如何定義生命：一場人類與AI的思想實驗

導語

“生命是什么？”——這個問題橫跨哲學、生物學與人工智能，是人類思想中最古老、也最開放的追問。

今年5月，多倫多大學、谷歌與塔夫茨大學的研究者用大語言模型來重新審視人類對生命概念的理解。他們收集并分析了專家對“生命”定義的多種表述，通過模型的語義比較與聚類，呈現出八類核心觀點——從自我維持的物質系統到具備認知特征的信息處理主體。這一研究展示了AI不僅只是整理文獻的工具，而能成為思想的共作者的可能性。

關鍵詞：大語言模型（LLMs）、AI思想實驗、科學哲學、自組織系統、認知自主性、人機協作

郭瑞東丨作者

張江丨審校

在科研界，大語言模型最常見的用途是替研究者“讀論文”——總結、分類、撰寫綜述。然而，來自多倫多大學、谷歌與塔夫茨大學的一組研究者決定換一種思路：讓AI不再只是幫忙整理文獻，而是去追問觀念的源頭[1]。

他們把“大語言模型”當作思想史的顯微鏡，去分析人類幾百年來對“生命是什么”的回答。模型在海量語義中梳理出脈絡，揭示出生命與非生命在定義上的模糊地帶——一種從機械到有機、從物質到信息的連續譜。這項研究揭示了生命與非生命在定義上存在的連續性，并為解決科學中其他有爭議的定義開辟了可借鑒的方式。

生命是什么，歷史之中眾說紛紜

生命是什么？追蹤眾多先賢對這個問題回答，會發現生命的含義，如同思想史中其它核心概念，并非一成不變，而是通過歷史爭論、誤讀或重構形成的。

每一個時代，人們對生命的定義都會受到觀測手段的限制。例如笛卡爾的時代，水力磨坊是當時的先進機器。于是16世紀笛卡爾認為動物是機器，動物行為可完全用機械原理解釋（如反饋、液壓）；之后博物學者收集了眾多植物標本后，18世紀的哲學家康德在《植物變形記》搜尋所有植物的原型，強調了生命的整合性；到了19世紀，生理學的奠基人Claude Bernard認為生命的核心是維持內部穩定（也稱為“穩態”）；而到了20世紀，薛定諤在他的講座“生命是什么”中，則將生命和負熵聯系起來。

寫畢業論文時，我們需要對前人的相關工作進行回溯。溫故而知新，對過往研究的溯源，能展現問題本身的多義性和語境依賴性。然而溯源的過程，若是交由大語言模型來進行，那大語言模型又會得出哪些不一樣的結論？

在這項由大語言模型和人類共同完成的研究中，研究者先通過電子郵件訪談，詢問68個和生命有關的當代專家學者，如何用一句話來回答對生命是什么這個問題，得到的回答那叫一個五花八門。有的很簡潔：生命是學會了如何學習的物質（Life is matter that has learned how to learn.）；有的像是抖機靈，比如所有通過持續變化而保持一致的事物（Anything that keeps changing in order to stay the same.）。

之后的整理階段，如果是由人類研究者來進行，那就是去試圖從眾多的定義中尋找共性，看看這些定義中有哪些反復出現的部分。或者如圖1這樣，根據自定的標準，判斷這些定義是基于主觀觀察還是客觀事實，是連續變化的還是非黑即白的，是可執行的還是僅具啟發意義的。

圖1：對68種由專家給出的對生命定義的分類（由人類作者完成）

讓大語言模型去溯源，會發生什么？

上述的分類能了解專家觀點的分布情況，但卻不能顯示專家們的意見之間有什么相互關系。而當科學家讓大語言模型來分析這些定義時，便能用算法的力量完成人類難以窮盡的比對。研究者使用Claude，ChatGPT和Lamma三個主流大語言模型，通過如圖2的提示詞，讓大語言模型評估逐個評估這些定義間兩兩的相關性，這樣的方法，對于人類來說，意味著提問數千次，回答次數這么多，人類回答時的心理狀態就可能影響答案，無法如大語言模型一般穩定輸出。

圖2：詢問大語言模型定義相似性的提示詞模板

研究者讓大語言模型逐對比較68種“生命定義”之間的語義相似性，并將結果繪制成相關性熱圖（圖3a）。圖中顏色越接近綠色，表示兩種定義在語言表達上越相似，包含的思想元素也越多重合。

接著，研究者對這些相似性數據進行層次聚類，把彼此更接近的定義歸為同一類，得到右側的聚類圖（圖3b）。每個定義因此都獲得了與其他67個定義之間的“相似度評分”，這些分值共同構成一個矩陣。圖中顏色的深淺，就對應著這個矩陣中不同的數值——讓我們得以一眼看到哪些定義在思想上彼此靠近，哪些又相距遙遠。

圖3：從成對相關性到聚類空間投影的數據轉換過程

有了這個聚類圖，可以將距離相近的點當成一類，將68種定義分成多組，之后使用圖4的提示詞，來提取每個組中的共同之處。

圖4：提取生命定義共性用到的提示詞模板

具體來看，對生命的68種定義，被分為了8類，以下是大語言模型給出的對生命定義的總結：

（1）感知（Perceptual Categorization）：生命是一種由感知驅動的分類過程：一個系統若能覺察自身“活著”，便會開始區分“我”與“非我”。細菌分裂、樹木生長，本質上都是這種自我識別機制的體現。生命，是意識到自身存在的那一刻。

（2）自維持的動力學模式（Self-Sustaining Dynamic Patterns）：生命是一個能夠自我維持的動力系統。它通過遞歸循環不斷生成自身存在的條件——不靠外力，而是自己給自己打節拍，在與世界的互動中，一邊存在，一邊成為。

（3）動態關系過程（Dynamic Relational Process）：生命是持續的交換與流動。它的存在依賴與環境及其他生命體之間的能量、物質與信息循環。就像火焰依靠燃料與氧氣，生命也靠不斷的連接與互動而維持自身。孤立，意味著熄滅。

（4）實用懷疑主義（Pragmatic Definitional Skepticism）：生命并無唯一的定義。它是一個因研究目的而異的工作性概念：合成生物學、天體生物學、生態學——各自都在用自己的語境理解“活著”的意義。

（5）認知自主性（Cognitive Autonomy）：生命是一個目標導向的信息處理系統。它感知環境、學習經驗、調整行為，以維持自身邊界并抵抗熵增。無論是變形蟲避鹽，還是人類自覺節食，本質上都是有目的的自我調節。

（6）耗散自組織系統（Dissipative Self-Organizing Systems）：生命是遠離平衡態的秩序，它通過能量的受控耗散維持自組織。細胞膜像一座“半透的門”，篩選物質進出，確保系統在波動中保持穩定。生命在平衡與混沌之間走鋼絲。

（7）自我復制的信息系統（Informational Self-Replication）：生命是一段能自我復制的信息。它以DNA和RNA為載體，以能量代謝為引擎，在衰變中持續重寫自身。若有一天，AI也能穩定復制其結構與功能，它是否也算一種“生命”？

（8）自我復制的熱力學系統（Self-Replicating Thermodynamic Systems）：生命是一個在物理與化學層面能自我維持的體系。它通過吸收、轉化能量與物質來支撐生長與繁衍。感知、反應、進化，不過是這一自我復制機制的延伸。

前文的八類定義揭示了AI對“生命”這一概念的不同理解，但要理解這些思想之間的關系，還需要更直觀的方式。此時，AI的計算工作告一段落，人類的洞察力開始接手。研究團隊使用一種名為 t-SNE 的降維方法，將定義間的語義相似性映射到一個二維平面上，如圖5所示。在這幅圖中，每個點代表一種關于“生命是什么”的定義，顏色區分其所屬類別。為了讓整體結構更易辨識，研究者進一步計算了點的語義密度，并在背景上疊加了等高線。你可以把它想象成一張“思想地形圖”：點群越密的地方，等高線越密、顏色越淺，代表語義相近、觀點集中；而線條稀疏、顏色較深的區域，則對應那些相對獨立、少有人涉足的思想高地。

研究者還嘗試理解這張“思想地形圖”中兩條坐標軸所代表的含義。通過將八種生命定義映射到圖中，他們發現，水平軸（從左到右）呈現出一個從“觀察者依賴的感知框架”向“客觀的物質結構定義”過渡的方向；而垂直軸（自下而上）則對應從“具象的物理基礎”到“抽象的信息與目的論過程”的漸變。這兩個維度并非截然分開的類別，而是連續變化的思想光譜，展示了人類理解“生命”時在主觀與客觀、具體與抽象之間的擺動。

圖5：生命定義聚類后的可視化

從圖5可以看出，點在中部與左下區域明顯聚集。當代學者對“生命是什么”的定義，主要集中在兩個主題：認知自主性（青綠色，約24種定義）與耗散自組織系統（藍色，約21種定義）。這兩個聚簇共包含了約66%的定義，代表了當前學界對生命的主流理解方向。它們的共同特征是：同時整合了物理、信息與行動者三個層面的視角，采用跨學科的方式刻畫生命的復雜性。

然而，在這兩個高密度區域之外，圖中仍可看到一些零散分布的定義點。這種零散分布的狀態表明，學者們在生命的定義上仍未達成共識?！吧弊鳛橐粋€開放性問題，天然包含多義與爭議，而這正是思想活力所在。總體來看，大語言模型與研究者的合作揭示了生命定義的兩大思想聚焦點，也反映出現代科學對生命理解的多層結構——從信息與能量的組織，到認知與自我維持的動態過程。

從“定義生命”到更廣闊的思想地圖

這項研究的方法并不復雜，卻具有極強的推廣潛力。同樣的框架，可以用來探討其他長期懸而未決的問題——例如“什么是衰老”。研究者可以通過訪談不同領域的專家，收集他們對“衰老”的定義，并為每種定義附上代表性文獻；再借助大語言模型評估這些定義之間的語義相似性，進行聚類與降維分析。如此，便能繪制出衰老研究的“思想空間”，識別出當前學界在這一復雜議題上的核心聚焦點與分歧。

對于無法進行訪談的主題，如“什么是智能”，也能采取類似思路。研究者可從公開文獻、歷史資料或語錄中整理定義（參考文獻 [2] ），再通過模型的語義分析揭示不同年代、不同學派對“智能”這一概念的演化路徑。這不僅是一種數據分析方法，更是一種思想譜系重建技術。

更廣義地看，這類工作代表了“人類 + 大語言模型”的新型科研范式。人類提供判斷與洞察，AI則負責規?；?、無偏的語義計算。兩者的協作，讓個體研究者也能像文藝復興時期的思想家一樣，借助工具重塑知識的版圖，重新追問那些永恒的問題——何為生命？何為智能？何為思考本身？

例如Edge雜志在2018年以前，每年會針對一個問題，邀請全球知名的科學家思想家給出回復，每個回答是一篇或長或短的評論文章，這些回答被集結成書，這樣的年度問題，持續了數十年。這種方法完全可以被用于重新解讀那些思想家的回答：讓AI去聆聽十年前的思考，在當下時代重新生成對話。

參考資料：

[1] Bender, R., Kofman, K., Blaise, A., & Levin, M. (2025). What Lives? A meta-analysis of diverse opinions on the definition of life. ArXiv.org. https://arxiv.org/abs/2505.15849

[2] Legg, S., & Hutter, M. (2006). A Collection of Definitions of Intelligence. http://www.vetta.org/documents/A-Collection-of-Definitions-of-Intelligence.pdf

作者：郭瑞東 審核：張江 北京師范大學系統科學學院教授 出品：中國科協科普部 監制：中國科學技術出版社有限公司、北京中科星河文化傳媒有限公司

意識科學讀書會

從神經元放電到自我意識的涌現，意識是人類最稀松平常的主觀體驗，也始終是科學中最迷人的問題。在“我是誰”的終極追問下，當我們深入意識的機制與機理，會發現更值得深思的是，無論是神經機制的功能整合、信息的跨腦區傳遞，還是現象意識的主觀性質，不同層面的問題都在共同指向一個核心挑戰：物理過程如何產生主觀體驗？功能計算如何關聯現象感受？局部神經活動又如何整合為統一的意識？而要回答這些問題的并不簡單，它可能會挑戰我們對世界和實在，乃至科學方法本身的理解。

為了對意識問題進行系統探討，集智俱樂部聯合來自哲學、認知神經科學、計算機科學、復雜科學領域的研究者共同發起，跨越理論與實證、功能與現象、生物與人工的視角，全面深入研討意識這一現象本身。重點探討當代主流意識理論的核心主張與分歧，神經機制與主觀體驗之間的橋梁，以及AI意識、腦機接口等技術如何重塑人類意識主體的邊界與文明的未來。

詳情請見：

1.

2.

3.

4.

5.

6.