What Lives? A meta-analysis of diverse opinions on the definition of life

“什么是生命？”这个问题几个世纪以来一直挑战着科学家和哲学家，由此产生的众多定义既反映了生命起源的神秘性，也体现了不同学科视角的多样性。尽管我们在理解生物系统、心理学、计算和信息理论方面取得了显著进展，但至今没有一个关于生命的定义获得普遍接受。随着合成生物学、人工智能和天体生物学的进步不断挑战我们对“何为活着”的传统观念，这一问题变得愈发紧迫。我们采用了一种方法论途径，利用大型语言模型（LLMs）分析一组由跨学科专家精心挑选的生命定义。通过一种新颖的成对相关性分析，我们将这些定义映射为不同的特征向量，并结合凝聚聚类、簇内语义分析以及t-SNE投影技术，揭示了潜在的概念原型。该方法论展示了与生命定义相关的主题连续谱，表明历史上被视为二元分类问题的议题，实际上应被理解为统一概念隐空间内的差异化视角。我们提出了一座新的方法论桥梁，连接还原论与整体论在科学和哲学基本问题上的研究路径，展示了如何通过计算语义分析揭示跨学科的概念模式，并为解决科学领域其他有争议的定义问题开辟了类似的道路。

论文试图解决‘什么是生命’这一长期存在的科学与哲学问题，通过引入计算语义分析方法来重新审视和分类不同学科对生命的定义。这是一个经典但仍未有明确答案的问题，论文尝试从跨学科角度提供新的理解框架。

论文的关键思路是利用大型语言模型（LLMs）结合新型的语义分析技术（如配对相关性分析、聚类和t-SNE投影），将专家提供的生命定义映射到特征向量，并揭示其潜在的概念结构。这种方法创新地将传统二元分类问题转化为连续的语义空间分析，从而弥合了还原论与整体论之间的差距。

1. 提出了生命定义的连续性景观，而非传统的二元分类；2. 使用了跨学科专家的知识库进行建模；3. 实验设计包括语义分析、聚类和降维投影等步骤；4. 方法可以推广至其他具有争议性的科学定义领域；5. 尽管未提及代码开源，但其方法论为未来研究提供了清晰的技术路径。

近期相关研究包括：1. 合成生物学中的‘最小基因组’项目（如JCVI-syn3.0）；2. 人工智能中关于自主智能体的研究（例如DeepMind的AlphaStar或MuZero）；3. 宇宙生物学中对地外生命的探索（如NASA的Perseverance任务）；4. 哲学与认知科学中关于意识与生命的交叉讨论（如Integrated Information Theory）。类似的工作还有《Defining Life: The Virus Viewpoint》和《The Major Transitions in Evolution Revisited》。