前几天佛蒙特大学研究者推出的第一个“活体”机器人xenobots，相信让很多人吃了2020年的第一惊。全青蛙基因、可在水中存活、自我驱动、可“编程”……这一系列关键词听起来似乎是无机体已经出现，属于生物学的21世纪终将到来，指不定哪天生化危机就会在科学家的一次手抖下诞生……
当然经历了几天的各种解读和消化，相信大家对于整个事件的态度也趋于冷静。而今天我们的话题就是，从所谓活体机器人的成功中，是否能找到一些具有普适性的新进展呢？
《孢子》尚未成为现实：科学家在实验室里绣花
关于这个充满了奇幻气息的话题，当然要从祛魅开始。
如果用一句话来解释这件事就是，科学家们通过非洲爪蟾的胚胎，分离出了干细胞并进行培养，将一伸一缩具有自主运动能力的心肌细胞和用作杠杆的表皮细胞组合在一起，实现持续移动能力，再通过超算进行无数次实验模拟，最终选择了组合形式，让两种细胞组合出来的复合细胞能够实现定向移动。
这种“机器人”最关键的优点就是可以随着寿命耗尽自然降解，不会造成污染。当然各位看客也不必担心，没有生殖系统让这些机器人不具备繁殖的可能，基本没有可能出现想象中的一个操作不慎，世界被“腐肉”占领的克苏鲁画面。而细胞也不具备神经系统，别说思维了，就连反射的边儿都碰不到，人造生物觉醒攻击人类的梦也可以醒一醒。
除去这些想象中的负面影响，活体机器人的应用价值恐怕也没那么容易实现。
在论文中，研究者提到了清理海洋中微塑料垃圾、为细胞设计囊袋在人体中精准给药、清理血管斑块等等作用。从理论上来讲，如果有一种可生物降解、能够通过编程改变形态、自我驱动运动的细胞生物存在，似乎确实能够实现上述能力。
但从现实情况来看，这种未来还是比较遥远。就拿为细胞设计囊袋实现精准治疗来说，为细胞设计囊袋这件事情虽然在计算模拟中实现了，但科学家却无法在现实中重现。至于清理血管甚至清理废水，则需要海量这样的细胞机器人才能够实现。
那么科学家是如何制作这些细胞机器人的呢？
答案并非是像大家想象中，如同游戏《孢子》一样输入几行代码就能生成不同的细胞组合，而是像绣花一样，在显微镜下用镊子捏。如此以来无法实现囊袋的设计，就无需意外了。
工程能力上本身的限制，决定了细胞机器人在短时间以内没法批量生产，更别提有关平衡成本收益的商业化应用了。
从细胞机器人，到细胞编辑系统
总的来说这一科学研究成果更多还处在学术、实验性质，只是因为“活体机器人”这个概念太过令人咋舌，因而引起了媒体和普通人的过度反应。实际上不论是为此恐慌或是过度兴奋，都没有什么必要。
其实在这次实验中，还有一位主角被大家忽略，那就是背后提供计算能力的超级计算机深绿。
不难发现，让复合细胞动起来的原理并不困难——天生会收缩运动的心肌细胞加上杠杆力量。那么为什么这一实验成果在今天才出现呢？
原因就在于类似复合生物学实验在工程上的难度，如上文所说，想把细胞组合在一起，需要科学家在显微镜下手动操作。使得实验的时间成本、金钱成本和人力成本都十分之高。这也决定了，在上层设计上要尽可能精准，从而在工程层面要尽量减少“尝试”。
而在上层设计上，以何种“姿势”和“配比”组合不同的细胞，细胞又将如何在不同质地的介质中以怎样的模式进行活动，这样无数种的可能性，就全要靠进化算法下的海量的计算了。实验中最终呈现的运动形态，就来自进化算法下无数次模拟的结果。
而佛蒙特大学研究成果的另一个关键重点就在于，这一模拟细胞运动和环境的系统是具有通用性的，换句话说，如果想模拟另一种细胞在另一种环境里的表现，只需要对计算系统进行模块化更改即可。
这种方式如同把工业领域的数字孪生概念引入了生物科学，避免了无数次失败实验的发生，也减少了复杂的实验设计流程。极大的提升了生物科学研究的效率。建立在强大的计算能力，和逐渐累积下来的成果案例之上，未来引入更丰富的算法能力，通过神经网络的黑箱来模拟出更强大的复合细胞模式也未尝不可，即使短时间内无法在工程层面上实现，最起码为未来指出了一种方向。
而这一实验，仅仅是超算与生物科学合作的第一个典型案例而已。
人类的生物数字梦，正在从黑到甜
我们常常能从生物老师口中听到一些不太严谨的说法，像是“再精密的机械复杂程度也不如一个细胞”或是“人是最高级的智能体”，其实这些言论的核心观点就是一个——生物的复杂程度，导致其很难被以数字化的方式重现和模拟。
在计算机科学发展的历史，其实有无数人前赴后继的试图用数字化的方式对生物进行模拟。其中有2014年开始的众筹项目Wormsim，因为算力有限，于是科学家们选择了秀丽隐杆线虫只有约300个神经元和1000个细胞的生物，对于其大脑和神经系统进行了数字化模拟，实现蠕虫式遇到障碍物会转向的基本神经反射运动。又比如在对AI的追逐中，联结学派的思想之源就一直建立在对于人类大脑中无数相互连接的神经元的模拟上。而在2013年，欧盟还牵头携手26个国家和135个科研机构打造了“人类脑计划”，试图通过超算完全模拟人类的大脑。
当然以上这些计划，往往都是在脑科学、算力、存储能力等等方面的限制之下，浅尝辄止或彻底失败。
目前以xenobots为代表的生物+超算，大多选择了一种折中方案，不去模拟过于复杂的大脑或神经元系统，转而选择相对更加简单的细胞、基因等等。与其说注重实验成果应用性，不如说更注重实验计算过程的模块化和可复用，为整个行业提供更有价值的参考。
这种模式已经在一些生物科学尤其是合成生物科学领域中开始了应用，像是北德克萨斯大学的研究团队，就通过德克斯高级计算中心的超算设备对于基因编辑进行全原子分子动力学模拟，让基因编辑切割DNA时可以更加可控。相信经历过这次新闻的洗礼后，会有更多超算中心向生物科学展开怀抱，推动双方的合作。
在这种时刻，与其说未来会发生所谓活体机器人被“邪恶科学家”利用毁灭人类之类的事件，其实真正正在到来的，是生物学科与超算、AI之间交叉学科的人才需求。超算平台如何打造更便利的开发工具、生物科学中是否会涌现出一批智能计算人才、是否会有AI企业去挖掘生物研究场景所需要的数据支持，这些都是值得我们思考的问题。
那些能改变世界的创新，通常不会在一个默默无闻的实验室中突然脱颖而出，而是一整个甚至无数个产业的互相配合共创，最终齿轮转动起来。
Xenobots的出现，仅仅是在万里长征中走过几百米而已。