一切自然物种及其群落都与所在地域的环境条件相适应,只要条件不变,就能长期生存,即使发生扩散或缩减,其历程也是缓慢和渐变的.人类活动的加剧,却打破了这千古不变的平衡,导致物种灭绝。 

据报道，计算机科学家认为，大自然中丰富多彩的生物种群体内都蕴藏着解决问题色优雅算法。随着物种灭绝率的增加，可以解决长期或未来科学问题的优雅算法随之消失。人类所应考虑的不仅仅是由之而来的生态、经济和情感后果，还有再也无法解开的算法秘密。

渡渡鸟。西非黑犀牛。塔斯马尼亚虎。班尼特海藻。全世界灭绝动植物物种的名单还在继续。我们被告知，这是一场愈演愈烈的悲剧，但说实话，我从来没那么在意。

然而最近，我发现自己开始同情那些与物种灭绝作斗争的人们。想知道其中的原因吗?我是一个对算法感兴趣的计算机科学家。

算法和物种灭绝的共同点远比你想象的要多。就像秘方一样，算法描述了解决问题的策略。同样，所有的生物都必须解决问题才能生存。不管是确定正确的生长轨迹的植物,还是保护身体抵御病原体入侵的免疫系统，抑或是通过微弱气味追踪数英里之外猎物的猎犬，解决这些问题的能力直接关系到生物体的存活，并将其基因传递下去。如果一个生物体发现了一个更成功的策略——它学会了更快、更有效地解决问题，或者是使用更少的资源解决问题——那么这个生物体将更有可能把这些“技巧”传给下一代。自然选择就是这样，一个物种会随着时间的推移而不断进行选择，慢慢地优化生存策略。

经过数十亿年的这个过程之后，世界还剩下什么?这是一个物种的集合，每个物种都装载了一系列算法，以处理各种各样的问题，比如建立自适应交通网络，保护整个物种系统不受外部攻击者的攻击，同时去跟踪对手。每个不同的环境都蔚一个物种提供了不同的挑战，而每个生物体和整个物种必须克服才能生存下去。因此，这些物种使用的基本算法经过了微调，可以适应不同环境下的工作。

计算机科学家们现在正在认真研究这些“自然界中的算法”，以便为基本的工程问题提供新的解决方案。在过去的几十年里，我们在探索、测量和操作生物系统方面取得了巨大的进步，这就让我们对生物系统的工作原理产生了前所未有的理解。此外，随着技术的进步，计算设备已经发展得更具移动性、高能效和适应性——这些都是生物系统的特征。计算机科学和生物学的结合有可能产生关于基本生物学问题的新观点。

最近，我在索尔克研究所(Salk Institute)的实验室里一直在研究果蝇的微型大脑是如何解决一个所谓“相似性搜索”的人类技术问题。例如，当我们说“那个乐队听起来像Nirvana乐队”或“那个水果闻起来像橘子”时，我们的大脑正在进行相似搜索，从而找到以前所经历过的、与接触到的新事物所相仿的东西，比如说一首歌或一种气味。这种搜索使我们能够归纳概括从以往经验中学习到的行为，从而引导我们的行为适应新的体验。

如今，每家科技公司都面临着类似的挑战。像YouTube、Spotify和亚马逊这样的平台会搜索数以十亿计的视频、歌曲和产品，根据你以前的习惯提供建议。通过研究果蝇大脑中负责处理气味的嗅觉回路，我们发现果蝇使用一种通用计算机科学算法的变体来进行相似搜索。然而，这只苍蝇展示了三种新的计算技巧，我们可以通过将其转化成算法来提高相似搜索的整体效率。

我们也一直在将这一思路延伸到植物生物学中。植物结构可以被看作是运输网络，用于在不同器官之间运送诸如水、糖和碳水化合物等营养物质。就像地铁系统一样，植物需要建立一个网络，在平衡建设和维护网络成本的同时，让营养物质能够实现快速运输。利用高分辨率三维扫描测量，我们发现植物进化出在这两个相互竞争功能之间做出最佳权衡的机制。对植物内部运输结构的理解可以揭示出如何打造更好基础设施网络的新策略，特别是那些需要适应破坏或用户需求不断改变的网络。

当一个物种灭绝时——无论是太平洋的逆戟鲸还是亚马逊流域的稀有青蛙——我们从根本上失去的是算法。随着灭绝率的增加，有多少可以解决长期或未来科学问题得到优雅算法会随之消失?

下一次，当一个物种因为有问题的人类行为而灭绝时，我们不应该只考虑生态、经济和情感后果，我们也应该哀悼那些丢失的算法秘密。大自然母亲是第一本关于算法设计的书籍作者。每当一个物种灭绝，我们就会失去了另一个章节。