生活是伟大的，我更愿意多做一些。不幸的是，长生不老的进程相当缓慢--尽管我们在上个世纪取得了所有的技术进步，但我们只多活了几年。对问题的错误描述导致了缓慢的进展，但只要稍微改变一下心态，我们就可以选择更好的策略来学习和操纵生物学。
在过去的100年里，有一部分人类也希望活得更长、更健康，并在这个问题上投入了大量的时间和精力。他们大多都失败了，事实就证明了这一点：如果你走出童年，保持良好的BMI，戒烟和锻炼，你最多只能比18世纪的人多活10年(前提是你逃过了童年时代的死亡低谷)。在同样的100年里，我们在地球上进行了第一次飞行，然后降落在月球上。在同样的100年里，我们从每个芯片0个晶体管增加到50亿个。在同样的100年里，我们发明了酷牧场多力托。那么，为什么我们在这么多其他地方都成功了，但在最重要的地方却失败了呢？为什么我们不能过上极其长寿、健康和幸福的生活呢？
回想起来，有些问题显然比其他问题容易。但是，如果你调查了1900年的主要思想家，你会发现哪个更容易：分裂原子、向太阳系外发射探测器，还是活到90岁，很难想象这会是他们最后的选择。然而，我们还是在这里。
从表面上看，有些问题似乎与局外人的困难相似，但其规模(以及规模和规模)更难解决。导致这种差异的原因可以归结为计算上的简约性。举个例子，以行星为例。想想地球上的每一个原子--岩石，树木，那个仍在记忆中徘徊的前任。如果我想知道这个球体明天或1000年后会在宇宙中的什么位置，而我对基础物理没有概念，我可能会认为这个问题很难解决。发生了这么多事！人们怎么可能想到去描述所有这些原子是如何在空间和时间中移动的呢？但事实证明，这是相当微不足道的-所有这些原子都可以简化为一个点，一个质心，然后动量的计算就可以很容易地计算出来，轨迹也可以向前投影。有许多系统允许使用这些快捷方式，在这些系统中，维度可以折叠，而有用的信息仍然存在。桥梁建造者不需要考虑砖块中的每一个原子，甚至不需要考虑砖块；只要考虑砖块的收集和它们是如何排列的就足够了。
一般说来，工程学就是解决容易处理的问题的实践。考虑到精力和时间的限制，只有已经充分减少的困难问题才是可处理的，因此那些正在努力解决的问题也是如此。通常，科学会引导我们找到降低问题复杂性的新方法(想想前一个例子中的牛顿和他的方程式)。这不是法律，只是资源如何分配的结果。
我们没有看到生物学上的进步，因为我们顽固地试图减少它。达尔文是最后一批能够将进化的高维问题分解成几个公理的伟大的简约者之一。但即使有了自然选择，索赔的解决也不是特别具体。假设很难证明或反驳，因为运行反事实几乎是不可能的，而且它主要是一种事后的描述(尽管有巨大的喙蛾子)。如果我们更幸运的话，也许我们可以生活在这样一个宇宙中，它允许我们利用自然选择来了解细胞和动物的结构，而不必去看(这是有点真实的-我将在未来的帖子中探索)，类似于提前数千年知道行星的位置。
生物学是什么让它变得不可还原，但分裂原子是我们80年前完成的事情？面对熵吐口水是很难的，需要生物系统解决的问题也很多。这个系统的组成部分不是优雅的宇宙基本法则，而是通过在松散约束的适应空间中随机搜索而产生的手工组成部分。即使高度保守的途径仍然存在于整个有机体的独特环境中。
生物学不断地从当前状态过渡到未来状态，在这种状态下，进化树的一些未来分支具有更高的适应度，但是潜在的分支空间是巨大的，选择哪个分支是一个随机过程。例如，在环境缓慢酸化的情况下，任何给定的细菌都有许多生存的解决方案。虽然在美学上它们可能会有很大的不同(我想不到的是：细胞膜的变化，额外的跨膜质子p
至关重要的是，因为在任何情况下，问题和解决方案之间都存在一对多的关系，所以你不能基于推理来推断有机体拥有哪些解决方案。你不能后判，你得去找。
因此生物学存在还原性低的问题--我们无法总结系统，从而做出廉价的推论。在疾病的情况下，这既阻止了对疾病状态(即哪里出了问题)的容易理解，也阻止了容易的药物设计(即我推动系统中的哪个节点以逆转疾病状态)。现在，药物发现有很多是偶然的，也有很多假装我们知道足够多的东西来选择目标。不出所料，这大多是失败的。
还有另外一条路。目前，我们通过研究生搜索来暴力破解生物学，速度非常慢。一小部分动力不足、做得不好的实验构成了所产生的大部分。选择了一个模型生物体，提出了干预措施，进行了测量，并写了一篇论文：重复恶心。
但是，如果无限数量的猴子会写莎士比亚，那么无限数量的老鼠就可以给我们一条前进的道路。
例如，如果我们关心血压，为什么我们不把每一种药物、每一种剂量、每一个团体、每种组合都给一只老鼠，然后实际看到发生了什么？我们确实有高通量的筛查，主要是在单个细胞或酶中进行筛查，但这主要是垃圾，因为信息从细胞到整个有机体都在衰减(这一点我将在未来的帖子中详细阐述)。我提出的解决方案是否昂贵？是!。组合爆炸是计算可约性的对立面。但我的观点是，我们不能仅仅希望未来有更便宜的解决方案--这是鸵鸟取得进步的方式。我们花了2881亿美元登上月球。
这个问题也不像乍看起来那么棘手。我们如何在大量的老鼠身上测试大量的药物？在任何边缘鼠标上降低成本。机器学习的最新进展使那些烦人的可变成本实现了自动化。图像识别和分类现在已经足够好，可以自动跟踪鼠标及其运动-不需要照看老鼠和手动分类行为。随着每只老鼠的状态已知，简单的机器人技术，例如食物/药物管理和结果测量，成为可能。今天，最简单的实验都是可能的，只要齐心协力，可能的领域就会扩大。
新的测量技术和观察系统的新方法总是会有创新的。生物学家在推广这些新技术时通常会失败，这会损害我们控制生物学的能力。通过将可伸缩性作为创新的一个重要方面来添加，我们可以利用我们今天已经拥有的东西释放出更多的能量。
重要的是，这不仅仅局限于药物和疾病之间的因果推断。我们正变得非常擅长测量系统的状态，只需挑选您最喜欢的。不难看出，对大量模型生物体的大量干预，加上大量的状态读数，将接近有机系统的全4D模型。
生物学不会有任何捷径。我们越早认识到这一点，我们就能越早开始建立将有用的推理、药物发现和网络拓扑带入21世纪所需的规模的系统。