導語
個體之於群體，如滴水之於百川。但在對生命本質探索中，科學上個體的概念一直模糊不清，既沒有通用定義，也沒有明確劃分標準。最近聖塔菲研究所現任所長 David Krakauer 發表了一篇文章，基於過程哲學和演化格式塔方法，他認為個體是一種能將自身信息從過去傳播到未來、並保持一定時間完整性度量的集合體，並用信息論給出了概念的形式化定義。從公式中可以推導出原則上不同的三種個體：有機個體、群落個體和環境驅動個體，每種在環境依賴和信息繼承程度方面都有所不同。即使沒有體細胞等明確物理邊界，在合適的觀察者和測量下，從分子到文化，一些多層次、高分佈的適應性系統，也可以被識別成一個生命個體。文章關於個體和環境關係的刻畫也為定量研究生命提供了新的理論基礎。
目錄
一、從生命到個體：信息論的建構
二、形式化個體
三、個體度量：一個可視化例子
四、個體信息理論的展望與意義
結語：人類個體與社會
生命本身讓人充滿驚異，無數個生命更是如此。
在生物學上，人類和大猩猩、海豚、獅子、蜜蜂、螞蟻等一樣都是社會性動物，群居利他，不能獨存，存在極其複雜的群體行為模式。在有著龐大而悠久歷史的種群面前，個體生命似乎微不足道，甚至人們一談起生命，都默認至少是一個物種，或者乾脆超越所有物種之上的某個整體。
圖 1：作為典型社會化動物的貓鼬家族（狐獴）
但有趣的是，同樣作為生命，一種社會化動物，儘管對人類是否是具有像蜜蜂和螞蟻那樣高度的社會性還有爭議，但似乎從來沒有哪一種動物能像人類那樣注重個體價值。不管公權力怎麼詮釋，追求個體自由和自我實現都已成為這個具有共識想象力的物種越來越普世價值的一部分。對很多現代科學家，如動物行為學家和社會心理學家而言，人類就是一種“合作的物種”，在深處甚至會牽扯到複雜的演化博弈論和經濟學研究視角解讀。
其實遠不止在生物學和心理學層面。之於社會學和政治學，對人類本性的追問，也往往在個體和群體二者之間展開。亞里士多德早就說過“人是城邦的動物”。先有個體（individuality），還是先有社會？這一歷史之問，讓如今人類社會政治理念之爭的焦點，更是在自由主義和社群主義之間激烈而持久展開，從政治、經濟、文化到生態全方位影響著整個人類發展前景。
可以看到，儘管個體與群體、甚至生命的關係如此重要，但關乎個體最根本一些問題依然還沒有被解答，甚至根本沒有認真人追問這個問題：
——究竟是什麼才是個體？
對這個問題的回答不僅關乎個體，關乎人類整體，更是關乎生命意義本身。
在生物學中通常存在的個體性假設，就像經典時空觀一樣，往往只是基於天然的生物學特徵，不僅沒有共識，也沒有嚴格的量化方法來識別。
最近，聖塔菲研究所現任所長 David Krakauer 在Theory in Biosciences期刊領銜發表了一篇文章，對個體本質進行了回答。他認為個體是一種能將自身信息從過去傳播到未來，並保持一定時間完整性度量的集合體，並用信息論和圖示給出了概念的形式化定義。個體信息理論從信息熵和互信息公式中可以推導出原則上不同的三種獨特形式個體：有機個體、群落個體和環境驅動個體，每一種在環境依賴程度和信息繼承方面都有所不同。
這種新型的進化格式塔方法允許擴大生命的定義範圍，即使沒有細胞壁或體細胞等物理邊界組織，
在合適的觀察者和測量原理下，從分子到文化的所有組織層次，一些可以通過粗粒化減少不確定性的多層級、多尺度、高分佈適應性系統，也可以被看作是一個生命個體。論文題目： The information theory of individuality 論文地址： https://link.springer.com/article/10.1007/s12064-020-00313-7#Sec10
圖 2：論文通訊作者、進化生物學家、聖塔菲研究所所長 David Krakauer
一、 從生命到個體：信息論的建構
雖然沒有任何物理或化學理論能直接預測生物行為，但如果不把生物系統分解成更基本組成部分，我們就很難理解生命。從物質還原論和湧現論角度研究生命，會遇到計算複雜性問題（Defranceschi & Le Bris,2000），究竟還原到什麼程度，才能更有效從聚合體預測生命體行為，也至今是一個難解之謎（Anderson, 1972; Krakauer & Flack, 2010a; Flack, 2017b）。
但顯然，個體是生命一個不可忽視的層次。我們幾乎無法想象，如果沒有單位或個體的概念，怎麼能建立起一門生物科學來，如果不知道怎麼觀察和測量個體，又怎麼可能去研究新陳代謝、行為或基因組的規律。
對生命本質的科學研究，始於二十世紀著名的物理學家薛定諤（Erwin Schrödinger）。他在名著《生命是什麼？》中，試圖通過普遍的物理規則尤其是以信息視角來探索生命的延續性。然而和大多數人一致，他對單個生物體的存在依然默認了強烈的先驗假設。具有外部組織邊界、能夠新陳代謝、能夠自適應環境、通過遺傳變異延續自身 ……等等這些被歸納的可見外部特質，都默認為個體的基本屬性，彷彿不證自明。
圖 3：以”薛定諤的貓“聞名世界的物理學家薛定諤，同時也是現代生物學的奠基者
但這些歸納特徵都很容易找出反例。例如對社會性昆蟲以及一些植物、真菌和原核生物等物種的研究表明，個體可同存於多個組織層級。具有不同組織邊界的不同的螞蟻形成稱為群落的聚集體，其中大多數工蟻並不進行自我複製，整個蟻群也不進行復制，只是存在局部複製。但從過去到未來這個群落依然具有某種連續特徵，彷彿一個智能整體，甚至計算機科學家都從中學到了一種最優路徑算法——蟻群算法。
此外，在微觀層面連是生物與否都一直存有爭議的病毒，卻能夠自我複製、適應、甚至變異，具有某種持久性身份，從而與“宿主”環境區分開來。最近一些研究表明，這些病毒能像微生物一樣形成集體單位以促進感染（Andreu-Moreno & Sanjuán, 2018），因此單個病毒並非傳統意義個體生命，但整體卻似乎是一種“空想個體”（chimerical individuals）(Krakauer & Zanotto, 2006）。
對比對的生命研究，例如前面薛定諤認為生命本質在於信息，是一個基於分子和化學之上的負熵系統（甚至我們還能聯想到關於意識本質的整合信息論），上面關於個體的假設和描述顯然過於主觀和表面了。
如果我們想識別所有可能的個體的話，就需要抓住個體的更本質的特徵。就像一個外星人剛剛降臨地球時，對地球生命形式一無所知一樣。
華裔科幻作家劉宇坤在短篇《異世圖鑑》曾記載了許多新奇的外星生命個體，例如通過蛋白質鏈記錄交換思維、甚至原子鏈式反應衰變的軸基生命；而科幻大師阿瑟·克拉克在《童年的終結》中也描述了一個作為集體宇宙生命的人類未來。
這些都是科學幻想。然而即使是現代科學家們也確實在面對諸多類似棘手問題：一些生態聚合體如微生物墊（Microbial mat）算不算一個個體？人類創造和數字生命和生物裝置藝術算不算個體？甚至，人類的文化和技術這些鬆散的集合體算不算個體？——如果是，對後者的回答，就會產生技術倫理問題，也許人類對待機器人就需要像寵物那樣了。
退一步講，人類自身就是與包含幾乎與體細胞一樣多的共生微生物的聚合體（Andreu-Moreno&Sanjuán, 2018），但直到最近”共生總體“（holobiont）概念的出現（Gilbert, 2012）之前，人類細胞生態系統中的微生物部分通常都不被認為是人類個體中的一部分。
圖 4：海綿的共微生物體
既然個體的生物學組織特徵如此複雜，在任何組織層次上都可能出現，可以互相嵌套和分佈呈現，那就要求我們放棄對單一層次或對象的偏好，以及對種種生物特徵的依賴，而專注與個體自身的信息形式的特性。
因此以下問題顯得尤為重要：如何依不賴於細胞膜之類的生物特徵有效識別出個體？
David Krakauer 等人認為，個體是將信息從過去”傳播“到未來的聚合體，具有時間上的完整性，因此不同個體類型只是一個程度問題。於是前面問題就變成了：如何將個體形式化？
這就需要基於信息論和數學的第一原理進行構建和推演了。
二、形式化個體
信息的起源
傳統的個體觀念是從已存的客觀對象靜態建構的，先有實體，再列舉實體種種屬性，這是一種歷史悠久”形而上學實在論“。然而在真實的自然現象動力過程中，對象屬性只是過程信息的遺留的痕跡。因此作者採取了與以往不同“過程哲學”觀（Rescher, 2007），將個體視為一個一般的
隨機過程。這一思想最早始於著名哲學家和數學家懷特海。一個隨機過程可能是一個隨時間變化的化學濃度的矢量，各種細胞類型的丰度，或與觀察相關行為的概率。然而對於個體系統來說，它還是一個過去傳播到未來、具有時間完整性的信息聚合體，因此這一符合實用主義的操作型定義，就可以和信息論對於熵的解釋聯繫起來。
在信息論的起源和發展過程中克勞修斯、玻爾茲曼、馮·諾依曼做過突出貢獻，但最核心的奠基人是克勞德·香農，他通過類比熱力學熵對信息的研究可以說為我們整個信息時代奠定理論基礎。
圖 5：信息論創始人克勞德·香農
香農在度量信息時採用了下面最簡形式的定義：對隨機變量 ，信息熵 H 衡量它處在可能狀態的不確定性程度，即 的信息量：
其中 i 是系統可能的狀態，P(si) 是這些狀態的概率。系統不確定性越大，確定系統狀態所需的信息量就越大。例如一枚正常硬幣有正反兩個可能狀態，概率都是0.5，測得信息熵大小就是 1；如果硬幣一面概率更大，那麼所需要的信息就小於 1 比特了。
在確定信息量後，為了獲取信息通信過程中的價值，香農引入了發送-接收者（Signaler–Receiver）模型，用兩個隨機變量 和 表示。信號發送方和接收方之間傳輸的最大信息是由互信息（Mutual Information）I 給出的：
其中其中 H() 和 H() 是信號的熵，H(;) 是兩個變量的聯合熵：
當 和 不相關時，聯合熵最大。因此當互信息在 和 都很大時，這時它們是高耦合的，聯合熵 H(;) 很低。
互信息 I 測量在 和 之間通過通信信道共享的信息，可見由- 模型， 中結構的唯一來源被假定來自 。
互信息 I 另一種的表達方式是：
其中 H(|) 是 的條件熵，或 中不在 中的信息量。因此如果 中的所有信息都來自 ，那麼有：H(|)=0 ，且 I(;) = H()
假設一個作為隨機變量的發送者 由兩部分組成 = {1，2}，那麼可以用鏈式法則分解互信息（Cover & Thomas, 1991）：
其中第二項的條件互信息定義為：(2;|1) := (|1) − (|1,2)（上面等式中符號“:=”代表定義）
有了以上信息論基礎後，要對系統與環境之間的交互作用進行建模，還必須考慮更復雜的情況，因為對個體系統研究要涉及個體和環境兩個信道。
讓 和 ε 分別代表個體系統和環境的狀態集，個體的動態過程受自身狀態的影響，但也可能受到環境狀態的影響，對個體和環境信道建模就是 φ：ε × → 和 ψ： × ε → ε。
其中 φ(e,s;s') 表示當前系統和環境狀態處於 s 和 e 時，下一個系統狀態 s' 的概率。
ψ(s,e;e') 表示系統在當前狀態 s 和給定環境 e 下，環境下一個狀態 e′ 的概率。
約束假定假定對所有 e，s，s'，有 φ(e,s;s') ≥ 0 且 Σφ(e,s;s') = 1， ψ 同理。
可見 φ 和 ψ 構成了系統-環境交互機制模型的核心。如果選擇一個概率分佈 μ 以狀態 s 和 e 開始這個交互過程，則得到狀態集（k,k），k=1,2,3…，顯然在 × ε 滿足：
當然，我們可以從過程的分佈（k,k）得到：
以上，在將信息度量，如互信息，應用於過程的變量（k,k）後，就能量化系統和環境之間的信息流。這個過程的因果結構如圖 6 所示，它蘊含了很多獨立條件，例如，n+1 條件獨立於給定 n-1，n-1下的 n，n。
圖 6：系統環境作用因果圖
信息型個體
從前面個體形式化信息論的討論中可以看出，它與道金斯的複製子概念不同，關注的並非是個體允許複製的基本特徵，而是個體在促進複製中能起到什麼作用。作者的基本觀點是信息個體隨著時間向前傳播，並不斷減少不確定性，這也是玻爾茲曼和馮·諾依曼思想的自然延伸。
在增加數學約束後，個體的形式定義的性質和內涵可以更進一步描述如下：
- 系統-環境分解：類比于格式塔心理學的圖形-背景關係，一個動態的可測集合，可以粗略劃分為個體系統和環境兩部分（主體-環境）。這種劃分可容許各種系統層次存在，如自然和生物上細胞器、細胞體，乃至生物體、種群、文化。
- 信息個體：一個一般離散的隨機過程，未來狀態由當前狀態的子集決定的。當所有狀態分為個體和環境兩部分、並分別具有狀態 和 時，就足以預測下一個個體狀態 +1，形式上可以用互信息來量化：
這個公式表達在時間 +1 時，個體 +1 有多少信息來上一個時間段的系統自身（前代） 和 環境信息 。其中程的互信息可以有兩種方式分解：
每一種分解都可以解釋為在系統和環境之間觀察到不同規律分佈的一種配置，並允許定義出不同形式的個體：
先從第一種分解生物體內源決定（Endogenous determination）考慮：
- 第一項 (+1;) + (+1;|) 是系統對自身狀態影響（下代或下一時間）的一種度量，在所存在時間間隔中，連續系統狀態之間所有觀察到的依賴關係都歸於系統自身。Krakauer 和 Zanotto (2006) 將量 (+1;) 稱 為自主性（autonomy），下面用 ∗= (+1;) 表示。當個體能控制自身時，它應該是高的。
- (+1;|) 則可以理解從環境流向個體的新信息。若無則說明一個系統是信息封閉的，因此這個量衡量了個體受環境控制的程度， 用 nC = (+1;|) 表示。注意，封閉性並不要求因果獨立，只是說明所有來自環境的影響都是個體可以預測的。
與內源決定相對的是第二種分解，環境驅動（Environmentally driven），
即環境通過結構梯度驅動個體系統。換句話說，個體自身經歷並不像環境那樣，會對邊界條件施加那麼強有力的影響。在分解 (+1;) + (+1;|) 中，觀察到的影響主要歸結為環境因素 (+1;) ，只有餘下的 (+1;|) 才是由於個體自身的影響，這可以理解為系統自主性的另一種概念 （Bertschinger et al.,, 2008），下面將用 A 表示。在假定個體狀態與環境之間的所有依賴關係都歸於環境控制的前提下，它是有效的。以上這些屬性確定的三個量，每個量都可以對應一種個體類型。
- 群落個體 := (+1;|）（Colonial Individuality）
- 有機個體 ∗ :=(+1;）（Organismal Individuality）
- 環境驅動個體 nC := (+1;|) （Environmental Determined Individuality）
不過，為了嚴格形式化不同類型個體，還需要在更細粒的尺度上（Fine-grained decomposition）考慮它們。
在使用互信息的鏈式法則，將影響歸因於環境或系統時會遇到了一個模糊的問題：部分信息分解問題（Williams & Beer, 2010; Bertschinger et al., 2013)。通過引入獨有信息、共享信息和交互信息的概念可以解決這點[1]。
在時間 n+1 的未來個體狀態與時間 n 個體與環境的聯合狀態之間的互信息，可以可以被分解為四項：
這四項出現在前面從鏈式法則中得到成對的互信息和條件互信息中：
在本文研究定義的語境中，這四個詞分別含義如下：
- a 個體信息 (+1;∖)：只來自個體自身並由系統自身維持；
- b 共享信息 (+1,,)：個體和環境之間共享的信息；
- c 環境信息 (+1;∖)：環境對個體影響的信息，狹義上即感官的信息流；
- d 交互信息 (+1;,)：協同信息，只存於個體系統和環境的交互作用中。
這些分解只是作者視角下一種形式，在 Journal Entropy 中可以看到其他替代性見解（Lizier et al., 2018）。但基於此，接下來就可以嚴格定義三種不同形式的個體了，並且能量化每種信息的對不同類型個體的獨特貢獻。
例如，系統和環境共享的信息（如自適應信息)、個體或環境獨有的信息（二者不同的的存儲器）以及以某種複雜方式依賴於二者交互作用的信息（如控制信息）。
有機個體 ∗
∗ = (+1;,) + (+1;∖)
當生物體能通過適應或學習與所處的環境共享重要信息時，它們就具有良好的適應性。此外有機個體還包含了有效運作時所需要的大量私有信息。通過最大化這種度量，我們能夠在環境中識別出複雜的有機個體。
群落個體 A
= (+1;,) + (+1;∖)
許多生物體，如微生物，只與它們所處的環境共享少量的信息。它們含有調節機制，與生物和非生物環境之間的持續交互作用來實現適應。通過最大化這種度量，我們能夠識別出這種 "環境調節的聚合體"，即群落個體。
環境驅動個體 nC
= (+1;|) = (+1;,) + (+1;∖)
這個指標量化了個體在時間演化中被環境決定的程度。當度量降到最低時，個體對環境完全不敏感，因此既不具有有機體的形式，也不具有群落個體的形式，沒有任何實質意義上適應性。它通過與生成結構的系統的 交互作用，表徵了環境記憶的持久性，例如產生漩渦的流體中的溫度梯度。
環境編碼
= (+1;,) - (+1;,)
這一度量標準背後的直覺是量化群落和有機體個體之間的差異，由個體與環境的共享信息（例如適應性信息）和交互（例如，控制信息）之間的差異來捕捉。
思考這個問題的一種方式是，在系統中，有多少信息是被編碼針對環境的先天信息（如遺傳信息），有多少信息需要通過與環境持續交互作用來編碼。
當尺度較大的時候，自然性占主導地位。當度量下降時，教養（nurture）則開始主導自然。
三、個體度量：一個可視化例子
為了更好理解這些個體度量，原文舉了一個可視化例子進行量化研究。
遵循前面個體形式信息定義和圖 6 中介紹的一般結構，考慮兩個初始狀態為 {-1,+1} 的二進制集合 和 ，其中狀態按照指定的條件條件分佈同步進行更新。系統狀態 +1 初始條件包括 、 、 三個耦合參數，環境參數狀態則是 、、。
- ：個體系統狀態與自身其前一狀態 的耦合參數，如生物各種內部調節系統。
- ：個體與環境交互作用的耦合參數。如生物的自適應性。
- ：調節原個體系統與環境狀態綜合影響的參數。是一種高階相關性。如並非直接和生物交互作用的自然選擇或各種偶然因素。
把每一種個體度量標準都用到這個隨機過程上。對隨機環境分析結果如圖 7 所示，對有記憶環境結果如圖 9 所示。
隨機環境下三種個體
在隨機環境中，環境狀態和個體狀態、自己之前狀態都不相關，故有 = = = 0。如圖 7 所示，展示了兩步時長的互信息、信息熵，與群落、有機和環境驅動三種不同個體在不同 、 、 下的狀態圖示。
圖 7：隨機環境 = = = 0 下，系統互信息（Total_MI），系統熵（H_sys），群落個
當 =0 時，個體和環境時間序列之間沒有任何額外高階相關性（如個體不能改變環境）。這時當 和 較高時，理論上最容易檢測到群落個體和有機個體。當也正因為和環境沒有高階相互作用，這兩個參數就都代表了系統狀態唯一信息，因此兩種個體類型此時變得不可區分。只有隨著更多信息不斷傳遞到未來，它們之間的區分才會變得更明顯。
例如，最近海洋生物學家們在澳大利亞西海岸的 Ningaloo 地區出海考察，發現一隻長達 47 米的巨大水母（Apolemia）[3]。但它其實不是一個簡單的獨立的有機個體，而是由數百萬個無性繁殖的個蟲（zooids）互相連接組成的巨型生物群落，每個部分都負責不同的工作，有的負責捕食、就的負責消化、還有其它的個體掌管感知、運動、繁殖等等不同功能。
圖 8：長達 47 米的水母群
顯然，如果這一生物存於與外部沒有交互的環境中，例如在博物館或小說中，我們是很難分清它究竟是一個有機個體，還是一個群落個體的。但以目前標準判斷，它是一隻典型的群落個體。
有記憶環境下的三種個體
所謂非隨機有相關性的環境，即有規則和記憶的環境下，個體和環境存在著持續交互作用。
在圖 3 中，環境耦合參數 =2， = = 0，同樣展示了互信息、信息熵，與群落、有機和環境驅動三種不同個體在不同 、 、 下的狀態圖示。
圖 9：有記憶環境。兩步時長的互信息（Total_MI），系統熵（H_sys），群落個體 （A)），有機個體（A_star）
因為此時個體能夠適應環境，在較高的 || 和較低的 下，環境不因為生物改變但會持續進行交互作用的情況下，即可以觀察到較高值的有機個體 A*，以及較低值的群落個體 A 和環境驅動個體 nC。（換句話說，正因為存在交互，是在隨機環境情況下由高 nC 值代表的環境中信息流到了個體系統、並被內化到個體系統中去了。）
圖 10：（圖 9 局部）低 下，具有較高值的有機個體 A*，較低值的群落個體 A 和環境驅動個體 nC
在低值 和低值 時，群落個體最顯著，大部分持久性信息來自於系統和環境之間的持續互動。大部分具有社會化屬性的動物，即使很弱社會性的獨居動物，只要是具備最小兩性生殖互動的生物，都屬於這種情況。
而一般的有機個體則在高 時，因為自主性喪失信息開始消失。只有在只有在高 的情況下，也就是說環境對它幾乎沒有影響的情況下、只和自身相關的情況下，才會被保留下來。這不由得有讓人想起能在極為苛刻條件如-272℃低溫和151℃高溫、數千米海拔和很低、甚至外太空下能生存的水熊蟲（Water Bear），生物學家一直很好奇它究竟有什麼生理機制、靠自己就能活的如此頑強。
圖 11：被譽為地表最強生物的水熊蟲
至於環境驅動個體 nC 的信息，在低 時轉變為群落個體，到高值 時幾乎難以區分。這是因為，當個體和環境變得強耦合時，交互信息（complementary）將佔據主導，環境本身對個體未來狀態的預測性就會降低。
顯然， 的作用是通過在信息通道中創建系統的相關性和規律性，降低系統的總熵（H_sys），並在時間序列中持續反轉總互信息的模式。
在低 和低 時，H_sys 分別在 =0 和 =5 時取得最小值和最大值。
從前面實證例子中，可以發現一個在更普遍在環境中識別不同形式信息個體的過程。當高階耦合度（higher-order coupling）較低時，個體-環境的區別隨著獨立記憶的參數（，）而增加（即 和 增加分別意味著個體系統自我維持，和與環境進行交互作用的程度增加）。
然而，當高階耦合度參數持續增加時，有機個體趨於消失，群落個體隨著獨立記憶減少而出現。
這就意味著，當生物與環境存在高階相關性的時，物種為了在更廣闊環境下具有更高的適應性，成為群落個體將是一個必然趨勢。 這一趨勢會伴隨著有機個體特性的消失，包括自身獨立記憶信息的減少。
顯然，我們在蜜蜂和螞蟻這些具有真社會性的生物中，就看到了這種趨勢。它們從一生下來就作為集體的一部分而存活，被劃定好了分工，不用對比人類，即使相對大猩猩或老虎這樣群居甚至如獨居動物，單獨個體就幾乎已經失去了自身記憶和生存能力。
圖 12：作為真社會性生物整體的蟻群，個體幾乎沒有意義，在協調整體和路徑計算上卻具有很高的智能
四、個體信息理論的展望與意義選擇的要求和層次
Krakauer 這篇論文將自適應個體的討論建立在了堅實的邏輯和概率基礎之上，為此囊括了任意粒度尺度和有意義時間長度能力。但同時因忽略瞭如生物細胞膜之類的特定層級功能，默認生物個體是在無偏假設下長期存在、具有複製能力的聚合體，作為選擇的運作的個體層次。這符合大多數人觀念中生物個體性的隱含（Okasha, 2006）假設。
然而，顯然在不同時空尺度、標準和選擇層次下，作為信息個體的界限將是極大不同的。
為此論文作者討論了識別前個體（低自主性）和完全成熟個體（高自主性）的一些原則和需要進一步研究的工作：
- 劃分性要求（The partitioning requirement） 例如在一篇科幻小說中，天外來物如石頭一般一動不動，人類甚至對其進行了敲擊，也沒有絲毫反應。但過了上千年，它竟然開始活動了。原來是它只是反應時間極長的一種生命體。可見時間長度選擇的重要 。在非常短或非常長的時間尺度上，不太可能觀察到個體特性的量化規律，包括自主性（ autonomy）、封閉性（closure）和充分性（sufficiency）等。在空間尺度的選擇也類似，例如在蓋亞假說中，就認為地球本身就是一個巨大的有機生物體。甚至有人認為宇宙本身，或者基本粒子都可能具備生命某些特性。
- 魯棒性要求（The robustness requirement） 魯棒性要求除了確定系統嵌套或層級之外，還需要對產生時間序列的生成器機制本身進行一定的規範。這等同於對個體具備一定程度的魯棒性或糾錯特性的要求。畢竟個體的自適應系統中與自適應平衡機制，即監測內部狀態並確保偏差最小化有關。正是個體這種自我保護特性，能讓人們在不誇大動態差異的情況下對物理和生物現象作出一些有用的區分。
- 選擇的層次（The levels of selection） 在以往許多論述中，已有人提出個體具有特殊的進化地位的觀點：即在一定選擇層級上，較粗粒的聚合體與環境協調具有了持久性屬性後，再將個體視為了獨立的選擇性單元。
對這個過程最流行的形式化方法是演化生物學中的普萊斯方程（Price Equation）：該方程描述了一個特徵的平均值是如何隨著與之前性狀的值、以與及適應度的協方差而變化的。它將性狀特徵的值分成若干個組，並試圖以最好的方式來描述性狀均值在種群中的演變。對此，如果確實存在一些演化的底層結構和動力學過程（見附錄， Nowak et al., 2010），該方程的準確性將取決於對分類的選擇（Krakauer & Flack, 2010b），而 ITI 恰好可以為建模提供這樣一個基礎性的平臺。
圖 13：使用Price方程分解表型變化的迭代演化，顯示了影響每個組成部分機制的例子[4]
相關理論研究和關係
對與其他以數學測量作為方法的相關研究進行總結，有益對作者理論有更好的理解。
- 作者的研究方法與 Maturana（Maturana, 1975）發展的自創生 （autopoiesis）概念有關，他強調在自主性方面，從事自我生產的過程網絡的“統一”（Maturana, 1980），以及格式塔感知的概念，在這些觀念中，人物觀察到的超過其各部分的綜合，並與這些部分有不同的實質基礎。
- 另一個相關的工作是對模塊化網絡科學的研究。對於靜態結構，有合理的模塊化定義，大多都與將微觀數據劃分為更具緊密約束的群集（如群落）過程有關。例如，在網絡中，量化模塊度量往往尋求對節點和邊的集合劃分，與適當的空模型相比，這些集合在數據統計中是被過表示的（overrepresented）（Newman, 2016）。至於發展性的模塊定義，例如那些應用於胚胎髮育、器官形成的理論，也為理解個體性提供了一個視角 （Davidson et al., 2004) ，只是它們還沒有像網絡科學中那樣以定量測量的形式識別呈現。
- 本文的研究與 Karl Friston 和同事 Ramstead 等人（2018）提出的自由能量原理（FEP）也有聯繫。與個體信息理論一樣，FEP 也繼承了薛定諤思想從第一原理出發，以解釋自適應系統如何跨越時間抵抗衰變以實現持久性。它也強調減少不確定性，只不過是通過最小化自由能的視角來進行。自由能量原理的基本思想是，自適應系統將總在可能相空間中佔據一個較小的有界狀態集。此外，自適應系統通過建構將生物體與環境分開的區隔來實現自由能最小化——在自由能量原理的表述中，這個“過濾器”是一個馬爾可夫毯（Markov blanket），它規定了內部和外部狀態的條件獨立性：內部狀態只通過馬爾可夫過濾來感知外部狀態。
個體信息理論（ITI，the information theory of individuality）是基於第一原理的數學形式理論，通過捕捉從過去到未來的信息流，從而能夠嚴格定義不同形式的個體。基於此，許多現有的生物概念（例如，協調的的複製體、發育中的個體），都將通過這個過程被識別為可感知的個體。如前所述，不僅包括更大時空尺度，許多在社會層面被貶低為低級形式衍生或表象的新奇 "個體 "也可能會被識別出來。此外，對於非生物現象，如而那些相對於自身動態歷史、經歷了相對較長的環境歷史迅速湧現的預適應組織（如自組織結構，如被環境決定測量所決定的漩渦），這項研究也有很大借鑑意義。
但研究目前只是剛剛開始，一方面在選擇尺度和層次上需要進一步探討，另一方面缺少系統間的成本函數建立一個終止的閾值以獲得確切邊界，還沒有找到一個最優的個體歸納算法， David Krakauer 表示這個問題將留給以後的工作來解決。
結語：人類個體與社會
對幾種不同類型個體和性質的細緻探討，有助於我們理解人類和自然之間的關係，尤其是人類社會中個體的獨特意義。
回到前面對個體與環境之間三個耦合參數討論： 代表個體自身系統狀態之間耦合參數，如生物各種內部調節系統。 代表個體與環境交互作用的耦合參數，如生物的自適應性能力。至於，則是調節原個體系統與環境狀態綜合影響的參數。是一種高階相關性。如並非直接和生物交互作用的自然選擇。
在原文中，對於 ，只暗含了一種情況，即個體系統與環境狀態之間的高級相關性，是環境調節個體系統，最典型是自然選擇，彷彿一隻看不見、神秘莫測的手，主宰所有生物的演化。
然而對於人類而言，不管地球是不是已經進入所謂人類影響地球地質演化的人類世，有一點是可以肯定的，那就是地球上已經存在了另一種高階相關性，即人類文化對自然的認知和影響。這種人類對環境反向作用，自從智人開始誕生就已經存在了。
可能是由於新冠病毒的影響，今年初在 Nature Reviews Earth & Environment [5]發表了幾篇有關地球系統科學文章，講了整個學科歷史和建立。其中有一篇給出了最新版本的地球系統內外部結構作用圖。
圖 14：地球系統作用圖
從圖中我們可以看到，以三種顏色分別代表的地圈、生物圈、人類圈處於相互作用中。人類的基礎設施建設、能源利用等活動都直接與地球系統相互作用並施加影響，在間接上則來源於人類的文化，包括科學與技術、人類價值以及政治、經濟活動等。
結合前面的分析，一般的有機生物體，僅僅維持高 ，即試圖以自身狀態主導自身發展時，必然會趨於滅亡，為此唯有提高與自然的適應性的 以及 ，而這會勢必導致群落個體的出現，即社會屬性增加。
然而，由於人類建造了城市，從而能讓自身維持高 情況下與自然環境不再直接相關，在新環境下讓個體一定程度避免上了大自然的弱肉強食（當然種內社會競爭是另一回事），能夠繼續自身主導自身。甚至在某種意義上說，網絡社會和虛擬現實依然符合這個趨勢。這就意味著，人類的演化是儘量保留有機個體特性的方向的。
但同時人類和自然環境又是具有高階相關性，人類文化對自然的認知和影響，出現了另一種情況下的 增加的高耦合，從而導致了人類的群落化。
這種群落個體的特性，即所謂的全球化進程，讓人類能在面對更廣闊自然環境時，如宇宙尺度的空間和時間時，具有更強的適應性。當 增加時，生命體為了生存，無論是個體系統還是環境哪方為主高耦合都會出現群落個體，然而這兩種群落個體實質上是不一樣的：如果自然環境下自然選擇佔據主導，就會出現如蜜蜂和螞蟻那樣的真社會性，因適應環境變得高耦合；而但如果物種自身佔據主導，例如人類的知識和文化，能通過科學和技術探索和改造環境，甚至詩歌藝術吟唱大自然的秘密，就會是另一種高耦合下的——是人類以自己的精神給物質自然賦予意義的意義下的高耦合。
科學發現自然規則，詩歌為人類立法——在這種情況下，不僅需要保留有機個體特性，珍視個體價值，甚至可以說具有獨立自主性的個體，是人類這種新型群落個體的條件也是充分條件。
由此可見，人類是保留了有機個體自主性的新型群落個體。用社會生物學來說，即既非前社會性（獨居，Presociality），也非真社會性（Eusociality），在人類組織形式歷史中，往往是分佈波動在亞社會性到準社會性之間，在全球化之前，國家的產生和壯大隻是進程一部分。
亞里士多德說「喜愛孤獨者，非神即獸」，真社會性在某種意義上就是一個更高層次的大神（大獸，利維坦）。但如前所述，由於人類個體極高的複雜度（人腦、意識），對自然探索和文化創造本身的需要，以主動姿態和自然達成高耦合，像螞蟻那樣完全確定分工和階層的真社會性和人類群落個體的社會性並不相同。
圖 15：社群主義 VS. 自由主義
至於自由主義和社群主義之爭，現在我們也有了全新理解。從對人類個體和新型群落個體的分析可以看出，注重個體價值不是意味著要滑向唯我論和相對主義，而是讓人類具有選擇從非前社會性到真社會性的能力，從而具有超越兩極最大的適應性：在保證個體價值性特殊的情況下，讓人類具有了從每一個個體思考預演整個人類命運的能力，都參與到人類這個整體生命過程中來。
——區別於所有其它動物，人類是同時向所有可能性道路敞開探索，只要不是所有個體都是錯誤的，人類在宇宙延續就總有希望。每個人都是希望的一部分，關心自己，就是關心他人，關心人類本身。
這可能就是人類作為個體生命最特殊的意義。
參考文獻：
[1] 部分信息分解（the partial information decomposition）(Williams & Beer, 2010) 這個術語，是從一組普遍公理中推到出來的。但這些公理並沒有為特定術語定義其具體的度量。我們需要對這四個術語中的一個進行額外定義。Williams 和 Beer 最初的研究建議（2010）被批評為反直覺，其後有一系列其他的研究建議 (Harder et al., 2013; Bertschinger et al., 2014; Finn and Lizier 2018; James et al., 2017)，不過尚未達成共識。在本文中，把“分解”作為一個概念框架，來解釋經典信息論的度量。
[2] https://globalnews.ca/news/6799525/jellyfish-string-creature/
[3]https://www.researchgate.net/publication/230758418_Understanding_behavioural_responses_and_their_consequences
[4] https://www.nature.com/articles/s43017-019-0005-6
作者：十三維
審校：劉培源
編輯：張希妍
