本文約1800字，建議閱讀5分鐘
本文我們將討論有史以來第一款可自我繁衍的活體機器人。你或許聽過製造機器人、組裝機器人、3D 打印機器人，但你聽過「繁殖機器人」嗎？為了永續生存，生命必須繁衍。數十億年來，地球上的生物體已經進化出了多種繁殖方式，如今機器人也能做到自我複製並繁殖後代。近日，來自美國佛蒙特大學、塔夫茨大學和哈佛大學的研究團隊研發出了有史以來第一款可自我繁衍的活體機器人，它們的外觀酷似 80 年代的電子遊戲《吃豆人》，能夠一邊「吃掉」其他細胞，一邊實現自我複製！相關研究論文以「Kinematic self-replication in reconfigurable organisms」為題，已發表在科學期刊《美國科學院院刊》上。據論文描述，這一創造性發現有望在未來為外傷、先天缺陷、癌症、衰老等提供更直接、更個性化的藥物治療。可以說，它完全打破了人們對於機器人的固有印象。Xenobot 並非由金屬或任何軟性「無生命」材料製作而成，而是一種從生物細胞中提取並經過計算機設計的活體機器人。那麼，它是如何被創造出的？大概從農業誕生之日起，人類就一直在努力了解其他生物以為自己所用，如今基因編輯也變得越來越普遍，科學家們也已經嘗試組裝了一些人工生物，即複製已知動物的身體形態。在這一研究中，該團隊思考：我們是否能夠利用計算機技術，基於機器人，從頭到尾，徹底地創造出一種全新的生物體？於是，研究團隊選定了一種由非洲爪蟾（Xenopus laevis）胚胎幹細胞分化出的心肌細胞和皮膚細胞組成的細胞團作為初始生物體，其中心肌細胞為細胞團的運動提供動力，而皮膚細胞提供結構支撐。他們花費數月時間，使用進化算法，終於在佛蒙特大學佛蒙特州高級計算核心的 Deep Green 超級計算機集群上為新生命形式找到了最佳設計形態，並賦予了它們能夠完成特定任務的能力，比如在一個方向上運動、搬運物體等。圖｜計算機利用兩種細胞的組合，形成全新的活體機器人「Xenobot」（來源：該論文）
但是，研究人員也表示，這種「有生命的，可編程的新型有機體」目前還比較初級，其中一個重要問題就是：細胞團無法自我複製，一旦自身的能量耗盡，它們就會「死亡」、被降解。實際上，幾乎所有生物都通過生長然後生產後代來進行複製繁殖。複製已經演變成許多不同的形式：裂變、孢子形成、無性生殖、有性繁殖、雌雄同體和病毒繁殖，而這些不同的過程有一個共同的特性：所有過程都是在生物體內進行。但對 Xenobot 來說，科學家認為最佳的複製方式，其實是在體外不斷「吃」新細胞。在實驗中，研究人員將包含 3000 個細胞的 Xenobot 放在培養皿中，之後這些細胞團表面的纖毛就如同細菌的鞭毛，推動着它們按照設計的方向螺旋遊動。令人驚訝的是，在此過程中，它們會推動四處分布的幹細胞，將它們聚集在一起，堆積的細胞不斷增多，只在 5 天之內，就能形成一個比第一代更小、更接近球形的全新細胞團——二代 Xenobot。那麼，又該如何延長繁衍代數呢？研究人員想到了人工智能。通過在 Deep Green 超級計算機集群上運行的人工智能程序，進化算法在模擬實驗中測試出數十億種細胞形態。不過最終，人工智能「絞盡腦汁」，得到了一個類似於吃豆人的最佳設計。在基於該形態構建出全新的母體 Xenobot 之後，研究人員再次進行實驗，發現這些機器人不斷運動，C 字型的「嘴」里不斷在複製出新的「後代」。最後，它們最多已經能夠繁衍 4 代，而「後代」直徑也比球形 Xenobot 的後代大 50% 左右！也就是說，人工智能算法終於找到了正確的設計，這極大地延長了繁殖和複製的世代數。正如本研究共同領導者、佛蒙特大學計算機科學家和機器人專家 Joshua Bongard 所說：「有了正確的設計，Xenobot3.0完全能夠自發地進行自我複製。」「這是令人震撼的，」團隊另一個領導者、生物學教授 Michael Levin 說，「這些細胞具有青蛙的基因組，但它們不會變成蝌蚪，而是擁有超強的可塑性，其複製方式與科學上已知的任何動物或植物都不同。」然而，也有一部分人對自我複製生物技術感到擔憂甚至恐懼，這就像 AI 忽然擁有自我意識一樣。但該團隊聲明，這些毫米大小的活體機器人受控於實驗室條件，會很容易被銷毀。不過，雖然會有擔憂與風險，我們也不能完全忽視這一研究的重要成果，它可能應用於再生醫學，新型活體機器人或許能夠成為智能藥物輸送或內外科手術的新型載體，為外傷、先天缺陷、癌症和衰老等疾病的治療提供更佳解決方案，甚至可能對新冠疫苗研發有所幫助。此外，該研究也打破了人們對於生命繁衍的固有認知，人們首次觀察到了一種新的繁衍方式。正如研究人員在論文中所寫的那樣：「生命在表面之下隱藏着眾多令人驚訝的行為，還等待被發現。」參考資料：https://techxplore.com/news/2021-11-xenobots-team-robots.htmlhttps://www.pnas.org/content/118/49/e2112672118https://techxplore.com/news/2020-01-team-robots.htmlwww.pnas.org/cgi/doi/10.1073/pnas.1910837117
編輯：於騰凱
留言列表
留言列表