机器人Tadro拥有一种类似于原始生命的形态。机器蝌蚪手掌大小的圆柱形身体包含几根导线、电阻和一个可编程的芯片。由一个电动机摇动着尾巴，一个简单的塑料锥体形成一个方形翅片。在机器人头上的两侧距离中心约三分之一处有两个光传感器。就是这样。然而，当被放置在瓦瑟学院的儿童游泳池边昏暗的更衣室时，Tadro做了一些也许连最复杂的机器也不能做到的事：不像你的汽车或电脑那样受人类控制，它像一个生物一样，自己指导自己的行为。

 

　　在游泳池上方大概一米的地方挂着一个探照灯，提供光作为Tadro的“食物”。把灯光稍微向前移一点，机器人会游向灯光，它的发动机会发出“唩”、“唩”、“唩”的叫声，然后在灯光下面转圈，吸收着光能。随着Tadro一次又一次地向着光蠕动，就感觉它是活的一样。

 

　　像生命一样，Tadro也在进化。在制造者的帮助下，它们为了适应适者生存的形式选择一代一代的更新。它们是一个拥有开朗的笑容和戴着小圆形学者眼镜的瓦萨学院的生物学家约翰·朗（John Long）的发明，他在谈话中一次次地引用着书籍和电影里的句子。（“别去注意幕后的人！”）他用Tadros研究脊椎的进化，来证明通过使古老的鱼身体僵硬，形成脊椎可以使它们运动得更快，从而善于收集食物和躲避掠食者，在竞争中占据优势这个理论。

 

　　现在，他和他的团队正在为一个更大的目标努力。他们计划使用Tadro来探索所有生命的多样性：可进化性，或者提高进化的能力。他和他的同事认为，这个能力的关键之一可能是模块化设计，尤其是在大脑这个器官之内。在动物的身体中，不同的神经回路可以控制不同的功能，比如听觉和视觉。朗说：“提出一个比较广泛的假设，就是神经系统的模块化分工将提高进化的速度。在未来，这种能力可以帮助我们解决想要解决的问题。”如果他是正确的，在适当的条件下，神经系统模块本身也应该在Tadro控制的电路中，一步一步地进化完善。

 

　　我们可能对蝌蚪型机器人取得的成绩能否代表模拟进化研究可行性抱有许多疑问，但是也有人说，实验室里的机器人可以用生物所没有的观察力显示进化的具体细节。罗伯特·彭诺克（Robert Pennock），东兰辛密歇根州立大学的进化生物学家是这样说的：“你可以设置参数，然后测试那些不这样做就没有办法取得数据的假设。”A·E·古兹·埃本（A.E.Gusz Eiben），在阿姆斯特丹自由大学工作的一个研究生物进化的计算机科学家，同意他的看法。他说，“朗的工作，应该得到更广泛的宣传，尤其是在生物学领域。”

 

　　在机器人进化研究的新领域，朗的研究逆主流而上。大多数研究人员使用进化作为一种工具来开发更好的机器人。他们构建“种类”相同但具有可变特点的机器人，这些特点包括肢体的长度或者其电路的一些方面，这些特点是一个抽象的“基因”数值。根据预先设定的与行为有关的标准，他们把机器人随意放置在一些特定的环境，让它们自由行动，与自然选择的理论一样，拥有优良“基因”的机器人将在竞争中显示更强的生活能力。研究者们依据这些信息来确定哪些“基因”是更健康的，并且把优点传递给更多的后代。

 

　　然而机器人没有交配行为，取而代之的是计算机用遗传算法确定下一代机器人的特点。模仿生物的繁殖，每个数值的基因是由两个算法随机“变异”的结果，它们存储在虚拟的卵子和精子中。然后程序自动为新一代的虚拟基因组进行配对。

 

　　通常进化领域的机器人专家并不制造物理机器人。相反，利用电脑模拟机器人和它们的行为来判断哪些“基因”更优对他们来说是更简便的方法。研究人员可以迅速地从数千或数百万基因中找出可以为物理机器人优化设计的那些部分，以此来改进实体机器人的性能。

 

　　然而，朗更喜欢一个物理环境对真实的机器人进行择优选择的实验。他在密歇根的罗切斯特长大，但是作为一个新英格兰捕鲸者的后代，年轻时代的他因为大海的召唤而热血沸腾。他参加了缅因州巴港口的大西洋招生，有362人报名希望能够成为一个海洋生物学家。他曾经在那里为一名会带学生去切片搁浅的鲸鱼的生物工程师工作。

 

　　在北加利福尼亚达勒姆的杜克大学里，朗进行了一系列关于鱼类的研究，特别是蓝色的马林鱼，它们每小时可以游80公里。他设置了一套可以拿住并且向前向后弯曲马林鱼脊椎骨的装置。他预计在更高的弯曲频率下，脊椎骨将更有弹性，吸收较少的能源。相反，他看到了相异的结果，该结果表明脊椎骨像在高转速下的减震器，弯曲频率越高，刚性反而表现得更为明显。

 

　　当朗在1991年到达瓦瑟学院时，他琢磨着脊椎骨的构造。他想知道，在进化史上至少发生过三次的，由无脊椎动物进化到脊椎动物的大革新是怎么链接在一起的。他假设，比脊索更为僵硬的脊椎可能有助于早期的鱼游得更快，使它们比其他同类得到更多的食物。朗开始建立鱼类身体的力学模型，但他的合作者、认知科学家肯尼斯·利文斯顿（Kenneth Livingston），建议把这些模型直接发展成能够自主运动的机器人。

 

　　在试图复制骨架演化的努力中，朗决定模仿通常被称为海鞘、从属于脊索动物门尾索动物亚门尾海鞘纲的类蝌蚪状的无脊椎动物。古代的无脊椎动物的幼虫像鱼一样，我们从现已灭绝的、形似鳗鱼的海口鱼化石中可以寻得这一点证明。其他的研究人员已经找到使海鞘幼虫螺旋向光运动的神经回路，使机器人内部的程序可以被准确的连接起来，为朗的实验提供合理的、可代替鱼的幼虫模型。

 

　　2004年，Tadro的蝌蚪机器人被“孵化”出来。它的朴实让买不起花费数年构建的复杂机器人的研究人员尝到了甜头。朗实验室主管，利文斯顿的儿子说，朗的团队设计的第一个Tadros是以一个食物容器为原型的。“当我奉命去当地的杂货店购买一大堆塑料和包装的时候，我觉得自己真是个既聪明又无聊的家伙。”他这么回忆道。

 

　　与计算机模型或生物研究相比，实体机器人具有重复进化的优势。不同于计算机模拟，一个真正的机器人实验不能忽略一些个体与环境之间微妙的相互作用，或者某些偶尔出现的打破物理定律的反常现象。朗的合作者乔迪·施瓦茨（Jodi Schwarz）说，机器人实验比生物实验要快得多，尤其是对于那些比较大的动物而言。她说：“即使是几个月一代的小白鼠，实验也需要很久。”

 

　　尽管如此，机器人进化的研究可能会变得棘手。在他的第一个实验里，朗改变了Tadros的尾巴长度和柔韧度，用可调谐聚合物为每一个不同的个体都设计了新的尾巴。这些机器人并不会因为在竞争中被淘汰而死去――而这恰恰是检验适应能力的最佳方法。因此，研究人员必须找到一些其他的度量方式。他们对三个Tadro进行了试验性的编程，寻找并圈点出不同尾巴的优点，以此评估它们在特定环境下的竞争能力。在评估一帧一帧的视频时，他们找到了度量Tadro直线游动时的速度这个比较合理的指标。

 

　　但是，通过十代的观察，研究者们发现，它们并没有变长的趋势，而是变得更加僵硬了。尾巴的特征的变化几乎是随机的。这是为什么呢？原因在于，朗和他的团队陷入了机器人进化的误区。他们根据Tadro运动的速度来定义最合理的尾巴长度，并且在它游动得不稳定的时候降低评分。但在现实中，速度快的Tadro比速度慢的不稳定性高，因此，一个游动速度快的Tadro会同时在速度方面被增分，在稳定度方面被减分，两边的分数相互抵消，最终的区分度也并没有那么明显。

 

　　即使纠正错误，重新分析它们的数据，他们仍然发现，自然选择青睐柔韧度好的、速度慢的Tadro。因此朗的假设是错误的：对于争夺食物的需求并不意味着一定需要一个能让自己游动得很快的尾巴，也不一定就是脊椎动物进化的根本原因。“根据这个实验我们可以明白，”他在自己于2012年出版的书Darwin’s Devices中写道，“进化机器人不仅可以告诉我们生命的历史，还昭示着未来技术世界的发展方向。”

 

　　那个不尽如人意的结果鞭策着朗继续前进。2007，他修改了他的假设。他认为，也许脊椎的出现不是为了使鱼类得到更多的食物，同时也帮助它们从掠食者口中逃生。为了测试这个想法，朗和同事开发了一个新版的Tadro，这次的模型是建立在已经灭绝的无颌鱼Drepanaspis gemuendenensis的原形上，它有着坚硬的外壳，以此看来，它们似乎有着抵御掠食者的必要性。这一次，研究人员设计了两种Tadro：捕食者和猎物。猎物仍然寻找光亮。它们也有红外传感器，当掠食者走的太近的时候，会触发传感器，然后迅速逃离。

 

　　新的实验的结果更符合预期。为了保持实验的可控性，尾巴的长度是固定的，但猎物Tadro的尾巴可以有不同数目的类脊椎骨环。更多的椎骨意味着更高的刚度，同时也可能意味着更快的速度。研究者分别对第五代和十一代进行了测试。Tadro确实进化出了更多环节的脊椎，从平均4.5个到平均5.5个甚至更多，这为朗的假设提供了有力的证据。

 

　　这两个实验只测定了少数的几代，而且也无法把这种令人激动的效果复制到化石的记录里。但是，埃本说，我们能从中得到的结果是很清楚的。“我很惊讶，他们仅仅通过这几代就有了如此迅速发展。”他认为，朗的团队并不只观察实验的大趋势，同时也深入挖掘每个细节，从自己的经历中吸取教训，总结提升。

 

　　现在朗和他团队中的研究者们致力于开发Tadro的“大脑”进化，希望能诱导不同的神经网络电路的出现，他们认为这可能有助于观察生物的进一步进化。朗在伯林顿佛蒙特大学的合作者约什·邦加德（Josh Bongard）说，这一次，实验还预期能得到一个实际的收益。

 

　　邦加德使用模拟仿真技术来开发机器人的控制电路。但很快他就沮丧地发现，他的开发失去了动力：电路之间是相互关联的，只要改变一个连接，就需要对整个电路做出大改动。自然的进化避免了模拟仿真技术中模块电路混乱的情况，他希望学习如何将那些特质应用到自己的实验中。他表示：“我们面临的最大问题是智能化――我们目前模拟进化的方式并不正确，还有待改进。”

 

　　新的Tadro的神经网络发展是不成熟的。神经网络被编写在一个可重新编程的芯片里，它有两个“神经元”，从头两边的类似于眼睛的传感器输入。两个输出神经元独立控制尾部的角度和拍打率。输入神经元通过“隐蔽层”神经元（在某些方面，它相当于一个神经中枢）连接到输出神经元。这个电路的设计蓝图将会成为遗传图谱，研究人员希望通过这一次实验，Tadro可以进化出控制速度和尾巴角度的不同电路。

 

　　利用从之前的工作中得到的经验，朗的团队将简化实验。每一个Tadro会被单独放在水中，检验适应能力的指标将是通过头部的中间光传感器测量收集的光能的量。邦加德说，鉴于神经系统模块化可能会引起不同部分身体的功能和环境之间相互作用，研究者可能最终允许Tadro的身体的其他部分，比如它的尾巴，也加入这个实验。

 

　　但首先，团队必须让Tadro能在水中动起来，这是一组四人本科生小组预期工作2年的项目里需要面临的挑战。他们在2014年夏天用3D打印机制作Tadro。但是打印出来后却发现，Tadro会漏水，即使研究者试图用油漆封住漏的地方，但Tadro依然沉入水底。在瓦萨学院主修生物学的杰西卡·伍（Jessica Ng）说，“我们用五种不同的喷涂油喷涂了五个不同Tadro的身体，结果所有的Tadro无一例外是漏的，所以我们就放弃了。”团队现在正在尝试使用丙烯酸为原料，采用机械方法制作Tadro的身体。

 

　　朗的学生在校期间也面临着大量数据处理的艰巨任务。他是一个早上七点就开始工作，很喜欢旁听别的课程的充满激情的老师，也经常在晚餐对着妻子和两个女儿大声地朗读文章。他说，他会根据他们的条件致力于帮助学生成功。“我给他们的底线是，如果你失败了，你对我们就没价值了。”学生需要对一个重要问题进行数月的耗时耗力的研究，而不是轻轻松松地在每星期只花费数小时的项目里占据一个名额。瓦萨学院物理学专业的学生约翰·洛里（John Loree）说，如果这个项目需要连续几个晚上通宵加班才能完成，那也只能这么做――“毕竟这是大学嘛！”

 

　　我们可以做一个诱人的假想，假如朗的最佳匹配的机器人得以普及，利文斯顿说，如果这样做能取得成功的话，他们甚至能够提出洞察基因组的深刻哲学问题。“基因组是一组‘让你去做某事’的指令，但它并不是那么纯粹，那么简单的，因为它控制的个体需要面对一个具象化的世界。因此，”他说，“环境和基因之间的联系是‘我们这些研究意义的开始’。”

 

　　同样可以想象到，事情并不会进行的那么顺利。例如，Tadro的进化将部分取决于随机调整自己的神经网络内的连接。但大多数随机有线网络可能并不在工作状态，这会使Tadro溺在水中，进化处在停顿状态，邦加德介绍道，虽然模拟实验表明，那不会是致命的。

 

　　瓦萨学院的生物信息学家施瓦茲说，“我们真的不知道会发生什么。”密歇根州的科学哲学家彭诺克说，但用机器人研究进化论的实验确实有着具有吸引力的部分。“在这种未被广泛接受的方法里，研究的对象确实具备可实验性。”他感叹道，“这个世界总有一些东西会让你感到惊讶。”