6月17日，來自德國明斯特大學和荷蘭特文特大學的科學家團隊在Nature上發文對“智慧物質”進行了概述，他們回顧分析了當前業界利用分子系統、軟資料或固態資料等實現的智慧物質的進展，以及在軟機器人、自我調整人工皮膚和分佈式神經形態計算方面的實際應用。
儘管論文中的智慧物質並沒有表現出福斯所熟知的那種智力水准（例如識別能力或語言能力），但它們的功能已遠遠超出靜態物質的特性，潜在應用鼓舞人心。
如何理解智慧物質？
通常情况下，我們可以將智力理解為感知資訊並將其作為知識儲備的能力，以便在不斷變化的環境中完成適應性行為。雖然智慧物質並沒有確切的定義，但研究人員認為談及“智慧”概念，起碼要包含兩個主要特徵：第一，學習能力；第二，適應環境的能力。到目前為止，這兩種能力大多存在於生物體中。
隨著AI科技的普及，人們正在加緊努力，讓機器在日益複雜的系統中實現學習和適應技能，這些系統將各種功能組件集成在一起。除了這些功能架構之外，值得關注的是，人工合成物質本身也顯示出了很多智慧特徵，或將構成AI的一個全新概念。
由於先進的AI應用程序普遍需要處理大量的數據，囙此，以一種集中管道調節智慧物質的行為非常具有挑戰性，特別是使用基於馮·諾依曼體系結構的傳統電腦進行集中式資訊處理會很快達到極限，將數據從記憶體移到處理器再移回來，不僅大大降低了計算速度，而且還需要大量的功耗。
所以，新的方法和計算範式需要直接在物質層次上實現，這樣，智慧物質本身就可以與環境相互作用，自我調節其行為，甚至可以從它所接受的輸入數據中學習。
對於智慧物質的開發設計來說，來自大自然的靈感非常有用。天然物質的宏觀功能來自複雜的內部構造，以及分子、納米尺度和宏觀尺度構建塊的相互作用。而在人工物質中，自下而上和自上而下方法的結合，可使得體系結構具有各種新穎的特性和功能。
研究人員認為，可以通過用分層的管道定義人工物質的智慧。比如，通過結合四個關鍵功能元件來實現智慧物質：（1）感測器與環境互動並接收輸入和迴響；（2）執行器對輸入信號做出響應並調整資料的效能；（3）用於長期存儲資訊的記憶體；（4）用於處理迴響的通信網絡。
理想情况下，這些元素可形成功能性的處理連續體，它不需要集中的處理單元，而是提供本地和分佈式的資訊處理能力。
圖｜結構物質是靜態的，合成後不能改變其性質，如純矽；章魚的觸手，帶有嵌入式感測器、執行器和神經系統，代表著智慧物質（來源：Nature）
最基本的結構物質，它可能包含高度複雜但靜態的結構，儘管具有廣泛的應用，但在合成後不能改變其性質。而在高級的層次上，反應性物質能够改變其特性（形狀、顏色、硬度等），以響應外部刺激，如光、電流或力。
現時，科學家們正在努力探索適應性物質，適應性物質具有處理內外部迴響的固有能力。囙此，能對不同的環境和刺激做出反應，這一定義與“類生命資料”異曲同工，即受生物和生命物質啟發的合成材料。
研究人員認為，超越適應性物質將最終推動實現智慧物質的發展，智慧物質會包括四大功能元素（感測器、執行器、網絡和長期記憶），並能顯示出最高水准的複雜性和功能性。
趨於智慧的物質有哪些？
研究人員在論文中概述了智慧物質的發展軌跡，給出了具有不同功能程度的複雜系統的例子，借此展示了智慧物質發展的可能趨勢。
第一種，基於羣集的自組織資料（如納米粒子組裝體、分子資料）。
複雜行為的一種突出形式，就是依賴於群體或群體中大量個體的集體互動。在這樣的系統中，多個單獨響應的實體會以一種特殊的管道自組織和通信，進而實現大規模的適應性現象，形成保護集體的模式。自然界中，這種行為通常在昆蟲群落、魚群、鳥類甚至哺乳動物種群中可以觀察到。
當利用這種理念，在微觀尺度上實現構建塊時，這種基本智慧的概念對於實現智慧物質尤其有趣。例如，集羣機器人，一大群小機器人相互作用，每個小機器人大約一釐米高，能力有限，但它們可以排列出複雜的、預定義的形狀。
當考慮到納米尺度上的群體行為時，類似的邏輯仍然可用，例如納米粒子組裝體，在自組裝資料系統中，弱耦合和高動態組分之間的局部通信以粒子的形式發生粒子相互作用。
基於鏈形成、結構納米顆粒之間的排斥流體和吸引磁相互作用，並根據初始形狀，微群可以執行可逆各向異性變形、具有高模式穩定性的受控分裂和合併以及導航運動，但這些形狀自我調整依賴於外部程式師的輸入、磁場控制等，囙此粒子本身不會顯示出智慧行為。
圖｜自我調整群體行為和膠體簇（來源：Nature）
有趣的適應性行為也在合成分子系統中被發現，迴響來自反應網絡和耦合分子間的相互作用。此外，有關自我複製分子大小的資訊傳遞是可以觀察到的，從祖先到後代的複製子，這種行為與生物學中的規範有些相似。
然而，這類物質中缺乏記憶，這封锁了物質從過去事件中去學習的能力。
第二種，軟物質實現（如反應性軟物質、嵌入記憶體的軟物質、適應性軟物質）。
在生物系統中，柔軟性、彈性和柔順性是顯著的特徵，軟體動物能够在擁擠的環境中實現連續變形，從而實現平滑運動。天然皮膚也表現出基本智慧的顯著特性，包括力、壓力、形狀、質地和溫度的觸覺、觸覺記憶乃至自愈能力。
軟機器人領域的目標就是將這些特性轉化為軟物質實現。軟體機器人能够通過調整形狀、抓地力和觸覺來類比生物運動。與剛性資料相比，由於資料的符合性匹配，當它們與人類或其他易碎物體接觸時，傷害風險大大降低。
圖｜響應性軟物質和具有嵌入式記憶體功能的軟物質（來源：Nature）
軟物質包含反應性軟物質，最常見的驅動是形狀和柔軟度隨輸入的變化。
一個典型例子是由矽橡膠基質組成的自給式人工肌肉，其驅動依賴於液體嵌入乙醇微氣泡加熱時的汽相轉變，這種反應靈敏的人工肌肉能够反復舉起6公斤以上的重量。
另一個案例是基於DNA雜交誘導的雙交聯響應性水凝膠，在外部DNA觸發器的幫助下，通過局部控制資料的體積收縮來模仿人手的手勢。還有利用摩擦電效應研發的人造皮膚，可以主動感知被觸摸物體的接近、接觸、壓力和濕度，而無需外部電源，皮膚可自主產生電響應。
還有科學家利用陽離子和陰離子選擇性水凝膠膜的微型聚丙烯醯胺水凝膠室之間的離子梯度，製造出“人工鰻魚”，採用可伸縮的堆疊或折疊幾何結構，在同時啟動數千個串聯凝膠室後產生110 V電壓，不同於典型的電池，這些系統具備柔軟、靈活、透明和潜在的生物相容性。
嵌入記憶體的軟物質，這一類功能性軟物質結合了物質記憶和感知能力。有科學家在一種機械雜化資料中已驗證這一概念，其中電阻開關器件作為剛性聚合光刻膠（SU-8）島上的存儲元件，該島嵌入可拉伸聚二甲基矽氧烷（PDMS）中，在聚二甲基矽氧烷上蒸發的金薄膜中的微裂紋同時起著電極和應力感測器的作用，這種運動記憶裝置允許基於應力的變化和隨後的資訊存儲來檢測人類的四肢運動。
此外，自愈也是軟物質的一種重要特性，允許資料在受到干擾/彎折後迅速恢復其原始特性，並且是消除過去創傷記憶的一種方法，有科學團隊報導了一種有機薄膜電晶體，這種電晶體是由可拉伸的電晶體聚合物製成，即使在移動的人體肢體上折疊、扭曲和拉伸也能正常工作，且這種聚合物在特殊溶劑和熱處理後能够自我修復，幾乎完全恢復了場效應遷移率。
資訊處理通常還涉及計數，這需要一個感知能力以及一個存儲最新值的存儲單元，有科研團隊提出了一種基於後續生化反應計算物質的設計概念，可根據檢測到的光脈衝數，通過釋放特定的輸出分子或酶來實現實際的計數過程。
適應性軟物質除了傳感和驅動之外，還包括精確定制的化學機械迴響回路。自我調整軟物質的一個實現方法就是有科學家提出的自主粒子運動模型系統，它包含了傳感和驅動的優雅組合，並通過反應網絡耦合，例如有一種資料可調節囊內氧氣泡的生長和收縮，從而導致有效浮力的對抗性調節，實現膠體在水中的酶驅動振盪垂直運動。
第三種，固態物質實現（如神經形態資料、分佈式神經形態系統）。
現時，固態資料的資訊處理科技要先進得多，例如傳統的電腦覈心是由物理設備（如晶片電晶體）構建的。非傳統計算超越了標準的計算模型，特別是生物，可以被認為是非傳統的計算系統。
可程式設計和高度互聯的網絡特別適合執行計算任務，而大腦啟發或神經形態硬體旨在提供物理實現。儘管在半導體行業自上而下的製造中，使用成熟的半導體材料，使神經形態硬體（例如Google的張量處理單元）得以實現，但利用納米材料的自下而上方法，可能為非常規、高效計算提供新途徑。
研究人員認為，結合上述各類物質實現，混合方法可能會最終導致智慧物質的實現。
如用相變資料類比神經形態計算系統，已經成為腦啟發或神經形態硬體的關鍵促成因素，允許在人工神經網路中實現人工神經元和突觸，利用它們通過焦耳加熱在非晶態或晶態下的可編程性來實現快速、可訪問的室溫非易失性記憶體功能。
相變資料的記憶行為進一步使得其適合於大腦啟發的計算，其中它們通常體現了突觸權重或非線性啟動功能。此外，二維（2D）資料，例如石墨烯、二硫化鉬、二硒化鎢或六角氮化硼，也出現在神經形態器件的實驗中，從而允許設計緊湊的人工神經網路。
最近的一項研究表明，可以在77K溫度下對矽中硼摻雜原子的無序網絡進行非線性分類和特徵選取。另有多項研究結果表明，利用納米電子器件的深層神經網路模型，可以通過梯度下降的方法對器件進行有效的調整，從而完成各種分類任務，而不是通過人工進化來實現功能。
這些工作揭示了利用物質固有的物理性質在納米尺度上可實現高效計算的潜力。
圖｜神經形態資料和系統（來源：Nature）
值得關注的是，在神經形態系統中，資訊處理和記憶是共局部化的，這與傳統的馮諾依曼結構有著嚴格的區別。有希望的一項研究是光學神經網路模型，因為光本身可以通過與物質相互作用或干擾自身來進行計算，而不需要預先定義路徑，此外，這種模型允許以光速（在介質中）進行資料處理，並且與電子設備相比功耗極低。
當光通過不同的繞射層傳播時，資訊被同時處理，類似於人類皮膚中的數據在通過神經系統傳輸到大腦之前的預處理。
此外，研究人員還認為，每一個物質型儲層都有其自身的物理問題，可以使用資料學習讓儲層從系統中浮現出來，而不是將資料基質設計成一個好的儲層。
展望未來發展路徑
那麼，未來面臨哪些挑戰？
研究人員認為難點在於開發製造、放大和控制智慧物質的有效方法。
智慧物質必須包含具有相當程度的共焦自由度、遷移率和納米級成分交換的動態資料。這意味著納米級組件之間的相互作用必須足够弱，才能被外部刺激操縱。此外，這類物質必須表現出納米級成分的某種程度的內部組織，這樣才能嵌入迴響和長期記憶元件，且為了充分接收和傳輸外部輸入，需要具有空間和時間精度的可定址性。這些要求在很大程度上可能是衝突的，而且可能不相容。
顯然，智慧物質的關鍵元素更容易在不同的資料類型中分別實現，但研究人員們希望混合解決方案能够解决不相容的問題。
那麼，走向智慧物質的路線圖會是什麼樣子呢？他們有一個設想。
首先，需要演示者和設計規則來開發具有固有迴響路徑的自我調整物質，通過集成納米級構建塊，實現自組裝和自上向下製造的納米結構的可重構性和自我調整性；
然後，必須從能够處理迴響的適應性物質開始，發展到具有學習能力的物質（“學習物質”）。這些資料將通過嵌入式記憶功能、基於資料的學習算灋和傳感介面來增强；
另外，還需要從學習物質發展為真正的智慧物質，通過感官介面接收來自環境的輸入，通過嵌入式記憶和人工網絡顯示所需的響應，並通過嵌入式感測器對外部刺激作出響應。
囙此，智慧物質的發展將需要協調一致、跨學科和長期的研究努力。
最終，考慮到整體效能是組件和連接的集體響應，完整的系統級演示對於加快智慧物質的使用是必要的。智慧物質的各種各樣的技術應用可以預見，與現有的AI和神經形態硬體的協同集成將特別有吸引力，在這方面，在生命科學和生物控制論生物體中的應用也需要生物相容的實現。
參考資料：
https://www.nature.com/articles/s41586-021-03453-y
原文刊載於【生物世界】公眾號
本文版權歸原作者所有，文章內容不代表平臺觀點或立場。如有關於文章內容、版權或其他問題請與我方聯系，我方將在核實情况後對相關內容做删除或保留處理！