斯蒂芬·沃尔夫勒姆，就是那个搞出Mathematica、写了《一种新科学》的老头，最近又在伦敦国王学院讲了场关于计算与物理数学人工智能基础的演讲。讲到一半火警响了，他直接带着听众到户外继续讲。
这老头就是这么较真，不管环境咋变，底层规律始终在运行。他最近发了篇长文叫《生命的特别之处是什么》，想把生物学问题推到一个新高度。他到底想说明白啥？今儿咱就聊聊这事。
生物学的传统是观察科学，记录生物咋运作、分子咋互动、基因咋表达，但很少像物理学那样追问一条普适法则。达尔文自己也承认进化背后应该有类似物理定律的东西，来解释为啥生命不停滞、复杂性持续涌现。
可一百六十多年了，这条法则一直没找到。沃尔夫勒姆觉得答案可能一直摆在那，只是看错了方向。他从机器学习里找到了线索，早年他摆弄神经网络搞不出名堂，后来发现只要给足够多数据足够多训练，神经网络真的会学到东西。他意识到机器学习和生物进化其实是同一类过程。
他用简单的元胞自动机模型模拟进化，发现朴素规则系统真的能进化得越来越复杂，逐步实现精细适应性目标。2024年5月他发了篇论文把这套模型叫最小进化模型。
软体动物贝壳上那些螺旋生长的花纹，看似随机却又美得惊人，可能正是这类计算过程的自然产物。自然界的秘密不在于精妙设计，在于它懂得如何在可能程序的计算宇宙里把极简规则调动起来，让复杂性自己涌现。
理解沃尔夫勒姆绕不开计算不可约性这个概念。一个简单程序想知道运行一百万步之后发生什么，通常只能老老实实运行一百万步，没法用公式一跃而至。这个想法最早1985年发表在物理评论快报上，后来在《一种新科学》里系统展开。
近几个世纪的精确科学本质上都在找捷径，把复杂系统压缩成可预测公式。但沃尔夫勒姆的计算等价性原理暗示，一旦系统超过某个门槛，计算深度就跟观察者本身相当，任何压缩都不再可能。这对生物学是革命性的。
从基因型到表型的映射本质就是计算不可约的过程。就算完全掌握生物体所有基因规则，依然无法预测它长大后会做啥，除非真的让它长大。生命不可预测不是源于噪声，是源于底层规则的深度计算属性。
他打了个比方，工程师造墙先把砖烧成规则形状再整齐堆砌。生物进化更像在地上捡石头，形状不规则的计算块拼凑成能挡风遮雨的墙。
这种粗糙策略能奏效是因为生物面对的适应性目标在计算上其实相当简单，远比底层元素的计算能力弱。如果每个新生儿都得先解决费马大定理级别难题才能生存，进化根本无从谈起。
计算不可约性回答了复杂性从哪来，而2025年11月那篇长文试图回答生命究竟特殊在哪。分子生物学发现活体组织内部分子不随机漂浮，而是被主动机制精确调度从一处运到另一处，恰好嵌入需要位置。
沃尔夫勒姆把这种叫大规模编排，认为它可能才是区分生命与非生命的关键。活体组织既不是液体也不是固体，有点黏糊又自成结构，他称之为机械态相，认为是继固态液态气态之外的新的物质相。
在采访里他说人类正在与人工智能文明共存，这其实不陌生，因为我们一直跟大自然这种外星文明共处。想造出永远只做好事的AI注定失望，因为一旦系统深度运用计算，必然带有计算不可约性，必然带来意想不到行为。
这不是设计缺陷，是深度计算能力的代价。只能在完全可预测但能力有限和能力强大但无法完全预测之间权衡。
沃尔夫勒姆最后说，人类身上依然保留自然选择三十亿年烙下的印记，那是不断寻求新事物不断向前推进的冲动。
指望人类说够了不再探索几乎不可能发生。宇宙给了我们一个计算不可约的世界，只能一步一步走下去。而这或许才是关于人类命运最真实的科学答案。您觉得计算能解释一切吗？评论区聊聊。
热门跟贴