Transition from Chemistry to Biology

• Emphasis on electrochemistry (borderline physics) as crucial, not just chemistry. The transition is a gradual *process*, not a single event.
• Hydrothermal systems have cell-like structures (charge on barriers) which provide a starting point for life, templating cell growth.
• The membrane charge is key: It defines the cell from the environment and coordinates internal activity.

Observer-Relative Perspectives (Physics vs. Chemistry vs. Biology)

• The categorization (physics, chemistry, biology, psychology) is relative to an observer and their chosen tools/lens.
• “Just physics” argument: Showing a mechanism doesn’t invalidate higher-level phenomena (cognition, memory, etc.). It’s a choice of perspective.
• Bringing different conceptual tools (recognizing agency, virtual governors, decision-making) can reveal different aspects of the same system.
• Origin of life research exemplifies this: researchers from distinct backgrounds need an holistic viewpoint to have an effective outcome from studying origins of life.

Resting Potential as a Key Innovation

• Resting potential is a higher-level, coarse-grained entity. It’s not simply the sum of individual ion concentrations.
• Different combinations of ions (sodium, potassium, chloride) produce equivalent effects to maintaining equilibrium, highlighting “many-to-one” mapping of detail to behavior.
• It represents a step towards large-scale control elements, a departure from purely micro-reductionist views.
• Resting potential exemplifies a “bow-tie” architecture: many inputs converge on a functional node (resting potential), which then influences many outputs.
• The genome’s view is partial as DNA are instructions for building parts, but it does not capture whole level systems working with unified physiology.

Genome vs. Context and Software

• The genome is not the *only* factor. The context (existing cell structure, membrane) is crucial for the genome to have meaning.
• Higher-level integration (like resting potential) is needed for gene interactions.
• Membranes arise from other membranes and context is not encoded in genes; evolution began in “cell shaped” and “cell-like” holes in the environment.
• Analogy to computer hardware and software: The genome specifies the “hardware” (proteins), but the “software” (physiology, bioelectricity) determines large-scale behavior.
• Limitations of genome-only approaches in evolutionary biology: We can’t predict phenotype (e.g., dinosaur appearance) from genome alone without contextual examples.
• Example: Frog/axolotl hybrid (Frog-a-lotl): Can’t predict leg presence/absence from genomes alone, demonstrating the importance of physiological software.

Bioelectricity and Information Processing

• It is not “only” about bioelectricity. Pathways (even in cells) can themselves show plasticitiy and habituation.
• Resting potential: Generated by ion channels and pumps in cell membranes.
• Gap junctions: Allow cells to share their electrical state (voltage) with neighbors.
• Voltage-gated ion conductance: Functions like a transistor, enabling feedback loops and memory.
• Cells connected by gap junctions form electrical networks capable of information processing (slower than brains, but similar phenomena).
• Evolutionary context: Bioelectric and metabolic spaces are early problem-solving arenas; later, anatomical (morphospace) and behavioral spaces emerge.

Mitochondria and Electrical Signaling

• Mitochondria have two membranes; the inner membrane has a high potential, but its accurate measurement is challenging.
• Possibility of electrical signaling between the inner and outer mitochondrial membranes, and over longer distances (via electromagnetic fields).
• Local electrostatic charges clearly influence ATP synthase function (short distances).
• Mitochondrial “Christie” structure allows for diverse membrane potentials within a single mitochondrion, adding complexity.

Metabolism and Bioelectricity Integration

• Metabolism and bioelectricity are interconnected from the very beginning.
• Electrical membrane potential is used to drive reactions (e.g., CO2 + H2) that would not occur spontaneously.
• Early cells use the charge to make organic molecules inside themselves; and self-organizes further and the new content expands (growing), as early pre-cursor to “proto-genes.”
• The “free gift” of charge imbalance after injury provides immediate location information for repair, preceding complex pathways.

Evolution and Constraints

• A bacterial membrane integrates a multitude of simultaneous metabolic operations (tens of thousands), offering a basic model for a rudimentary awareness that distinguishes it from mere inanimate chemistry.
• Membrane as a “Markov blanket”: Translates between the external environment and internal biochemistry, helping maintain homeostasis.
• Bacterial cells may exhibit an early form of metacognition by monitoring their internal metabolic state, a coarse-grained assessment.
• Metabolic constraints and the need for rapid decisions likely drove the evolution of intelligence by forcing coarse-graining of information.
• An agential stance (modeling large-scale variables) may have originated early, later scaling up to more complex organisms.
• Evolution builds general problem solvers for the “wide” and complex challenges, and the “narrow” ones are rare (as conditions are variable and it may require to be a specialist).

Multicellularity, Biofilms, and Genomic Integrity

• Multicellular organisms (animals, plants) are generally clonal (genetically identical cells).
• Bacteria themselves already use biofilms for signaling (to co-ordinate nourishment and behaviors); in multicellulars, individual members typically possess uniformity in genomes.
• Biofilms are usually cooperative but *genetically diverse*, leading to “cheating” issues. Clonality restricts such conflicts.
• However, cells within organisms can compete, despite shared genetics (e.g., organ competition during development).
• Significant genetic variability exists even within a single organism (mutations in skin, brain, etc.).
• Planaria exemplify extreme genomic messiness *despite* exceptional regenerative abilities, challenging genome-centric views.

Error correction, Physiological Software, and Competency

• Physiological system between the “Genotype” and the “Phenotype” allow evolution to continue despite errors.
• A simulation demonstrates “competency”: Cells with a small ability to reduce “stress” (mismatched neighbors) cause a runaway effect.
• Evolution prioritizes improving *competency* (problem-solving) over cleaning up the genome, resulting in “genomically messy” but functionally robust organisms like planaria.

Electrical Overriding of Genetics

• Gap junctions can potentiate cooperativity and override genetic differences (by equalizing the electrical fields), conceptually.
• Example: Oncogenic mutation (K-ras) in tadpoles can be *suppressed* by forcing cells into electrical connection (gap junctions), preventing tumor formation despite the mutation.

Developmental Plasticity and the “Anatomical Compiler”

• Plasticity is determined by threshold that relies on the capacity of cells to maintain electrical coherence; a breakdown in this cellular connectivity often leads to uncoordinated behaviors, resembling cancers that fail to respond to the collective.
• Hypothesis: Evolution produces problem-solving *machines*, not just fixed solutions. Organisms adapt to a wide range of circumstances.
• Example: Planaria regrow heads despite barium poisoning (a novel stressor) by rapidly navigating the gene expression space. This represents adaptation and general problem-solving ability.
• An “anatomical compiler”: A future tool to translate desired anatomical shapes into stimuli that guide cell collectives, allowing for building almost any biologically plausible structure.
• There may be unknown limitations (thresholds); if cell network is corrupted to extreme level.

Ploidy and Developmental Robustness

• Salamanders exemplify robustness: Different ploidy levels (amount of genetic material) don’t significantly alter the overall organism.
• Cell size increases with ploidy, but the *number* of cells making up an organ adjusts to maintain overall structure (top-down causation).
• Example: A single large cell can bend to form a kidney tubule in high-ploidy newts, switching to a *different molecular mechanism* than cell-cell communication.

Anesthesia and Consciousness

• Anesthetics affect single-celled organisms and simpler animals, not just complex nervous systems.
• Anesthetics may influence mitochondrial function (oxygen consumption, membrane potential), impacting energy production.
• Possible direct effects on electromagnetic fields, a more complex (and challenging to study) mechanism. The integration provided by the membrane links basic metabolism in single cells; it has been posited, and tested that the emergence of higher organisms represents an amplification of this integration, coordinating increasingly complex behaviors.

Synthetic Life and Information

• Metabolic circuits (pre-genetic components) are “re-discovered” via chemical interactions that favor production.
• Self-organizing metabolism can emerge from basic components (CO2, H2) in the absence of genes.
• Genes add *plasticity* to otherwise hard-wired, thermodynamically driven processes. Information allows for changing and inheriting variations.
• While a certain minimum level of genetics is required for specialized biological function, in some species (like plariana) genomes are more about defining the building block rather than being instructions for “constructing” anatomy, because software rules and has higher-level control.

“

简介：自我的计算边界

• 本文试图将对任何可能的认知系统或智能的思考进行形式化。根据 William James 的说法，智能被定义为在遇到障碍时，能够使用不同手段达成同一目标（控制论意义上的定义）。它关乎如何在问题空间中进行导航，以实现目标并克服阻碍。
• 在这里，系统的起源与构成被视为次要，关键是认知系统共享的特性。系统的“起源故事”并不一定可靠，也没有哪一种认知系统在本质上就比其它的更特殊，更多地取决于其具体实现方式（例如机器人硬件、生命体的生物计算结构）。

认知光锥

• 概念借用了物理学中时空图（Minkowski）的“光锥”，并对其进行了逆向类比：时间轴垂直，空间维度水平。
• 认知光锥代表了一个系统所能追求的目标在时空尺度上的最“大”范围。这与感官接收范围不同，关注的是目标状态的尺度。
• 用从简单生物到复杂生命的实例来展示其在时空考量上如何扩展：
  • 蜱虫/细菌：认知光锥很小，主要关注局部的化学环境。
  • 狗：具有更大一些的光锥（记忆、预测能力），例如守护领地等目标；但对更远距离或更久远的事件关注有限。
  • 人类：光锥非常大；人类可以设定抽象、长期，甚至无法达成的目标（如世界和平、防止太阳燃尽）。但依然存在“关注力有限”这种局限。
  • 人类较大的光锥还体现在：即便目标不可实现，也能理解并为之努力，并承受随之而来的压力。这可能在某种程度上解释了人类动机的一部分；换言之，与其他拥有“大”认知光锥且能着眼未来的生物并无本质区别。
  • 关于人类认知光锥的一个要点：拥有理解自己能力、并能投资于“不可达成”目标的能力，这一点或能揭示其行为动机。
• 这种能力或动机也决定了物种的发展方向。一个物种对他者（例如减轻他者痛苦）的关心，并不能线性无限扩展，这是另一个重要因素——或许与菩萨（Bodhisattvas）的概念相似。
• 这与 “TAME”（Technological Approach to Mind Everywhere）框架有关，目的是将对认知/感知/智能的讨论从哲学引入可检验的科学范畴。每一句有关智能的判断都应该能引出对系统能力的测试问题与预测，而不是仅仅停留在思辨层面。
• 智能不是二元的，而是一个连续谱。任何关于系统认知水平的判断都应该明确：该系统面对什么问题空间、想达成何种目标、具备哪些能力，这些应当能进行可测试的实验，从而为科学带来新的数据，而不仅是思想实验。

集体智能

• 复合型智能由层级结构组成：所有智能都是某种形式的“集体”智能。生物体由细胞组成，细胞由更小的成分组成，如此层层嵌套。可以将其与 “整合信息理论（IIT）”做对比，后者基于特定假设，但这里更关注集体性的层级。
• 生物体的大尺度光锥不归细胞或组织等单个组件所拥有。细胞及其子成分在物理/生理世界中各自运作，这是更高层次组织得以建立的基础机制。这些更高层次的智能，必须从众多细胞的行为中涌现。
• 存在一个“向上扩展”的过程：具有自身能力的亚单元（细胞）结合起来形成更大的认知实体。
• Levin 认为笛卡尔对松果体的看法是错误的（尽管他欣赏笛卡尔的许多方面），错误点在于对“组合”以及对从底层组件推演整体组织能力的误解。这也可以解释癌症在某些情形下的生长：癌症有时是由某些生物电特性的变化而导致“越界”。
• 机器人不会得癌症，因为它们的零部件是被动的，不会像生物细胞那样拥有“个体意图”。也正是因为生物细胞具备活跃性，这种“为更高层级做贡献”的特性才同时带来了潜在风险，比如癌症。
• 核心问题：复合智能的“新目标”与组件的属性之间有何关系？这种向上扩展是如何发生的？它可能如何失效（比如癌症）？
• IIT 等框架与此观点的主要分歧似乎在于如何区分智能与非智能行为、认知任务与意识任务等，多少带有哲学性争议。

无尺度认知（Scale-Free Cognition）

• “无尺度”这一概念来自于先前的文章，意指认知原理可适用于不同尺度。人类最容易在与自己相当的尺度上识别智能（中等大小、速度、三维世界）。
• 我们难以在与自己尺度相差悬殊的层面辨识智能，例如肠道细菌解决生理问题、器官维持自身结构等。
• 甚至可以将进化视为一个大型分布式智能体，每种动物都是对世界的一个“假设”，通过成败来检验。要打破人类对“心智”仅限于人类尺度的狭隘，需要我们学会相对而灵活地去看待各种认知现象。
• 有观点认为，“无尺度”这个表述可能会引发对尺度依赖的误解，但这里的重点是：不同尺度的系统都可能展现出认知行为，而不是单纯地以人类尺度作为衡量标准。
• Levin 强调“自由”可以指科学家在各类视角中自由切换、分析，并对原本难以观测的系统进行可视化和研究。

意外（Surprise）与信息趋索（Infotaxis）

• 系统会努力最小化“惊讶”（surprisal），在此等同于“应激”。与 Friston 的自由能原理有相通之处。
• 再生发育/再生可以视为细胞在“形态空间”里导航并最小化偏差、应激，试图回归目标形态（如蝾螈的肢体再生）。
• 生物系统中的智能并不仅仅是复杂涌现，而是能够在干扰与新环境下达成目标；也就是主动的误差/压力修正与有目的的决策。要验证智能，必须让其在新情境中产生可测的新行为。
• 举例：蝾螈肢体再生过程中，细胞再生出正确的肢体后就停止。并不只是简单的局部规则前馈涌现，而更像具有“设定点”（目标形态）的集体智能进行稳态调节。
• 这与体温调节类似：系统通过负反馈维持在某个设定值。癌症抑制、变态、再生等过程在本质上都带有这种减少“形态错误”的机制。
• 系统的稳态能力：它拥有目标（设定点），并朝着这一目标努力，避免和修正可能导致偏离目标的因素（环境或基因层面），其本质是一种循环反馈。
• 关键点：它需要一个“设定点”（类似恒温器）。细胞会消耗代谢能量来实现大尺度目标（器官形状等），超越单个细胞的局部需求。只要环境能支持这种能量消耗，这种宏观目标就可能实现。
• “应激”在此有助于解释系统如何不断尝试纠正误差，也类似不同领域对“压力”的定义：工程、心理学、进化生态学等都在各自范畴中探讨压力及其应对方式。
• 从生物组织角度看，一些“几何应激”案例（例如在新位置长出器官）也会对整个系统产生影响，这种应激会在集体层面上传播，引导局部细胞重新配置来减小偏差。
• 整体而言，系统能够通过应激信号来发掘新的适应或应对方案，这一点可以解释“利他行为”在更大系统目标中的出现。

缝隙连接（Gap Junctions）与集体智能的扩展

• 缝隙连接：一种在细胞之间形成的类似“潜望门”的蛋白通道，让小分子、离子电流和信号直接跨细胞传递。
• Levin 所说的缝隙连接的“魔力”在于它能促进集体智能的“扩展”。
  • 传统信号方式：分泌分子。接收细胞知道信号来自外部，可选择忽略或谨慎对待，对接收细胞来说有一定的可控性。
  • 缝隙连接信号：信号直接进入接收细胞内部环境，没有“元信息”注明信号来源。接收细胞无法分辨这是外部还是内部信号。
  • 结果：类似“意识合流”，接收细胞无法区分这些信号和自身的内部信号，从而削弱了单个细胞的独立性，增强了集体计算和决策。
  • 好处：在集体决策中，冲突和不同利益取向更易被抹平，不再像独立个体一样各行其是，反而形成一个更大、更具一体化的“认知空间”。
  • 在单层细胞片中共享生物力学感知，使集体更难忽视局部事件，从而提升整体感知并实现更高层次的目标。不过，这也带来“风险”，因为个体或局部可能要牺牲自身利益。生物往往在整体与局部之间寻找某种平衡。

细胞膜与信息

• Gatenby 声称：细胞约 99% 的 Shannon 信息都在细胞膜及跨膜梯度中。
• 解读：细胞膜是细胞与外界以及与其他细胞互动的主要接口。上面有受体、离子通道及生物力学结构。而对于一个细胞来说，其它细胞、甚至整个机体，都可能是“外部”或“潜在风险”来源。
• “黑入”别的细胞或外部世界，主要就是在膜接口处完成。各种结构和系统在这里交汇，提供重要线索。
• Shannon 信息具有观察者相对性：不同观察者从相同信号中能提取出不同的信息量。这是一个与解释相关的问题。
• 随着认知光锥扩张，Shannon 信息的应用范围也随之增大。

意义与观察者

• Chris Field 在这里做出了复杂而重要的阐述。
• 信息论（无论是 Shannon 还是其他版本）中，观察者都扮演着核心角色：信号本身并无内在意义，意义是由观察者赋予的。
• 意义依赖于观察者的角度：不同观察者对同一数据可能得出不同的解读。与 Josh Bongard 的“多重计算（polycomputing）”概念相呼应。
• 多种视角可能在分析同一数据时各显优势，从而得出在另一种视角下无法得到的洞见。
• 这意味着换一个视角，可以获得额外的计算或分析能力。多角度观察本身就能成为一种独立且强大的研究工具。

将癌症视为认知扩展的失败

• 重新审视癌症：问题不是“为什么会得癌症”，而是“为什么一切都没有变成癌症”？因为细胞的“默认”状态是繁殖并迁移到有利生存的地方（类似肿瘤行为）。真正令人惊讶的是，细胞大多都保持合作。
• 换言之，我们需要思考：到底是什么机制作出全局性的“控制”，让大量细胞凝聚成多细胞结构并维持方向一致？
• 单个细胞的小“自我”由其局部环境决定。
• 电与生化网络划定了“自我”与外界的边界。若一个细胞与许多其他细胞相连，那么它的“自我”边界就可扩大到包含整个身体。
• 合适的信号通路能让细胞在更大范围内协同生长、改变，形成更高级别的组织或器官。
• 当某个致癌基因破坏了缝隙连接时，就会“缩小”细胞的自我到单细胞层面，促使它追求单个细胞的目标（转移、增殖），脱离了整体利益。
• 也就是说，癌症可以被看作是集体智能系统“失联”后的默认状态。缝隙连接对于保持细胞在更大尺度的目标中协同运作至关重要。
• 癌细胞并不比正常细胞更“自私”，它们只是被迫回到更小的自我范畴，服务于更小的目标。对于如何治疗或预防癌症而言，重新建立细胞间的电学/通信联系或许是一种新的思路。

从生物电视角出发的治疗意义

• 细胞可能出现癌变而并非起因于基因损伤，这暗示癌症并不完全依赖基因突变，也可能源于电/信号等方面的失调。
• 若能在体外或体内创造人工电场或其他方式对信号通路进行干预，就可能通过“生物电”来操纵或重新编程细胞，使其组合成新的生物计算体系，这并不依赖基因修改。
• 这启发了一种治疗策略：重新将癌细胞纳入生物电网络，使其恢复正常功能，即使存在致癌基因也能被“拉回正轨”。在 Xenobot 与蝌蚪实验中，Levin 的团队发现用生物电信号引导细胞能阻止肿瘤发展。
• 其核心理念不是杀死细胞，而是让它们“回归集体目标”。无需聚焦分子硬件的破坏，而是利用生物电手段“重编程”，这比传统的“先杀掉有问题的细胞”方法更能保留系统完整性。
• 困难在于如何对细胞“发号施令”，这是一种跨层级的沟通挑战。但从低层（基因编辑、分子干预）转向高层（生物电、通讯）的思路就像不再每次都重搭计算机硬件，而是利用软件接口和已有的控制系统。

药物、语言与多尺度系统

• “药物与语言有着相同的作用机制”（Benedetti 的观点）：高级认知预期（如安慰剂效应、情境）能向下影响分子生物学。
• 我们的“执行决定”可以向下传递，直到具体的细胞和分子行为——例如想要起床这一意图，会在肌肉层面付诸实施，必须动员更低级别的细胞和组织。
• 这可以解释催眠皮肤医学、安慰剂效应，以及日常有意识行为。高层的认知和意图足以影响身体的分子生理过程。
• 重要的是要认识到这种跨尺度交互的巨大意义：高层决策如何翻译到细胞或更小的层面，以及它如何保障机体的整体稳定。

形态发生场（Morphogenetic Field）的组成

• 一个细胞的行为会受到多层级信号的影响：包括生化信号、生物力学力量（张力、压力、细胞外基质）以及生物电信号等。
• 生物电并非唯一因素，但至关重要，因为它是可以激发的介质，也是存储集体智能认知信息的“计算层”。
• 大脑正是从更早的非神经生物电进化而来，其核心原理是一致的。

Harold Saxton Burr 的“特权信息”

• Harold Saxton Burr（20 世纪 30-40 年代）：曾测量细胞、胚胎、树木、人类等生物体系的电场，是最早一批从事这种电压测量的人。
• Burr 曾预测了生物电未来的发展方向。在缺乏先进仪器的年代，他已经对生物电在调控生长与形态方面的作用有了深刻洞见。
• 对 Levin 而言，Burr 的工作意义重大，因为它呼吁人们重视生物电信号在发育调控和形态形成中的地位。
• 他开创了相关理论和测量方法，尽管当时技术有限，但依然铺垫了重要基础。

禅宗佛教与慈悲

• “Scale-Free Cognition” 论文的最后一段提到了禅宗佛教。
• Levin 将认知光锥的概念与佛教中不断扩展慈悲心的理念相联系：积极致力于所有众生的利益。
• 正视多样化的智能形态，促使我们更新对“应当关怀谁/什么”的刻板划分。面对新的生物形态（杂交体、赛博格等），伦理也需要与时俱进。
• 扩大我们的认知光锥（借助科技或其他手段）并不只意味着获取更多信息，也意味着提升我们的慈悲能力。
• 禅宗佛教的引入也提醒我们：若仅仅扩展智能而没有相应的慈悲心，这种认知力量可能会被误用。真正的意义在于智能与慈悲协同发展。

链接

• www.drl-dot.org —— 提及了演讲者的更多信息及访谈中提到的各种资料。
  • 同时也提到演讲者对一些 AI 艺术作品（如 Midjourney）的兴趣，以及相关博客或文章。虽然与访谈本身并无直接联系，但可供有共同兴趣者参考。
  • 该网站内容广泛，涵盖多个领域及相互链接，浏览起来可能较复杂。
• “Biology, Buddhism and AI: care as a driver of intelligence” 等论文呼应了演讲尾声对佛教概念的探讨，融合了对慈悲和智能的思考。更详尽的讨论需要结合相应背景和文献。