发育过程中、变态和再生中，还是在进化变化中。

身体、大脑和心智的巨大可塑性意味着成熟的认知科学不能仅仅关注于理解当前存在的标准“模式动物”。典型的“对象”，如老鼠或果蝇，在研究过程中保持不变，方便地被抽象为一个单一的自我或智能，这模糊了更大的图景。这个领域的未来必须扩展到能够处理所有可能的心智在一个庞大的身体选项空间中的框架。生物工程和人工智能的进步表明，我们或我们的后代将生活在一个达尔文所说的“无穷尽的最美妙形态”（这个地球的 N = 1 生态系统输出）仅仅是真正可能的生命形式的一个小样本的世界中。生物机器人、混合体、人机融合体、合成和嵌合动物、基因和细胞生物工程生命形式、人类被仪器化到知识平台、设备和彼此——这些技术将产生其身体结构与我们熟悉的系统发生变化的存在。它们将是演化和设计组件的功能混合；在所有层面上，智能材料、软件级系统和活体组织将被整合到新型存在中，它们在自己的异域环境中运行。重要的是，用于指定这些存在的形态和功能的信息不再仅仅是基因的——它真正是“表观遗传”的，因为它不仅来自生物体自身的基因组，还来自于人类和非人类代理的心智（最终，来自机器学习驱动平台的机器人），这些代理使用细胞水平的生物工程技术从遗传上野生的细胞中生成新的身体。在这些情况下，基因不是结果的指南（这突显了在传统的生物物种中甚至难以使用遗传学真正预测认知形式和功能的一些深刻原因）。

现在是开始发展关于真正新颖身体和心智的思考的时候了，因为技术的发展速度远远超过了哲学的进步。许多关于大脑半球移植、记忆迁移、替换身体/大脑部分等标准哲学难题现在在实践中都是非常可行的，而对于如何解释这些结果的理论却落后于实践。我们现在有机会开始发展概念性方法来（1）理解没有便利的进化背景作为他们认知能力解释的存在（他们的心智是全新创建的，而不是被长时间的选择压力塑造成特定能力），以及（2）发展分析新型自我的方法，这些自我不易于与相关存在进行简单比较，不受其与已知标准物种的系统发生地位的影响，也无法通过对其基因的分析来预测。这些影响涵盖了对进化发育生物学的洞见、推进生物工程和人工生命研究、再生医学的新路线图、识别异星生命的能力，以及为与其它没有熟悉的系统发生基础的新型存在建立伦理的发展。因此，在这里，我提出了一个旨在推动实证研究和概念/哲学分析的框架的开端，这个框架将广泛适用于无论其起源故事或内部架构如何的心智。

TAME Technological Approach to Mind Everywhere 心灵的技术方法无处不在：提案框架

“智能无处不在的技术方法”（TAME）框架旨在建立一种识别、研究和比较可能代理的真正多样智能的方式。该项目的目标是确定非常不同类型的代理的认知系统之间的深层不变量，并从组成或起源等非必要特征中抽象出来，这些特征在以前的几十年中足以识别代理，但在未来肯定是不足够的（Bongard 和 Levin，2021）。为了充实这一方法，我首先明确了其中一些哲学基础，然后讨论了为开始理解在“智能可以存在的”心智空间中的具体概念工具所开发的。

多元化智力方法的哲学基础

这项研究计划的一个关键支柱是对几乎所有与认知相关的重要属性采取渐进主义的承诺：先进的心智在很大程度上是从更加谦逊的原始认知系统中连续生成的。从这个观点来看，寻找能够清晰界定“真正”认知（比如人类、大猩猩等）与比喻性“仿佛认知”或“纯粹物理学”之间的明确界线是没有希望的。认真对待进化生物学意味着存在着一系列将任何认知系统与更加谦逊的系统连接起来的形式。虽然系统发育史已经反驳了“真正认知”在一代人中神奇到来的观点（而是将认知扩展过程延伸到漫长的时间尺度和缓慢的修改过程中），但最近生物技术的进步使得这种观点完全不可信。对于任何被提出具有真正偏好、记忆和计划的生物和被认为没有的生物之间的假定差异，我们现在可以构建出中间混合形式，从而使得无法确定结果生物是否是一个代理。当对生物材料在各个组织层次上的可塑性和互操作性有所认识时，许多伪问题就会消失，因为认知的二元观点被溶解了。关于偏好和目标导向的工程问题的明确讨论，涉及到层次需求和上位指导性，可参考McShea (2013, 2016)。

例如，有一种观点认为，只有生物学上演化形成的形式才具有内在动机，而软件人工智能代理只是通过功能性表现来模仿（但实际上并不在乎）（Oudeyer和Kaplan，2007, 2013; Lyon和Kuchling，2021）。但是，哪些生物系统真的在乎呢？是鱼吗？单细胞吗？线粒体（曾经是独立的生物体）是否对它们自己或宿主细胞的生理状态有真正的偏好？在经典（自然）生物系统中对这个问题缺乏共识，也没有令人信服的标准，可以用来将所有可能的代理划分到一个清晰的界线的一边，这突显了真正二元类别的徒劳无功。此外，我们现在可以轻松地构建混合系统，其中包含任何比例的紧密耦合到机载生物细胞和组织上的机器人，它们作为一个整体运行。机器人需要包含多少活细胞才能使生命系统的“真正”认知渗透到整个系统？在人类大脑（带有电极和机器学习转换芯片）驱动辅助装置（例如，95%人类，5%机器人）与携带培养的人类脑细胞的机器人之间的连续体中，可以在哪里划定界线——考虑到任何所需百分比的组合都是可能的？没有量化的答案足以将系统“划分到另一边”，因为不存在这样的界线（至少，尚未提出令人信服的界线）。有趣的代理或认知方面很少是布尔值。

与二元对立相比，导致无法逾越的哲学障碍，我们设想了信息处理能力的进步和多样性的连续体。逐渐增加的复杂能力[例如，无限的联想学习，反事实建模，符号操作等（Ginsburg和Jablonka，2021）]，但仍然是一个连续的过程，不缺乏复杂大脑出现之前的原始认知能力。具体而言，尽管不同智能之间存在显著的认知功能差异，但它们之间的转变并没有显示出相对于个体代理时间尺度的二元或迅速性。没有合理的理由认为进化会产生没有“真正认知”的父母，但却会产生突然具有此类认知的后代，或者认为发育始于一个没有“真正偏好”的胚胎，然后迅速转变为具有此类偏好的动物等等。此外，生物工程和嵌合可以产生在任何两种被认为具有或不具有任何认知属性的形式之间的平滑过渡形式的连续系列。因此，代理逐渐在认知能力的巨大转变之间转变（在其生命周期中，作为发育、变态或与其他代理的相互作用的结果，或者在进化时间尺度上），表达和体验认知能力的中间状态必须由实证方法来研究。

对心智实体的可塑性的关注强烈暗示了这种渐进主义观点，这已经在控制个体性的进化力量的背景下阐述过（Godfrey-Smith，2009; Queller和Strassmann，2009）。在这里，额外的关注点是个体生命周期内发生的事件，由信息和控制动态驱动。TAME框架促使实验者提出“多少”和“什么类型”的认知可能会在正确的方式、正确的观察尺度下与之交互时表现出来。当然，认知程度并不是一个单一的参数，可以产生一个scala naturae，而是一个丰富空间中其认知能力的形状和大小的简写（下文讨论）。

TAME Technological Approach to Mind Everywhere的第二支柱是不存在特权的物质基质用于自我。除了熟悉的由神经元构成的大脑等材料之外，基础认知领域（Nicolis等人，2011; Reid等人，2012, 2013; Beekman和Latty，2015; Baluška和Levin，2016; Boussard等人，2019; Dexter等人，2019; Gershman等人，2021; Levin等人，2021）已经在单细胞、植物、动物组织和群体中识别出新型智能。活性物质、智能材料、群体机器人、机器学习以及某一天的外星生物学等领域表明，我们不能依赖于“大脊椎动物大脑”的熟悉特征作为心智的必要条件。分子系统发育显示，大脑的具体组分先于神经元本身的进化，并且生命在大脑出现之前就已经解决了问题（Buznikov等人，2005; Levin等人，2006; Jekely等人，2015; Liebeskind等人，2015; Moran等人，2015）。如果我们开发工具来表征和与非传统材料实现中的各种各样的心智相关联，那么就可以实现来自认知科学和其他领域的概念的强有力统一和概括。

与此密切相关的是将自然进化从唯一可接受的真正代理起源故事中降格[许多人提出了进化生命形式与仅由人设计的某种不足的机器之间的区别（Bongard和Levin，2021）]。首先，合成进化过程现在正在实验室中用于创建“机器”和修改生命（Kriegman等人，2020a; Blackiston等人，2021）。其次，整个进化过程基本上是一个上山搜索算法，导致了一系列冻结的意外事件和对细胞微观级硬件的随机调整的曲折选择，这对于新兴的系统级结构和功能具有无法预测的大规模后果。如果这个短视的过程，受到许多与复杂认知无关的力量的限制，可以产生真正的心智，那么理性的工程方法也可以。进化（由随机化过程驱动）作为认知的锻造并没有任何神奇之处；毫无疑问，我们最终可以至少做得和可能更好，利用理性的构建原则和更广泛的材料范围。

TAME Technological Approach to Mind Everywhere的第三个基础性方面是系统具有多少代理权agency这个问题的正确答案不能通过哲学来解决——这是一个经验性问题。其目标是产生一个推动实验研究计划的框架，而不仅仅是关于定义问题的哲学辩论。为此，思考这个问题的一种有效方式是丹尼特的意向立场的变体（Dennett，1987; Mar等人，2007），它将诸如认知之类的属性框定为依赖于观察者、可经验测试的，并且定义为对科学提供了多大益处的程度（见图2）。因此，对待任何系统的正确代理程度必须通过揭示哪种模型和策略为系统提供了最高效的预测和控制能力的实验来确定。在这种以工程（理解、修改、构建）为中心的观点下，系统在代理权光谱上的最佳位置是根据哪种模型提供了最有效的预测和控制方式来经验确定的。这样的估计，由于其经验性质，可能会根据未来的实验数据和概念框架进行修订，并且是依赖于观察者的（而不是绝对的）。

科学中的一个标准方法是避免将代理权agency归因于某个系统，除非绝对必要。主流观点（例如，摩根的准则）认为，很容易陷入一种“拟人化”的陷阱，即对表现出明显认知能力的系统进行归因，而应该只寻求着重于机械主义、较低层次描述的模型，避开任何形式的目的论或心理能力（摩根，1903年；Epstein，1984年）。然而，分析显示这种观点并没有提供任何有用的简约性（Cartmill，2017年）。关于唯物主义和机械主义的丰富历史辩论需要与一个不倾向于这个光谱中任何一方向的经验性、工程化方法相结合。远离目的恐惧症导致了在归因认知方面的第二类错误，这对于不仅是实践结果如再生医学（Pezzulo和Levin，2015年）和工程学，而且是伦理学都带来了巨大的机会成本。人类（以及许多其他动物）很容易将代理权归因于他们环境中的系统；科学家应该因为同样的原因对各种复杂系统测试心智理论感到自在——通过认识我们与之互动的系统的真实特征，往往可以极大地增强预测和控制能力。这一观点意味着不存在所谓的“拟人化”，因为人类没有唯一的本质属性，这些属性可以不适当地归因于没有这些属性的代理者。除了极少数微不足道的情况（将人类水平的认知错误地归因于更简单的系统），我们必须小心避免一个人为中心的前科学世界观中隐含的普遍性、不可动摇的残留，其中现代的、标准的人类被假定具有某种不可归约的特质，而这种特质在稍微（或大大）不同的物理实现中不存在。相反，我们应该寻求将人类能力自然化，将其视为更基本原理的细化，在复杂系统中广泛存在，而且种类和程度都不同，并确定给定系统的正确水平。当然，这只是一种立场，强调避免通过任何已知的身体结构或功能的二元转变来解释不可逾越的绝对差异的实验性而不是哲学性的方法。其他人当然可以专注于驱动实证工作，特别关注其他代理者中的何种人类水平的能力是可以或不可以以可检测的数量存在的。

避免对特权级别的解释进行哲学上的纠缠（Ellis，2008年；Ellis等，2012年；Noble，2012年），TAME采用了一种实证方法来归因代理性，这增加了与复杂系统相关的方法论工具，并努力减少心理品质的浪费性归因。我们不会说热水瓶知道何时保温何时保冷，因为没有热水瓶认知模型能比基本热力学更好地解释其行为或制造更好的热水瓶。与此同时，我们知道我们不能简单地使用牛顿的定律来预测山顶（活着的）老鼠的运动，这需要我们构建关于老鼠行为控制器的导航和目标导向活动模型（Jennings，1906年）。

低估一个系统的塑性、学习、偏好、表征和智能问题解决能力会大大减少我们用来理解和控制其行为的技术工具箱。考虑让鸽子正确区分舞蹈视频和武术视频的任务。如果从底层向系统进行方法论处理，就必须实现与动物大脑中的个体神经元进行接口，以读取视觉输入，正确区分视频，然后控制其他神经元来强制其行为，比如走到按钮旁按下按钮。这可能在某一天会实现，但不是在我们的有生之年内。相比之下，我们可以简单地训练鸽子（Qadri和Cook，2017年）。人类几千年来一直在训练动物，却不知道它们的脑中有什么或者大脑是如何工作的。这个非常高效的技巧之所以奏效，是因为我们正确地将它们视为学习代理者，这样我们就能将任务的很多计算复杂性转移到生物系统本身，而不需要微观管理其组件。

这个强大的策略可能适用于哪些其他系统呢？例如，基因调控网络（GRN）是“基因机制”的典型例子，通常被认为只能通过硬件来处理（需要基因治疗方法来改变控制网络连接性的启动子序列，或者添加/删除基因节点）。然而，对GRN可能实际上处于这一连续体的不同位置持开放态度，这表明可以进行一项实验，通过特定的刺激（经验）组合来训练它们进行新的行为。事实上，对生物GRN模型的最近分析表明，它们表现出联想和其他几种学习能力，以及模式完成和泛化（Watson等人，2010年，2014年；Szilagyi等人，2020年；Biswas等人，2021年）。这是一个例子，即使是通常不被视为认知的简单系统的正确代理水平也可以通过实证方法提出新的假设，从而打开了通向新实际应用的路径（利用药物脉冲的联想调控制度来开发记忆并解决药物抗性问题，通过取消习惯化等）。

接下来，我们将考虑框架的具体方面，然后深入探讨其中驱动新实证工作的具体示例。

Mind Everywhere 框架的技术方法的具体概念组成部分

这一新兴领域中的一个有用框架不仅应该作为观察数据和概念的透镜（Manicka和Levin，2019b），还应该以多种方式推动研究。首先，它需要明确定义关键术语，如“自我”。这些定义并不一定是完全正确的——它们可以与其他定义共存，但应该确定自我的基本不变性是什么（以及其他方面可以有什么不同），以及它与实验的交叉点在哪里。统一所有可能自我的基本对称性还应该促进对真正多样智能的直接比较甚至分类，勾勒出自我的标志和可能存在的代理人空间的拓扑结构。该框架还应该帮助科学家提出关于给定自我边界如何确定以及它如何与外部世界（和其他代理人）相互作用的可测试的声明。最后，该框架应该提供可操作的、半定量的定义，这些定义具有强烈的含义并且限制了有关自我如何产生和改变的理论。所有这些都必须促进实验方法，以确定这种方法的经验效用。

TAME Technological Approach to Mind Everywhere 框架将以下内容视为自我存在的基本特征：追求目标的能力、拥有复合（例如，联想性）记忆的能力，以及作为信用分配的中心（受到奖励或惩罚），这些都在比其单独的组成部分更大的尺度上。鉴于该框架的渐进性质，对于任何代理人来说，关键问题是它对每个关键方面具有多少能力、多好以及是什么类型的能力，这反过来又允许代理人在一个选项空间中直接进行比较。TAME强调了定义一个更高尺度，在这个尺度上，组成部分的（可能有能力的）活动导致新兴系统的出现。就像一个有效的数学定理具有独特的结构和存在，超越了其任何单独的陈述一样，一个自我可以拥有例如联想记忆（将分别发生的新的心理内容经验绑定在一起），成为复杂状态的奖励或惩罚的主体（作为其组成部分所采取的高度多样化的行动的后果），以及被事件状态（与目标或设定点的偏离）所压力，这些事件状态在其任何部分的水平上都无法定义（当然，它们可能具有自己独特的压力和目标）。这些是实践方面的因素，建议了识别、创建和修改自我的方法。自我可以根据它们追求的目标尺度进行分类和比较。在这种情况下，这里采用的目标导向视角建立在Rosenblueth等人（1943年）、Nagel（1979年）和Mayr（1992年）的工作基础上，强调了可塑性（从不同的起点达到目标状态的能力）和持久性（尽管受到干扰，仍能达到目标状态的能力）。

系统能够耗费能量努力朝着一种状态努力工作，克服障碍（在其复杂程度允许的范围内）以达到特定的子状态集合，这种能力对于定义自我非常有用，因为它将问题根植于既定的控制理论和控制论中（即，系统“努力做事情”不再是神奇的，而是在工程领域中得到了充分验证），并提供了一种自然的方法来发现、定义和改变系统的偏好。一个常见的反对意见是：“我们肯定不能说恒温器有目标和偏好吧？”TAME框架认为，无论真正的目标和偏好是什么，都必须存在原始的、最小的版本，从这些版本演化而来，并且在重要意义上是基于基质和尺度独立的；简单的稳态回路是目标导向活动的“氢原子”的理想候选者。思考这些问题的一个关键工具是询问任何认知能力的真正最小示例会是什么样的，并思考可以在其下方创建的过渡形式。逻辑上不可避免的是，如果一个人沿着复杂的认知能力通过进化的路径往回走，最终会达到该能力的前体版本，这些前体版本自然地引出了（错误的）问题：“那真的是认知的吗，还是只是物理学？”事实上，一种最小的目标导向性渗透到了所有的物理学中，支持了目标的尺度和复杂性的持续提升。

追求目标对于复合机构和“多对一”问题至关重要，因为它需要将不同的机制（用于测量状态、存储设定点，并驱动活动以最小化前者与后者之间的差异）结合成一个功能单元，这个功能单元大于其各部分的总和。借用一句伟大的引言（Dobzhansky，1973年），在生物学中，除了在目的论的光芒下，没有任何事情是有意义的（Pittendrigh，1958年；Nagel，1979年；Mayr，1992年；Schlosser，1998年；Noble，2010年，2011年；Auletta，2011年；Ellis等人，2012年）。一个系统能够评估各种行动的可能后果，以追求那些目标状态的程度可能差别很大，但这对于其生存至关重要。提议以一种有效地到达特定状态的能量支出方式，尽管存在不确定性、能力的限制和来自外部力量的干扰，作为所有自我的一个核心统一不变量——这是可能代理的空间的基础。这一观点提出了一个半定量的多轴选择空间，可以直接比较各种材料实现和起源的智能。具体地（见图4），可以创建一个“时空”图，其中任何代理的目标的时空尺度勾勒出该自我及其认知边界。

请注意，图4D中的距离不代表一阶能力，比如感知（能感知到多远），而是代表了给定认知系统能够表征和追求的目标大小的二阶能力（包括谦逊的代谢饥饿-饱食循环或宏伟的行星尺度工程抱负）。在任何给定时间，一个代理被这个空间中的一个形状所代表，该形状对应于其可能目标领域的大小和复杂性。然而，基因组（或工程设计规范）在这个空间中映射到一个这样的形状集合，因为自我和世界之间的边界以及一个代理的认知装置能够处理的目标范围，在某些代理的生命周期中都可能发生变化——在“软件”中（另一个“大转变”标志）。这个空间中的所有区域都有可能定义一些可能的代理。当然，还可以轻松地添加其他细分（维度），比如无限联想学习标记（Birch等人，2020年）或主动推理的方面（Friston和Ao，2012年；Friston等人，2015b；Calvo和Friston，2017年；Peters等人，2017年）。

一些代理，如微生物，具有最小的记忆（Vladimirov和Sourjik，2009；Lan和Tu，2016），只能关注非常短的时间范围和空间半径，例如，追随局部梯度。一些代理，例如大鼠，具有更多的记忆和一些前瞻性规划能力（Hadj-Chikh等，1996；Raby和Clayton，2009；Smith和Litchfield，2010），但仍然不能有效地关心2个月后在邻近城镇会发生什么事情。一些，如人类，可以把他们的一生奉献给巨大规模的事业（地球的未来状态，人类等）。类似于特殊相对论，这种形式化明确了永远无法访问的那类能力（以目标类别的表示为基础）（标志着其认知“光锥”的边缘）。

一般来说，较大的自我（1）能够朝着更遥远的未来工作（也许比代理自身的寿命更长——在认知连续体的意义上是一个重要的“大过渡”）；（2）回忆的时间距离更长（他们的行为变得不那么“机械”，而更多地是决策制定（Balazsi等，2011），因为它们与具有更大直径的功能原因和信息网络相关联）；以及（3）他们会努力管理在更大空间内的感知/效应器活动[从亚细胞网络到扩展思维（Clark和Chalmers，1998；Turner，2000；Timsit和Gregoire，2021）]。总的来说，代理能力的增加是由扩大压力（Box 1）的机制驱动的——代理可能感到压力的状态范围（从远离设定点状态的意义上讲），压力、偏好、动机以及关心发生的事情的功能性能力密切相关。对生命而言，稳态演变成了顶态（McEwen，1998；Schulkin和Sterling，2019），因为新的架构允许将紧密的局部稳态环扩展到测量、引起和记忆更大更复杂的状态（Di Paulo，2000；Camley，2018）。

BOX 1 | Stress as the glue of agency. 压力作为代理的粘合剂

告诉我你感到压力的事情，我就能了解你的认知复杂性。局部葡萄糖浓度？四肢过短？竞争对手侵占了你的领地？你有限的寿命？地球上生活质量的全球差异？一个代理可能因何而感到压力，实际上定义了他们的认知能力程度。压力是对当前状态与期望设定点之间差异的系统性响应；它是自我的扩展的重要组成部分，因为它使不同的模块（在不同尺度和分布位置感知和作用的模块）能够被绑定在一个全局的稳态环中（朝向更大的目标）。系统性压力发生在一个子代理对其局部条件不满意时，并将其不满传播到外部作为难以忽视的信号。在这个过程中，压力途径发挥着网络中隐藏层的同样功能，通过将多样化的模块输入和输出连接到同一基本的压力最小化环路，使系统更具适应性。这样的网络会扩展压力，但压力也是帮助网络增强其代理能力的因素——一个双向的正反馈循环。

关键在于，这种压力信号对其他子代理来说是不愉快的，密切模仿着它们自己的压力机制（基因保守性：我的内部压力分子与你的压力分子相同，这有助于相同的“所有权清除”，由间隙连接实现）。通过以这种方式传播不快乐（实际上，增加了全局系统的“能量”，从而促进了在各种空间中移动的倾向），这个过程招募了远程的子代理来行动，以减少他们自己对压力的感知。例如，如果一个器官原基位于错误的位置并且需要移动，周围的细胞更愿意让路，因为这样做可以减少他们收到的压力信号量。这可能是细菌的奔跑和翻滚类似的过程，其中压力是何时移动和何时停止移动的指标，在生理、转录或形态发生空间中。另一个例子是代偿性肥大，其中一个器官的损伤导致其他细胞接管其工作负荷，如果需要，增长或承担新的功能（Tamori和Deng，2014；Fontes等，2020）。通过这种方式，压力导致其他代理朝着同一目标努力工作，作为一种影响，将空间中的子单元粘合成一个连贯的更高级的自我，并抵抗“部分的斗争”（Heams，2012）。有趣的是，压力不仅在水平空间上扩展（跨越细胞领域），而且在垂直时间上也扩展：压力反应的影响是最容易通过代际遗传传递的事物之一（Xue和Acar，2018）。

另一个比较各种智能的重要不变量是它们都在某个空间中解决问题（见图5）。提出标准动物在三维空间中所表现出的传统问题解决行为只是解决代谢、生理、转录和形态发生空间中问题的更古老的进化能力的一种变体（作为进化将一些相同策略转移到新空间中解决问题的可能顺序时间线之一）。例如，当扁虫暴露于钡，一种非特异性的钾通道阻滞剂时，它们的头部会爆炸。值得注意的是，它们很快就会再生出对钡完全不敏感的头部。转录组分析揭示出，在整个基因组中，相对较少的基因被调节，使细胞能够利用转录效应子来改变细胞对离子和神经递质的处理方式，以解决这种生理应激（Emmons-Bell等，2019）。钡不是扁虫在生态上曾经遇到过的东西（因此不应该有对钡暴露的内在进化响应），而且细胞的更新速度不够快以进行选择过程（例如，在抗生素暴露后细菌持久者的情况下）。确定在整个基因组中哪些基因可以被转录调节以返回到适当的生理状态是一个非常规智能在实时中导航大维空间以解决问题的示例。此外，有趣的是，在转录空间（一组mRNA状态）中采取的行动映射到生理状态中的路径（尽管钾通道活性被取消，仍能执行许多所需功能，而不仅仅是单一状态）。

所有这些情况的共同特点是，代理必须在其空间中导航，优先占据适应性区域，尽管外部世界（以及内部事件）的干扰往往会将其拉入新颖的区域。代理（及其子代和超代理）构建其空间的内部模型（Beer，2014，2015; Beer and Williams，2015; Hoffman等，2015; Fields等，2017; Hoffman，2017; Prentner，2019; Dietrich等，2020; Prakash等，2020），这些模型可能与它们的同伴，寄生虫和科学家开发的动作空间的视图是否匹配。因此，导航的空间在重要意义上是虚拟的（属于某个代理的自我模型），是在“即时”（除了由代理的结构硬编码之外）开发和经常修改的，并且不仅朝外推断其选项空间的有用结构，还朝内映射自身的身体和体位属性（Bongard等，2006）。较低级别的子系统简化了高级别代理的搜索空间，因为它们的模块化能力意味着高级别系统不需要管理所有的微状态[一种强大的分层模块化（Zhao等，2006; Lowell和Pollack，2016）]。反过来，高级别系统会改变较低级别系统的选项空间，使它们不需要那么聪明，可以简单地遵循局部能量梯度。

在任何空间中，代理的智能或复杂程度大致与其利用记忆和预测（信息处理）的能力成正比，以避免局部极大值。智能涉及能够暂时偏离简单向量朝向目标的方式，以产生更大的改进；代理的内部复杂性必须促进某种程度的复杂性（类似于人工神经网络中的隐藏层，介绍了刺激和响应之间的可塑性），以实现目标导向活动所需的缓冲，从而具备耐心和间接路径到达目标的能力。这种缓冲使细胞的稳态问题驱动（压力减少）行为的反面得以实现：集体代理探索新机会的空间（创造性），以及获取更复杂目标的能力[实质上，开始攀登马斯洛的层次（Taormina和Gao，2013）]。当然，必须指出的是，这种智能概念方式只是众多方式之一，提议将其用作一种方法，使概念能够被实验性地移植到不熟悉的基质中，同时以不依赖于肯定不会在合成生物工程学、机器学习和外生物学的进步中幸存的任意限制的方式捕捉其本质。

智能的另一个重要方面是能力进行泛化，这与空间无关。例如，在上文讨论的关于巴麦斯蚯蚓的例子中，问题解决能力的一部分可能是由于细胞在生理空间中的泛化能力。也许细胞会将由新颖的巴麦刺激引起的生理应激视为由进化上熟悉的癫痫触发因子引起的兴奋性毒性的一部分，从而使它们能够采取类似的解决方案（以转录空间中的行动来表达）。这种泛化能力现在已经与测量不变性联系起来（Frank，2018），显示了它在认知连续体中的古老根源。

与上述讨论一致，复杂的代理通常由它们自身在其自己的（通常是更小、更局部的）空间中具备的能力强大的问题解决器组成。整体与其部分之间的关系可以如下所述。代理人在整个生物体中的整合程度是，它会扭曲选项空间及其子单元通过其的测地线，使其更接近于其空间中的高级目标（也许类似于物质和空间在广义相对论中如何相互影响）。在神经科学中也观察到类似的方案，其中自上而下的反馈帮助下层神经元通过向它们提供更全局特征来选择对局部特征的响应（Krotov，2021）。

对于自身对较高问题空间一无所知的子单元来说，这看起来只是它们在最小化自由能并被动地做为物理系统唯一能做的事情：这就是为什么如果对决策过程进行足够深入的缩放，所见到的一切只是愚蠢的机制和“纯粹的物理”（just physics）。代理人的视角（Godfrey-Smith，2009）在不同观察尺度上看起来不同（其程度取决于试图控制和预测系统的观察者，其中包括代理人本身及其各个部分）。这种观点与“上级指向性”（McShea，2012）密切相关，其中更大的系统通过对粗粒度结果的约束和奖励来指导其组件的行为，而不是对微观状态进行约束（McShea，2012）。

请注意，这些不同的竞争和合作分割不仅是身体的多样化组成部分（细胞、微生物群等），还包括未来和过去的自我版本。例如，实现更健康的新陈代谢的一个方法是在夜间锁住冰箱，并把钥匙放在你午夜的自我找不到的地方（因为它的认知范围较短，愿意用长期健康来换取即时的饱食感，并且缺乏耐心）。改变未来自我的选项空间、能量障碍和奖励梯度是一种有效的策略，可以实现复杂目标，尽管其他智能体在行动空间中的时间视野较短。

最有效的集体智能通过同时扭曲空间，使其子单元能够正确行事，而无需理解更大尺度的目标，但它们自身又受益于子单元的能力，即使空间不完全被塑造（因为它们本身在自己的空间中是稳态代理）。因此，智能体之间（在同一级别或不同级别）的通信和控制实例是不同空间之间的映射。这表明，进化和工程师的辛勤工作都是为了优化适当的功能映射以实现稳健性和适应性功能。

接下来，我们考虑将这个框架应用于认知和灵活问题解决的非传统例子：形态发生，这自然地引出了更大生物自我（尺度化）起源的具体假设，以及可验证的实证（生物医学）预测（Dukas，1998）。接着我们探讨这些概念对进化的影响，并对意识进行一些评论。

SOMATIC COGNITION: AN EXAMPLE OF UNCONVENTIONAL AGENCY IN DETAIL 躯体认知：一个例子非常规机构的详细信息

“再次和再次地使用的术语指向的不是物理上的，而是心理上的类比。这意味着不仅仅是一个诗意的隐喻。. . .”

– 斯佩曼（1967年）

TAME应用于非传统底层认知的一个例子是形态发生，其中子单元之间的认知绑定机制现在部分已知，并且可以制定可验证的关于认知尺度的假设[详细探讨见 Friston等人 (2015a) 和 Pezzulo 和 Levin (2015, 2016) ]。毫无争议的是，形态发生是集体活动的结果：单个细胞共同构建非常复杂的结构。大多数现代生物学家将其视为钟表般运作[在近期有关细胞学习的数据方面有一些显著的例外 (di Primio等人，2000年; Brugger等人，2002年; Norman等人，2013年; Yang等人，2014年; Stockwell等人，2015年; Urrios等人，2016年; Tweedy和Insall，2020年; Tweedy等人，2020年)], 更倾向于基于复杂性科学和出现的思想建立的纯前馈方法。根据这种观点，有一种特权的因果层次——生物化学层次，所有的结果都被视为高度并行执行本地规则的结果（在每个意义上都是细胞自动机）。当然，值得注意的是，发育生物学的奠基人，如斯佩曼（1967年），早已对这个领域的认知概念的可能作用有所了解，其他人偶尔也指出了详细的同源性 (Grossberg，1978年; Pezzulo和Levin，2015年)。当我们远离发育生物学教科书中常见的例子，转而观察一些现象时，尽管分子遗传学的最新进展，但仍然存在重要的知识空白（见图6）。

形态发生中的目标导向活动

形态发生（广义定义）不仅是一个从相同起始条件（从受精卵发育）产生相同稳健结果的过程。在像蝾螈这样的动物中，细胞还将重建复杂的结构，如肢体，无论在肢体轴的何处截断，都会停止直到完成。虽然这种再生能力并非无限，但基本观察结果是，细胞合作达到特定的、不变的最终状态（目标形态），从不同的起始条件出发，并在正确的模式被实现后停止它们的活动。因此，细胞不仅仅执行一系列关于出现结果的机械步骤，而是根据环境的不同进行活动修改，以实现特定的解剖目标形态。在这方面，形态发生系统满足了詹姆斯对最小心灵的测试：“固定的目的，多样的手段”（詹姆斯，1890年）。

例如，蝌蚪通过重新排列其头颅结构变成青蛙：眼睛、鼻孔和下颚根据需要移动，将蝌蚪的脸部变成青蛙的脸部（图6B）。由于这些器官的位置不正确，我们制造了这些器官的蝌蚪，所谓的毕加索蝌蚪（Vandenberg等人，2012年）。令人惊讶的是，它们倾向于变成基本正常的青蛙，因为头颅器官沿着新颖的、异常的路径移动（有时超调并需要返回一点（Pinet等人，2019年）），并在到达正确的青蛙脸部位置时停止。类似地，人工诱导再生的青蛙腿可以创造出正确的最终形态，但不通过正常的发育步骤（Tseng和Levin，2013年）。那些遇到这种现象但尚未被注入分子生物学是特权级解释的信念（Noble，2012年）的学生们问了一个明显的（和正确的）问题：它是如何知道什么是正确的脸或腿形状的呢？

重塑、调控发育（例如，可以切成两半并产生正常单卵双胞胎的胚胎），以及再生的例子，理想情况下展示了细胞集体的目标导向性质。它们追求特定的解剖状态，远远超过任何单个细胞，并以一种情境敏感的方式解决形态空间中的问题——任何能够做到这一点的微型机器人群在工程领域都会被称为集体智能的胜利。在TAME框架的指导下，有两个问题变得可以解决。首先，集体如何测量当前状态并存储有关正确目标形态的信息？其次，如果形态发生不是在说服性连续体的机械水平上，而可能是在恒温器水平上，那么是否可能重新编写设定点而不重绕线机器（即，在野生型基因组的背景下）？

模式记忆：稳态循环关键组成部分

鹿农场主长期以来一直知道营养记忆的存在：在一年中在分枝的鹿角结构上造成的伤口，将导致在随后的几年中，在同一位置生长异位的鹿角，甚至在原始的鹿角脱落后（Bubenik和Pavlansky，1965；Bubenik，1966；Lobo等人，2014）。这个过程需要头皮生长板上的细胞感知，并记住数月内在典型的分枝结构中的短暂损伤事件的位置，并通过覆盖野生型的典型生长模式，而将它们引导到一个新的结果中，在随后的几年中再现它。这是一种经验依赖的、可重写的模式记忆，其中目标形态（解剖稳态的设定点）在标准硬件内被重新编写。

生长和形态的多尺度能力

形态发生的一个关键特征是可以部署多种不同的分子机制来达到相同的大尺度目标。这种对亚单位状态的可塑性和粗粒化是集体认知的标志，也在神经科学中被广泛认识（Prinz等，2004; Otopalik等，2017）。例如，蝾螈肾小管通常具有特定大小的管腔，横截面由8-10个细胞组成（Fankhauser，1945a,b）。当细胞尺寸被实验性地放大时，同样的小管由更少数量的更大细胞组成。比细胞数量缩放到意想不到的尺寸变化（在个体发生学，而非进化学时间尺度上）更令人瞩目的是，如果细胞变得非常巨大，只有一个细胞会围绕自身形成正确的管腔（图6D）。与协调管腔形成的典型细胞间相互作用相比，一个细胞内的细胞骨架变形可以实现相同的最终结果。就像大脑一样，各个层次的组织在其分子活动的细节方面表现出显著的自主性，但都朝着不变的系统级结果发展。

形态 发生和基础认知之间的具体相似之处

形态发生的可塑性与大脑和行为的可塑性存在显著的同构性，因为将单个神经细胞缩放为一个连贯的自我所需要的沟通动态是在大脑出现之前进化经过长期磨练的，在形态控制的背景下（Fields等，2020年），在此之前是在细菌生物膜的代谢控制中（Prindle等，2015年；刘等，2017年；Martinez-Corral等，2019年；Yang等，2020年）。每个基因组都指定了实现具有强大、可靠的默认“天生”形态的信号传导电路的细胞硬件——就像基因组产生驱使物种能够建造巢穴和完成其他复杂任务的本能行为的大脑回路一样。然而，进化选择了可以通过经验重新编程的硬件，除了其强大的默认功能模式之外——在身体结构上，以及在大脑驱动的行为上。许多大脑的特殊特征，不出意料地，也存在于中枢神经系统之外的其他形式中。例如，镜像神经元和体位图表示可以在四肢对损伤的反应中观察到，其中对一肢的损伤的类型和部位可以从成像对侧未受伤的肢体中在30秒内读出（Busse等，2018年）。表2显示了形态发生和认知系统之间的许多相似之处。

不仅仅是哲学：为什么这些相似之处很重要

解剖学稳态被视为一种集体智能的观点并不是一个中立的哲学观点——它提出了一些强有力的预测，其中一些已经得到了证实。这导致了在平面虫中发现了可重新编程的头部数量（Nogi和Levin，2005）以及血清素的前神经作用（Fukumoto等人，2005a，b）。它解释了对离子通道或神经递质药物的前神经暴露引起的畸形发生性（Hernandez-Diaz和Levin，2014），以及观察到的人类离子通道病变的形态缺陷，除了神经学表型外[参见Srivastava等人（2020）的综述]，并解释了间隙连接阻断剂作为普通麻醉药的实用性。

由TAME的保守性和缩放假设推导出的预测可以通过生物信息学进行测试。预测认为，参与形态发生和认知（记忆和学习类别）的基因存在显着和特定的重叠。这已经对离子通道、连接素（间隙连接）基因和神经递质机制有所了解，但是TAME预测了对相同的分子机制的广泛重用。细胞间通信和细胞应激途径应该参与到心理模块之间的内部冲突中（Reinders等人，2019），以及社会行为中，而记忆基因应该在癌症、再生和胚胎发育的遗传调查中被确定出来。

另一个尚待测试的关键预测（正在我们的实验室进行中）是形态发生的可训练性。组织的集体智能可能足够复杂，可以通过强化学习来训练以获得特定的形态学结果。临床数据已经提示了心脏（Zoghi，2004）、骨骼（Turner等人，2002；Spencer和Genever，2003）和胰腺（Goel和Mehta，2013）的学习。预测使用奖励和惩罚（使用营养物质/内啡肽和电击），而不是对通路硬件进行微观管理，可能是在临床环境中实现解剖学控制的途径，无论是对形态学还是基因表达（Biswas等人，2021）。这将对再生医学产生巨大影响，因为复杂性障碍阻止了例如基因组编辑对肢体再生等的影响。我们训练老鼠执行特定行为的原因与直接控制所有相关神经以迫使其像木偶一样执行该行为的原因相同，这也解释了直接控制分子硬件比理解能够激发组织构建特定期望结构的刺激和信号集合要困难得多的生物医学路径。计算机科学的关键教训是，即使是我们理解的硬件（如果是自己建造的），通过理解软件并通过适当的刺激和信号实现期望的结果要更加有效和强大，而不是进行物理重连。如果硬件是可重新编程的（并且在这里认为许多生物硬件都满足这一转变），那么可以将大部分复杂性转移到系统本身，利用子模块具有的任何能力。事实上，神经科学本身可能会从解决问题的较简单版本中获益，这是指首先在非神经组织中进行的神经解码。

非神经生物电：身体的想法

大脑的硬件由离子通道设置细胞的电学状态，以及可控制的突触（例如，间隙连接），后者可以在网络中传播这些状态。实际上，这一机制，包括最终将这些计算转化为转录和其他细胞行为的神经递质，在从受精开始的所有细胞中都高度保守且存在（见图7C、D）。神经和非神经生物电之间的一个主要区别是其作用的时间常数【大脑将系统加速到毫秒级尺度，而发育过程中的电压变化需要几分钟或几小时（Harris，2021；Levin，2021a）】。在任何组织中，使其能够支持灵活软件的关键方面包括离子通道和间隙连接本身也是电压敏感的——实际上，它们是晶体管（电压门控电流导纳）。这使得进化可以利用物理定律迅速生成非常复杂的具有正（记忆）和负（鲁棒性）反馈的电路（Law和Levin，2015；Cervera等，2018, 2019a，b，2020a）。通过细胞中传递的瞬态电压状态可以触发一系列逐渐去极化（类似于动作电位）或间隙连接（GJ）关闭的循环，这意味着这种电路很容易形成可存储不同信息并且在不改变硬件的情况下改变其计算行为的动态系...