🌳 動植物生態
黏菌的無腦路徑尋優能力與複雜網絡計算啟發
在大眾的想像中，智慧的表現總離不開大腦與神經系統。人類會規劃城市、設計交通網絡、調度物流，靠的是複雜的認知能力。然而，在潮濕森林的落葉層裡，存在著一種完全沒有大腦、甚至沒有神經系統的單細胞生物，卻能做出令人嘆為觀止的「決策」。它可以在迷宮中找到最短路徑，可以複製東京地鐵的網絡結構，甚至能在糧食匱乏時重新佈署自己的身體。這種生物就是黏菌（Slime Mold），而其最著名的成員之一，便是形似金黃色網狀的「多頭絨泡黏菌」（Physarum polycephalum）。
黏菌的這些能力，早已超越單純的「刺激反應」，而更像是一種運算過程。過去二十餘年，科學家從黏菌的行為中提煉出啟發式演算法，應用於網絡優化、物流管理、甚至太空探測器軌道設計。本文將深入探討黏菌如何以「無腦」之軀進行路徑尋優，並從中窺見複雜網絡計算的未來可能。
要理解黏菌的智慧，首先要認識牠們在生物世界中的特殊地位。黏菌既不是真菌，也不是動物，而是屬於原生生物界中的一個獨特類群。牠們的生命週期橫跨多個型態，從單細胞的變形體到能產生孢子的子實體，每一階段都展現出截然不同的生存策略。
黏菌的英文名稱「Slime Mold」其實是一個通俗而非科學分類的名詞。在傳統生物學分類中，黏菌曾被誤認為真菌，因為牠們在特定階段會形成類似蘑菇的子實體並釋放孢子。然而，黏菌的細胞壁成分、移動方式、以及營養攝取模式都與真菌截然不同。真菌是異營生物，依靠分泌酵素在體外分解有機物並吸收；而黏菌則透過吞噬作用（phagocytosis）直接吞入細菌、酵母菌或其他微粒，這更像是動物的行為。
分子生物學研究更顯示，黏菌與某些變形蟲、甚至與動物的親緣關係，比牠們與真菌的關係更近。這種令人困惑的分類地位，使得黏菌成為演化生物學的重要研究材料。牠們彷彿是生命樹上一個孤獨的岔枝，保留著早期真核生物的多樣性特徵，卻也演化出自成一格的生存智慧。
黏菌主要分為兩大類：真正的「原生質體黏菌」（plasmodial slime molds）和「細胞性黏菌」（cellular slime molds）。前者如多頭絨泡黏菌，在營養階段是一個巨大的多核細胞質體，可以長到數十公分甚至更大；後者則以盤基網柄菌（Dictyostelium）為代表，平時以獨立變形蟲存在，在飢餓時會聚集形成多細胞體。本文討論的路徑尋優能力，主要集中在原生質體黏菌上。
多頭絨泡黏菌最引人注目的階段，就是其「變形體」（plasmodium）。這個階段看起來像是一灘金黃色的黏液，表面佈滿交錯的管狀網絡，內部有成千上萬個細胞核，但是卻沒有細胞壁將它們分隔。這意味著整個變形體實際上是一個巨大的單細胞，細胞質可以自由流動，胞內的微管與肌動蛋白絲推動著原生質的往返運動，形成所謂的「原生質流」（cytoplasmic streaming）。
這個超級細胞具有令人驚奇的行為能力。它能夠以每小時數公分的速度緩慢爬行，沿著濕潤的表面探索環境。當它發現食物（例如燕麥片、細菌）時，會將自己的身體向食物方向延展，同時回收不需要的網絡分支，以節省資源。當環境惡化、食物短缺時，變形體可以停止運動，形成堅硬的「菌核」（sclerotium）以度過乾旱或低溫，待環境轉好再恢復活動。
科學家發現，變形體雖然沒有中樞神經系統，卻具備某種「分散式認知」。它的每一部分都能感應化學梯度、濕度、光線和觸覺刺激，並且透過管內原生質流的耦合，在整個身體範圍內傳遞資訊。這種運作方式，類似於平行處理的電腦架構：沒有單一指揮中心，但整體表現出協調一致的決策。
更令人震撼的是，變形體似乎具備某種「記憶」。實驗顯示，當黏菌曾遭遇某種無害但令人不快的化學物質時，它會在未來避開相同物質，即使該物質的濃度已經降低到無法偵測的程度。這種記憶被儲存在管網的結構變化中，而非神經元或蛋白質修飾，被稱為「形態記憶」。這打破了我們對記憶的生物學基礎的傳統認知。
黏菌的多樣性與適應力，使其成為生物學家的寵兒。而真正讓它聲名大噪的，則是二十一世紀初一系列關於路徑尋優的經典實驗。最知名的，莫過於模擬東京地鐵網絡的研究。
二〇一〇年，日本北海道大學的科學家 Tero 等人發表了一篇轟動全球的論文。他們將多頭絨泡黏菌放置在一個潮濕的培養皿中，並依照東京周邊實際的地理位置擺放食物來源。他們想知道，這個沒有大腦的生物，會如何連結這些食物點位？結果，黏菌長出的網絡與東京地鐵的實際路線圖高度相似，而且整體效率、成本、容錯率都達到了接近真實鐵路系統的水準。這項研究被發表在《Science》期刊上，並獲得了「搞笑諾貝爾獎」的肯定，但實際上其背後蘊含深刻的網絡科學意義。
實驗的設計相當簡潔而巧妙。研究人員在一個大型培養皿中，先以光照射培養基，因為黏菌不喜歡光線，這相當於限制了它的活動範圍。接著，他們在培養皿的某些位置放置燕麥片，模擬東京週邊的主要城市節點，包括東京、新宿、澀谷、池袋等三十多個地點。在培養皿中央放置一小塊黏菌變形體，讓它自由擴散生長。
黏菌起初會向四面八方伸出管狀偽足，像是一張不規則的網。但隨著時間推移，它會不斷調整網絡：強化那些連接到食物源且路徑短的分支，同時回收那些冗長、無效的管道，最終形成一個穩定、高效、連接所有食物源的網絡。整個過程約需一至數天，完全依賴黏菌自身的生理機制完成。
研究最大的亮點在於對照。科學家將黏菌形成的網絡與東京地鐵實際的鐵路網進行比對，並計算兩者在「平均路徑長度」、「總線路長度」、「網絡容錯性」等指標上的表現。結果顯示，黏菌網絡與東京地鐵網絡的結構相似度極高，兩者都呈現出「小世界網絡」與「無尺度網絡」的特性：少數重要節點有大量連結，而多數節點只有少數連結。這種結構既能保證高效傳輸，又能容忍部分節點失效。
更令人驚訝的是，黏菌網絡在「成本效益」上甚至優於一些人工設計的網絡。它自然地採用了一種「浪費但穩健」的策略：對於那些如同新宿、東京站等交通流量極大的樞紐，黏菌會生成較粗的管道；對於偏遠地區的節點，則以較細的管線連接，以避免過高的建造成本。這正是人類工程師在規劃鐵路時所追求的「度衡」（trade-off）。
為什麼黏菌的網絡會與東京地鐵如此相似？一個直觀的解釋是，兩者都受到相似的「最佳化壓力」。東京地鐵網絡是在一百多年的歷史中，逐步經由人口需求、地形限制、工程成本等因素的篩選而演化出來；而黏菌的管網，則是在每次伸縮、回收、強化過程中，因為細胞質流動的物理效率而篩選出來。兩者在數學上，都是對「最小成本」與「最大連結性」的多目標最佳化解。
科學家進一步進行了「破壞性測試」。他們在成熟的黏菌網絡中，以雷射切斷某些管道，觀察黏菌的反應。結果顯示，黏菌會重新調整管流方向，並在受損區域附近長出新的連接，以恢復整體網絡的連通性。這種自我修復能力，正是網路韌性（resilience）的關鍵特徵。而在人類社會中，基礎設施網絡（如電力網、通訊網）所追求的正是這種「面對攻擊或故障時仍能正常運作」的性質。
然而，黏菌網絡並非完美。它的設計並不考慮風景、地質、土地利用等現實因素，也缺乏對「時間表」與「乘客流量」的動態理解。但從純粹的幾何網絡角度來看，黏菌的確找到了一個非常優秀的近似解。這讓工程師們不得不重新思考：我們真的需要大電腦、大數據才能設計出好的網絡嗎？
這項實驗的深遠影響，不僅在於模仿，更在於啟發。它提供了「生物啟發式計算」的範例：從一個簡單的物理系統中，抽取其湧現行為的規則，然後應用於人工設計。後續的研究者陸續將黏菌應用於路網規劃、拓撲最佳化、以及無線感測器網路的路由設計等領域。
為什麼一個沒有神經系統的單細胞，能完成如此複雜的最短路徑搜索？這背後牽涉到黏菌細胞內部的物理與化學過程。數十年來，科學家逐步解開了這個「無腦運算」的奧秘。它並非依靠奇蹟，而是仰賴一套精巧的分散式反饋迴路。
黏菌變形體內部充滿了相互連結的微小管道，這些管道由肌動蛋白和肌凝蛋白構成，能像心臟一樣週期性收縮。收縮波沿著管道傳播，推動細胞質的流動，形成「往復式振盪」（shuttle streaming）。這種振盪的頻率會受到環境影響：當某個管道的末端偵測到食物，其內部的鈣離子濃度會上升，引發鈣波，進而改變附近的收縮頻率，使細胞質更多地流向食物源。
這個過程可以用「水力學」模型來理解。黏菌的管道好比帶有彈性管壁的水管，而內部的細胞質則是不可壓縮的流體。當某一處管壁收縮時，會將流體推向壓力較低的地方。如果某個區域的收縮頻率較高、振幅較大，就會產生更強的泵送效果，吸引更多細胞質流向該處，管道也隨之變粗。反之，若某個管道長期沒有被「使用」，流體流動減少，管道便會因為缺乏壓力而萎縮、消失。這種「用進廢退」的機制，加上細胞質流動的自我強化效應，構成了一個天然的「迭代演算法」。
值得注意的是，黏菌網絡的形成與數學上的「最短路徑問題」存在密切關聯。在一張網絡中，若要找到兩點之間的最短路徑，最經典的方法之一是「逐步放寬」：每個節點記錄自己的距離，然後像接力賽一樣更新鄰居的距離。黏菌並非像電腦那樣精確計算節點距離，而是透過「流體壓力」來傳遞資訊。當一個食物源被發現，該處附近的管網會因為化學訊號而擴張，使得該區域的「吸引力」增加。這種吸引力的梯度，引導著細胞質流向目標，並在反覆流動中篩選出最有效的路徑。
二〇一二年，英國牛津大學的研究團隊進一步證實，黏菌可以解決「迷宮問題」。他們在一塊迷宮的入口和出口分別放置燕麥片，並觀察黏菌如何穿越迷宮。結果黏菌在數小時內，找到了最短的路徑，並且在未來重新嘗試時，會優先沿著那條路徑移動。這表明它不僅能找到路徑，還能「記住」它。
除了物理流動，化學訊號在黏菌的決策中也扮演著核心角色。黏菌在探索環境時，會分泌細胞外基質（extracellular matrix）來留下「黏液痕跡」；當它再次接觸到這些痕跡時，會避免重複探索這條路線。這種「自我避讓」的行為，使得黏菌的搜尋策略更加有效率，避免浪費能量在同一區域。
更具啟發性的是，黏菌的「記憶」並非儲存在特定細胞中，而是體現在整個管網的拓撲結構裡。當黏菌遇到一個有害物質（如咖啡因或奎寧），它會改變自己的管網結構，將某些管道收緊、某些管道擴大，以避開該區域。即使化學物質消失，這種結構改變依然保留，形同「記憶」。研究者稱之為「基質記憶」或「結構記憶」，並以此為基礎，設計出具有簡單記憶功能的「黏菌型電腦」原型。
還有另一種更高層次的「集體智慧」表現：將兩個不同來源的黏菌融合在一起，如果其中一個曾接受過某種刺激，融合後的黏菌整體都會展現出對該刺激的反應。這意味著，記憶可以透過胞質融合而「傳染」。這種現象雖然沒有神經元的參與，卻展現出類似神經可塑性的本質。
科學家目前仍在爭論，這種行為是否可以稱之為「認知」。有些人認為，這是生物體在演化壓力下發展出的優秀策略，本質上只是一連串的正負反饋，並無「意圖」或「表徵」。但另一些人則指出，即使我們不稱之為「智慧」，這種現象依然挑戰了「智慧必須以神經系統為基礎」的偏見。無論如何，黏菌的運算機制為電腦科學家提供了一個極佳的模擬範例。
黏菌的啟發並未停留在實驗室，科學家已經將其行為轉化成數學模型，稱之為「Physarum 模型」或「黏菌啟發式演算法」。這些演算法在處理動態、分散式、大規模的網絡最佳化問題時，展現出異於傳統演算法的優勢。
傳統網絡最佳化演算法（如 Dijkstra 演算法、A*）適合在靜態圖上尋找最短路徑，計算精確但需要完整的全局資訊。然而在真實世界中，網絡往往會動態變化——節點可能故障、流量會劇烈波動、成本隨時在變。黏菌的策略提供了一種「無中心、自適應、漸進式」的網絡建構方式，正是分散式計算所需要的特質。
研究人員設計了一種如下的迭代模型：將網絡中的每個節點視為一個壓力值，每條邊視為一個管導（conduit），其導電率等同於管道粗細。在每次迭代中，計算各節點之間的流量，並更新管道粗細，使其向流量大的邊增加、向流量小的邊減少。這個過程重複執行，最終收斂到一個與黏菌網絡相似的拓撲結構。這個模型被稱為「Physarum Solver」，已被證明能有效解決「無向網路最小成本連通問題」（也就是「斯坦納樹問題」的近似解）。
更具體的應用包括：物流配送網絡設計。在台灣的宅配運輸系統中，若要規劃多個倉儲與配送站之間的網絡，需要同時考慮運送時間、成本與容錯。傳統的整數規劃在節點超過數百個時就可能陷入計算瓶頸，而黏菌演算法可以在線性時間內產生近似解，且能隨需求變化即時調整。另一個例子是電力網絡的韌性設計。在極端氣候下，電塔可能倒塌，需要臨時重新配置電網；黏菌演算法可以在不依賴中央控制的情況下，透過「局部通訊」持續重組網絡，類似於電力孤島的有效合併。
此外，黏菌演算法也被應用於無線感測器網路的資料路由。在廣大農田中部署數百個感測器，每個感測器的能源有限。傳統路由協定仰賴固定路徑，但黏菌啟發式路由會根據剩餘電量與訊號品質動態調整路徑，使整體網絡的壽命大幅延長。甚至太空機構如 NASA 也對黏菌產生興趣，曾研究如何利用黏菌網絡設計行星表面探測車的通訊中繼站路線，以降低能耗並提高對未知地形的適應力。
除了實務應用，黏菌演算法也影響了「靈活製造系統」。在智慧工廠中，自動導引車（AGV）需要在廠房間搬運物料。黏菌演算法可以讓每一台 AGV 像黏菌的管道一樣，根據當前的任務量即時調整行進路線，避開擁堵區域，並自動強化那些效率高的路徑。這正是無腦生物帶給製造業的「集體智慧」。
儘管黏菌啟發的演算法潛力無窮，我們仍必須清醒認識到其限制。首先，黏菌需要液態水與有機食物維持生命，無法在純運算環境中長時間運作。其次，其移動速度相對緩慢，如果要模擬大規模網絡（例如全國鐵路網）可能需要數星期，這不切實際。因此，目前的研究多集中於將黏菌模型轉化為程式碼或類比電路，而非直接飼養活體黏菌來解決工程問題。
另外，黏菌的目標函數多偏向單一目標（如最小化總管長度），而真實世界的網絡設計常常帶有時間相關的動態約束，例如尖峰時刻的運輸量變化。黏菌演算法在處理多目標約束時，需要透過加權方式轉化為單目標，這往往會喪失部分最適性。相比之下，傳統的多目標演化演算法（如 NSGA-II）可能更適合求解帶有衝突目標的網絡設計。
然而，黏菌的核心優勢在於「適應性」與「魯棒性」。傳統演算法在網絡拓撲發生大規模改變時，往往需要重新進行全局運算；而黏菌演算法本質上是「局部互動」的產物，節點的失效不會導致系統崩潰，新的節點可以隨時加入，不需要重新從頭計算。這種「即插即用」的網絡擴充能力，是許多現有網絡協定夢寐以求的特性。以「物聯網」為例，數十億個設備的網絡規模遠超出傳統集中式管理的範疇，唯有去中心化、自我組織的規則才能應付。黏菌提供的正是這樣一個參考架構。
總而言之，黏菌並非萬能，但它徹底改變了我們對「計算」的看法。過去我們認為運算必須依賴數位邏輯與記憶體，但黏菌展示了「類比計算」的強大力量：用物理流體、管壁彈性與滲透壓來同時處理數千個約束。這種方式雖然不精確，卻能快速找到近乎最佳的解決方案。對許多實務應用而言，這往往比精確但緩慢的演算法更有價值。
黏菌的研究正在迅速擴大，從生物學延伸到電腦科學、機器人學、建築設計與哲學。未來，我們很可能看到更深入的「活體運算」整合。
科學家已經嘗試將黏菌與電子元件結合，建立「生物混合邏輯閘」。由於黏菌在受不同波長光線照射時，其管網擴張或收縮的方向會改變，研究人員可以利用光照控制黏菌的移動路徑，使其像是在「計算」邏輯運算。例如，兩道不同方向的光同時照射時，黏菌會選擇特定的出口，這等效於「AND」或「OR」閘。雖然目前的速度比矽晶片慢得多，但其優點是可以自主修復、自行耗能，且不需要有毒的製程。在極端環境（如汙染嚴重或電磁干擾強烈的地方），生物混合電腦或許能提供一種堅韌的替代選擇。
在機器人學中，黏菌啟發的「軟性機器人」也是熱門方向。傳統機器人依賴中央處理器控制四肢，而軟性機器人模仿黏菌的分散式控制：每個「肌肉單元」都能感知局部環境並獨立反應，整體動作則由這些局部反應的耦合湧現。這種控制方式賦予機器人極高的魯棒性——即使部分肌肉失效，機器人仍能繼續移動。美國塔夫茨大學的研究團隊已研發出一種「黏菌型軟體機器人」，能以簡單的化學梯度導向移動，且沒有任何電子元件。
如果我們將黏菌的邏輯應用於都市規劃，會得到什麼樣的城市？一些建築師開始嘗試「以生物為師」的設計方法：城市交通網絡不應是固定不變的，而應像黏菌管網一樣，能隨著人口遷移與商業活動的動態而重塑。比如，可重組的街道模組、可變功能的公共空間，讓城市的基礎設施能像生物組織般自我調整。這將大幅降低建造成本，同時提高城市面對災害的韌性。
當然，這種願景目前距離現實非常遙遠，但它至少開拓了我們的視野。黏菌提醒我們，真正高效的網絡並非靜態的藍圖，而是一個不斷運作的過程。在計算社會學與城市科學中，我們過度強調「設計」與「規劃」，卻忽略了「演化」與「試錯」的重要性。黏菌的無腦路徑尋優恰恰說明：有時候，最好的設計來自於簡單規則的反覆迭代，而非至上而下的大規模智慧設計。
最後，黏菌也讓我們反思「智慧」的本質。如果一個沒有神經系統的生物能解決迷宮問題、預測週期性事件、甚至展示出某種程度的「個性」，那麼「智慧」是否只是一種描述行為模式的詞語，而不必然與意識相關？這直接挑戰了我們對「動物」與「非動物」的界限。黏菌沒有大腦，沒有神經元，沒有突觸，卻具備「計算能力」。這豈不是意味著，智能可以在不同的硬體上實現？也許，未來的人工智慧不必亦步亦趨地模仿人腦，而可以借用黏菌的分散式類比計算原理，建立全新的演算法架構。
從這個角度來看，黏菌可謂是地球最古老的「活體計算機」。它的演算法在數億年的演化篩選下變得如此精煉，以至於我們直到二十一世紀才開始領悟其奧妙。當我們在實驗室中觀察黏菌伸出一條細管，緩慢地連接通向食物的捷徑時，那其實是數百萬個微型流體通道同時進行談判的結果。那不是思考，但勝似思考。
文章寫到這裡，我們或許可以回顧：黏菌的「無腦」真的等同於「無智」嗎？如果我們定義智慧為「在環境中解決問題的能力」，那黏菌絕對是智慧的。它的智慧不是來自中央決策，而是來自自我組織的力道。這種「無中央智慧」的智慧，或許正是未來複雜系統設計最重要的啟示。面對氣候變遷、基礎設施老化與全球資源分配的複雜挑戰，人類需要發展出更靈活、更能自我適應的網絡模型，而黏菌正是這條探索之路上一個微小卻閃爍的指引。
本文由 雅寶社區 · 頂客論壇 編輯部審稿，分類：🌳 動植物生態。歡迎在下方留言與我們討論您對黏菌智慧的看法。
歡迎在下方留言，分享您的想法、心得或疑問。所有留言都會透過 GitHub 帳號 進行驗證。