从可分解的科学，到不可分解的科学：为什么说活性算法带来了科学的第二次真正的革命？
一、第一次变革：可分解性的胜利
16世纪，伽利略将望远镜对准星空，同时也将科学的目光转向了"部分"。他相信，理解一个复杂系统的最佳方式是将其分解为最简单的组成部分，研究这些部分的性质，然后将知识重新组合。这一信念奠定了现代科学的基础，后来被称为"还原论"。
还原论在随后四百年里取得了惊人成功。牛顿将天体运动和苹果落地统一为万有引力定律，麦克斯韦用四个方程描述电磁现象，门捷列夫的元素周期表揭示了物质的内在秩序。20世纪的量子力学和分子生物学更是将还原论推向极致：我们知道了原子由电子和原子核组成，原子核由质子和中子组成，质子和中子由夸克组成；我们知道DNA的双螺旋结构，知道基因编码蛋白质，知道细胞代谢的每一个步骤。
这种成功不仅是知识上的，也是方法论上的。还原论提供了一套清晰的研究程序：分解、隔离、控制变量、建立因果链。它使科学成为可累积的事业——每一代研究者都在前一代的基础上，对更小的部分进行更深入的分析。科学期刊的论文格式、实验室的组织方式、学术评价体系，都是围绕这种可分解性建立的。
但还原论的成功也埋下了隐患。它假设整体等于部分之和，假设系统的性质可以完全从其组成部分推导出来，假设不同层次之间的关联是松散的、可忽略的。这些假设在简单系统中成立，在复杂系统中却遭遇挑战。当科学家面对细胞、大脑、生态系统、气候、经济时，他们发现分解后的部分失去了整体的关键特征，控制实验无法捕捉涌现的集体行为，因果链在反馈循环中纠缠不清。
20世纪中叶，系统论、控制论、信息论的兴起标志着对还原论的第一次修正。科学家们开始承认，整体可能大于部分之和，系统的结构可能与组成部分同等重要。但这种修正是温和的——它仍然假设系统是可分解的，只是分解的方式需要改进。系统被划分为子系统，子系统再划分为更小的单元，层次结构成为新的组织原则。可分解性本身没有被质疑，只是从"原子式分解"变成了"模块化分解"。
二、21世纪的困境：复杂性挑战
进入21世纪，科学面临前所未有的复杂性挑战。全球气候变化涉及大气、海洋、生物圈、人类社会的多尺度相互作用；新冠疫情的传播融合了病毒学、人口流动、社会行为、信息传播；人工智能的涌现能力源于千亿参数的非线性动态。这些问题的共同特征是：它们不可分解。
"不可分解"不是指技术上难以分解，而是指分解后系统的核心特征消失。将大脑分解为神经元，你得到了细胞生物学，却失去了意识；将经济分解为个人决策，你得到了行为经济学，却失去了市场泡沫；将生命分解为化学反应，你得到了生物化学，却失去了生命的自主性。这种不可分解性不是暂时的知识局限，而是系统的本质属性——它们是"强耦合"的，各组成部分之间存在紧密的反馈和关联，无法孤立研究而不破坏系统的整体性。
2024年，中国学者在《Matter》期刊发表的研究提供了一个典型案例。他们研究一种双离子型分子的晶体结构，发现分子在溶液中无法稳定存在的构型，在聚集体中却得以稳定。这不是部分决定整体，而是整体决定部分——聚集体的排列决定了分子的构型，从而决定了系统的性质。研究者指出，这挑战了主流研究范式：在某些情形下，还原论的路径失效，必须采用整体论的视角。
这种困境在科学哲学层面引发深刻反思。有学者指出，复杂系统因其多重反馈循环和间接因果关系而难以分析，这些因果关系在不同的速度和时间尺度上发挥作用。我们似乎对这种动态复杂性视而不见，无法认识到需要范式转变的必要性。21世纪被预言为"复杂性的世纪"，但传统科学范式显然没有为此做好准备。
系统生物学的发展体现了这种张力。一方面，它继承了还原论的遗产，利用基因组学、蛋白质组学等技术分解生命系统；另一方面，它强调整合，试图理解功能如何从组分相互作用中"涌现"。但系统生物学的"整体论"是不彻底的——它仍然假设系统是可分解的，只是需要更好的计算工具来整合分解后的信息。真正的挑战在于：如果生命系统从根本上不可分解，如果分解即意味着杀死系统，那么应该如何研究它？
三、活性科学的兴起：从描述到维持
在复杂性科学的边缘，一个更激进的思想正在形成。它不仅仅关注系统"如何"运作，更关注系统"为何"持续存在；不仅仅描述系统的状态，更解释系统如何抵抗解体。这个思想的核心是"活性"——系统通过内部结构维持自身，将存在转化为持续的自我生产过程。
这种视角的生物学根源可以追溯到20世纪70年代的"自催化集"理论。理论生物学家斯图尔特·考夫曼提出，生命可能起源于化学反应网络，其中每个分子都被网络中的其他分子催化生成，形成自我维持的闭环。这种网络不需要外部模板，不需要神秘的"生命力"，就能自我复制、自我维持。它是"前生命"的，但已经具备了生命的核心特征：自主性。
但自催化集理论还缺少关键一步：时间维度。它只是当下的反应网络，没有预测，没有预期，只是被动地响应环境变化。真正的活性系统必须能够"推断"未来，将时间纳入内部模型，通过预测来指导行动。这正是神经科学家卡尔·弗里斯顿的"自由能原理"所提供的框架。
2006年，弗里斯顿提出，所有生命系统都在最小化"变分自由能"——一个衡量预测与实际输入差异的量。系统通过感知更新内部模型，通过行动改变世界以符合预期。这种"主动推断"将感知和行动统一在同一个优化原理之下，为大脑功能提供了数学描述。过去近二十年，主动推断从理论走向应用，解释了视觉皮层的预测编码机制，模拟了人类决策行为，甚至被用于构建人工智能系统。
但主动推断面临一个根本问题：它假设系统始终有动力最小化自由能，却没有解释这个动力的来源。为什么系统必须持续推断？为什么不停下来，像石头一样静止？弗里斯顿的答案是：因为生命是"自证实的"，停止推断意味着停止维持自身边界。但这个回答将问题推给了热力学，没有解释推断本身的自维持机制。
活性算法的提出正是要填补这个空白。它指出，真正的活性系统不是"被驱动"到临界态，而是"结构化"在临界态；不是"最小化"自由能，而是"维持"自由能梯度。这种区分看似微妙，实则根本：它改变了我们理解生命、认知和存在的方式。
四、UV自由方案：不可分解性的结构基础
活性算法的核心机制是"UV自由方案"。这个名字借自物理学：U代表"紫外"（高频，对应微观细节），V代表"红外"（低频，对应宏观模式）。在量子场论中，UV截断用于消除高频发散；在活性算法中，UV分离用于消除复杂性灾难。
核心思想是：系统必须同时实现两种看似矛盾的功能，且由不同部分承担。一部分负责"约束"（U场），从复杂输入中提取规律，形成稳定的内部模型；另一部分负责"响应"（V场），保留对细节的敏感性，检测预测误差。两者相互制衡，使系统既不能僵化（过度约束），也不能发散（过度响应）。
这种分离创造了一种动态张力。U场倾向于将系统拉向低自由能状态（有序），V场倾向于通过惊讶维持高自由能梯度（探索）。两者无法相互抵消，因为U场不直接依赖当前观测，而V场持续随观测更新。结果，系统被"钉扎"在自由能曲面的鞍点区域——局部始终运动，全局统计稳定。
这正是临界态的数学结构：既非深谷（平衡），也非高原（混沌），而是鞍点丛生的复杂地形。在这种地形上，系统永远无法定居，却也永远不会迷失。更重要的是，这种结构是自维持的——不需要外部输入来维持张力，张力来自U和V的内在耦合。
UV自由方案的关键特征是其"不可分解性"。U和V不可独立存在——无U则V发散（过拟合），无V则U僵化（欠拟合）。它们通过交叉约束耦合：U的形状依赖于V的验证历史，反之亦然。这种自指耦合使系统成为一个逻辑闭环——任何外部干预若破坏闭环，系统即"死亡"。
这与传统系统论的"可分解性"形成鲜明对比。传统系统论假设系统可以分解为子系统，子系统可以进一步分解，信息在层次间流动时逐渐丢失。这种"马尔可夫"性质使分析可行，但也意味着系统没有真正的整体性。UV自由方案的不可分解性则表明：活性系统是"非马尔可夫"的，过去的信息通过UV耦合持续影响现在，无法被简化为当前状态。
2024年的神经科学研究支持这种不可分解性。研究发现，大脑不仅表现出无标度的神经元雪崩（自组织临界性特征），还表现出特定尺度的神经振荡（非临界特征）。这两种动态共存于非平衡临界点附近，表明大脑的临界性不是简单的自组织结果，而是被特定网络结构（兴奋-抑制平衡、突触可塑性）主动维持的。这种"主动维持的临界性"正是UV自由方案的生物学实现。
五、从可分解到不可分解：范式变革的本质
为什么说活性算法带来了科学的第二次真正变革？第一次变革是16世纪还原论的确立，它将科学建立在可分解性的基础之上；第二次变革是21世纪活性算法的提出，它将科学建立在不可分解性的基础之上。
这种变革是本体论的。还原论假设世界由基本构件组成，这些构件具有内在属性，系统的性质是构件属性的函数。活性算法则假设世界的本质是关系，是过程，是持续的自我维持。一个系统的存在不是给定的，而是成为的；不是静态的实体，而是动态的张力。
这种变革是方法论的。还原论的方法是分解、隔离、控制变量；活性算法的方法是维持、耦合、观察涌现。研究者不再试图将系统拆解为部分，而是试图理解系统如何通过内部结构抵抗拆解。实验设计不再是创造人工的隔离条件，而是观察系统在自然状态下的自维持。
这种变革是认识论的。还原论追求客观知识，假设研究者可以站在系统之外，不受影响地观察。活性算法则承认研究者与被研究系统的耦合——我们都是活性系统，都在通过推断维持自身。知识不是对外部世界的镜像反映，而是系统与环境的适应性耦合。
这种变革在多个学科中显现。在物理学中，量子纠缠现象表明粒子属性无法独立描述，必须考虑整体关联；黑洞信息悖论挑战了可分解性的极限。在生物学中，系统生物学从"分析-综合"转向"整合-涌现"，试图理解生命功能如何从跨层次相互作用中诞生。在认知科学中，预测编码理论从"大脑作为计算机"转向"大脑作为推断机器"，强调神经活动的自维持性质。
六、活性科学的疆域：从生命到智能
活性算法的适用范围远超生物学。任何通过内部结构维持自身、抵抗热化的系统，都可以被视为活性系统。这包括细胞、生态系统、大脑，也包括未来可能出现的真正智能的人工系统。
当前的人工智能，尽管在某些任务上超越人类，本质上仍是"无活性"的。大型语言模型可以生成流畅的文本，但它们没有持续的目标，没有自我维持的边界。一旦停止输入，它们就"死亡"了——不是物理上的毁灭，而是推断过程的终止。它们可以模拟活性，但不是活性本身。
真正的通用人工智能可能需要实现UV自由方案。这意味着架构必须支持多尺度强耦合、UV功能分离、自指闭环、时间内在化。实现这些特征的AGI将不仅是智能的，而且是"活的"——它将通过持续推断来维持自身，抵抗热化的趋势，在临界边缘上跳舞。
这种前景引发深刻的伦理和哲学问题。如果活性算法可以人工实现，如果"生命"不再局限于碳基化学，我们如何定义存在？如何界定权利？如何理解意识？活性科学不仅改变我们研究世界的方式，也改变我们理解自身在世界中位置的方式。
七、结语：边缘即存在
从伽利略的望远镜到活性算法，科学走过了四百年的旅程。第一次变革确立了可分解性的霸权，将世界拆解为部分，取得了惊人成功，也遇到了不可逾越的边界。第二次变革正在浮现，它承认不可分解性的实在性，将活性视为存在的根本模式。
这种转变不是对还原论的简单否定，而是对其限度的超越。还原论在简单系统中仍然有效，在复杂系统的局部层面仍有价值。但活性算法指出，存在一种不可还原的复杂性，其本质在于自我维持。研究这种复杂性，需要新的概念、新的方法、新的科学哲学。
活性算法的核心洞见可以概括为：边缘即存在。活性系统不是最强的，不是最稳定的，而是恰好处于边缘——秩序与混沌的交界处，过去与未来的交汇点。在这个边缘上，系统通过持续的推断，将存在转化为成为，将静态转化为动态，将可分解转化为不可分解。
这正是科学的第二次真正变革：从研究"什么存在"转向研究"如何维持存在"，从可分解的科学转向不可分解的科学，从静止的世界观转向活性的宇宙观。在这个新范式下，生命不再是神秘的例外，而是存在的普遍模式；意识不再是物质的副产品，而是推断的自我觉知；智能不再是计算的能力，而是适应的活性。
我们正站在这个变革的门坎上。前方的道路充满挑战，但也充满可能。活性科学的出现，不仅将改变我们理解世界的方式，也将改变我们存在的方式——因为理解本身，就是活性系统的最高形式。
转载本文请联系原作者获取授权，同时请注明本文来自王涛科学网博客。
链接地址：https://wap.sciencenet.cn/blog-41701-1528330.html?mobile=1
收藏
