Edge.org 为著名知识分子俱乐部 The Reality Club 的线上社区，自 1996 年上线，如今已有 20 年历史。在其创刊 20 周年之际，Edge.org 也推出了 2017 年度问题——2017 年，最值得关注的科学术语或概念是什么？

以下是我们从206个回答中精选的一部分：

Terrence J. Sejnowski，计算神经科学家；萨克生物研究学院（Salk Institute）弗朗西斯·克里克学院（Francis Crick Institute）教授；《The Computational Brain》联合作者

科学术语：算法（Algorithms）

在 20 世纪，我们使用方程和连续变量的数学方法作为主要洞见来源，因此对物理世界有了一个深刻的认识。一个连续变量在空间和时间上的变化是平滑的。与火箭仅仅遵循牛顿运动定律不同，还没有一种简单的方法来描述。在 21 世纪，我们在算法的数学基础上——通常含有离散变量而非连续变量——在理解计算机科学和生物学中的复杂性质方面取得了进展。算法是一个按步骤进行以实现某个目标的方法，就像在烤一个蛋糕。

自相似分形（Self-similar fractals）产生自简单的递归算法，该算法能创建类似于灌木和树的模式。一个真正的树结构也是一个算法，由一系列决定着细胞分裂时基因的打开和关闭的决策所驱动。大脑的结构也许是宇宙中最苛刻的构造项目，它也受到嵌入 DNA 中的算法所支配，该算法能够调节大脑中数百个不同的部分的成千上万种不同类型的神经元之间的连接的发育。

大脑中的学习与记忆是由算法控制的，该算法根据神经元活动的历史来改变神经元之间突触的强度。学习算法最近也被用于训练深度神经网络模型来识别语音、翻译语言、为照片添加说明以及进行锦标赛水平的围棋对弈。获得这些惊人能力的方法就是将同一个简单的学习算法应用到不同类型的数据上。

生成复杂性的算法有多常见？「游戏人生（The Game of Life）」是一个元胞自动机，其生成对象似乎有自己的生命。Stephen Wolfram 想知道能够导致复杂行为的最简单的元胞自动机规则，因而对所有的规则开始了搜索。前 29 个规则产生的模式总是返回到无聊的行为：所有节点都以相同的值结束，陷入一个无限重复的序列或无尽的混乱变化中。但规则 30 却能产生不断演化的复杂模式。甚至可以证明，规则 30 能够进行一般计算——可以计算任何可计算函数。

这一发现的启示之一是，我们在自然界中所发现的显著复杂性，可能来自对分子间最简单的化学作用空间的取样。复杂的分子应该是从进化中演化来而不应该被视为一种奇迹。然而，元胞自动机可能不是一个早期生命的良好模型，而对于何种简单化学系统能够创造出复杂分子的探讨还仍然是一个悬而未决的问题。也许只有特殊的生化系统才有这种特性，该特性或许有助于缩小生命起源中相互作用的可能范围。Francis Crick 和 Leslie Orgel 认为，RNA 可能会有这些特性，它们在 DNA 的概念于进化早期出现之前打开了一个 RNA 的世界。

有多少算法？想象所有可能的算法空间，空间中的每一点都是一个处理问题的算法。其中有些算法有用而多产得令人吃惊。在过去，这些有用的算法是由数学家和计算机科学家像工匠那样手工制作的。与此相反，Wolfram 发现元胞自动机通过自动搜索能产生高度复杂的模式。Wolfram 定理规定，你不必在算法空间中走得太远去寻找一个解决一类有趣问题的算法。这就像是让机器人在网上玩 StarCraft 之类的游戏，尝试所有可能的策略。根据 Wolfram 定理，在能够赢得游戏的算法宇宙中的某个地方，应该有一个办法可以找到该算法。

Wolfram 专注于研究元胞自动机空间——所有可能算法空间中一个小的子空间——中最简单的算法。我们现在已确认了神经网络空间——人类所设计过的最复杂的一部分算法空间——中的 Wolfram 定理。每个深度学习网络是所有可能算法空间中的一个点，而且它们是通过自动搜索被发现的。对于一个大网络和一个大数据集，从不同起点进行的学习可以产生无限的网络，它们解决问题的能力大致相等。每个数据集产生自己的算法星系，而数据集还在激增。

谁知道宇宙算法对我们来说会是什么样子？可能整个有用的算法星系还未被人类发现，但可以通过自动搜索实现。21 世纪才刚刚开始。

Peter Lee，微软全球资深副总裁

科学术语：迁移学习（Transfer Learning）

「你永远不能理解一种语言——除非你至少理解两种语言」。