第二十六章 信息生命体（六）

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。

mora &bialek 2011）。研究还表明，与临界点附近的系统相比，远离临界点的系统要么在有序阶段过于稳定而不能自适应，要么在混沌阶段过于不稳定而缺少鲁棒性。因此，生命系统的趋势是调整（例如通过进化选择）到临界点，这种临界动力机制被认为是内稳态和可进化性的驱动因素，以及生命过程的基本标志（Kauffman 1993）。

此外，复杂系统的计算能力，被定义为在执行某些任务时，内部逻辑结构输入和输出映射的数量和多样性，推测会在临界阶段最大化（turing 1950; crutchfield

packard 1988）。这个猜想是作为与支持计算信息操作有关的问题而提出的，认为计算可能会在信息存储、传播和处理能力最大化的情况下（Kauffman 1993）更自然地在临界点（Langton 1990）附近发生。此外，mitchell（2006）强调了通过网络系统中动态时间序列来理解信息动态的重要性。随后一些研究报告结果也表明，复杂网络中的信息处理在其临界阶段被最大化（Solé& Valverde 2001; Kinouchi &copelli 2006; Ribeiro et al. 2008）。特别是 Lizier 等人（2008a）曾尝试改进以前这些计算特性的测量，对随机布尔网络（RbNs，Kauffman 1993）中的信息动态进行了彻底的定量研究。随机布尔网络被广泛接受为基因调控网络（GRNs）的模型，研究表明，量化存储和处理的主动信息和传递熵的平均值各自在临界点附近会达到最大值（Lizier et al. 2008a）。

从这里，我们可以看到一些典型物理模型局限性的暗示，例如平均场近似（mean-field approximations）和重整化群（renormalization group）方法，由于生物和非生物系统集群行为的差异，这些方法并不总是能转化为生物学所使用[例如，向生命过渡过程的信息属性可能是不连续的，见 davies （2013）]。也就是说，目前还不清楚平均场近似是否适用于包括生物学在内的一般情况，也不清楚通常应用于连续相变的重整化群是否适用于刻画生物相变的不连续性特征。解决方法之一是研究与生物功能相关临界系统的特征，以及这些特征如何表现出生物网络。例如，daniels 等人（2018）最近证明了67个基因的调控网络是临界性的，而具有相似因果和信息架构的随机集合则不是临界性的，这显示了特定的因果和信息属性功能、与生物网络是如何通过其临界特性区分的。临界性甚至已被证明是随机基因网络模型中的一个可选择性质（Serra 2019）。