多头绒泡菌

多头绒泡菌（Physarum polycephalum）是一种黏菌——一类既不是动物、不是植物、也不是真菌的奇特生物。

它在生命树上的位置就够让人意外了，但真正让它出名的是另一件事：这个东西没有神经、没有大脑，甚至在某个阶段整体只是一个巨大的单细胞，却能解开迷宫、找出两点间的最短路径，还能"设计"出和东京铁路网惊人相似的高效网络。

它常被通俗地称作"史莱姆"或"黏菌"。在生命周期的觅食阶段，它会形成一片明黄色、扇形蔓延的变形体（plasmodium）——这是一团没有细胞壁分隔、却含有亿万个细胞核的原生质，可以像活的网络一样在表面爬行、伸缩、重组。

它逼着我们问一个尴尬的问题：智能，真的非得有大脑不可吗？

先说清楚：它不是"聪明"，但它在"计算"#

把黏菌说成"聪明"很容易引起误解，所以要先划清边界。

它没有意识，不会思考，也不"知道"自己在做什么。它能解迷宫、能优化网络，靠的不是认知，而是一套纯粹由物理和化学规则驱动的反馈机制——哪条管道里流过的养分多，哪条管道就变粗、被保留；流量少的管道就萎缩、被舍弃。

但奇妙之处恰恰在这里：仅凭这套简单的局部规则，整个变形体在宏观上涌现出了类似"求解最优化问题"的行为。它不需要中央控制器，也不需要一张全局地图，却能逼近数学上很难的最短路径解。

所以更准确的说法是：黏菌展示了一种没有神经系统的分布式计算。这正是它对计算机科学和人工智能最大的启发——智能行为可以从极简单元的集体动力学中自发产生。

解迷宫：一个细胞找到了最短路#

2000年，中垣俊之（Toshiyuki Nakagaki）等人在《Nature》发表了一篇标题朴素却引发轰动的论文——《Maze-solving by an amoeboid organism》（变形虫状生物解迷宫）。

实验设计得很巧：研究者把黏菌铺满一个迷宫，然后在迷宫的入口和出口各放一块燕麦片作为食物。一开始，黏菌占满了迷宫的所有通道；但很快，那些走不通、绕远路的管道纷纷萎缩消失，最后只留下一条——连接两块食物的最短路径。

一个没有大脑、没有神经的单细胞生物，竟然解出了迷宫的最优解。这篇论文之后开启了一整个研究领域，人们用黏菌去逼近各种经典的路径优化与网络设计问题。

它的"算法"本质上是：到处试探，然后让有效的连接变强、无效的连接消失。这与蚂蚁觅食的信息素机制、神经网络的连接修剪，乃至最短路径算法这类工程优化算法，在思想上惊人地相通。

复刻东京铁路网#

如果说解迷宫还只是玩具问题，那么2010年的实验则把黏菌推上了真正的工程舞台。

中垣俊之与手老篤史（Atsushi Tero）等人在《Science》发表论文《Rules for Biologically Inspired Adaptive Network Design》（受生物启发的自适应网络设计规则）。

他们在一块湿润的平板上，按照东京周边城市的真实地理位置摆放燕麦片——每一块燕麦代表一座城市，平板中央代表东京。然后让黏菌从中央向外生长。

约一天后，黏菌长出的活体网络，与真实的东京铁路系统惊人地相似。更关键的是定量比较：研究者发现黏菌网络在效率、容错性和总成本三者之间取得的平衡，与人类工程师历经几十年规划出的铁路网不相上下——某些指标上甚至更优。

人类铁路网是大量工程师、数十年规划、无数会议的产物；黏菌只用了一天，靠的是没有大脑的局部反馈。这个对照本身，就是对"智能"定义的一次冲击。

还有争议与未解之处#

黏菌的故事很容易被讲得过于玄妙，所以也要诚实地标出它的边界与争议。

"记忆"算不算记忆？ 有研究称黏菌能"学习"——例如习惯化（对无害刺激逐渐不再反应），甚至能在没有神经的情况下"记住"信息，靠的是把信息编码进自身管道网络的结构里。这些发现很有启发，但"记忆""学习""智能"这些词用在一个单细胞上是否恰当，学界仍有争论：到底是真正的认知类比，还是只是物理过程被套上了认知词汇？

机制尚未完全清楚。 黏菌网络优化的精确动力学，至今没有被一套完整的数学模型彻底解释。它如何在没有中央协调的情况下整合全局信息，仍是活跃的研究问题。

别神化它。 黏菌不会"思考"，也解不了需要符号推理的问题。它擅长的是一类特定的、可以用流量反馈逼近的空间优化问题。把它捧成"无脑天才"既不准确，也错失了它真正的科学价值。

为什么这很重要#

多头绒泡菌之所以重要，是因为它把"智能"从大脑里解放了出来。

它证明了：复杂、看似有目的的、甚至接近最优解的行为，可以从极其简单的局部规则中涌现，完全不需要神经系统、不需要中央控制、不需要全局蓝图。这对人工智能和计算机科学是一记重要提醒——分布式、去中心化的系统，可能比集中式控制更鲁棒、更省成本。

它也拓宽了我们对"智能"本身的定义。如果一个单细胞都能"算路"，那么智能也许不是某些高等生物的专属天赋，而是物质在合适反馈结构下普遍可能涌现的性质。从这个角度看，黏菌和章鱼的分布式神经系统讲的是同一个故事的两半：智能的实现路径，远比"长一个大脑"宽广得多。

跨域连接#

• 最优化：管道流量大则变粗保留、流量小则萎缩消失——局部正反馈让整体逼近最短路径，相当于把全局优化问题外包给物理过程求解。推论：迷宫实验中它最终只留下连接两块食物的最短通道；换一组节点布局，网络应重新收敛到接近该布局的最小连通结构，全程不需要任何全局地图。
• 最短路径算法：Dijkstra算法需要全局图与中央计算，黏菌只有局部规则却给出可比的解——但代价分明：它擅长可用流量逼近的空间优化，解不了需要符号推理的问题。推论：形式化后的"黏菌算法"在节点动态变化的网络上，重收敛速度应优于每次都要重跑全局的经典算法。
• 章鱼：章鱼把智能分布到触手的神经环，黏菌干脆连神经都没有——两者把"智能需要中枢大脑"的前提又拆深了一层。推论：若决策可由纯粹的物理化学反馈产生，那么"认知"的最低门槛就不是神经组织，而是一个"感知—反馈—结构重塑"的闭环。
• 涌现：没有全局蓝图的系统涌现出近似最优的全局结构——这是复杂系统核心命题的培养皿版本，可重复、可干预。推论：若涌现图景成立，改变微观规则应可预测地改变宏观形态，例如基质湿度改变网络的密度与冗余度。
• 中文房间：有研究称黏菌能"习惯化"甚至"记忆"，但它没有任何理解与意图——把物理过程贴上认知词汇，正是中文房间式的警告。推论：判定"无神经学习"的门槛应是可迁移的行为改变（换了刺激仍保留反应模式），否则那只是刺激-反应的塑形，不配叫学习。

参考文献#

• Nakagaki, T., Yamada, H. & Tóth, Á. (2000). Maze-solving by an amoeboid organism. Nature, 407, 470. DOI: 10.1038/35035159
• Tero, A., Takagi, S., Saigusa, T., Ito, K., Bebber, D. P., Fricker, M. D., Yumiki, K., Kobayashi, R. & Nakagaki, T. (2010). Rules for biologically inspired adaptive network design. Science, 327(5964), 439-442. DOI: 10.1126/science.1177894
• Saigusa, T., Tero, A., Nakagaki, T. & Kuramoto, Y. (2008). Amoebae anticipate periodic events. Physical Review Letters, 100(1), 018101. DOI: 10.1103/PhysRevLett.100.018101
• Boisseau, R. P., Vogel, D. & Dussutour, A. (2016). Habituation in non-neural organisms: evidence from slime moulds. Proceedings of the Royal Society B, 283(1829), 20160446. DOI: 10.1098/rspb.2016.0446

延伸阅读#

• Adamatzky, A. (2010). Physarum Machines: Computers from Slime Mould. World Scientific.
• 美国国家地理（National Geographic）科普报道《Slime mould attacks simulates Tokyo rail network》。