约翰·E.梅菲尔德，是美国爱荷华州立大学遗传、发育、和细胞生物学名誉教授，同时也是加州理工学院、卡耐基梅隆大学和哈佛大学的兼职教授。他致力于利用数学和物理学原理研究广义进化理论，并应用于认知和社会文化领域。

译者介绍：

唐璐，博士，毕业于中国科学院数学与系统科学研究院，现任教于湖南大学。

本书结合信息、进化和计算对生物进化进行了阐释，证明了计算在进化中的核心作用，并将这套计算和进化相结合的核心机制扩展到其他领域，用来解释复杂生命、结构、组织和社会秩序的形成。这是一次正在进行的重大的科学认知范式的转换，它不仅会改变科学，也会改变人类对自身境况的认知。

《复杂的引擎》内容广博，思想深刻，清晰易读，是对进化的信息本质的*佳解读，并且清晰易读。

     ——杰弗里·霍奇森（Geoffrey M. Hodgson），赫特福德大学（University of Hertfordshire）

内容广博、高屋建瓴、思路清晰，梅菲尔德的《复杂的引擎》展示了信息是如何以基因、思想和词语的形式流动，在看不见的选择之手的引导之下，创造了昆虫、大脑、蒸汽机、太空飞船、和iPad。它将为你打开一扇观察世界的新的窗口。

     ——马克·佩奇（Mark Pagel），瑞丁大学（University of Reading），《文化连线：人类社会心理的起源》的作者

梅菲尔德成功地让普通读者也能轻松理解计算和生物学的概念。他认为我们的社会对进化的认识将发生翻天覆地的变化；他很可能是对的，他的书将让我们为迎接这种变化做好准备。

 ——阿兰·阿瑟利（Alan G. Atherly），艾奥瓦州立大学（Iowa State University）

格局不凡，内容广博。

     ——克里斯·阿达米（Chris Adami），《生物学评论季刊》（Quarterly Review of Biology）

引言

复杂性引出了许多问题。列举少许为例：为什么许多复杂事物看上去都具有目的性或以某种巧妙的方式适应某物？复杂事物与简单事物有何本质区别？复杂事物在理论上是如何可能的？概率上完全不可能的事物到底是如何产生的？对这类问题的疑惑促使我去做研究和写这本书。通过研读前人的成果并不断提升自己的认识，我意识到无法回避背后的进化机制。这里所说的进化，比生物课上讲授的物种起源的过程要更为广义。我说的是许多表面上看似无关的活动背后共同的逻辑。这种逻辑可以视为一种特殊的计算策略，这种策略的执行会产生出原本不可能出现的复杂事物。

许多学者会将这种计算的观点归类于哲学解释的“信息学派”。在我看来，计算的观点让许多原本很“模糊的”概念和讨论变得精确。例如“进化”的精确定义就可以不依赖于生命科学。我给出的定义就可以适用于实现了进化计算的所有系统。用计算来定义进化可以使这个概念更为广义，并且不失精确性。其他好处包括，可以将计算的概念推广到看似非计算的领域，澄清了热力学对进化过程的作用，也澄清了复杂性的研究。

大部分图书馆都藏有关于生物进化和以各种方式解释我们周围的物理世界的优秀书籍。然而虽然有这么好的资源，最近由美国国家科学基金资助的一项调查却发现，只有45%的美国人认为人类是由其他动物进化而来，只有33 %的人接受大爆炸是宇宙的起源。如果我们的文化排斥科学技术，这样的结果还好理解，问题是我们不是。美国人早于其他国家很多年就接受了科学发现带来的技术成果，并且经济也因此而受益。讽刺的是，科学在总体上很受推崇，但科学知识的一些部分却由于非科学的原因受到排斥。最为典型的就是对生物尤其是我们自己是源自进化的观点的排斥。从计算的角度认识进化可以凸显出这种排斥的矛盾性，一个人如果承认计算机和大部分人类技术都服从进化机制，就没有理由否认生命进化。书中我将阐明，不仅生物的存在有赖于进化计算，你的身体抵抗感染的能力，人类学习新概念的能力，支撑现代生活的技术，以及作为社会基石的各种组织都有赖于此。

近年来，一个新的科学和数学研究领域对我们的日常生活越来越重要。这个领域就是计算机科学。数字革命正迅速改变人们的行为和思维方式。与此同时，这个新的视角也在改变科学家们对物理、生物学和工程等传统领域的理解和认识，并且帮助我们将它们紧密结合到一起。

将技术、生物学和计算机连接到一起的两个重要概念是信息和进化。我认为，要正确理解进化，就必须借助信息的概念。这是因为进化本质上就是积累信息。让人吃惊的是，信息的本质问题是哲学家、

物理学家和生物学家持续不断的争议和混淆的源头。信息一词在不同领域甚至在同一领域中都并不总是意味着相同的事情，虽然这些领域有共同的主题。有趣的是，在计算机科学中似乎没有什么争议。这可能是因为没有清晰的定义这个领域就不可能存在，也有可能是因为计算机科学对实在的本质非常重要。

我是生物学家，同时又对一些更大的问题感兴趣，信息的问题至少有3个方面让我感兴趣。第一，任何一个现代生物学家都认识到，如果不彻底理解DNA中的信息是如何引导生物体的形成，就不可能彻底理解生命。第二，从计算的角度更容易理解进化的过程。根据这种思想，只要遵循特定的信息操作和累积策略，进化就会发生。在书中我将这个策略称为“复杂引擎”。第三，任何有意义的复杂性，无论是不是生物，都只有通过广义的计算过程才有可能实现。这个观点看似不对甚至荒谬，但我希望随着阅读的深入，我能说服你接受这一点。

生命和人类的公司似乎都表现出了高度的创新性。对此进行深入阐释是本书的主题之一。大多数人都会认为，从创新的角度来说，刺猬要比同等大小的花岗岩复杂得多。如果将进化视为计算，就能精确解释为什么刺猬要比花岗岩复杂。

进化计算一旦在某个物理系统中实现，这种“创新计算”往往能产生出原本不可能存在的复杂产物。事实上，进化和创造性的联系极为紧密，很有可能我们遇到的所有具有创造性的复杂事物都只有通过进化计算才有可能。

将达尔文的思想推广到非生物学领域，尤其是社会科学，并不新鲜；但我的一个目标是寻找进化的精确定义，从而回答以下问题：（在达尔文的意义上）过程X到底是不是进化？我在第5章给出的计算性定义达成了这个目标。从信息的角度理解进化也不新鲜，但即便是我的很多生物学同行，虽然已经是很成功的科学家，并且也完全接受达尔文的观点，仍然有许多人并没有认识到进化计算的威力以及它在生物学以外的作用。

从2500年前的柏拉图和亚里士多德开始，复杂性的起源就一直让许多最杰出的哲学家着迷。这方面目前最活跃的领域之一是宇宙学，物理学家在探讨关于宇宙起源和本质的基本问题。目前讨论的一个热点是尝试将已经证明了的理论计算机科学的原理应用到物理学。用MIT的理论物理学家塞思·劳埃德的话说，“我们可以从数学上证明，一个计算的宇宙必然 ——有高度的可能性 ——产生越来越复杂的结构。”还有观点认为，没有计算就不可能有复杂的结果。这里的计算定义为操作信息的过程。

我在这本书中呈现的思考开始于20年前，1993年我第一次读了道金斯的《盲眼钟表匠》。当时我在给大一新生教生物学导论。我采用的教材详细介绍了进化，我讲起来没什么困难，大部分初次接触这个主题的学生也能够接受。但我还是感觉到这种标准的进化阐释似乎缺少了某种重要的东西。

为了丰富教学内容，我读了道金斯的书。坦白说，我自己也想学习一下。我在大学的专业是物理学，研究生专业则是生物物理学。我没有接受过关于进化的科班训练。不过，生物进化的事实不是问题。我的专业主要是研究DNA序列，对于这个领域的人来说进化是每天都要面对的事实。读道金斯的书让我重新认识了信息在进化概念中的核心地位。我甚至在书的空白处写下“信息才是重点”。但当时我并没有彻底领会其意义。

后来故事的发展超出了我的想象。一旦理解了信息和进化的关联，就能够解释许多表面上没有明显关联的事物。现在我明白了，我们在日常生活中关注的大部分事物，用进化的信息可以得到最好的解释。结合了信息的进化策略的力量是如此强大和具有说服力，我开始认识到，复杂事物的形成机制应当作为我们整个教育体系所教授知识的基石。令人遗憾的是，直到2013年，在大多数大学的课表里还是很难找到讲述这两个概念之间的相互关联的课程。这本书的读者对象包括专家、学生和普通读者，同时我也希望它能推动创建新的创造性课程，探讨信息、计算和进化对人类境况的意义。

我在这里给出的综合，任何受过教育的人通过广泛阅读也可以做到。不过，有引导的话会更方便。部分问题在于，要理解进化和信息的相互依存，人们需要用许多非计算机学家感到陌生的视角来认识世界。自学的另一个挑战是死胡同。我曾花费1年时间研究进化的热力学，最后发现这条路并没有什么助益。我最终认识到，进化过程从计算的角度理解才最有意义。一旦完成了观念上的跨越，对进化的热力学的理解就如同理解电脑为什么要插电才能工作一样自然。之前进化的热力学的神秘性消失了。另一个错误的方向是对“进化定律”的研究。我曾认为，进化过程应当表现出某种规律性，可以表示为简单的定律形式。150年来，许多极具才华的人都在寻找这样的定律。其中最大的成就是区分了达尔文理论的两大柱石，多样性产生和选择，并且阐明了多样性增加和自然选择的“定律”。这并不能让人满意。从计算的角度认识进化有助于解释为什么进化定律如此难以捕捉。

我发现有一条不遵循传统但极富成效的研究复杂性的途径，就是对两类复杂事物加以区分：一类是根据简单的化学和物理规律自发形成的简单无导向的复杂事物，例如岩石和星系；还有一类是具有目的性的复杂事物，例如橡树和喷气飞机，这类事物的形成依赖于复杂规则的存在；可以将这些规则视为“指令”。我认为，这些复杂的指令所包含的信息都源自进化计算。这个观点的意义深刻。

在草稿阶段，我曾认为我的论证有足够的说服力，那些因宗教或哲学原因排斥生命进化的人将不得不改变自己的思想，从逻辑上接受这个科学真理。现在我承认这不太可能，因为逻辑并不是障碍。达尔文理论的逻辑已经澄清了150年，然而还是有人拒绝接受它。对这些人来说，从更广义的角度思考进化，用统一的理论解释生命、免疫系统、人类思维、科学技术和现代经济，也许同样无法令其信服。人们排斥进化过程的解释效力和创造性的原因往往并不是基于科学逻辑，而是因为害怕。一些人害怕深刻的认识会有损他们的信仰，只会带来绝望而不是希望，对于这些人我想说的是，具有无限创造性的宇宙也许并不会那么让人沮丧。

还有其他作者也提出了生命的进化利用了简单的信息处理策略的思想。丹尼尔·丹尼特将这个策略称为“进化算法”。道金斯强调“复制因子”——能够复制自身的实体 ——的关键作用。而我强调的则是组织成指令形式的信息的重要性，以及包含了复制、变化和选择的进化过程（基于道金斯复制因子的丹尼特算法）是创造这种信息的唯一可行途径。

我给出的视角为理解世界提供了一条路径，这条路径最近才由物理、哲学等各领域的思想家编织成一个整体，还没有被广泛认可为一个正式的领域。这个综合依赖于计算机科学的深刻原理，但理解它不需要精通计算机理论。我没有列出数学公式，因为所涉及的数学十分抽象，会让大部分读者望而却步，而且这些数学对于理解核心思想并不是必需的。

在发展这些思想时，我惊讶地发现目的和创造性这样的人文理念也可以从计算的角度来解释和理解。我们将看到，目的可以通过重复的选择自然涌现出来，创造性则是许多进化系统的自然产物。我认为，本质上，所有创造性都来自源源不绝的“随机性”，更准确地说是随机选择。进化过程有效地利用了这个资源，一旦适当利用，一切皆有可能。如果没有见过章鱼或电脑，谁能想象它们的存在呢？

被认为最有效的科学认识世界的方法一次又一次发生根本性改变，这被称为范式转变。由于科学和社会的联系变得如此紧密，这些转变会深刻影响人类对自身及其境况的认识。许多人包括我在内都认为科学和社会正处于这样的转变之中。过去三四百年间发现的许多科学原理都表述为描述宇宙特定方面规律行为的数学公式。牛顿的万有引力定律就是很好的例子。他给所有物体都赋予了质量属性，然后提出假说，认为所有质量之间都有被称为引力的相互作用力。万有引力定律提出，这种力的大小正比于两者质量的乘积除以两者距离的平方。这个关系简单而具有普适性。牛顿之后（他于1727年去世），科学家又发现了大量刻画物理世界规律性的简单关系。

看到数学关系的发现带来的巨大成就，人们很难不认为，只要发现了适当的方程，一切都可以描述。基于方程的世界观的一个后果是

“决定论”。简单的方程严格可靠：填入同样的数字总是会得出相同的结果。但生命并不是这样，更不要说人类社会。简单的关系不能解释一切。许多现象都太过复杂，无法用简单的方程描述。没有方程能替代基于计算机的字处理软件，如果生命的历史可以重来，没有理由认为结果会一样。恰恰相反，进化论认为，如果生命的起源和演化可以一次又一次重演，每一次的细节都会不同。与此类似，与我们在物理学中期望看到的可预测性不同，人类的行为也具有不可预测性。这表明我们需要有新的认识和探索世界的方法。

越来越多各领域的学者认为这个新的方法就是信息。我们生活在信息时代。数字化无处不在：手机、电影、钟表、股市，你还可以举出很多。计算机让越来越多的活动变得更加迅速和可靠。设计汽车需要它们，没有它们飞机就无法起飞，智能手机和家用电器都使用微处理器。变化的不仅是这些物品，也包括科学认识的基础。量子力学被用信息重新解读。1990年，20世纪最著名的理论物理学家之一，普林斯顿大学的约翰·惠勒，提出“万物源于比特”，以强调信息在我们的物理宇宙中的基础性作用。他希望这句话能激发学术界重新思考怎样从最根本的层面认识宇宙。MIT的机械工程教授赛斯·劳埃德认为这条思路最有可能解决目前物理学的最大挑战。生物学也越来越像信息科学。50多年前发现DNA在其化学结构中存储了生物的描述信息。这种信息是怎样被用于构造和维护生命体是现在许多生物学研究的重点。心理学家也在逐渐接受人脑的首要功能是处理信息的观点。社会组织及其互动也越来越多地用信息和进化来解释。

用一个词描述信息处理，就是计算。任何信息操作都可以被认为是计算，计算机科学就是研究信息操作的局限和潜力的科学领域。计算机科学在20世纪40年代成为一个正式的研究领域，当时在战争中需要建造计算机破译密码和计算弹道。今天这个领域在理论和实践上都发生了巨变。

从物理学到社会科学，几乎所有领域都从信息和信息操作的角度被重新审视。因为基于信息的观点经常能带来更深刻的认识，并解决一些难题。这本书中介绍了一些例子。我本人是生物学家，因此我举的许多例子都来自生命科学，但是我相信这本书同样也属于计算机科学和哲学。

书中每一节的标题都是一个问题。这反映了科学的特性，从根本上说，科学就是问问题和回答问题。这能让我的写作更专注，希望对读者也是如此。

最后是免责条款。在向非专家读者介绍学术尤其是数学概念时，必须简化，直指概念的本质，而不能纠缠于技术细节。如果不具备背景知识，通常很难正确完整地理解专业概念。因此，肯定有些专家会质疑我的阐释。这时他们应当问一问，这里给出的简化是否具有误导性，以至于还不如不向读者解释？或者只不过是缺少细枝末节？

引言

第1章 问题

第2章 计算

第3章 免费的结构

第4章 目的性结构

第5章 无概率性和复杂引擎

第6章 算法进化

第7章 身体内的进化

第8章 控制循环

第9章 复杂系统

第10章 人类学习和创造性

第11章 文化的进化

第12章 复杂性的进化

第13章 过去和现在

第14章未来

致谢

注释

名词解释

参考文献

译名表