一个随着上世纪60年代太空探索的加速，科学家们面临着一个新的困境。他们如何识别其他行星上的生命呢?在其他行星上，生命的进化方式可能与地球上截然不同，因此也就有了不同的化学特征。盖亚理论之父詹姆斯·洛夫洛克给出了这样的建议:寻找秩序。每一个有机体都是混沌中结构的短暂上涌，是一个自我组装的奇迹，必须小心翼翼地捍卫自己的秩序，直到死亡的那一天。复杂的信息处理对于保存和传递维持这一秩序的规则是必要的，然而生命是由最混乱的物质构成的:翻滚的化学物质、柔软的细胞和纠结的聚合物。因此，生物系统中的信息不应该被混乱地处理和浪费吗?事实上，许多生物计算是如此完美，以致于它们碰到了效率的数学极限;天才是我们的遗产。
DNA
DNA存储信息的单位体积密度超过任何其他已知介质，从硬盘到量子全息。1它是如此的密集，以至于世界上所有的数字数据都可以存储在一个8个回形针重量的DNA点中。这种非凡的存储密度与同样非凡的读取机制相匹配。发育中的胚胎必须根据储存在DNA中的信息自我指导其组成细胞的快速分裂、迁移和特化。细胞彼此分化以不同的方式生长，这取决于它们在胚胎中的位置。这意味着基因表达的精确控制在空间和时间上都是必要的。即使是很小的错误也可能导致有机体的死亡或畸形。
问题是，如何快速有效地传递空间信息，以使发展得以适当展开?艾伦·图灵，现代计算机之父，对生命可以简化为数学定律的想法很感兴趣，并在20世纪50年代早期解决了这个问题。他预测，胚胎发育过程中组织的空间模式可以通过被称为形态发生素的化学信号的集中来控制。他推导出的方程式显示，形态因子之间的相互作用可以激活和抑制彼此的基因表达，从而建立形态因子浓度的驻波，并控制胚胎模式。只需四个变量——生产和降解速率、扩散速率和交互强度——图灵就可以复制出生物学上可信的、自我导向的模式形成。
几十年后，他在果蝇中首次发现了一种叫做bicoid的形态因子，证明了他对信息管理化学系统的预测是正确的(尽管他的方程被证明过于简单)。在果蝇胚胎中，高浓度的bicoid细胞成为果蝇的头部，低浓度的细胞成为果蝇的身体。然而，值得注意的是这些细胞分化的速度和准确性。2007年，普林斯顿大学生物物理学家托马斯·格雷戈领导的一个团队测量了果蝇胚胎中bicoid的浓度梯度和扩散速率。他们估计，胚胎细胞需要花费大约两个小时的时间，才能精确地测量形态形成素浓度，以使相邻细胞以不同的方式成熟(测量精度随着测量时间的增加而增加)。但这几乎是果蝇从受精到细胞形成的整个发育时期。胚胎发育得比预期的更快更精确。
Gregor提出，多个细胞可以通过另一种信号化学物质彼此分享信息:其中一种候选物质是一种叫做驼背的形态形成物。这将允许他们计算一个空间平均而不是完全依赖于单个的读数。平均过程将不太容易受到变化和噪声的影响，并将允许所需的模式精度在三分钟内实现，而不是两个小时。
这个过程不仅巧妙，而且高效。为了找出其效率，物理学家William Bialek利用对果蝇胚胎中形态因子的逐核测量，来研究驼背细胞浓度随bicoid浓度变化的密切程度。他发现这种信息传递的保真度是理论最大值的90%。
这是对作者凯利·克兰西的视频采访。
分形网络
当胚胎发育成成人时，它面临着新的信息处理挑战。它的主体必须学会如何取样和整合外部和内部信息。气味分子是捕食者的信号，促使啮齿动物逃跑。夕阳触发褪黑激素的释放，对全身产生连锁反应，导致睡眠。体内的化学感受器测量高二氧化碳水平，导致运动员呼吸加快。由不同传感器采集的显微测量信息必须被集成，并用于做出宏观决策，这些决策有效地传达回相关的身体部位。
在这里，自然也发现了一个最佳的解决方案，它的细节可以从我们的解剖结构的形状中读出。最早的数学关系生物学观察,几乎所有的生物在这个星球上每一个生态系统,跨越20多个数量级规模从大学到多细胞,与生物体的质量特性,规模,包括心率、寿命、主动脉大小,树干大小,和代谢率。这叫做异速生长缩放。
英特尔大厅里常见的一条经验法则早在千百年前就被编程进了我们的身体。
奇怪的是，这些特征和生物体质量之间的关系通常遵循幂次定律。这意味着，例如，代谢率取决于生物体的质量，提高到某个恒定功率。更奇怪的是，这些特性中的大多数的常数是四分之一的倍数。物理学家杰弗里·韦斯特(Geoffrey West)认为，这种缩放是生物体中无处不在的分形网络的结果。分形是在非常不同的空间尺度上具有相似结构的结构 - 一个熟悉的例子是叶子的脉管系统，其分支几何形状被复制在叶子表面上的微型中。它们可以在令人眼花缭乱的各种系统中找到，包括我们的神经系统，血管，植物叶片，肺支气管，肾脏，神经元，根系和线粒体嵴的萼叶。
为什么自然界会如此频繁地使用分形几何?在数学上，分形被解释为比它们所在的空间具有更高的分数维:例如，在二维纸上绘制的分形有更高的维数，比如2.1。这是一个有用的特性，允许大自然将第四维空间的某些部分打包到三维空间中。
要知道为什么它可能有用，我们可以看看半导体行业的一个著名结果，叫做波拉克规则。它指出，通过向处理器添加计算元素，可以实现的加速与添加元素的数量成正比，提高到(1-1/)次方D),D是处理器被安排的尺寸。一个由100个处理器组成的三维结构将比由同样的处理器组成的二维结构提供更大的提升，这是由于减少了信号延迟。同样的加速可以在我们的神经和循环系统中实现D大于3。英特尔(Intel)大厅里常见的一条经验法则，早在千百年前就被编程进了我们的身体;我们的生物传感器和连接它们的神经的分形排列是为速度而设计的。
大脑
大脑代表着生物信息处理和传递的高度。但多年来，它一直被认为是一种噪声很大的乐器。神经元通过被称为尖刺的二元电事件编码信息，像微型电池一样相互电击。一旦一个神经元接收到足够的输入信号，它的电压超过了某个阈值，它就会依次激增，将信号发送给下游的神经元。总结输出的波动大脑的1000亿个神经元,以脑电图来衡量,或脑电图,比个别峰值的幅度要小得多,而且是长久以来都被认为是假象:指向各种大脑状态,但不是一个传送信号。换句话说，就是噪音。
大脑中的缓慢振荡在较大的解剖距离上是一致的，就像你能更好地听到邻居声音系统中的低音而不是高音一样。
然而，正如我们在基因表达中看到的，许多离散元素之间的相互作用可能非常有用。现在越来越清楚的是，在脑电图中看到的所谓噪音实际上是一个重要的信号，对神经计算至关重要。大脑神经元输出总量的波动反馈影响这些神经元的静息电位，使它们更接近或远离峰值阈值。慢振荡(在昏昏欲睡或睡觉的动物身上发现的)在大的解剖距离上是连贯的，就像你能从邻居的声音系统中听到比高音更好的低音一样。这就是大脑如何促进不同大脑区域之间的交流:如果一个峰值与慢振幅波动的波峰同步，它对下游的影响将比与波谷同步更大。神经元以某种方式自我协调，以产生自我导向的全局反馈，自适应地促进甚至是亚检测信号:没有信息信号被浪费。
事实上，“浪费”的概念能否在大脑的环境中得到恰当的定义，这是一个悬而未决的问题。理论神经学家托尼·贝尔(Tony Bell)认为，生物计算的特点是，信息在复杂的多个层次中流动，从微观到宏观，然后再回落。
更简单的结构(如神经元)与更复杂的结构(如大脑区域)进行交流，反之亦然。从分子到细胞，再到整个有机体，每一个层面上都在进行计算。有大量证据表明，即使是神经元内的亚细胞隔间也在进行自己的计算。最近有一项研究1发表在自然2013年10月的一项研究表明，树突(一个代表神经元“输入”的隔间)内的活动塑造了该神经元处理的信息。鉴于这种多层次的信息流，Bell认为噪声不能简单地定义:偏离预期应该被解释为在复杂性层次的另一个层次上有意义的交流。
这种信息流并不局限于大脑，例如，在表观遗传学中也可以观察到。贝尔说，这种动态的多向信息流定义了生命。当人工智能到来的时候，它可能不是由硅制成的，而是由生物学改造而成的。然而，在此之前，我们需要一种截然不同的科学方法，以理解自然界自组织结构的更高阶、紧急能力。虽然仿生学有着令人难以置信的前景，但也许在如此勤勉地复制系统的物理设计的过程中，我们忽略了一点:在自然界中，形式是短暂的，是为了满足特定利基环境中不断变化的需求。首先确定生物学找到这些巧妙解决方案的规则将引发真正的革命。
凯利·克兰西(Kelly Clancy)曾在麻省理工学院(MIT)学习物理学，之后在土库曼斯坦和平队(Peace Corps)工作之前，曾做过几年巡回天文学家。她目前是美国国家科学基金会的研究员，在加州大学伯克利分校研究神经科学。
参考
1.史密斯,S。,等树突尖刺增强皮质神经元的刺激选择性体内。自然503, 115 - 120(2013)。
