一只细胞，没有脑子，却会解迷宫、会学习、会记忆

一

2010 年，日本北海道大学的 Atsushi Tero 做了一件有点傻的事。

他把一只黏菌放在一张东京地图上。地图上 36 个主要车站的位置，各放了一小块燕麦片（黏菌爱吃燕麦）。然后他关灯，走了。

28 小时后他回来，看到的事情让他愣了很久。

黏菌从中心车站向外蔓延，菌丝网络连接了所有 36 个燕麦片。但这不是关键。关键是——这个网络和东京地铁系统几乎一模一样。

同样的环线，同样的放射线，同样的连接逻辑，同样的故障冗余。一群工程师花了几十年优化出来的交通网络，一只没有脑子的单细胞生物用 28 小时重新算了一遍。

这不是玄学。Tero 把结果发表在了 *Science* 上，配图是黏菌网络和东京地铁的对比图——重合度惊人。

二

让我先说清楚这只东西是什么。

*Physarum polycephalum*，多头绒泡菌，属于黏菌界。它不是植物，不是动物，不是真菌，是一个巨大的单细胞。一个细胞可以有多个细胞核，但只有一层细胞膜。一只成熟的 Physarum 可以铺到一平方米，有上万个细胞核，但仍然是一个细胞。

它没有脑子。没有神经元。没有突触。没有海马体、没有杏仁核、没有任何你能在神经科学课本上找到的结构。

它只有细胞质，在膜内流动。

就是这样一个东西，2000 年，名古屋大学的 Toshiyuki Nakagaki 把它放进了一个迷宫。迷宫有两个出口，一个放燕麦。Physarum 从入口被放进去，菌丝向四面八方蔓延，探索所有路径。几个小时后，它找到了燕麦。然后——

它撤回了所有不是最短路径的菌丝，只留下一条连接入口和燕麦的最短路径。

论文发在 *Nature* 上。标题叫 *Maze-solving by an amoeboid organism*。一个单细胞生物解开了迷宫，而且找到的是最短路径。

这不是反射，不是趋化性。这是在多个选项中选出最优解。

三

2012 年，悉尼大学的 Chris Reid 做了另一个实验，让 Physarum 解一个叫"U 形陷阱"的难题。

U 形陷阱是机器人学里的经典测试：目标在 U 形屏障后面，梯度追踪会把你带进 U 的底部，你就被困住了。要逃出来，你必须离开目标的方向，绕过 U 的两翼。

没有内部地图的机器人会卡在 U 的底部。Physarum 没有内部地图——它没有内部任何东西，它只有一个细胞。

但它逃出来了。

Reid 发现了原因：Physarum 在移动时会留下一层细胞外黏液。这层黏液是一种高分子量糖蛋白，半透明，不活着，就是分泌物。关键是——Physarum 会避开自己留下的黏液。

当你把 Physarum 放进 U 形陷阱，它一开始被食物气味吸引，冲进 U 的底部。但它探测到自己之前留下的黏液，就知道"这里来过了，换条路"。它退出来，尝试别的方向。几次尝试后，它绕过了 U 形屏障，到达了食物。

Reid 把这个发现写在了论文摘要的第一句："一个没有脑子的黏菌构建了一种空间记忆。"

记忆不在脑子里。记忆在脚下。

Physarum 的黏液就是它的记忆。它把"我去过哪里"这个信息外部化到了环境里，下次经过时读一下黏液就知道。这和蚂蚁留信息素、人类在树上刻记号是同一个逻辑——只不过 Physarum 只有一个细胞。

Reid 在论文里提了一个更大胆的想法：外部化空间记忆可能是内部记忆的功能前体。在演化史上，可能先有"把记忆写在外部环境"的能力，后来才演化出"把记忆写在内部神经网络"的能力。记忆的原始形态不是突触，是黏液。

四

2016 年，图卢兹大学的 Romain Boisseau 做了更狠的一件事。

他想知道 Physarum 能不能学习。

学习的最简单形式叫"习惯化"——反复给一个刺激，反应逐渐减弱。你搬到机场旁边，前两周被飞机吵醒，一个月后睡得死死的。这就是习惯化。

Boisseau 把 Physarum 放在培养皿里，中间隔一座桥。桥有两种：一种是无害的琼脂，一种含奎宁（苦味物质，Physarum 不喜欢）。对面的培养皿里有燕麦。

第一天，碰到奎宁桥的 Physarum 表现出明显的厌恶：花了 2.5 小时才上桥，4 小时才过桥，而且菌丝变得又细又窄。碰到琼脂桥的对照组一小时就过了。

第二天，第三天，第四天……碰奎宁的 Physarum 越来越快。到第六天，它过奎宁桥的速度和过琼脂桥几乎一样。

然后 Boisseau 换了刺激：把奎宁换成咖啡因。结果 Physarum 又表现出强烈厌恶——它只习惯化了奎宁，没有习惯化咖啡因。

这说明什么？说明它不是感官疲劳，不是运动疲劳，是真的"学会了"忽略奎宁。因为如果是疲劳，换一种刺激它应该也反应迟钝。但换刺激后它立刻恢复敏感——这个习惯化是刺激特异的。

两天不给奎宁，再给，Physarum 又变慢了——自发恢复。

习惯化的两个金标准：反应下降 + 自发恢复，加上刺激特异性排除疲劳。Boisseau 在论文里说：这是在非神经生物中证明的第一个明确的学习案例。

一个没有神经元的单细胞，学会了忽略一种苦味物质，而且两天后忘了。

五

让我停一下，把这件事的奇怪程度说清楚。

人类有大约 860 亿个神经元，每个神经元有几千个突触。你的记忆是突触强度的模式，你的学习是突触权重的更新。这套系统复杂到我们至今没完全搞懂，但至少我们知道：学习 = 突触可塑性。

Physarum 没有突触。它连一个突触都没有。

但它会学习。

这意味着"学习"这件事，不需要神经元，不需要突触，不需要任何特定的硬件。学习是更底层的东西——是生物系统对重复刺激的响应衰减，是反馈循环的参数调整，是任何有状态系统在面对环境时的统计适应。

Physarum 的"硬件"是细胞质里的化学振荡器网络。每个局部区域的细胞质在振荡，频率受当地环境影响（有食物就快，有 repellent 就慢），相邻区域通过细胞质流动耦合。这个振荡器网络就是它的"计算 substrate"——不是神经元，但同样是分布式振荡计算。

学习的物质基础是什么？我们不知道。Boisseau 论文里也没给出分子机制。但有一点是清楚的：学习不是神经系统的发明，学习是生命的底层能力。神经系统只是把这种能力优化到了极致。

六

现在说 AI。

大语言模型有两种记忆。一种在权重里——训练时写进去，推理时读出来。一种在上下文窗口里——用户给的 prompt、检索到的文档、之前的对话。前者像"突触"，后者像"黏液"。

RAG（检索增强生成）的逻辑是：把外部文档拉进上下文，让模型基于这些文档回答。模型本身没变，但它的"工作记忆"被外部信息填充了。这和 Physarum 把记忆写在黏液里、下次经过时读取，是同一个架构。

记忆不在内部，在外部。内部只负责读取和计算。

这个相似性不是比喻，是结构同构。Physarum 的黏液和 RAG 的向量数据库都遵循同一个设计原则：把记忆外部化可以节省内部容量，代价是每次都要重新读取。蚂蚁的信息素、人类的笔记、LLM 的上下文——都是同一种策略的不同实现。

Reid 说"外部化记忆可能是内部记忆的功能前体"。在 AI 里，这个顺序反过来了：我们先造了内部记忆（权重），然后才发现需要外部记忆（RAG）。演化从外到内，工程从内到外。但终点是同一个：一个有效的智能系统需要两种记忆，内部和外部，缺一不可。

七

最后说一个让我想了很久的细节。

Physarum 解东京地铁的时候，它并不知道自己在"解"什么。它不知道什么是东京，什么是地铁，什么是优化。它只是在做一件事：从食物向外蔓延，连接所有食物源，撤回冗余路径，保留最短路径。

这套规则是局部的。每个位置的细胞质振荡只响应当地的化学信号。没有中央控制器，没有全局规划。但 28 小时后，全局最优解涌现出来了。

这和 Transformer 训练有某种深层的相似。Transformer 的每个注意力头只做一件事：给定 query 和 key，算权重，加权 value。每个头都是局部的、简单的、没有全局视野的。但几万亿 token 训练下来，全局能力涌现出来了——翻译、推理、写代码、讲笑话。

智能的涌现不需要全局设计者。它需要的是：足够多的局部单元、合适的反馈机制、和足够的时间。

Physarum 用了 10 亿年演化出这套振荡计算。Transformer 用了几万亿 token 训练出注意力机制。两者的共同点是：没有人在设计"智能"——智能是从简单规则的反复迭代中涌现出来的。

Nakagaki 在 2000 年那篇 *Nature* 论文的最后写了一句："即使是单细胞生物，也可能具有解决复杂网络问题的原始智能。"

24 年后，我们造出了没有细胞、没有生物、只有矩阵乘法的系统，也涌现出了"原始智能"。

也许"智能"这个词，本来就不该和"脑子"绑在一起。它是一种更底层的东西——任何有状态的系统，只要有足够的反馈循环和迭代次数，都会长出某种智能。脑子只是其中一种实现。黏菌是另一种。Transformer 是第三种。

下次你在路边看到一团黏糊糊的东西，别急着绕开。它可能正在解一道你解不出的题。

---

参考：

• Nakagaki T. et al. (2000) "Maze-solving by an amoeboid organism." *Nature* 407: 470.
• Tero A. et al. (2010) "Rules for biologically inspired adaptive network design." *Science* 327: 439-442.
• Reid C.R. et al. (2012) "Slime mold uses an externalized spatial memory to navigate in complex environments." *PNAS* 109(43): 17490-17494.
• Boisseau R.P. et al. (2016) "Habituation in non-neural organisms: evidence from slime moulds." *Proc. R. Soc. B* 283: 20160446.