本文提出“自适应耗散组织定律”，揭示开放系统如何通过自适应复杂性最大化能量耗散，连接物理、生命和信息领域的自组织现象。
自然界中，从汹涌的飓风到跳动的细胞，从活泼的生物到聪慧的大脑，复杂而有序的结构无处不在。这一切似乎与热力学第二定律——即宇宙的无序(熵)总会随时间增加——形成了奇妙的矛盾。秩序如何从混乱中诞生？早在1944年，Schrödinger 就指出，生物体通过“吞噬负熵”维持自身秩序，将无序排出体外。几十年后，Prigogine 进一步揭示，远离平衡态的系统能在持续能量流动中自发形成有序结构，比如化学反应中的振荡，或热流驱动的对流模式。这些发现仿佛在暗示，自然界有着某种深层的组织倾向。
受此启发，科学家们一直在追寻一个能解释自然界复杂性起源的普遍原理。Alfred Lotka 在1922年提出，自然选择偏爱那些能最大化能量通量的生物，用他的话说：“自然选择让系统中的能量流动在约束下达到最大。”这一想法后来演变为最大功率原理或最大熵产生原理，认为非平衡系统会倾向于在可用能量下加速熵的生成。比如，底部受热的液体原本通过简单传导散热，但稍有扰动，便会形成对流卷，效率大增；一团反应气体可能缓慢氧化，但点燃火花后迅速燃烧，释放热量和熵。这些例子都指向一个趋势：当有多条路径可选时，系统往往选择耗散能量最快的那一条。
然而，一个能统合不同系统自组织现象的完整定律始终难以捉摸。Santa Fe 研究所曾在1993年指出，复杂性背后的简单原理尚未浮现。不过，近年来的研究带来了曙光。England 等人的工作提出了“耗散驱动的自适应”假说：受外部能量驱动的系统会逐渐调整自身，吸收并耗散更多能量。这一观点巧妙地将生物学的达尔文适应与物理过程联系起来，认为适应不过是最大化熵产生的统计选择。更令人惊奇的是，连无生命物质也能展现类似行为——湍流中的涡流通过剪切能自我复制，胶体微结构也能通过聚集粒子自我拷贝，增加耗散。这些现象模糊了生命与非生命的界限，似乎都源于某种共同的物理驱动力。
本文的目标是将这些洞见整合为一套“自适应耗散组织定律”。简单来说，这一定律认为，开放系统在持续能量输入下，会自发演化或组织成通过调整结构和功能最大化熵产生的状态，当然，这受到系统边界和资源的限制。我们将正式阐述这一假说，回顾其理论根基，勾勒一个数学框架，并提出可检验的预测，最后探讨它对生命起源、生物进化、认知乃至热力学理论的深远意义。
我们正式提出“自适应耗散组织定律”(简称LADO)，其核心内容如下：任何远离平衡态、具备配置变化能力的系统，都有一种普遍趋势，即演化或被驱动到增加系统及其环境总熵产生的状态。随着时间推移，这些系统会通过形成结构、模式或过程，适应性地组织起来，更高效地从外部吸收能量，并以热量或功的形式耗散到周围环境中，同时遵循系统自身的约束。
本质上，这一定律断言，开放系统会自发寻找能加速宇宙熵增长的配置。这不是某种目的性的意图，而是一种统计上的偏向——高耗散状态因其动态稳定性或可达性更容易出现并持久。这一原理跨越尺度与领域，从物理中的耗散结构(如流体涡流、化学模式)，到生物进化，甚至信息处理系统，只要它们遵循能量耗散的物理规律，都适用。
这一假说的关键在于几个方面。首先，耗散是驱动组织的核心标准。那些能提升系统与环境总熵产生的结构会被优先形成并维持，换句话说，更可能的演化结果是那些能从外部驱动中吸收并耗散更多能量的配置。其次，系统通过内部调整响应能量梯度，在结构中“学习”或编码环境信息，比如分子排列优化吸收特定光波，或反应网络更充分利用化学势能。此外，这一定律不拘泥于具体材质或机制，无论是无机现象如对流胞，还是生命系统如代谢网络，甚至认知系统，都能通过非平衡热力学的视角统一看待。当然，这一趋势受限于边界条件和资源，系统未必总能达到绝对最大熵状态，但只要时间足够、涨落多样，它往往会探索到更高耗散的配置。
这一定律的理论根基深植于热力学第二定律，即封闭系统熵必增加。生命和复杂系统作为开放系统，通过向环境输出熵维持局部秩序。Schrödinger 早就指出，生命通过外部能源(如阳光或化学燃料)避开衰败，Prigogine 则用耗散结构理论证明，远离平衡的能量流能催生秩序。这些结构依赖持续的自由能输入，一旦流动停止便会消散，表明熵产生是复杂性的基石。
物理系统中，这样的自组织随处可见。流体受热时，若超过临界点，平静的传导状态会瓦解，代之以对流卷或湍流，熵产生速率随之飙升。化学反应中，持续流动可引发振荡或图灵模式。最近，湍流中的涡流被发现能自我复制，利用剪切能生成“涡流后代”，为流体提供更高效的耗散途径。还有实验显示，紫外线照射下的有机分子能自发形成吸收光的色素，加速熵产生。这些例子表明，系统总能找到新结构来分解能量梯度。
生命则是这一原理的极致体现。进化可被视为寻找更好利用环境能量梯度的过程。Lotka 提出，能捕获更多能量的生物会占据优势。从光合作用开启氧气时代，到温血动物的代谢跃升，每一次创新都提升了能量通量。生态系统也朝更高生产力演化，比如森林随时间积累生物量，能量流动不断增强。England 的研究更进一步，他通过模拟证明，自我复制本身是一种耗散过程，“制造更多耗散者”是增加熵的可靠策略。这暗示，早期地球上生命的诞生并非偶然，而是热力学必然的产物。
神经系统和计算领域也契合这一定律。大脑耗能惊人——人类大脑占静息能量的20%——为何进化青睐如此“昂贵”的结构？或许因为大脑通过预测环境、协调行为，让生物体更高效地获取能量。一个能预判变化的大脑，能帮助生物避开危险、捕获资源，最终提升熵产生。类似地，机械网络在振荡驱动下也能“学习”，调整结构与输入共振，耗散更多能量。这种适应性跨越生物与非生物，显示出普遍的物理规律。
信息与熵的联系同样关键。自组织系统常在其结构中存储环境信息，比如雪花记录了温度和湿度。生成这种信息需要耗散能量，正如 Landauer 原理所示，信息处理与熵增相伴而生。这一洞见连接了热力学与信息论，暗示意义(指导适应的信息)与熵之间存在深刻关联。
为了验证这一定律，我们提出几项预测。例如，在生物实验中，耗散更多能量的微生物变体应在竞争中胜出；在化学系统中，输入新能量应催生耗散结构，如紫外线下形成的色素。计算模拟也能测试这一趋势，看系统是否倾向于高耗散状态。这些实验若成功，将有力支持这一原理。
这一定律的影响深远。在生命起源上，它将生命视为耗散能量梯度的自然结果，而非偶然；在认知领域，它解释了为何智能有助于熵增；在技术上，它可能启发自适应AI设计。更重要的是，它拓展了热力学，将熵产生视为复杂性演化的驱动力。这一视角不仅统一了自然现象，还将熵从秩序的破坏者变为创造的引擎，值得深入探索。
本文译自 ChatGPT，由 BALI 编辑发布。
