全书摘抄(群体、复杂系统、控制、进化)
失控
凯文凯利
2016-05-21 08:20:36
当合作形成「5」字或操纵飞机的时候,他们是对自己的总体概貌做出反应。而飞行途中的一只鸟对自己的鸟群形态并没有全局概念。结队飞行的鸟儿对鸟群的飞行姿态和聚合是视而不见的。「群态」正是从这样一群完全罔顾其群体形状、大小或队列的生物中涌现出来的。
2016-05-21 08:45:12
稀疏分布记忆:Sparse Distributed Memory
2016-05-21 09:06:19
这两种极端的组织方式都只存在于理论之中,因为现实生活中的所有系统都是这两种极端的混合物。某些大型系统更倾向于顺序模式(如工厂),而另外一些则倾向于网络模式(如电话系统)。
2016-05-21 09:06:30
以下是分布式系统的四个突出特点,活系统的特质正是由此而来:
没有强制性的中心控制
次级单位具有自治的特质
次级单位之间彼此高度连接
点对点间的影响通过网络形成了非线性因果关系
上述特点在分布式系统中的重要度和影响力尚未经过系统地检验。
2016-05-21 09:09:43
群系统的好处:
可适应——人们可以建造一个类似钟表装置的系统来对预设的激励信号进行响应。但是,如果想对未曾出现过的激励信号做出响应,或是能够在一个很宽的范围内对变化做出调整,则需要一个群——一个蜂群思维。只有包含了许多构件的整体才能够在其部分构件失效的情况下仍然继续生存或适应新的激励信号。
可进化——只有群系统才可能将局部构件历经时间演变而获得的适应性从一个构件传递到另一个构件(从身体到基因,从个体到群体)。非群体系统不能实现(类似于生物的)进化。
弹性——由于群系统是建立在众多并行关系之上的,所以存在冗余。个体行为无足轻重。小故障犹如河流中转瞬即逝的一朵小浪花。就算是大的故障,在更高的层级中也只相当于一个小故障,因而得以被抑制。
无限性——对传统的简单线性系统来说,正反馈回路是一种极端现象——如扩声话筒无序的回啸。而在群系统中,正反馈却能导致秩序的递增。通过逐步扩展超越其初始状态范围的新结构,群可以搭建自己的脚手架借以构建更加复杂的的结构。自发的秩序有助于创造更多的秩序——生命能够繁殖出更多的生命,财富能够创造出更多的财富,信息能够孕育更多的信息,这一切都突破了原始的局限,而且永无止境。
2016-05-21 09:09:50
新颖性——群系统之所以能产生新颖性有三个原因:(1)它们对「初始条件很敏感」——这句学术短语的潜台词是说,后果与原因不成比例——因而,群系统可以将小土丘变成令人惊讶的大山。(2)系统中彼此关联的个体所形成的组合呈指数增长,其中蕴藏了无数新颖的可能性。(3)它们并不强调个体,因而也允许个体有差异和缺陷。在具有遗传可能性的群系统中,个体的变异和缺陷能够导致恒新,这个过程我们也称之为进化。
2016-05-21 09:09:58
群系统的明显缺陷:
非最优——因为冗余,又没有中央控制,群系统的效率是低下的。其资源分配高度混乱,重复的努力比比皆是。青蛙一次产出成千上万只卵,只为了少数几个子代成蛙,这是多么大的浪费!假如群系统有应急控制的话——例如自由市场经济中的价格体系,那么可以在一定程度上抑制效率低下,但绝不可能像线性系统那样彻底消除它。
不可控——没有一个绝对的权威。引领群系统犹如羊倌放羊:要在关键部位使力,要扭转系统的自然倾向,使之转向新的目标(利用羊怕狼的天性,用爱撵羊的狗来将它们集拢)。经济不可由外部控制,只能从内部一点点地调整。人们无法阻止梦境的产生,只能在它现身时去揭示它。无论在哪里,只要有「涌现」的字眼出现,人类的控制就消失了。
不可预测——群系统的复杂性以不可预见的方式影响着系统的发展。「生物的历史充满了出乎意料。」研究员克里斯·朗顿[1]如是说。他目前正在开发群的数学模型。「涌现」一词有其阴暗面。视频游戏中涌现出的新颖性带给人无穷乐趣;而空中交通控制系统中如果出现涌现的新情况,就可能导致进入全国紧急状态。
不可知——我们目前所知的因果关系就像钟表系统。我们能理解顺序的钟表系统,而非线性网络系统却是道地的难解之谜。后者淹没在它们自制的困思逻辑之中。A导致B, B导致A。群系统就是一个交叉逻辑的海洋:A间接影响其他一切,而其他一切间接影响A。我把这称为横向因果关系。真正的起因(或者更确切地说,由一些要素混合而成的真正起因),将在网络中横向传播开来,最终,触发某一特定事件的原因将无从获知。那就听其自然吧。我们不需要确切地知道西红柿细胞是如何工作的,也能够种植、食用、甚至改良西红柿。我们不需要确切地知道一个大规模群体计算系统是如何工作的,也能够建造、使用它,并使之变得更加完美。不过,无论我们是否了解一个系统,都要对它负责,因此了解它肯定是有帮助的。
2016-05-21 09:10:07
非即刻——点起火,就能产生热量;打开开关,线性系统就能运转。它们准备好了为你服务。如果系统熄了火,重新启动就可以了。简单的群系统可以用简单方法唤醒;但层次丰富的复杂群系统就需要花些时间才能启动。系统越是复杂,需要的预热时间就越长。每一个层面都必须安定下来;横向起因必须充分传播;上百万自治成员必须熟悉自己的环境。我认为,这将是人类所要学的最难的一课:有机的复杂性将需要有机的时间。
2016-05-21 09:19:19
1990年在贝尔实验室工作的黄光明[1]教授和堵丁柱[2]证明,通过向网络引入新的节点,系统所能够获得的最大节省大约为13%左右
2016-05-21 09:19:56
1968年,德国运筹学家迪特里希·布拉斯[3]发现,为已经拥堵的网络增加线路只会使其运行速度更慢,现在我们称其为布拉斯悖论。
2016-05-21 17:54:12
在机器蟑螂成吉思身上,行走通过12个马达的集体行为而完成。每条腿上两个马达的起落,取决于周围几条腿在做什么动作。如果他们抬起落下的次序正确的话——那么,起步!一、二、一,一、二、一!——就「走起来」了。
这个精巧的装置上没有任何一部分是掌管走路的。无需借助高级的中央控制器,控制会从底层逐渐汇聚起来。布鲁克斯称之为「自底向上的控制」。自底向上的行走,自底向上的机敏。如果折断蟑螂的一肢,它会马上调整步态用余下的五肢爬行,一步不乱。这样的转换不是断肢后重新学习来的;这是即时的自我重组。如果你弄废了成吉思的一条腿,还能走的其余五条腿会重新编组走路,就如同蟑螂一样,轻易地找到新的步态。
2016-05-21 17:55:17
成吉思在学会爬过障碍物的同时,其基本的行走模式却未受到丝毫扰乱。布鲁克斯借此阐释了一个普适的生物原则——一个神律:当某个系统能够正常运转时,不要扰乱它;要以它为基层来构建。在自然体系中,改良就是在现存的调试好的系统上「打补丁」。原先的层级继续运作,甚至不会注意到(或不必注意到)其上还有新的层级。
2016-05-21 17:57:41
更进一步说,系统的各个部分(部门、科员、规则、行为方式)都在不出差错地发挥作用——犹如各自独立的系统。「避免碰触部门」自顾自地工作,不管「拿罐子部门」在不在做事。「拿罐子部门」同样干自己的工作,不管「避免碰触部门」在不在做事。青蛙的头即便掉下来了,它的腿还会抽跳,就是这个道理。
布鲁克斯为机器人设计的分布式控制结构后来被称作「包容架构」[1],因为更高层级的行为希望起主导作用时,需要包容较低层次的行为。
2016-05-21 17:59:37
以下是由布鲁克斯的移动机器人实验室开发出来的一套普适分布式控制方法:
先做简单的事。
学会准确无误地做简单的事。
在简单任务的成果之上添加新的活动层级。
不要改变简单事物。
让新层级像简单层级那样准确无误地工作。
重复以上步骤,无限类推。
这套办法也可以作为管理任何一种复杂性的诀窍,事实上它也就是用作这个的。
2016-05-22 11:35:30
当同层的个体之间相互影响时,它们自然而然聚合在一起,形成完整的细胞器官,并成为规模更大但行动更迟缓的网络的基础单元。随着时间的推移,就形成了一种基于由下而上渗透控制的多层级组织:底层的活动较快,上层的活动较慢。
2016-05-22 11:36:20
必须从简单的局部控制中衍生出分布式控制;必须从已有且运作良好的简单系统上衍生出复杂系统。
2016-05-22 11:37:29
山内说:「行为代理之间并没有明确的信息交流。所有的交流都是通过观察其它代理的动作在外界环境里留下的痕迹和影响而得以进行的。」像这样保持事物的局部性和直接性,就可让社会进化出新的行为方式,同时也避免了伴随「硬件」通讯过程而产生的复杂度爆炸问题。和流行的商业说教相反,把每件事告知每个人并非智慧的产生方式。
2016-05-22 11:38:22
一个反射模块并非由另一个模块来通知它做什么,而是直接感知外部世界反射回来的信息,然后再通过其对外部世界的作用把信息传递给他人。「信息有可能会丢失——实际上丢失的频率还很高。但没关系,因为代理会一遍又一遍地不断发送信息。它会不断重复『我看见了。我看见了。我看见了』的消息,直到胳膊接收到信息并采取相应动作改变外部世界,该代理才会安静下来。」
2016-05-22 11:40:25
参与市场活动的个体之间并没有交流,他们只是观察别人的行动对共同市场所造成的影响(不是行动本身)
2016-05-24 22:43:20
蝴蝶的映像投入了植物,而植物的映像也投入了蝴蝶。为了防止蝴蝶幼虫完全吞噬自己的茎叶,马利筋步步设防,迫使黑脉金斑蝶「改变颜色」——想法子绕过植物的防线。这种相互投映仿佛两条贴着肚皮跳舞的变色龙。马利筋如此投入地进行自我保护,以抗拒黑脉金斑蝶的侵袭,结果反而变得与蝴蝶难舍难分。反之亦然。任何长期敌对的关系似乎都包容这样的相互依存。1952年,关注机器如何学习的控制论专家罗斯·艾希比[3]写道:「[生物的基因模式]并没有具体规定小猫如何抓老鼠,但是提供了学习机制和游戏的旨趣,因此是老鼠将捕鼠的要领教给了小猫。」
2016-05-24 22:44:38
共生关系中的各方行为不必对称或对等。事实上,生物学家发现自然界几乎所有的共栖同盟在相互依存过程中都必然有一方受惠更多——这实际上暗示了某种寄生状态。尽管一方所得就意味着另一方所失,但是从总体上来说双方都是受益者,因此契约继续生效。
注: coliation game
2016-05-24 22:50:36
1967年,洛夫洛克写了两篇论文,预言说,根据他对星球大气光谱的解读,火星上面没有生命。十年后,NASA发射了环火星轨道航天器,再十年后的数次壮观的火星软着陆[1]探测终于明白地告诉世人,火星确实如洛夫洛克预测的那样死气沉沉。对金星进行的类似探测带回来同样的坏消息:太阳系里除地球之外一片贫瘠。
洛夫洛克是怎样知道的呢?
是通过对化学反应和共同进化的研究。火星大气和土壤中的成分被太阳射线赋予能量,被火星核心加热,再被火星引力吸附,历经数百万年进入动态平衡。懂得了化学反应的一般规则,科学家就可以将星球当作一个大烧瓶里的物质来对它们的复杂反应作计算。化学家得出火星、金星以及其他行星的近似反应方程式之后,等号两边基本持平:能量、吸入成分;能量、逸出成分。通过天文望远镜、以及后来的实地采样获得的结果都符合反应方程式的预测。
地球却不同。地球大气中气体混合的路数不循常。经洛夫洛克查明,它们的不循常,是共同进化累积形成的有趣效果。
以氧气为例,它占地球大气的21%,造成地球大气的不稳定。氧气是高活性气体,能在我们称之为火或燃烧的激烈化学反应中与许多元素化合。从热力学角度来看,由于大气氧化了固体表面,地球大气中氧气的高含量理应快速下降才对。其他活性示踪气体[2],如一氧化二氮、碘甲烷也处于异常爬升的水平。氧气虽与甲烷共存,却根本不相容,更确切地说,它们太融洽了,以致于会相互引爆。令人费解的是,二氧化碳理应像在其他行星那样成为大气的主要成分,却仅仅是一种示踪气体。除大气之外,地球表面的温度及碱度也处于异乎寻常的水平。整个地球表面似乎是一个巨大、不稳定的化学变异。
在洛夫洛克看来,似乎有一种看不见的能量,一只看不见的手,将互动的化学反应推至某个高点,似乎随时都会回落至平衡状态。火星和金星上的化学反应犹如元素周期表那般稳定,那般死气沉沉。以化学元素表来衡量,地球的化学性质是不正常的,完全失去了平衡,却充满活力。由此,洛夫洛克得出结论,任何有生命的星球,都会展现奇特的不稳定的化学性质。有益生命的大气层不一定富含氧气,但应该突破规范的平衡。
那只看不见的手就是共同进化的生命。
2016-05-24 22:51:29
共同进化中的生命拥有非凡的生成稳定的非稳态的能力,将地球大气的化学循环推至一个洛夫洛克所称的「持久的非均衡态」。大气中的氧含量应该随时都会下降,但数百万年来它就是不降下来。既然绝大多数的微生物生命都需要高浓度的氧,既然微生物化石都已存在亿万年了,那么,这种奇特的不和谐的和谐状态算得上是相当持久而稳定的了。
地球大气寻求稳定的氧含量,与恒温器寻求稳定的温度非常相似。它碰巧使得氧气的平均浓度为20%,按一位科学家的说法「纯属偶然」。低于这个水平是贫氧,高于这个水平就易燃。多伦多大学的乔治·R·威廉斯这样写道:「20%左右的氧含量似乎能够保证某种平衡,在洋流近乎彻底循环的同时,又不会招致毒性物质或可燃性有机物的聚集而产生更大危害。」那么,地球的传感器和温控机制在哪儿呢?那个加热用的炉子又在哪儿呢?
无生命星球通过地质轮回来达到平衡。气体,如二氧化碳,溶入液体并经沉淀析出固体。溶入定量的气体之后达到自然饱和。固体在火山活动中经加热或加压,会将气体释放回大气层。沉降、风化、隆起——所有巨大的地质力量——也如强大的化学作用那样,打断或合成物质的分子链。热力学的熵变将所有化学反应拉到它们的最低能量值[3]。臆想的炉子垮塌了。无生命星球上的平衡不太象恒温控制下的平衡,它更像碗里的水,处在等高的水平;当不能降得更低时就干脆处在同一个水平上。
2016-05-24 22:51:37
而地球则是一个恒温器。相互纠缠共同进化的生命提供了一个自主循环的回路,引导地球的化学物质趋向上升的势能。大概要等地球上所有的生命都寂灭之后,地球的大气才会回降至持久的平衡态,变得像火星和金星那样单调乏味。但是,只要生命的分布式之手仍占主导地位,它就能保持地球的化学物质脱离四平八稳的状态。
但失衡本身却是自主平衡的。共同进化的生命产生的持久失衡,自有其稳定之道。洛夫洛克一直致力于寻找这种持久失衡的存在。据我们所知,地球大气中20%左右的氧含量已保持了亿万年之久。大气层像一个高空悬索上摇摇摆摆的杂技演员,而且几百万年来一直保持着那个欲跌还休的姿势。她永不坠落,也永远摆脱不了坠落的趋势,始终处于摇摇欲坠的状态。
洛夫洛克认为这持久的摇摇欲坠状态是生命的显著特征。近来复杂性理论的研究人士也已意识到,任何活系统:经济体、自然生态系统、复杂的计算机模拟系统、免疫系统,以及共同进化系统,都具有摇摇欲坠的显著特征。当它们保持着埃舍尔式[4]的平衡态——处在总在下行却永远未曾降低过的状态时,都具有那种似是而非的最佳特性——在塌落中平衡。
2016-05-24 23:02:43
冯·诺依曼最感兴趣的是想看看自己能否给这种互动游戏找出最理想的策略,因为乍一看来,它们在理论上几乎是无解的。于是他提出了博弈论作为解答。位于加利福尼亚州圣塔莫妮卡市的兰德公司是美国政府资助的智库。那里的研究人员发展了冯·诺依曼的工作,最后列出了四种有关相互猜测游戏的基本变体。每一个变体各有不同的输赢或平局的奖励结构。这四个简单的游戏在技术文献中统称为「社会困境」,但又可以被看作是构造复杂共同进化游戏的四块积木。这四个基本变体是:草鸡博弈、猎鹿博弈、僵局,以及囚徒困境。
2016-05-24 23:05:46
阿克塞尔罗德发起的、有14位玩家参与的「囚徒困境」循环锦标赛是在电脑上进行的。1987年,阿克塞尔罗德通过设定一套系统拓展了这个电脑游戏。在系统里,有一小群程序玩家执行随机产生的「囚徒困境」策略。每个随机策略在和所有其它运行中的策略对阵一圈之后被打分,得分最高的策略在下一代的复制率最高,于是最成功的策略便得以繁衍和传播。许多策略都是通过「捕食」其他策略来取胜的,因而,只有当猎物能存活时,这些策略才能兴旺发达。这就导出了自然界荒野中俯拾皆是的生物数量呈周期性波动的机理,说明了狐狸和兔子的数量在年复一年的共同进化的循环中是如何起起落落的。兔子数量增,狐狸繁殖多;狐狸繁殖多,兔子死翘翘。但是没有了兔子,狐狸就得饿死。狐狸数量少了,兔子数量就多了。兔子多了,狐狸也就多了,以此类推。
2016-05-24 23:06:45
1990年,在哥本哈根尼尔斯波尔研究院工作的克里斯蒂安·林德格雷[7]将这个共同进化实验的玩家数扩展到一千,同时引入随机干扰,并使这个人工共同进化过程可以繁衍到三万世代之后。林德格雷发现,由众多参与「囚徒困境」游戏的愚钝个体所组成的群体不但重现了狐狸和兔子数量的生态波动,也产生出许多其他自然现象,如寄生、自发涌现的共生共栖,以及物种间长期稳定的共存关系等,就如同一整套生态系统。林德格雷的工作让一些生物学家兴奋不已,因为在他的漫长回合博弈游戏中出现了一个又一个的周期。每个周期的持续时间都很长;而在一个周期内,由不同策略的「物种」所形成的混合维持着非常稳定的状态。然而,这些盛世都被一些突发、短命的不稳定插曲所打断,于是旧的物种灭绝,新的物种生根。持新策略的物种间迅速达成新的稳定,又持续发展数千代。这个模式与从早期化石里发现的进化的常见模式相契合,该模式在进化论业界里叫做间断平衡[8],或简称为「蹦移(punkeek)」
2016-05-24 23:12:15
风和春季洪水侵蚀着土壤,暴露出地下土层,新组成的腐殖质和矿物成分初露地表。土壤混合物上下搅动翻身的同时,与之息息相关的动植物也混杂着搅动变迁。郁郁葱葱的仙人掌树丛,比如巨树仙人掌丛林,可以在短短不到100年之内迁进或迁出西南部的小块沙漠地带。如果延时拍摄后用普通转速放映的话,会发现巨树仙人掌丛林在沙漠景观里蔓延的过程就像水银泻地。能游走的不仅仅只有仙人掌树丛。在同样缩时拍摄的画面里,中西部稀树大草原的野花绕着橡树丛漫溢上来,犹如涌来的潮水,有时,将树丛尽没在茫茫草原里;有时,山火过后,花草的潮水又会退却,复现扩散膨胀的橡树林。生态学家丹·鲍肯[3]曾这样描述过,森林「和着气候变换的节拍缓缓地穿行于地貌之中。」
2016-05-24 23:19:13
这种发育过程还有其他奇特的侧面,如果这块新开发地开始于100英亩潮湿的沼泽区,而不是一块田地,或者换成同样大小的密歇根干燥多沙的沙丘,那么最初来接管的物种是不同的(沼泽上会是莎草,沙丘上会是覆盆子),但是物种的混合逐渐向同一个终点会聚,那就是阔叶林。三粒不同的种子孵化成同样的成体。这种会聚现象使得生态学家萌生了生物演替存在终点或是顶极群落[6]的设想。在某一区域,所有生态混合体趋于转替直到它们达到一种成熟、终极、稳定的和谐。
在气候温和的北方,土地「想要」的是阔叶林。只要时间充足,干涸的湖泊或风沙沼泽地都会成为阔叶林。如果再暖和一点,高山山顶也会有此愿望。就好像在复杂的吃与被吃的食物链网中,无休止的生存竞争搅动着该地区混杂在一起的物种,直到混合态变成阔叶林这种顶极形态(或是其他气候条件下的特定顶极群落),那时,一切就会平静地归于一种大家都可接受的和平,土地就在顶点混合状态下平息下来。
2016-05-24 23:19:43
连接性守恒:意指由连接数量和连接强度组成的某种形式的合量保持不变,即连接数量增加时,强度降低;反之亦然。
2016-05-25 10:16:19
形成网络的复杂性会逆转事物间通常的可靠性关系。举例来说,现代照相机中的单个开关件可能有百分之九十的可靠性。把数百个开关凑合着连成一个序列,如果不按分布式排列,这数百个开关作为一个整体,其可靠性就会大大降低——就算它们有百分之七十五的可靠性吧。而如果连接得当——每一个开关都把信息传给其他开关——比如在先进的小型数码相机中,与直觉相反,照相机整体的可靠性可上升至百分之九十九,超出了每个个体部件的可靠性。
但此时照相机有了许多新的由部件组成的子集,每个子集就像是一个部件。这样的虚拟部件越多,部件层面发生不可预知行为的总体可能性就会越大。出错的路径千奇百怪。因此,虽然作为一个整体的照相机的可靠性更高了,但当它出现意外时,就常常是想象不到的意外。老相机容易失灵,也容易修。新相机则会创造性地失灵。
2016-05-25 10:40:51
法尔科发明了一个连通装置,把水下大舵的位置,和能够轻松操纵的小舵杆的位置联系到一起——也就是一个自动反馈回路!这样一来,舵杆就能够指示出大舵的实际位置,并且通过这个回路,移动舵杆这个指示器——也就是在移动大舵这个实体。用计算机领域的行话来说,这就是所谓的所见即所得!
2016-05-25 10:41:29
二战时期的重型火炮的炮管,也是这么操作的。装着液压油的液压管把一个小的转动杠杆(小舵杆)连接到炮管转向装置的活塞。当操炮手把杠杆移动到预计的位置时,这一小小的转动,就会挤压一个小活塞,使得阀门打开,释放液压油去顶起一个大活塞,进而摆动巨大沉重的火炮炮管。反过来,当炮管摆动的时候,它又会推动一个小活塞,而这个小活塞则会引动那个手动的杠杆。所以,当炮手试图去转动那个小舵杆的时候,他也会感觉到某种温和的抗力,这种抗力,就是由他想移动的那个大舵的反馈产生的。
2016-05-25 10:47:03
工程师们发现的这个控制论原理是个一般性的原理:如果所有的变量都是紧密相关的,而且如果你真正能够最大限度地控制其中的一个变量,那么你就可以间接地控制其它所有变量。这个原理的依据是系统的整体性。正如拉蒂尔所写的,「调节器关注的不是原因;它的工作是侦测波动并修正它。误差可能来自某种因素,其影响迄今仍然无从知晓,又可能来自某种业已存在,而从来没有受到过怀疑的因素。」系统怎样、何时达成一致性,超出了人类知识范围,更重要的是,也没有知道的必要。
2016-05-25 10:49:48
不过,不是每一种自动电路都能产生比尔·鲍尔斯的炮管所拥有的铁定会产生的即时性。在一个串接的回路串中,每增加一个回路,都加大了一种可能:即在这个变得更大的回路中漫游的信号,当回到它的起点的时候却发现事情早在它还在回路中游荡的时候就已经发生了根本性的改变。特别是那些环境快速变动中的大型网络,遍历整个线路所需的那几分之一秒,都可能要大于环境发生变化所需要的时间。而作为回应,最后一个节点倾向于发出更大的修正作为补偿。可是,这样一种补偿性的指令,同样会因为所需穿越的节点太多而被延迟,于是它抵达时也错过了移动标记,就又产生了一个无缘无故的修正。这就跟新手开车总是开出之字形道理一样,因为每次对方向的修正,总是会矫枉过正,超过上一次的过度反应。这种情况会一直延续下去,直到新手学会收紧整个反馈回路,让它作出更小、更快的反应,否则他一定会不由自主地(徒劳地)在高速路上改变方向寻找中线。这也是简单的自动线路为什么会消亡的原因。它往往会进入「大摆」或者「频跳」的状态,也就是说,神经质地从一个过度反应摆荡到下一个过度反应,努力寻求安稳。对付这种过度补偿的倾向,办法有一千种,每个办法都有上千种已经发明出来的更先进的电路实现。在过去的四十年间,有控制理论学位的工程师们写了装满一个书架又一个书架的论文来交流刚刚发现的震荡反馈问题的最新解决方案。幸运的是,反馈回路是可以被整合进入有用的配置之中的。
2016-05-25 10:51:49
让我们以抽水马桶这个控制装置原型机为例。给它安上一个把手,我们就可以调节水箱中水线的高度。而水箱中的自我调节机制会随之把水调节到我们所设定的高度。向下扳,自我调节机制就会保持在一个满意的低水平,往上扳,它就会放水进来达到一个高水位。(现代的抽水马桶上还真有这种把手。)现在让我们走得更远一点,再加上一个自我调节的回路来扳动把手。这样一来,我们就可以连这一部分的活都放手不做了。这第二个回路的工作,是为第一个回路寻找目标。这么说吧,第二个机制在感受到进水管的水压,就会移动把手,如果水压高,就给水箱定一个高水位,如果水压低,就给它定一个低水位。
第二个回路控制着第一个回路的波动范围,而第一个回路则控制着水。从抽象的意义上来说,第二个回路给出的是一种二级控制:对控制的控制,或者说,元控制。而有了这个元控制,我们这个新出炉的二级马桶的行为方式就是「有目的的」。它可以依据目标的变化进行调整。尽管为第一个线路进行目标设定的第二线路也同样是机械的东西,但整个机制本身确实在选择自己的目标的事实,使这个元回路获得了某种生物的感觉。
2016-05-25 10:52:57
就是这么简单的一个反馈回路,却可以在一种无穷无尽的整合过程中缝合在一起、永远共同地工作下去,直到形成一个由各种具有最不可思议的复杂性和错综复杂的子目标构成的塔。这些回路塔会不断地给我们带来诧异,因为,沿着它们流转的信号,会无可避免地相互交叉自己的路径。A引发B, B引发C, C又引发A。以一种直白的悖论形式来说:A既是原因,又是结果。控制论专家海因茨·冯·福斯特把这种难以捉摸的循环称为「循环因果」[16]。早期人工智能权威沃伦·麦克洛克[17]把它称为「非传递性优先」[18],意思是说,优先级的排序上会像小孩子玩的石头—剪刀—布那样无休止地以一种自我参照的方式自我交叉:布能包石头,石头能崩坏剪刀、剪刀能裁剪布,循环不已。而黑客们则把这种情况称之为递归循环。
2016-05-26 23:38:48
在布满这类物品的生态办公室里,房间会知道我在哪里。如果我不在房间里,显然它(它们?) 就应该把灯关掉。威瑟说道:「大家都携带自己的电灯开关,而不是在各个房间里安装电灯开关。想开灯时,口袋里的智能开关就会将你所在房间的灯打开,或者调到需要的亮度。房间里不必装调光器,你手里就有一个,个性化的灯光控制。音量调节也是一样。礼堂里每个人都有自己的音量控制器。音量往往要么过大,要么过小;大家都像投票似地使用自己口袋里的控制器。声音最终定格在一个平均值上。」
2016-06-02 23:57:51
磨损的标记是涌现出来的。它们是大量个体活动的产物。如同大多数涌现出来的现象一样,磨损有自我巩固的倾向。自然界里的一条沟壑多半会促成更多的沟壑。同样,与大多数涌现的属性相仿,磨损能够传递信息。现实生活中「磨损是直接刻在物体上的纹身,它在哪里显现,就表明那里有值得注意的不同,」威尔·希尔说道。他是贝尔通信研究所[1]的研究员。
希尔想要做的是将物理磨损所传递的环境意识嫁接到办公室的机器生态中去。比方说,希尔认为使用者与电子文档间的互动记录能大大丰富电子文档的信息。「在使用电子表格对预算进行调整的时候,每个格子修订的次数都可以映射到一个灰度区间,从而以视觉形式表现出哪些格子里的数字被改动得最多或最少。」这样一来就指出了哪里可能有混淆、争议或错误。另一个例子是,在使用效率工具的企业中,人们能够追踪到文件在被各个部门踢来踢去的过程中哪些部分被改动得最多。程序员们把这类走马灯式变来变去的热点称作「折腾」(churns)。他们发现,在一群人编写的成百万行代码中,如果能找出「折腾」所藏身的区域会是非常有用的。软件商和设备商们会很乐意掏钱购买有关他们产品的综合信息——哪部分用得多,哪部分用得少。这类详尽的反馈有助于他们改进产品。
在希尔工作的地方,所有从他实验室流过的文件都保有其他人或机器与之互动的记录。当你选读一篇文件时,显示器上会出现一窄条画面,上面有一些小小的刻度尺,标示出其他人花在各个部分上的累计时间。你一眼就可以看到有哪几处是其他读者流连的地方:或许是某个关键的段落,获许是某个让人眼睛一亮但又有点含混不清的段落。大众的使用率也可以通过字号的逐渐加大来显示。这有些像杂志中加大字体的「醒目引文」,不过,这些被突出的「常用」段落是从不受控的集体鉴赏中涌现出来的。
磨损可以看作是共同体的一个妙喻。单个的磨损痕迹是无用的。但是汇聚起来并与他人共享,其存在就有了价值。它们分布得越广,其价值就越高。人类渴求隐私,但事实上,我们的社会性胜过独立性。如果机器也像我们这样互相了解(甚至是一些很私密的事情),那么机器生态就是不可征服的。
2016-06-03 00:03:09
闭环制造是活体植物细胞内自然闭环生产的映射——细胞内的大量物质在非生长期间进行内循环。电镀工厂中的零污染闭环设计原则可以应用于一个工业园或整个工业区,从全球化的观念去看,甚至可以覆盖整个人类活动网络。在这个大循环里任何东西都不会丢弃,因为根本没有「丢弃」一说。最终,所有的机器、工厂以及人类的种种机构都成为一个更大的全球范围的仿生系统的成员。
2016-06-03 00:04:37
这种情景发展到极致的话,在我们的世界中就会充斥着高度变化的物质流,以及分散的、稀释的可回收物质。自然界擅长于处理分散和稀释的东西,而人工却不行。一座价值数百万美元的再生纸厂需要持续不断的、质量稳定的旧报纸供应。假如某天因为人们不再捆绑他们的旧报纸而造成纸厂停产,这样的损失是无法承受的。那种为回收资源建造庞大储藏中心的惯用方案使得原本就不丰厚的利润消耗殆尽。工业生态必须发展为网络化的及时生产系统[5],动态地平衡物质流量,使本地多余或短缺的物质得以穿梭配送,进而最小化应变库存。越来越多由网络驱动的「灵活工厂」能够采用可适应的机制,生产更多品种的产品(但每种产品的数量却较少),从而来处理质量变化幅度更大的资源。
2016-06-08 09:11:45
企业所面临的挑战可以简要地概括为:向外扩展企业的内部网络,使其包含市场上所有与公司打交道的实体或个人,从而编织起一张巨大的网,把雇员、供应商、监管人员和消费者都囊括进来,使他们都成为公司的集体性存在的一部分。「他们」,就是公司。
2016-06-08 09:14:54
一个纯粹网络化的公司,应该具有以下几个特点:分布式、去中心化、协作以及可适应性。
2016-06-08 09:21:11
在一个成熟的网络经济中,应该做到通过添加弱通讯能力而把这些东西跟前台管理系统以及消费者联结起来。生产带有主动微型芯片而不是被动条形码的小东西,就意味着在一家有数以千计的货架的折扣店里,每个货架上都摆放着数百个智力迟钝的小东西。那么,为什么不激活这些芯片?它们现在可是有智力的。它们可以自己显示价格,托你的福,还可以很容易地按照销售情况来调整价格。如果店主想要促销,或是你手上有某种优惠券或者打折卡,它们可以重新计算自己的价格。一个产品还可以记住你是否在看了一眼标价后就走开了——这可是店主和制造商很感兴趣的信息。无论如何,广告商可以吹嘘说:至少你抬眼看了。当货架上的商品获得自己或相互之间的注意,并且和消费者产生互动的时候,它们会迅速迸发为完全不同的经济形态。
2016-06-08 09:24:05
通用汽车公司在测试新车应对急弯的性能时,会让这辆车在不同的时速下进行测试,譬如50、60、70英里。显然,性能随时速的变化是连续的。如果一辆汽车能够在时速50、60、70英里的时候通过测试,无需测试我们就会知道,在各种中间速度——比如每小时55或者67英里——的时候,它也肯定能通过测试。
他们不用担心这辆车以每小时55英里的速度行驶时会突然长出翅膀来或者翻个底朝天。它在这个速度上的性能,基本上就是它在50英里和60英里时性能的某种插值。一辆汽车就是一个连续的系统。
计算机软件、分布式网络以及绝大多数的活系统都是非连续的系统。在复杂的适应性系统中,你根本不可能依赖插值函数来判断系统的行为。你的软件可能已经平稳运行了好几年,然后突然在某些特定的值点(比如,每小时63.25英里),轰隆一声系统爆炸,或者,突变为某种全新的东西。
断点始终都存在着,而你已经测试到了所有的邻近取值,却没有测试到这特别的一组环境值。事情发生后,你会一目了然为什么这个故障会导致系统崩溃,甚至能明白地指出为什么人们本该找出这个隐患。不过,这都是事后诸葛亮。在一个拥有海量可能性的系统中,根本不可能对所有的可能性进行测试。更糟糕的是,你还不能依靠抽样的方式来对系统进行测试,因为它是非连续的系统。
2016-06-08 09:25:12
软件可靠性大师C.K.曹曾经告诫业界人士,不要把软件看成产品,要把它看成便携式工厂。你卖的,或者说,你给予客户的是一个工厂(程序代码),可以在客户需要的时候为他制造出一个答案。你的难题是要制造一个能生产零缺陷答案的工厂。建造能够生产出完美可靠器件的工厂的方法,也可以轻易地应用到创建能给出完美可靠答案的工厂上。
2016-06-08 09:54:48
电话号码簿之所以有价值,是因为找某个特定的电话号码省事了。电话刚出现的时候,把某个电话号码列在号码簿里对编制者和所有电话用户都是有价值的。但今天,在电话号码唾手可得的世界里,一个没有列在号码簿的号码对于不想被列出的用户(要付更多的钱)和电话公司(可以收到更多的钱)来说却更有价值。隐私现在是一种定价销售的商品。
2016-06-08 09:55:30
隐私是与普通信息极性相反的信息,我把它想象成「反信息」。在系统内移除一点信息,就可以看作是这个系统重新生产了相应的反信息。在这样一个信息之水滔滔不绝无限复制以至于要涨爆互联网的世界里,一点点信息的消失或者蒸发就变得非常有价值——如果能永远消失,就更有价值了。
2016-06-08 09:58:39
盗版者会先找到一个有效注册的解码器盒子——比如说,在酒店房间里——然后把这个解码器上的ID克隆到别的芯片上。客户可以把他的解码器寄到保留地「维修」,新的解码器寄回来的时候就克隆了酒店解码器盒子上的ID。电视节目所采用的广播方式是无法察觉那些克隆出来的观众的。简而言之,黑掉这个系统的方法不是解密,而是在密码与其附属的设备之间做了手脚。
2016-06-08 10:06:33
加密-计量方法的精细粒度让斯普拉格非常兴奋。我请他举例说明这种方法到底能够达到多么精细的程度,他立刻就说出一个,很明显他已经对这事琢磨一会儿了:「比如说,你在科罗拉多州特柳赖德市自己的家中,想写荤段子。假设你一天可以写一个,我们可能会在世界上找到1万个人愿意每天付10美分来看你写的段子。这样一来,我们一年就可以收上365, 000美元,其中给你12万,你这辈子就够花了。」一个不值钱的段子,不管写得多淫荡多巧妙,除了网络,你找不到其他任何市场出售,不值得一卖。也许整本书有可能——也就是把荤段子汇编成集。单独一篇,不可能。但是在网络市场,哪怕是一个段子——信息量也就跟一块口香糖那么多——也值得制作和销售。
2016-06-14 10:21:59
按照迄今为止的实施情况,智能卡版的现金,如果被偷或者丢失的话,它跟实物现金一样有相同的价值,也造成相同程度的损失。不过,如果用个人身份码来加密的话,可以极大地增进安全性,虽然用起来会有些麻烦。乔姆预测,数字现金的用户进行小额交易时会用较短的个人身份码,或者完全不用密码,而进行大额交易则会用较长的密码。考虑了一会,乔姆又说,「为预防被强盗用枪逼着说出密码,艾丽丝可以使用一种『挟持密码』,输入后智能卡表面上正常工作,实际上却隐藏了那些更有价值的财产。」
2016-06-14 10:55:40
只要你挂上电话,电子货币账户就要为这一通话付费,或者——这样做怎么样?——在你通话的时候就付费。支付与使用同时发生。随着流通速度的加快,连续电子货币就能接近即时支付。而这会妨碍银行的发展,银行现在的利润有很大一部分是来自于「在途货币」[2],——即时性令其不复存在。
2016-06-14 10:57:06
或者,如果你能够提前发送款项,也许就能按分钟收取利息。或者,在个人电脑上编个程序,让它能够按照银行优惠贷款利率来区别付费,——为业余人士把货币交易写成程序。或者,可以让电脑追踪汇率,用当前最不值钱的货币支付账单。
2016-06-14 11:02:40
加密胜出,因为它是必要的反作用力,防止互联网不加节制地联结。任由互联网自行发展,它就会把所有人、所有东西都联结在一起。互联网说,「连接」。密码则相反,说「断开」。如果没有一些隔断的力量,整个世界就会冻结成一团超载的、由没有私密性的联结和没有过滤的信息组成的乱麻。
2016-06-14 11:29:05
在其演示版中,利普曼的小组用《我爱露茜》[1]中较早一集作为素材,从一组镜头里抽取了露茜客厅的视觉模型。露茜的客厅变成了硬盘上的一个虚拟客厅。这个时候,客厅的任何一个部分都可以尽显无疑。利普曼接着用一台电脑把露茜的移动形象从背景场景中移除。当他要传输整个一集时,他会传输出两套不同的数据:作为虚拟模型的背景数据,和露茜的移动图像影片。观众的电脑把露茜的角色移动和由虚拟模型所生成的背景重新组合起来。这样一来,利普曼只需偶尔传送客厅那组数据,而不用像平常那样连续不断地传送数据;只有当场景或灯光发生变化时才进行更新。利普曼说:「可以想见,我们能把一部电视连续剧的所有背景场景数据都储存到一张光盘的开头部分,而重构25集所需的各种动作和镜头移动可以放到剩下的磁盘空间中。」
2016-06-14 11:28:16
建模,发送,然后让接收方来填充细节——还有什么比这更好的压缩复杂性的办法呢?
2016-06-14 11:34:55
如果没有提出「如果」的能力,这个「东距73战役」的仿真就只不过是一个非常昂贵的引人入胜的纪录片而已
2016-06-14 11:39:15
一个真正坦克中的真正炮手,塞进一个价值数百万美元的钢铁舱室内的小洞里。他的周围全都是各种电子设备和仪表盘以及液晶读数屏。他跟外界战场之间的唯一通道就是眼前这个小小的电视监视器,可以像潜望镜那样用手来旋转。而他跟同僚之间的联系也要通过耳麦进行。这实际上跟操纵一个仿真装置一般无二。而他获知的一切——仪表盘上的读数和监视器上的图像,甚至他发射的导弹所造成的爆炸,都能被计算机渲染出来。那么,监视器上那一英寸高的坦克是真是假,又有什么关系呢?
2016-06-14 16:02:14
道金斯认为,要想造出一个有实际意义的生物「大千」,就必须把可能的形状限定在具有一定生物学意义的范围内。否则,即使用了累积选择的方法,找到足够多生物形态的机会也会被淹没在所有形状汇成的茫茫大海中。毕竟,他解释道,生物的胚胎发育限制了它们变异的可能性。举个例子,大多数生物都显示出左右对称的特性;通过把左右对称设定为生物形态的基本要素,道金斯就能够缩小整个库的规模,也就更容易发现生物形态。他把这种缩减称为「受限胚胎学」。他给自己的任务是设计一个「生物学意义上有趣的」受限胚胎学。
2016-06-14 16:03:38
道金斯告诉我:「一开始我就有个强烈的直觉,我想要的胚胎学应当是递归的。我的直觉一部分是基于这样一个事实——真实世界中的胚胎学可以被看作是递归的。」道金斯所说的递归,是指简单规则一遍又一遍地循环应用(包括用于其自身的结果),并由此生成了最终形式所具有的绝大多数复杂性。譬如,当「长出一个单位长度然后分岔成两个」的递归规则重复应用于一段起始线条上时,大约五次循环之后,它就会生成一片灌木般的具有大量分叉的形状。
其次,道金斯把基因和躯体的理念引入到库里。他认识到,(书中的)一串字母就好比是生物的基因。(在生物化学的正规表述中,甚至就用一串字母来表示一段基因。)基因生成肌体组织。「但是,」道金斯说:「生物基因并不控制肌体的各个微小部分,这就相当于它并不控制屏幕上的像素点。相反,基因控制的是生长规则,也即胚胎的发育过程,而在『生物形态王国』里,就是绘图算法。」因而,一串数字或文字就相当于一段基因(一条染色体),隐含着一个公式,并按这个公式用像素点绘出图案(躯体)。
2016-06-14 16:03:59
这种以间接方式生成形式的结果就是,图书馆中几乎任何随机角落里摆放的——或者说,几乎所有基因生成的——都是符合逻辑的生物形状。通过让基因控制算法而非像素,道金斯在他的「大千」中建立了一条内在语法,阻止了一切旧日荒谬的出现。即使是再出乎意料的变异,结局也不会是一个不起眼的灰点。同样的变换在博尔赫斯图书馆里也可以实现。每个书架的位置不再代表一种可能的字母排列,而是代表一个可能的词语排列,甚至是可能的句子排列。这样一来,你选中的任何书都将至少是接近可读的。这个得到提升的词语串空间远比文字串空间小,此外,正如道金斯所说,限定在一个更有意思的方向上,你就更有可能碰到有意义的东西。
道金斯引入的基因是以生物的方式发生作用——每次变异都按结构化的路径来改变多个像素。这不仅缩小了生物形态库的规模,将其精炼成实用的形态群,而且为人类繁育者提供了发现形式的替代途径。生物形态基因空间的任何微妙变化都将放大成图像的显著而可靠的变化。
2016-06-14 16:37:08
在一面纸墙上,拉萨姆先画出一个简单形状,比如顶部中间位置画一个圆椎体,然后用渐趋复杂的圆锥体图形填满剩下的空间。每一个新图形的产生都遵循拉萨姆所预设的规则。一个形状与其变化而来的后代形状们之间用细线相连起来。通常,一个形状会有多个变形。在这张巨大画面的底部,圆锥体变形成华丽的金字塔和带有艺术装饰风格的丘形。从逻辑上讲,这幅画是一个族谱图,但包含许多交叉婚姻。整个画面挤得满满当当,看起来更像一个网络或电路。
拉萨姆把这种用来生成各种形式并选择特定后代进一步演化的「基于规则的受迫过程」称为「形式合成」。
2016-06-14 16:40:57
在自然生物学(至少是我们目前所知的)基础上更进一步,拉萨姆的变异体程序会追随繁育者在库中的足迹。对于在特定繁育过程中保持不变的基因,变异体程序会认为它们是繁育者所喜好的,因而让它们成为显性基因[2];而对于那些变化不定的基因,变异体程序则认为它们是试验性质的,且不为繁育者所喜爱,因而将其定义为隐性基因,以减小它们的影响
2016-06-14 16:42:23
读者可能会有些困惑:狮头、蛇尾、分叉舌,并没有超出父母双方所具有的特性啊!实际上,「内亲」和「外戚」的差别在于,「内亲」是一种线性插值,而「外戚」则不是。狮子和蛇的内亲,有狮头蛇尾,或者有蛇头狮尾,都不足为奇;但狮头里长出分叉舌来,则超出了「线性」变异的范畴,因而不属于「内亲」。相对于可能存在的「外戚」来讲,「内亲」只是极小的一个集合,但由于「内亲」所具有的线性关联性,因而具有很多很好的特性。
2016-06-14 16:59:42
归根结底,繁育一个有用的东西几乎就和创造一个东西一样神奇。理查德·道金斯的论断印证了这点,他说:「当搜索空间足够大时,有效的搜索流程就与真正的创造并无二致了。」在包括一切可能之书的图书馆里,发现某一本特定的书就等同于写了这本书。
2016-06-14 17:00:46
《循环的宇宙》[2]作者威廉·庞德斯通[3]用一个类比来阐述为什么搜索知识所形成的巨大博尔赫斯库与搜索自然本身形成的博尔赫斯库一样困难。想像一座包含所有可能之视频的图书馆。像所有的博尔赫斯空间一样,这个图书馆的绝大多数馆藏品都充满了噪音和随机灰度。通常一盘磁带所能播放出来的只是两个小时的雪花斑点。要找到一盘可以一看的磁带,最大的问题在于,一盘随机磁带除了它本身,无法用占用更少空间或更短时间的符号来表示。博尔赫斯库中的大多数藏品都无法进行哪怕是一点点压缩。(这种不可压缩性正是随机性的最新定义。)要想搜索磁带,你只有去观看带子的内容,因而花在对磁带进行整理上的信息、时间和精力将超过创作这盘磁带的所需,不论这盘带子的内容是什么
2016-06-14 17:01:38
一些研究人类心智的学生提出了一个强有力的论点:思维是大脑内想法的进化。根据这种主张,所有创造物都是进化出来的。当我写下这些文字时,我不得不承认这一点。我在写这本书之初,脑子里并没有一个成形的句子,完全是随意选了一个「我被」的短语;接着下意识地对后面可能用到的一脑袋单词做了个快速评估。我选了一个感觉良好的「封闭」。接着,继续从10万个可能的单词中挑选下一个。每一个被选中的都繁育出可供下一代用的单词,直到我进化出差不多一个完整的句子来。在造句时,越往后,我的选择就越受到之前所选词汇的限制。所以说,学习可以帮助我们更快地繁育。
2016-06-14 17:30:48
在「地球」中,寄生虫有时会在无性繁殖中「借用」其他病毒的复制功能,而「收割机」有可能在这个过程中碰巧杀死了宿主,宿主原有的空间被新病毒占用。发生这种情况的时候,寄生虫就会使用新病毒的部分代码,以及「死去」病毒被打断了的部分复制功能。由此产生的后代是个未经刻意变异而产生的天然的新组合。(雷还说这种古怪的繁殖「相当于和死人发生性关系!」)在雷的「培养液」里这种中断式交配其实一直都在发生,但只有当他关闭变异功能时,他才注意到这点。
2016-06-14 17:39:47
早期认为进化与学习紧密相关的直觉又被连接主义重新唤醒了。探索人工学习的连接主义者通过将愚钝的神经元联结成巨大的网络而大展拳脚。他们研发了一种基于联结的并行处理方法——在虚拟或硬件实现的并行计算机上运行——与遗传算法相似,它能同时进行大量的运算,不过它的评估机制更加精密(更聪明)。这些大大「开窍」了的网络被称为神经网络。
2016-06-14 17:43:23
生物进化者们还可以进化出一种对抗肝炎病毒的抗体,然后再进化出一种与抗体相配的仿肝炎病毒。被选中的病毒并非完美的变种,而是缺失了一些可引发致命症状的活性点。这种有缺陷、无能力的替代品就是所谓的疫苗。因而,疫苗也可以通过非工程的方法进化出来。
2016-06-15 10:18:48
任何能将可遗传信息与可消亡机体合二为一的系统都具备了进化系统的要素。
2016-06-15 10:21:08
互补构型(complementary shape):指能像手与手套、钥匙与锁一样合在一起的构型。
2016-06-15 10:23:54
任何人都知道,进化和学习的方式可能有数百种;不论哪种策略,实际上都是在对图书馆或空间进行搜索。「传统人工智能研究的闪光思想——也是唯一思想——就是『搜索』,」艾克利断言道。实现搜索的方法有很多种,对自然生命中起作用的自然选择只是其中的一种。
2016-06-15 10:34:22
当计算机程序膨胀到几十亿行代码时,仅仅是维护程序、保持正常运行本身就会成为一个主要负担。有太多的经济活动和人的生命会依赖于这种数十亿行的程序,因此不能让它们有哪怕片刻的失效。戴维·艾克利认为,可靠性和无故障运行时间将成为软件最首要的任务。「我敢说,对真正复杂的程序来说,仅仅是为了存活下来就要消耗更多的资源。」目前,一个大型程序中只有一小部分致力于维护、纠错和清理工作。「将来,」艾克利预言道,「百分之九十九的原始计算机周期都将被用在让这个怪兽自我监视以维持其正常运转上。只有剩余的百分之一将被用于执行用户任务——电话交换或其他什么。要知道,这个怪兽只有活下来,才能完成用户任务。」
2016-06-18 12:26:58
如果时间足够充裕的话,今天的计算机勉强能进行人类动作的计算。但是,要想进行实时计算,就像你的身体在真实生活中那样随机应变,这种仿真几乎是无法计算的。人体大概有200个运动点。这200个运动点所能做出的动作姿态其数量基本上是天文数字。单单是个抠鼻子的实时动作,所需要的计算量就已经超过了我们现在所拥有的大型计算机的能力。
而人类动作的复杂性还不仅仅于此,因为身体的每一个姿势都可以通过多种不同的途径来达到。当我把脚伸到鞋里去的时候,我要通过小腿、脚以及脚趾的数百个动作的配合引导腿精确完成整个运动。事实上,我的四肢在走路时所完成的动作顺序是如此地复杂,以至于有足够的余地允许用上百万种不同的方式去完成它。通常,熟人在一百尺开外不用看我的脸就能把我认出来,完全是因为我走路时无意识地使用了惯用的腿部肌肉。模仿他人的动作组合是非常困难的。
2016-06-18 12:31:02
行为学架构的核心是「去中心化」这样一个关键概念。正如丁柏根在他1951的著作《昆虫研究》[4]中指出的,动物行为是一种去中心化协同,它将许多独立的动作(驱动)中心像盖房子一样搭建到一起。有些行为模块是由反射现象组成的;它们能调用一些简单的功能,比如遇热时回缩,或者被触碰时闪避。这些反射现象既不知道自己所处的位置,也不知道外界在发生什么事,甚至不知道它们所附属的这个身体当前的目标是什么。无论什么时候,只要出现适当的刺激,它们就会被触发。
雄性鳟鱼会本能地对下面这些刺激因素做出反应:一条已经到了交尾期的雌性鳟鱼,一条游到附近的虫子,一个从身后袭来的捕食者。但是,当这三种刺激因素同时出现的时候,捕食者模块总是会压制交配或者进食本能,抢先反应。当不同的行为模块之间或多个同时出现的刺激之间出现冲突的时候,就有某种模块被激活以做出决策。比如说,你正在厨房里,两手弄得很脏,这时候电话响了,同时外面又有人敲门。在这种情况下,那些相互冲突的冲动——赶快去接电话!不,先擦干净手!不,得冲到门口去!——就可能使你手足无措,除非这时有另外一个后天习得的行为模块进行仲裁,也许就是这个模块让你喊出一声:「请等一下!」
2016-06-18 12:31:37
同时做揉肚子和拍头动作相当困难,因为出于某种未知的原因,其中一个动作压制另一个动作。通常,一个输出信息可能会在激活某些中心的同时抑制其它中心。显然,这是一个网络的架构,充斥着大量的循环因果关系和首尾相衔的怪圈。
2016-06-18 12:32:01
外在行为就这样从错综复杂的盲目反射中涌现出来。由于行为源头的分布式特性,底层最简单的代理也能在上层产生意料之外的复杂行为。猫的身上并没有什么中心模块去决定这只猫挠自己的耳朵或者舔自己的爪子。相反,这只猫的所作所为是由独立的「行为代理」——即各种反射——构成的乱麻般的网络决定的,这些代理彼此交叉激活,构成一个总体的行为模式(就是称为舔或挠的动作),从这个分布式的网络中冒了出来。
2016-06-18 12:33:12
奥兹世界涉及了三个控制研究的前沿领域:
如何组织一个既允许一定偏离又围绕着既定结局的故事?
如何构建一个能产生意外事件的环境?
如何创造自主但又受节制的生物?
2016-06-18 16:59:14
柯扎的方法和西姆斯的有很多相似之处。柯扎的「数据培养液」也含有大约一打用LISP语言表达的数学基元,诸如加、乘、余弦。这些基元随机串在一起形成一棵棵逻辑「树」——一种形似计算机流程图的层次结构。柯扎的系统像繁殖人口一样创建了500到10000个不同的独立逻辑树。「数据培养液」通常在繁衍了大约50代之后收敛到某个合适的后代身上。
树与树之间交换分枝迫使它们产生变种。有时嫁接的是一根长树枝,有时仅仅是一根细枝或枝头的「叶子」。每根树枝都可以被看作是由更小的分枝构成的完整无缺的逻辑子程序。通过分枝交换,一小段方程(一根树枝),或一个有用的小程序,可以得到保存甚至传播。
通过方程进化能解决形形色色的古怪问题。柯扎用它来解决的一个经典难题是如何让一根扫把立在滑板上。滑板必须在马达的推动下来回移动,使倒立的扫帚在板中央保持直立。马达控制的计算量惊人,但在控制电路上与操纵机器人手臂的电路并无多大区别。柯扎发现,他可以进化出一个程序来实现这种控制。
被他用来测试方程进化的问题还有:走出迷宫的策略;二次方程的求解方法;优化连接众多城市最短路径的方法(又称为旅行商问题);在tic-tac-toe[2]一类简单游戏中胜出的策略。在每个例子中,柯扎的系统每次都会去寻找解决问题的一般公式,而不是寻找每一个测试实例的具体答案。一个公式经受不同实例的测试越多,这个公式就会进化得越完善。
尽管方程进化能得出有效的解决方案,可这些方案却往往要多难看有多难看。当柯扎拿起他那些高度进化的宝贝开始查看细节时,他和西姆斯以及雷一样感到震惊:解决方案简直是一团乱麻!进化要么绕上一个大弯,要么钻个七里拐弯的逻辑漏洞抄近道。它塞满冗余,毫不雅致。出了错时,宁愿添加一节纠错程序,或者让主流程改道绕过出错的区域,也不愿销去错误的部分。最后的公式颇有几分神奇的鲁宾·戈德堡[3]连动装置的样子,依靠某些巧合才能运作。当然,它实际上就是架戈德堡神奇连动机。
2016-06-18 16:59:51
这公式不但样子难看,而且还令人费解。即使对一个数学家或一个计算机程序员来说,这个进化出来的公式也是一团乱麻。汤姆·雷说,进化写的代码只有喝醉酒的人类程序设计员才写得出来的。依我看,说进化生成的是只有外星人才写得出来的代码恐怕才更确切些。这绝非人类所为。对这个方程追本溯源,柯扎终于找到了这个程序处理问题的方式。完全是凭着百折不挠和不择手段,它才打通了一条艰难曲折又令人费解的解决之道。但这确实管用。
进化得出的答案看起来很奇怪,因为几乎任何一个高中生都能在一行内写出一条非常简洁优雅的方程式来描述这两条螺旋线。
在柯扎的世界里没有要求方案简洁的进化压力。他的实验不可能找到那种精炼的方程式,因为它并不是为此构建的。柯扎试着在运行过程中添加点简约性因素,却发现在运行开始就加入简约性因素会降低解决方案的效率。得到的方案虽然简单却只有中下水平。他有证据表明,在进化过程末期加入简约性因素——也就是说,先让系统找到一个管用的解决方案,再开始对其进行简化——这是进化出简洁方程更好的方法。
2016-06-18 17:00:26
但柯扎坚信简约的重要性被过分高估了。他说,简约不过是「人类的审美标准」。大自然本身并不特别简约。举个例子:时为斯坦福大学科学家的戴维·斯托克分析了小龙虾尾部肌肉中的神经回路。当小龙虾想逃走的时候,其神经网络会引发一个奇怪的后空翻动作。对人类来说,那种回路看起来如巴洛克建筑那般繁复,取消几个多余的循环指令马上就可以使它简化一些。但那堆乱七八糟的东西却很管用。大自然并不会只为了优雅而简化。
2016-06-18 17:03:17
适应是对自身结构的扭曲,以使之能够钻过一个新漏洞。而进化是更深层的改变,它改变的是构建结构本身的架构——也即如何产生变化的方式——这个过程常常为其他人提供了新的漏洞。如果我们预先确定了一台机器的组织结构,也就预先确定了它能解决怎样的问题。理想的机器应该是一台通用问题解决机,一台只有想不到没有做不到的机器。这就意味着它必须拥有一种开放性的结构。柯扎写道:「(解决方案的)规模、形式以及结构复杂度都应是答案的一部分,而不是问题的一部分。」当我们认识到,是一个系统自身的结构决定了它所能得出的答案,那么我们最终想要的是如何制造出没有预先定义结构的机器。我们想要的是一种不断自我更新的机器。
2016-06-18 17:05:40
进化作为一种工具,特别适用于以下三件事:
如何到达你想去而又找不到路的领域;
如何到达你无法想象的领域;
如何开辟全新领域;
2016-06-18 17:10:28
期间,朗顿接到一个任务:将一个程序从一台过时的大型计算机中移植到一台构造完全不同的新计算机中去。完成此任务的窍门是抽象出旧计算机上的硬件运行方式,在新计算机上以软件的方式模拟出来——即提取硬件的行为,再将之转换成无形的符号。这样,旧的程序就可以在新计算机上由软件仿真出来的一个虚拟旧计算机系统中运行。朗顿说,「这是将过程从一个媒介转到另一个媒介上的直接体验。硬件是什么并不重要,因为你可以在任何硬件中运行程序。重要的是要抓住过程的本质。」这让他开始遐想,生命是否也能从碳结构中提取出来,转化成硅结构。
2016-06-18 17:14:16
物理学家多恩·法默提出了界定生命的一个特征列表。他说,生命具有:
时间和空间上的模式
自我复制的能力
自我表征(基因)的信息库
使特征持久的新陈代谢功能
功能交互——它并非无所事事
彼此相互依赖,或能够死亡
在扰动中保持稳定的能力
进化的能力
2016-06-18 23:11:51
不过,拉马克进化需要生物体能够为其基因编制有效的索引。如果生物体遇到了严酷的环境——比如说海拔极高——它就会通知体内所有能影响呼吸的基因,要求它们进行调整。身体无疑能通过激素和化学反应把消息通知到各个器官。如果能精准到司职的那些基因的话,身体也能把同样的消息传递给它们。然而,这正是缺失的那一步簿记活儿。身体并不记录自己是如何解决问题的,因此也就不能确定到底是哪个基因被用来在铁匠的肱二头肌上给肌肉充血,或者哪个基因是用来调节呼吸和血压的。生物体内有数百万个基因,可以生成数十亿个特征——一个基因能生成不止一个特征,而一个特征也可能由不止一个基因生成。——簿记和索引的复杂性将远超过生物体本身的复杂性。
所以,与其说躯体内的信息不能向基因方向传递,不如说由于消息没有确切的递送目的,才使信息传递受到了阻碍。基因中没有管理信息交通的中央管理局。基因组就是极致的分权系统——蔓生的冗余片断,大规模并行处理,没有主管,无人监察各个事务。
2016-06-18 23:41:47
按照传统的图景,一个种群在偶然形成某种新的稳定结构之前,会随着其日常行为中微小的、随机的、累进的变化而骚动不安,与此相反,玛格丽丝希望我们考虑的是两个正常运转的简单系统合并为一个更大、更复杂系统的意外现象。举例来说,由一个细胞系继承而来、负责运送氧气的经过验证的系统,可能和另一个细胞系中负责气体交换的现存系统紧密结合在一起。双方共生相联,就有可能形成一个呼吸系统,而这一发育过程未必是累进的。
2016-06-18 23:42:50
在某些情况下,共生伴侣的基因株(碱基片断)会融合在一起。有人为这种共生关系所需的信息间合作提出一种机制,即著名的细胞间的基因转移。在野生环境的细菌之间,这种转移发生频率极高。一个系统的专有信息可以在不同的物种之间穿梭往返。新的细菌学认为,世界上所有的细菌就是一个单一的、在基因方面相互作用的超有机体,它在其成员之中以极快的速度吸收并且传播基因的革新成果。另外,物种间的基因转移也同样会(速度未知)在包括人类的较为复杂的物种之间发生。每种类型的物种都在持续地交换基因,通常由裸露病毒担任信使。病毒自身有时候也被纳入共生。许多生物学家认为人类DNA链中有大块大块的片断是插入的病毒。还有一些生物学家甚至认为这是一个循环——人类很多疾病的病毒就是逃逸的人类DNA的乖戾部分。
2016-06-19 15:33:35
十年前「迭坐」游戏风行一时。这个引人入胜的户外游戏充分展示了合作的力量。游戏主持人让25个或更多的人紧挨着站成一圈,每个参与者盯着他前面那个人的后脑勺。想像一下排队等着买电影票的人吧,把他们连成一个整齐的圈就好了。
主持人一声令下,一圈人立刻曲膝坐到后面朋友的膝盖上。如果大家动作协调一致,这圈人坐下时就形成了一个自支撑的椅子。如果有一个人失误,整个圈子就崩溃了。「迭坐」游戏的世界记录是几百人同时稳稳地坐到后面的「椅子」上。
自催化系统与衔尾蛇很像「迭坐」游戏。化合物(或函数)A在化合物(或函数)C的帮助下合成了化合物(或函数)B。而C自己是由A和D生成的。D又是由E和C产生的,诸如此类。无他则无我。换句话说,某种化合物或功能得以长期存在的唯一途径,就是成为另一种化合物或功能的产物。在这个循环世界里,所有的原因都是结果,就像所有的膝盖都是别人的「椅子」一样。与我们通常的认识相反,一切实体的存在都取决于其它实体的共同存在。
「迭坐」游戏证明了循环因果关系并非不可能。我们这一身臭皮囊也正是由套套逻辑所支撑的。套套逻辑是真实存在的,它实际上是稳定系统的一个基本要素。
2016-06-19 15:34:43
认知哲学家道格拉斯·霍夫施塔特把这些矛盾的回路称为「怪圈」,并举了两个例子:巴赫的卡农轮唱曲里似乎不断拔高的音符,以及埃舍尔画笔下无限上升的台阶。他把著名的克里特岛撒谎者悖论以及哥德尔[1]关于不可证明的数学定理的证明也算在「怪圈」里。霍夫施塔特在其著作《哥德尔、埃舍尔和巴赫》中写道:「当我们在某个层级系统的不同层级间向上(或向下)移动时,却意外地发现自己又回到原来待过的地方,这就是『怪圈』。」
生命和进化必然会陷入循环因果的怪圈,它们在基本面上具有套套逻辑。缺少了这种根本的循环因果逻辑矛盾,也就不可能有生命和开放的进化。在诸如生命、进化和意识这类复杂的过程中,主因似乎在不断地迁移,就好像埃舍尔所描绘的光学错觉。人类在试图构建像我们一样复杂的系统时遇到的问题之一就是,过去我们一直坚持一定程度上的逻辑一致性,也即如钟表般的精确逻辑,而这阻碍了自主事件的涌现。正如数学家哥德尔所阐明的,矛盾是任何自维持系统所固有的特性——即便组成该系统的各部分都是一致的。
哥德尔在1931年提出的理论中阐明,企图消除自吞噬的圈子是徒劳无益的,究其原因,霍夫施塔特则指出,「不识庐山真面目,只缘身在此山中」。在「局部」层面上审视时,每个部分好像都是合法的;只有当合法的部分形成一个整体时,矛盾才会出现。
2016-06-19 15:36:06
1991年,年轻的意大利科学家沃尔特·方塔纳从数学上论证了函数A生成函数B, B再产生C这样的线性序列可以容易地构成类似闭环控制系统的自生成环,因而最后的函数与最初的函数同为结果的生成者。考夫曼第一次看到方塔纳的工作时,就被它的美所倾倒。「你一定会爱上它!函数之间彼此生成。它们自所有函数所形成的空间中来,在创造的怀抱中手牵着手!」考夫曼把这种自催化系统叫做「卵」。他说,「一个卵就是一套规则,它拥有这样的特性:它们所生成的规则也正是创造它们的规则。这一点也不荒谬。」
要获得卵,首先要有一大「池」不同的介子。它们可以是各种各样的蛋白质碎片,也可以是计算机代码片断。如果让它们在足够长的时间内互相作用,就会形成「一种物体产生另一种物体」的小闭环。最终,如果时间和空间允许的话,系统中由这些局部闭环形成的网络会蔓延开来,并逐渐致密起来,直至环路中的每个生产者都是另一个生产者的产品,直至每个环路都融入其他环路,形成规模庞大的并行且相互关联的网络。这时,催化反应停止,网络突然进入一个稳态游戏——系统坐在自己的膝头上,始端倚在末端,末端亦倚在始端。
考夫曼声称,生命就是在这种「聚合体作用于聚合体形成新的聚合体」的「汤」中开始的。他通过「符号串作用于符号串产生新的符号串」的实验,论证了这种逻辑的理论可行性。他假设蛋白质碎片与计算机代码片断在逻辑上是等同的,并把「代码产生代码」的数字网络视作蛋白质模型。当他运行这个模型时,便得到了如同「迭坐」游戏一般的自催化系统:它们没有开始,没有中心,也没有结束。
生命是作为一个完整的整体而突然冒出来的,就像晶体突然从过饱和溶液中显露出其最终(尽管微小)的形式一样:没有从浑浊的半晶体开始,也没有呈现为半物化的幽灵,而是突然地、一下子就成为了整体,就像「迭坐」游戏中,200个人突然坐成一圈一样。
2016-06-19 15:41:09
考夫曼用山丘来描绘这种效应。山顶是灵活性的最佳点。山顶的一侧是松散连接的系统:迟缓而僵化;另一侧是连接过度的系统:一个由无数牵制力量形成的死锁网格——每个节点都受到许多相互冲突的影响,使整个系统陷入严重瘫痪。考夫曼把这种极端情况称为「复杂度灾难」。出乎许多人意料的是,这种过度连接的情形并不少见。从长远来看,过度连接的系统与一盘散沙并无二致。
2016-06-19 15:54:11
翻了翻关于进化的书籍,我找不出哪一本书的目录上有「趋势」或者「方向」这样的字眼。许多新达尔文主义者绝口不提这两个字眼,近乎狂热地铲除着进化中有关进步的概念。其中最直言不讳的一个人就是史蒂文·杰·古尔德,他也是为数不多的几个曾公开讨论这个观点的生物学家之一。
古尔德其科普作品《奇妙的生命》[1]一书中对伯吉斯页岩化石群[2]给出了全新的解释。这本书的核心思想就是,生命的历史可以被视为一盘录像带。我们可以试想着将带子倒回到起点,并借助某种神奇的力量,改变生命之初的某些关键场景,然后从那一点起重新播放生命的历程。这种屡试不爽的文学手法在美国经典圣诞电影《美好人生》[3]中达到了极致:在这部电影中,主人公吉米·斯图尔特的守护天使为他重演了因没有他的存在而变得不幸和痛苦的其他人的生活。因此,古尔德将其名字借用过来,作为自己的书名。
如果我们能够重播地球上生物演化的过程,这一过程是否会按照我们已知的历史发展?生命将重现那些我们熟悉的阶段,还是会做出相反的选择而让我们大吃一惊?古尔德用讲故事的方法,告诉我们为什么他认为如果进化可以重来的话,我们将会完全认不出地球上的生命。
2016-06-19 15:54:26
此外,既然我们能够将这盘神奇的录像带放到我们的机器里播放,那么也许还可以进一步做一些更有趣的事。如果我们关掉灯,然后随意地翻转带子,再播放它,那么,来自另外一个世界的访客是否能够判断磁带究竟是正向播放还是在倒带?
2016-06-20 10:21:04
因为通用的基本底图非常罕见,所以经历了寒武纪大灭绝之后,大多数物种的底图便再也无可替代,这可谓特大消息。它引发了古尔德的感慨:「生命史的惊人事实——醒目地记载了多样性的锐减,以及继之而来的在少数幸存物种中激增的多样性」。
2016-06-20 10:33:01
由于生命变得越来越层次化——基因、细胞、组织、物种——进化改变了工作目标。耶鲁大学的生物学家利奥·巴斯称,在进化之进化的每一个阶段,受制于自然选择的单位层级在提高。巴斯写道,「生命的历史就是一个选择不同单位的历史。」自然选择选择的是个体;巴斯认为构成个体的部分一直在随时间发生演变。举个例子来说,数十亿年前,细胞是自然选择的单位,但最终细胞组合起来构成了组合体,自然选择就转而选择它们的组合体——多细胞有机生命体——将其作为个体来选择。看待这个问题的方法之一,就是看构成进化个体的单位演变出了什么。起初,个体是一个稳定的系统,然后是分子,然后是细胞,然后是一个生物体。接下来是什么呢?
2016-06-20 10:34:56
我之所以探询预测未来的问题,是因为预测是控制的一种形式,是一种尤其适合分布式系统的控制形式。通过预期未来,活系统能够改变其姿态,预先适应未来,以这种方式掌控自己的命运。约翰·霍兰德说:「复杂自适应系统所做的,就是预测」。
2016-06-20 10:36:05
一个棒球外野手基于经验形成的空中飞行物的「理论」,很像托勒密行星模型的后期阶段。如果我们解析外野手的「理论」的话,就会发现它是不连贯的,即兴的,复杂的,而且是近似的。但是,它也是可以发展的。这是一个紊乱的理论,但它不仅有效,而且还能提高。如果非要等到每个人都能弄明白f=ma这个算式(况且,弄明白半个f=ma还不如什么都不懂)再行动的话,就根本没有人能接住任何东西。就算你现在了解了这个算式,也没什么用。「你可以用f=ma来求解飞行中的棒球问题,但你不能在外场实时解决问题。」法默说。
2016-06-20 10:38:47
数学家一直努力寻找驯服这些怪物的方法,他们称之为「高维」系统。任何有生命的造物、复杂的机器人、生态系统或者自治的世界,都是一个高维系统。而形式之库,就是一个高维系统的建筑。仅仅100个变量,就可以创造出一群数量巨大无比的可能性。因为每一个变量行为都和其他99个行为互相影响,所以如果不同时对这个相互作用的群体整体进行考察的话,你根本无法考察其中的任何一个参数。比如说,哪怕是一个简单的只有三个变量的气候模型,也会通过某种奇怪的回路连回到自己身上,从而哺育出某种混沌,让任何一种线性预测都成为不可能。(最初就是因为在气象预测上的失败才发现了混沌理论。)
2016-06-20 10:41:04
法默却学到了三件对于预测未来非常重要的事情:
首先,你可以抽取混沌系统内在的固有模式,取得良好的预测。
其次,进行一次有用的预测用不着看得太远。
第三,即使是一点点有关未来的信息,也是非常有价值的。
2016-06-20 10:42:07
当极小的误差(由有限的信息引起的)持续到非常遥远的未来的时候,将会汇聚成极为严重的误差。即使计算本身是免费的(而它从来就不是免费的),处理这些成指数增长、被误差污染的可能性所需要的代价也是巨大的,而且根本就不值得付出。
2016-06-20 10:43:10
我们每一天都会遇到类似的折衷。无论在商业,政治、技术还是生活中,我们都必须预估隐匿在犄角旮旯的情况。可是,我们从来都得不到充足的信息来做出完全有见地的决策。我们经营在黑暗中。为了做出补偿,我们只能凭借经验,或者粗略的指导原则。而国际象棋中的经验规则,是可以指靠的相当不错的生活规则。(我的女儿们,这里注意了:首选那些增加选择余地的着法;避开那些结果不错但要求弃子求兑的着法;从那些毗邻多个有利位置的有利位置着手。在对局势的前瞻和切实通盘关注当前的状况之间取得平衡。)
2016-06-20 10:48:39
法默把这种神秘的「概括模式搜寻能力」称为「直觉」。华尔街的那些「走运的」交易员,利用的恰恰就是这种能力。
2016-06-20 10:56:45
我们现在拥有预测许多社会现象的技术,前提是我们能够在合适的时机抓住它们。我奉行席奧多·莫迪斯[1]1992年的著作《预测》[2]对预测的功用和可信性情况的精确总结。莫迪斯提出了在人类互动的更大网络中建立有序性的三种类型。每一种都在特定的时间构成了一个可预测性范围。他把这一研究应用到经济学、社会基础设施和技术领域之中,而我相信,他的发现同样适用于有机系统。莫迪斯的三个范围是:不变量、成长曲线和循环波。
2016-06-20 10:57:31
不变量。对所有优化其行为的有机体来说,自然的、无意识的趋势逐渐向其行为中注入了随时间推移极少变化的「不变量」。尤其人类,是最有资格的优化者。一天有二十四个小时是一个绝对的不变量,那么一般而言,人生几十年,虽然其间隔、所完成的事业不尽相同,但是很明显,人类都趋向把一定量的时间用来干这些琐事:烹饪、旅行、打扫卫生。如果把新的行为(比如,乘坐0201483408航班[3],而不是步行)纳入基本维度(比如,每天奔波要花多长时间),就会看到,这种新行为的模式持续展现的是原有行为的模式,同样可以预测(或预言)它的未来。换句话说,你以前是每天走半个小时路去上班,现在则是开半个小时车去上班。而在未来,也许你会飞半个小时去上班。市场苛求效率的压力,如此冷酷,如此无情,致使它必然将各种人造系统推向最优化这单一的(可预测)方向。追踪一个不变量的优化点,往往会提醒我们注意到一个规则的可预测性范围。比如说,机械效率的提高是非常缓慢的。到现在为止,还没有一种机械系统的效率能够超过50%。设计一个运行效率达到45%的系统是可能的,而要设计一个效率达到55%的系统,就不可能。因此,我们可以对燃料效率做一个可靠的短期预测
2016-06-20 10:58:45
成长曲线。一个系统越大、层次越多、越是去中心化,那么它在有机成长方面取得的进展也就越多。所有成长的东西,都拥有几个共同的特点。其中一个,就是形状为S形曲线的生命周期:缓慢地诞生、迅速地成长、缓慢地衰败。全球范围内每年的汽车产量,或者莫扎特一生中创作的交响乐,都相当精确地符合这种S形曲线。「S形曲线所具有的预测能力,既非魔法,也非无用」,莫迪斯写到。「在S形曲线那优雅的形状下面,隐藏着一个事实,即自然的生长过程遵循着一种严格的定律。」这个定律说明,结局的形态与开端的形态相对称。这个定律以数千生物学的历史,以及形成制度的生命历史的经验观测值为基础。这个定律还与以钟形曲线表述的复杂事物的自然分布有着密切的联系。成长对初始条件极度敏感;然而成长曲线上的初始数据点几乎毫无意义。不过,一旦某个现象在曲线上形成不可遏止的趋势,有关它的历史的数字快照就会形成,并在预测这个现象的最终的极限和消亡方面起颠覆性的作用。人们可以从这条曲线中抽取它与竞争系统的一个交界点,或者一个「上限」,以及这个上限必然水平拉开的数据。并不是每个系统的生命周期都呈现光滑的S形曲线;但是,符合这个曲线的系统无论种类或者数量都相当可观。莫迪斯认为,服从这一生长定律的东西比我们设想的要多。如果我们在恰当的时机(其生长过程的中期)检验此类生长系统,这种由S形曲线定律概括的局部有序状态的出现,就为我们提供了另外一个可预测性范围。
2016-06-20 11:05:04
尽管成功地进行大型预测的几率非常之小,但是,试图从过去的股票市场价格中析取长波模式的业余和专职的金融图表分析师并不因此气馁。对于图表分析师来说,任何一种外在的周期性行为都是可以猎取的猎物:裙裾的长度,总统的年龄、鸡蛋的价格。图表分析师永远都在追逐神话般预测股价趋势的「领先指标」,用来作为下注的数值。
2016-06-20 11:05:22
和图表分析主义相反,另外一些金融预测人员依靠市场的「基本面」预测市场。这些被称为基本面分析师的人们试图理解复杂现象中的驱动力量、潜在动力以及基本条件。简单来说,他们要找的是一个理论:f=ma。
2016-06-20 11:06:59
与其它系统相比,股票市场更多的是建立在预期之上的。在一个靠预期取胜的游戏中,如果所有人都分享这个预测的话,准确的预测就不会提供赚钱的机会。预测公司真正能够拥有的,只不过是时间上的领先。只要法默的团队开发某个预测性范围挣到了大钱,那么其他人都会冲进来,多少模糊了模式,大多数情况下,会把挣钱的机会拉平。在一个股票市场中,成功会激发起强烈的、自我取消的反馈流。在其他系统中,比如说成长性网络,或者一家正在扩张的公司,预测反馈不会自我取消。通常来说,反馈是自我管理型的。
2016-06-20 11:08:22
最早的控制论学者,诺伯特·维纳,曾经殚精竭虑地要说明反馈控制的巨大力量。他当时脑子里想的就是简单的冲水马桶型的反馈。他注意到,不断地一点点地把系统刚刚实现的微弱的信息(「水平面还在下降」)注入系统,在某种意义上引领了整个系统。维纳总结说,这种力量,是时间平移的一项功能。在1954年,他这样写到:「反馈是控制系统的一种方式,它把系统过去的运行结果重新输入系统,从而完成对系统的控制。」
2016-06-20 11:11:21
一个动物的眼睛就是把发生在时/空远处的信息「前馈」到位于此处/现在的身体中。
2016-06-20 11:12:26
有些哲学家认为,生命能够起源于一个笼罩着空气和水这两种介质的行星上并不是一件偶然的事情,因为水和空气,在绝大多数光谱下都具有令人惊讶的透明度。清洁、透明的环境,使得器官能够接收来自「远处」(未来)的含有丰富数据的信号,并对来自有机体的信号进行预处理。因此,眼睛、耳朵和鼻子都是能够窥视时间的预测机制。
根据这个概念,完全浑浊的水和空气可能会通过阻止远处事件的信息传至现在而抑制预测机制的发展。生存在浑浊世界中的有机体,无论是在空间上还是在时间上,都会受到束缚;它们会缺乏空间去发展适应性反应。而适应,就其核心而言,要求对未来感知。在一个变化的环境中,不管这环境是浑浊还是清澈,能够预测未来的系统都更可能存续下去。迈克尔·康拉德写道:「归根结底,适应性,就是利用信息来应付环境的不确定性。」格雷戈里·贝特森则用电报文体简洁地说:「适应就是以万变求不变。」一个系统(根据定义是不变的)适应(变化)的目的就是为了存续(不变)。火烈鸟改变自己就是为了继续生存。
2016-06-20 11:16:58
任何一种真正的预测模型,都必须具备能够产生「想象不到」的情景的能力。一个系统在可能性的空间要有充分的活动余地,可以游荡到出乎我们意料之外的地方,这很重要。说它是一门艺术,是因为模型拥有了太多的自由度,就变得不可驾驭了,而把它拘束得太紧,它就变得不可靠了。
2016-06-20 11:22:27
艾希比总结了自己那些用真空管造出迷你模型的试验,得出了这样的结论:如果一个模型过于急切地简化了复杂现象,它就会错失目标。模拟的复杂程度,不得超出它所模拟的复杂性的活动领域,否则,模型就跟不上它所模拟的东西的曲折路线。另外一位控制论专家,杰拉尔德·温伯格,在他的著作《论稳定系统的设计》中给这个「必要的复杂性」提供了一个非常贴切的比喻。温伯格提示说,想象一下,一枚制导导弹瞄准了一架敌机。导弹自己并非一定也是一架飞机,但是它必须具备与飞机的飞行行为复杂性旗鼓相当的飞行复杂性。如果这枚导弹不具备至少与目标飞机一样的速度,而且在空气动力学方面的敏捷程度也不如那架目标敌机,那它肯定打不中目标。
2016-06-20 11:41:39
我们也可以把引文索引看成一种脚注跟踪系统。如果你把每份参考目录看作正文的脚注,那么一份引文索引就把你引向脚注,然后允许你找出脚注的脚注。对此系统有种较为简洁的描述,就是特德·纳尔逊于1974年杜撰的「超文本」。本质上,超文本是一种大型分布式文档。超文本文档就是在文字、思想和资料来源之间实况链接的模糊网络。这样的文档没有中心,没有尽头。阅读超文本,你可以在其间纵横穿越,可以翻过正文去看脚注,看脚注的脚注,可以细读和「主要」正文一样长,一样复杂的附加说明的思想。任何一个文档都可以链接到另一个文档并成为其一部分。计算机处理的超文本可以在正文中包含各种旁批,注释,这些注释来自其他作者的补充、更新资料、修订、提炼、摘要,曲解,并且就象在引文索引中一样,要在文章中列出所有参考书目。
2016-06-20 11:45:12
从计算机科学的前沿,从生物研究的边缘,从千奇百怪的跨学科实验的角落,我总结出了操纵无中生有的造物九律:
分布式状态
自下而上的控制
培养递增收益
模块化生长
边缘最大化
礼待错误
不求目标最优;但求目标众多
谋求持久的不均衡
变自生变
2016-06-20 11:52:28
5. 《连线》最近一场主题为「Web已死,Internet永生?」的讨论吸引了人们的关注。有一种观点认为,开放的互联网已经走到了尽头,未来的应用会朝向越来越封闭的趋势。您怎么看?
开放是网络内在的精神;没有开放,就没有网络。但由于网络上各个局部的发展很不平衡,因此会出现各种各样的带围墙的「花园」。从某种意义上说,这种封闭恰恰是开放带来的结果:由于开放,网络的规模变大;而任何一个大而复杂的系统,内部都不可能是匀质的,必然会出现各种自治的子系统。这些自治的子系统能够在其内部进行更灵活的调整,从而使得网络可以更好地包容区域间的不平衡。此外,这些「花园」并非是完全封闭的,它们在不停地与外部环境进行各种各样的交换。所以说,封闭是开放中的封闭;开放并不意味着一个匀质、没有内部边界的系统
多看笔记 来自多看阅读 for Kindle
duokanbookid:rd237b7egd123e618fc01656404e0b25
凯文凯利
2016-05-21 08:20:36
当合作形成「5」字或操纵飞机的时候,他们是对自己的总体概貌做出反应。而飞行途中的一只鸟对自己的鸟群形态并没有全局概念。结队飞行的鸟儿对鸟群的飞行姿态和聚合是视而不见的。「群态」正是从这样一群完全罔顾其群体形状、大小或队列的生物中涌现出来的。
2016-05-21 08:45:12
稀疏分布记忆:Sparse Distributed Memory
2016-05-21 09:06:19
这两种极端的组织方式都只存在于理论之中,因为现实生活中的所有系统都是这两种极端的混合物。某些大型系统更倾向于顺序模式(如工厂),而另外一些则倾向于网络模式(如电话系统)。
2016-05-21 09:06:30
以下是分布式系统的四个突出特点,活系统的特质正是由此而来:
没有强制性的中心控制
次级单位具有自治的特质
次级单位之间彼此高度连接
点对点间的影响通过网络形成了非线性因果关系
上述特点在分布式系统中的重要度和影响力尚未经过系统地检验。
2016-05-21 09:09:43
群系统的好处:
可适应——人们可以建造一个类似钟表装置的系统来对预设的激励信号进行响应。但是,如果想对未曾出现过的激励信号做出响应,或是能够在一个很宽的范围内对变化做出调整,则需要一个群——一个蜂群思维。只有包含了许多构件的整体才能够在其部分构件失效的情况下仍然继续生存或适应新的激励信号。
可进化——只有群系统才可能将局部构件历经时间演变而获得的适应性从一个构件传递到另一个构件(从身体到基因,从个体到群体)。非群体系统不能实现(类似于生物的)进化。
弹性——由于群系统是建立在众多并行关系之上的,所以存在冗余。个体行为无足轻重。小故障犹如河流中转瞬即逝的一朵小浪花。就算是大的故障,在更高的层级中也只相当于一个小故障,因而得以被抑制。
无限性——对传统的简单线性系统来说,正反馈回路是一种极端现象——如扩声话筒无序的回啸。而在群系统中,正反馈却能导致秩序的递增。通过逐步扩展超越其初始状态范围的新结构,群可以搭建自己的脚手架借以构建更加复杂的的结构。自发的秩序有助于创造更多的秩序——生命能够繁殖出更多的生命,财富能够创造出更多的财富,信息能够孕育更多的信息,这一切都突破了原始的局限,而且永无止境。
2016-05-21 09:09:50
新颖性——群系统之所以能产生新颖性有三个原因:(1)它们对「初始条件很敏感」——这句学术短语的潜台词是说,后果与原因不成比例——因而,群系统可以将小土丘变成令人惊讶的大山。(2)系统中彼此关联的个体所形成的组合呈指数增长,其中蕴藏了无数新颖的可能性。(3)它们并不强调个体,因而也允许个体有差异和缺陷。在具有遗传可能性的群系统中,个体的变异和缺陷能够导致恒新,这个过程我们也称之为进化。
2016-05-21 09:09:58
群系统的明显缺陷:
非最优——因为冗余,又没有中央控制,群系统的效率是低下的。其资源分配高度混乱,重复的努力比比皆是。青蛙一次产出成千上万只卵,只为了少数几个子代成蛙,这是多么大的浪费!假如群系统有应急控制的话——例如自由市场经济中的价格体系,那么可以在一定程度上抑制效率低下,但绝不可能像线性系统那样彻底消除它。
不可控——没有一个绝对的权威。引领群系统犹如羊倌放羊:要在关键部位使力,要扭转系统的自然倾向,使之转向新的目标(利用羊怕狼的天性,用爱撵羊的狗来将它们集拢)。经济不可由外部控制,只能从内部一点点地调整。人们无法阻止梦境的产生,只能在它现身时去揭示它。无论在哪里,只要有「涌现」的字眼出现,人类的控制就消失了。
不可预测——群系统的复杂性以不可预见的方式影响着系统的发展。「生物的历史充满了出乎意料。」研究员克里斯·朗顿[1]如是说。他目前正在开发群的数学模型。「涌现」一词有其阴暗面。视频游戏中涌现出的新颖性带给人无穷乐趣;而空中交通控制系统中如果出现涌现的新情况,就可能导致进入全国紧急状态。
不可知——我们目前所知的因果关系就像钟表系统。我们能理解顺序的钟表系统,而非线性网络系统却是道地的难解之谜。后者淹没在它们自制的困思逻辑之中。A导致B, B导致A。群系统就是一个交叉逻辑的海洋:A间接影响其他一切,而其他一切间接影响A。我把这称为横向因果关系。真正的起因(或者更确切地说,由一些要素混合而成的真正起因),将在网络中横向传播开来,最终,触发某一特定事件的原因将无从获知。那就听其自然吧。我们不需要确切地知道西红柿细胞是如何工作的,也能够种植、食用、甚至改良西红柿。我们不需要确切地知道一个大规模群体计算系统是如何工作的,也能够建造、使用它,并使之变得更加完美。不过,无论我们是否了解一个系统,都要对它负责,因此了解它肯定是有帮助的。
2016-05-21 09:10:07
非即刻——点起火,就能产生热量;打开开关,线性系统就能运转。它们准备好了为你服务。如果系统熄了火,重新启动就可以了。简单的群系统可以用简单方法唤醒;但层次丰富的复杂群系统就需要花些时间才能启动。系统越是复杂,需要的预热时间就越长。每一个层面都必须安定下来;横向起因必须充分传播;上百万自治成员必须熟悉自己的环境。我认为,这将是人类所要学的最难的一课:有机的复杂性将需要有机的时间。
2016-05-21 09:19:19
1990年在贝尔实验室工作的黄光明[1]教授和堵丁柱[2]证明,通过向网络引入新的节点,系统所能够获得的最大节省大约为13%左右
2016-05-21 09:19:56
1968年,德国运筹学家迪特里希·布拉斯[3]发现,为已经拥堵的网络增加线路只会使其运行速度更慢,现在我们称其为布拉斯悖论。
2016-05-21 17:54:12
在机器蟑螂成吉思身上,行走通过12个马达的集体行为而完成。每条腿上两个马达的起落,取决于周围几条腿在做什么动作。如果他们抬起落下的次序正确的话——那么,起步!一、二、一,一、二、一!——就「走起来」了。
这个精巧的装置上没有任何一部分是掌管走路的。无需借助高级的中央控制器,控制会从底层逐渐汇聚起来。布鲁克斯称之为「自底向上的控制」。自底向上的行走,自底向上的机敏。如果折断蟑螂的一肢,它会马上调整步态用余下的五肢爬行,一步不乱。这样的转换不是断肢后重新学习来的;这是即时的自我重组。如果你弄废了成吉思的一条腿,还能走的其余五条腿会重新编组走路,就如同蟑螂一样,轻易地找到新的步态。
2016-05-21 17:55:17
成吉思在学会爬过障碍物的同时,其基本的行走模式却未受到丝毫扰乱。布鲁克斯借此阐释了一个普适的生物原则——一个神律:当某个系统能够正常运转时,不要扰乱它;要以它为基层来构建。在自然体系中,改良就是在现存的调试好的系统上「打补丁」。原先的层级继续运作,甚至不会注意到(或不必注意到)其上还有新的层级。
2016-05-21 17:57:41
更进一步说,系统的各个部分(部门、科员、规则、行为方式)都在不出差错地发挥作用——犹如各自独立的系统。「避免碰触部门」自顾自地工作,不管「拿罐子部门」在不在做事。「拿罐子部门」同样干自己的工作,不管「避免碰触部门」在不在做事。青蛙的头即便掉下来了,它的腿还会抽跳,就是这个道理。
布鲁克斯为机器人设计的分布式控制结构后来被称作「包容架构」[1],因为更高层级的行为希望起主导作用时,需要包容较低层次的行为。
2016-05-21 17:59:37
以下是由布鲁克斯的移动机器人实验室开发出来的一套普适分布式控制方法:
先做简单的事。
学会准确无误地做简单的事。
在简单任务的成果之上添加新的活动层级。
不要改变简单事物。
让新层级像简单层级那样准确无误地工作。
重复以上步骤,无限类推。
这套办法也可以作为管理任何一种复杂性的诀窍,事实上它也就是用作这个的。
2016-05-22 11:35:30
当同层的个体之间相互影响时,它们自然而然聚合在一起,形成完整的细胞器官,并成为规模更大但行动更迟缓的网络的基础单元。随着时间的推移,就形成了一种基于由下而上渗透控制的多层级组织:底层的活动较快,上层的活动较慢。
2016-05-22 11:36:20
必须从简单的局部控制中衍生出分布式控制;必须从已有且运作良好的简单系统上衍生出复杂系统。
2016-05-22 11:37:29
山内说:「行为代理之间并没有明确的信息交流。所有的交流都是通过观察其它代理的动作在外界环境里留下的痕迹和影响而得以进行的。」像这样保持事物的局部性和直接性,就可让社会进化出新的行为方式,同时也避免了伴随「硬件」通讯过程而产生的复杂度爆炸问题。和流行的商业说教相反,把每件事告知每个人并非智慧的产生方式。
2016-05-22 11:38:22
一个反射模块并非由另一个模块来通知它做什么,而是直接感知外部世界反射回来的信息,然后再通过其对外部世界的作用把信息传递给他人。「信息有可能会丢失——实际上丢失的频率还很高。但没关系,因为代理会一遍又一遍地不断发送信息。它会不断重复『我看见了。我看见了。我看见了』的消息,直到胳膊接收到信息并采取相应动作改变外部世界,该代理才会安静下来。」
2016-05-22 11:40:25
参与市场活动的个体之间并没有交流,他们只是观察别人的行动对共同市场所造成的影响(不是行动本身)
2016-05-24 22:43:20
蝴蝶的映像投入了植物,而植物的映像也投入了蝴蝶。为了防止蝴蝶幼虫完全吞噬自己的茎叶,马利筋步步设防,迫使黑脉金斑蝶「改变颜色」——想法子绕过植物的防线。这种相互投映仿佛两条贴着肚皮跳舞的变色龙。马利筋如此投入地进行自我保护,以抗拒黑脉金斑蝶的侵袭,结果反而变得与蝴蝶难舍难分。反之亦然。任何长期敌对的关系似乎都包容这样的相互依存。1952年,关注机器如何学习的控制论专家罗斯·艾希比[3]写道:「[生物的基因模式]并没有具体规定小猫如何抓老鼠,但是提供了学习机制和游戏的旨趣,因此是老鼠将捕鼠的要领教给了小猫。」
2016-05-24 22:44:38
共生关系中的各方行为不必对称或对等。事实上,生物学家发现自然界几乎所有的共栖同盟在相互依存过程中都必然有一方受惠更多——这实际上暗示了某种寄生状态。尽管一方所得就意味着另一方所失,但是从总体上来说双方都是受益者,因此契约继续生效。
注: coliation game
2016-05-24 22:50:36
1967年,洛夫洛克写了两篇论文,预言说,根据他对星球大气光谱的解读,火星上面没有生命。十年后,NASA发射了环火星轨道航天器,再十年后的数次壮观的火星软着陆[1]探测终于明白地告诉世人,火星确实如洛夫洛克预测的那样死气沉沉。对金星进行的类似探测带回来同样的坏消息:太阳系里除地球之外一片贫瘠。
洛夫洛克是怎样知道的呢?
是通过对化学反应和共同进化的研究。火星大气和土壤中的成分被太阳射线赋予能量,被火星核心加热,再被火星引力吸附,历经数百万年进入动态平衡。懂得了化学反应的一般规则,科学家就可以将星球当作一个大烧瓶里的物质来对它们的复杂反应作计算。化学家得出火星、金星以及其他行星的近似反应方程式之后,等号两边基本持平:能量、吸入成分;能量、逸出成分。通过天文望远镜、以及后来的实地采样获得的结果都符合反应方程式的预测。
地球却不同。地球大气中气体混合的路数不循常。经洛夫洛克查明,它们的不循常,是共同进化累积形成的有趣效果。
以氧气为例,它占地球大气的21%,造成地球大气的不稳定。氧气是高活性气体,能在我们称之为火或燃烧的激烈化学反应中与许多元素化合。从热力学角度来看,由于大气氧化了固体表面,地球大气中氧气的高含量理应快速下降才对。其他活性示踪气体[2],如一氧化二氮、碘甲烷也处于异常爬升的水平。氧气虽与甲烷共存,却根本不相容,更确切地说,它们太融洽了,以致于会相互引爆。令人费解的是,二氧化碳理应像在其他行星那样成为大气的主要成分,却仅仅是一种示踪气体。除大气之外,地球表面的温度及碱度也处于异乎寻常的水平。整个地球表面似乎是一个巨大、不稳定的化学变异。
在洛夫洛克看来,似乎有一种看不见的能量,一只看不见的手,将互动的化学反应推至某个高点,似乎随时都会回落至平衡状态。火星和金星上的化学反应犹如元素周期表那般稳定,那般死气沉沉。以化学元素表来衡量,地球的化学性质是不正常的,完全失去了平衡,却充满活力。由此,洛夫洛克得出结论,任何有生命的星球,都会展现奇特的不稳定的化学性质。有益生命的大气层不一定富含氧气,但应该突破规范的平衡。
那只看不见的手就是共同进化的生命。
2016-05-24 22:51:29
共同进化中的生命拥有非凡的生成稳定的非稳态的能力,将地球大气的化学循环推至一个洛夫洛克所称的「持久的非均衡态」。大气中的氧含量应该随时都会下降,但数百万年来它就是不降下来。既然绝大多数的微生物生命都需要高浓度的氧,既然微生物化石都已存在亿万年了,那么,这种奇特的不和谐的和谐状态算得上是相当持久而稳定的了。
地球大气寻求稳定的氧含量,与恒温器寻求稳定的温度非常相似。它碰巧使得氧气的平均浓度为20%,按一位科学家的说法「纯属偶然」。低于这个水平是贫氧,高于这个水平就易燃。多伦多大学的乔治·R·威廉斯这样写道:「20%左右的氧含量似乎能够保证某种平衡,在洋流近乎彻底循环的同时,又不会招致毒性物质或可燃性有机物的聚集而产生更大危害。」那么,地球的传感器和温控机制在哪儿呢?那个加热用的炉子又在哪儿呢?
无生命星球通过地质轮回来达到平衡。气体,如二氧化碳,溶入液体并经沉淀析出固体。溶入定量的气体之后达到自然饱和。固体在火山活动中经加热或加压,会将气体释放回大气层。沉降、风化、隆起——所有巨大的地质力量——也如强大的化学作用那样,打断或合成物质的分子链。热力学的熵变将所有化学反应拉到它们的最低能量值[3]。臆想的炉子垮塌了。无生命星球上的平衡不太象恒温控制下的平衡,它更像碗里的水,处在等高的水平;当不能降得更低时就干脆处在同一个水平上。
2016-05-24 22:51:37
而地球则是一个恒温器。相互纠缠共同进化的生命提供了一个自主循环的回路,引导地球的化学物质趋向上升的势能。大概要等地球上所有的生命都寂灭之后,地球的大气才会回降至持久的平衡态,变得像火星和金星那样单调乏味。但是,只要生命的分布式之手仍占主导地位,它就能保持地球的化学物质脱离四平八稳的状态。
但失衡本身却是自主平衡的。共同进化的生命产生的持久失衡,自有其稳定之道。洛夫洛克一直致力于寻找这种持久失衡的存在。据我们所知,地球大气中20%左右的氧含量已保持了亿万年之久。大气层像一个高空悬索上摇摇摆摆的杂技演员,而且几百万年来一直保持着那个欲跌还休的姿势。她永不坠落,也永远摆脱不了坠落的趋势,始终处于摇摇欲坠的状态。
洛夫洛克认为这持久的摇摇欲坠状态是生命的显著特征。近来复杂性理论的研究人士也已意识到,任何活系统:经济体、自然生态系统、复杂的计算机模拟系统、免疫系统,以及共同进化系统,都具有摇摇欲坠的显著特征。当它们保持着埃舍尔式[4]的平衡态——处在总在下行却永远未曾降低过的状态时,都具有那种似是而非的最佳特性——在塌落中平衡。
2016-05-24 23:02:43
冯·诺依曼最感兴趣的是想看看自己能否给这种互动游戏找出最理想的策略,因为乍一看来,它们在理论上几乎是无解的。于是他提出了博弈论作为解答。位于加利福尼亚州圣塔莫妮卡市的兰德公司是美国政府资助的智库。那里的研究人员发展了冯·诺依曼的工作,最后列出了四种有关相互猜测游戏的基本变体。每一个变体各有不同的输赢或平局的奖励结构。这四个简单的游戏在技术文献中统称为「社会困境」,但又可以被看作是构造复杂共同进化游戏的四块积木。这四个基本变体是:草鸡博弈、猎鹿博弈、僵局,以及囚徒困境。
2016-05-24 23:05:46
阿克塞尔罗德发起的、有14位玩家参与的「囚徒困境」循环锦标赛是在电脑上进行的。1987年,阿克塞尔罗德通过设定一套系统拓展了这个电脑游戏。在系统里,有一小群程序玩家执行随机产生的「囚徒困境」策略。每个随机策略在和所有其它运行中的策略对阵一圈之后被打分,得分最高的策略在下一代的复制率最高,于是最成功的策略便得以繁衍和传播。许多策略都是通过「捕食」其他策略来取胜的,因而,只有当猎物能存活时,这些策略才能兴旺发达。这就导出了自然界荒野中俯拾皆是的生物数量呈周期性波动的机理,说明了狐狸和兔子的数量在年复一年的共同进化的循环中是如何起起落落的。兔子数量增,狐狸繁殖多;狐狸繁殖多,兔子死翘翘。但是没有了兔子,狐狸就得饿死。狐狸数量少了,兔子数量就多了。兔子多了,狐狸也就多了,以此类推。
2016-05-24 23:06:45
1990年,在哥本哈根尼尔斯波尔研究院工作的克里斯蒂安·林德格雷[7]将这个共同进化实验的玩家数扩展到一千,同时引入随机干扰,并使这个人工共同进化过程可以繁衍到三万世代之后。林德格雷发现,由众多参与「囚徒困境」游戏的愚钝个体所组成的群体不但重现了狐狸和兔子数量的生态波动,也产生出许多其他自然现象,如寄生、自发涌现的共生共栖,以及物种间长期稳定的共存关系等,就如同一整套生态系统。林德格雷的工作让一些生物学家兴奋不已,因为在他的漫长回合博弈游戏中出现了一个又一个的周期。每个周期的持续时间都很长;而在一个周期内,由不同策略的「物种」所形成的混合维持着非常稳定的状态。然而,这些盛世都被一些突发、短命的不稳定插曲所打断,于是旧的物种灭绝,新的物种生根。持新策略的物种间迅速达成新的稳定,又持续发展数千代。这个模式与从早期化石里发现的进化的常见模式相契合,该模式在进化论业界里叫做间断平衡[8],或简称为「蹦移(punkeek)」
2016-05-24 23:12:15
风和春季洪水侵蚀着土壤,暴露出地下土层,新组成的腐殖质和矿物成分初露地表。土壤混合物上下搅动翻身的同时,与之息息相关的动植物也混杂着搅动变迁。郁郁葱葱的仙人掌树丛,比如巨树仙人掌丛林,可以在短短不到100年之内迁进或迁出西南部的小块沙漠地带。如果延时拍摄后用普通转速放映的话,会发现巨树仙人掌丛林在沙漠景观里蔓延的过程就像水银泻地。能游走的不仅仅只有仙人掌树丛。在同样缩时拍摄的画面里,中西部稀树大草原的野花绕着橡树丛漫溢上来,犹如涌来的潮水,有时,将树丛尽没在茫茫草原里;有时,山火过后,花草的潮水又会退却,复现扩散膨胀的橡树林。生态学家丹·鲍肯[3]曾这样描述过,森林「和着气候变换的节拍缓缓地穿行于地貌之中。」
2016-05-24 23:19:13
这种发育过程还有其他奇特的侧面,如果这块新开发地开始于100英亩潮湿的沼泽区,而不是一块田地,或者换成同样大小的密歇根干燥多沙的沙丘,那么最初来接管的物种是不同的(沼泽上会是莎草,沙丘上会是覆盆子),但是物种的混合逐渐向同一个终点会聚,那就是阔叶林。三粒不同的种子孵化成同样的成体。这种会聚现象使得生态学家萌生了生物演替存在终点或是顶极群落[6]的设想。在某一区域,所有生态混合体趋于转替直到它们达到一种成熟、终极、稳定的和谐。
在气候温和的北方,土地「想要」的是阔叶林。只要时间充足,干涸的湖泊或风沙沼泽地都会成为阔叶林。如果再暖和一点,高山山顶也会有此愿望。就好像在复杂的吃与被吃的食物链网中,无休止的生存竞争搅动着该地区混杂在一起的物种,直到混合态变成阔叶林这种顶极形态(或是其他气候条件下的特定顶极群落),那时,一切就会平静地归于一种大家都可接受的和平,土地就在顶点混合状态下平息下来。
2016-05-24 23:19:43
连接性守恒:意指由连接数量和连接强度组成的某种形式的合量保持不变,即连接数量增加时,强度降低;反之亦然。
2016-05-25 10:16:19
形成网络的复杂性会逆转事物间通常的可靠性关系。举例来说,现代照相机中的单个开关件可能有百分之九十的可靠性。把数百个开关凑合着连成一个序列,如果不按分布式排列,这数百个开关作为一个整体,其可靠性就会大大降低——就算它们有百分之七十五的可靠性吧。而如果连接得当——每一个开关都把信息传给其他开关——比如在先进的小型数码相机中,与直觉相反,照相机整体的可靠性可上升至百分之九十九,超出了每个个体部件的可靠性。
但此时照相机有了许多新的由部件组成的子集,每个子集就像是一个部件。这样的虚拟部件越多,部件层面发生不可预知行为的总体可能性就会越大。出错的路径千奇百怪。因此,虽然作为一个整体的照相机的可靠性更高了,但当它出现意外时,就常常是想象不到的意外。老相机容易失灵,也容易修。新相机则会创造性地失灵。
2016-05-25 10:40:51
法尔科发明了一个连通装置,把水下大舵的位置,和能够轻松操纵的小舵杆的位置联系到一起——也就是一个自动反馈回路!这样一来,舵杆就能够指示出大舵的实际位置,并且通过这个回路,移动舵杆这个指示器——也就是在移动大舵这个实体。用计算机领域的行话来说,这就是所谓的所见即所得!
2016-05-25 10:41:29
二战时期的重型火炮的炮管,也是这么操作的。装着液压油的液压管把一个小的转动杠杆(小舵杆)连接到炮管转向装置的活塞。当操炮手把杠杆移动到预计的位置时,这一小小的转动,就会挤压一个小活塞,使得阀门打开,释放液压油去顶起一个大活塞,进而摆动巨大沉重的火炮炮管。反过来,当炮管摆动的时候,它又会推动一个小活塞,而这个小活塞则会引动那个手动的杠杆。所以,当炮手试图去转动那个小舵杆的时候,他也会感觉到某种温和的抗力,这种抗力,就是由他想移动的那个大舵的反馈产生的。
2016-05-25 10:47:03
工程师们发现的这个控制论原理是个一般性的原理:如果所有的变量都是紧密相关的,而且如果你真正能够最大限度地控制其中的一个变量,那么你就可以间接地控制其它所有变量。这个原理的依据是系统的整体性。正如拉蒂尔所写的,「调节器关注的不是原因;它的工作是侦测波动并修正它。误差可能来自某种因素,其影响迄今仍然无从知晓,又可能来自某种业已存在,而从来没有受到过怀疑的因素。」系统怎样、何时达成一致性,超出了人类知识范围,更重要的是,也没有知道的必要。
2016-05-25 10:49:48
不过,不是每一种自动电路都能产生比尔·鲍尔斯的炮管所拥有的铁定会产生的即时性。在一个串接的回路串中,每增加一个回路,都加大了一种可能:即在这个变得更大的回路中漫游的信号,当回到它的起点的时候却发现事情早在它还在回路中游荡的时候就已经发生了根本性的改变。特别是那些环境快速变动中的大型网络,遍历整个线路所需的那几分之一秒,都可能要大于环境发生变化所需要的时间。而作为回应,最后一个节点倾向于发出更大的修正作为补偿。可是,这样一种补偿性的指令,同样会因为所需穿越的节点太多而被延迟,于是它抵达时也错过了移动标记,就又产生了一个无缘无故的修正。这就跟新手开车总是开出之字形道理一样,因为每次对方向的修正,总是会矫枉过正,超过上一次的过度反应。这种情况会一直延续下去,直到新手学会收紧整个反馈回路,让它作出更小、更快的反应,否则他一定会不由自主地(徒劳地)在高速路上改变方向寻找中线。这也是简单的自动线路为什么会消亡的原因。它往往会进入「大摆」或者「频跳」的状态,也就是说,神经质地从一个过度反应摆荡到下一个过度反应,努力寻求安稳。对付这种过度补偿的倾向,办法有一千种,每个办法都有上千种已经发明出来的更先进的电路实现。在过去的四十年间,有控制理论学位的工程师们写了装满一个书架又一个书架的论文来交流刚刚发现的震荡反馈问题的最新解决方案。幸运的是,反馈回路是可以被整合进入有用的配置之中的。
2016-05-25 10:51:49
让我们以抽水马桶这个控制装置原型机为例。给它安上一个把手,我们就可以调节水箱中水线的高度。而水箱中的自我调节机制会随之把水调节到我们所设定的高度。向下扳,自我调节机制就会保持在一个满意的低水平,往上扳,它就会放水进来达到一个高水位。(现代的抽水马桶上还真有这种把手。)现在让我们走得更远一点,再加上一个自我调节的回路来扳动把手。这样一来,我们就可以连这一部分的活都放手不做了。这第二个回路的工作,是为第一个回路寻找目标。这么说吧,第二个机制在感受到进水管的水压,就会移动把手,如果水压高,就给水箱定一个高水位,如果水压低,就给它定一个低水位。
第二个回路控制着第一个回路的波动范围,而第一个回路则控制着水。从抽象的意义上来说,第二个回路给出的是一种二级控制:对控制的控制,或者说,元控制。而有了这个元控制,我们这个新出炉的二级马桶的行为方式就是「有目的的」。它可以依据目标的变化进行调整。尽管为第一个线路进行目标设定的第二线路也同样是机械的东西,但整个机制本身确实在选择自己的目标的事实,使这个元回路获得了某种生物的感觉。
2016-05-25 10:52:57
就是这么简单的一个反馈回路,却可以在一种无穷无尽的整合过程中缝合在一起、永远共同地工作下去,直到形成一个由各种具有最不可思议的复杂性和错综复杂的子目标构成的塔。这些回路塔会不断地给我们带来诧异,因为,沿着它们流转的信号,会无可避免地相互交叉自己的路径。A引发B, B引发C, C又引发A。以一种直白的悖论形式来说:A既是原因,又是结果。控制论专家海因茨·冯·福斯特把这种难以捉摸的循环称为「循环因果」[16]。早期人工智能权威沃伦·麦克洛克[17]把它称为「非传递性优先」[18],意思是说,优先级的排序上会像小孩子玩的石头—剪刀—布那样无休止地以一种自我参照的方式自我交叉:布能包石头,石头能崩坏剪刀、剪刀能裁剪布,循环不已。而黑客们则把这种情况称之为递归循环。
2016-05-26 23:38:48
在布满这类物品的生态办公室里,房间会知道我在哪里。如果我不在房间里,显然它(它们?) 就应该把灯关掉。威瑟说道:「大家都携带自己的电灯开关,而不是在各个房间里安装电灯开关。想开灯时,口袋里的智能开关就会将你所在房间的灯打开,或者调到需要的亮度。房间里不必装调光器,你手里就有一个,个性化的灯光控制。音量调节也是一样。礼堂里每个人都有自己的音量控制器。音量往往要么过大,要么过小;大家都像投票似地使用自己口袋里的控制器。声音最终定格在一个平均值上。」
2016-06-02 23:57:51
磨损的标记是涌现出来的。它们是大量个体活动的产物。如同大多数涌现出来的现象一样,磨损有自我巩固的倾向。自然界里的一条沟壑多半会促成更多的沟壑。同样,与大多数涌现的属性相仿,磨损能够传递信息。现实生活中「磨损是直接刻在物体上的纹身,它在哪里显现,就表明那里有值得注意的不同,」威尔·希尔说道。他是贝尔通信研究所[1]的研究员。
希尔想要做的是将物理磨损所传递的环境意识嫁接到办公室的机器生态中去。比方说,希尔认为使用者与电子文档间的互动记录能大大丰富电子文档的信息。「在使用电子表格对预算进行调整的时候,每个格子修订的次数都可以映射到一个灰度区间,从而以视觉形式表现出哪些格子里的数字被改动得最多或最少。」这样一来就指出了哪里可能有混淆、争议或错误。另一个例子是,在使用效率工具的企业中,人们能够追踪到文件在被各个部门踢来踢去的过程中哪些部分被改动得最多。程序员们把这类走马灯式变来变去的热点称作「折腾」(churns)。他们发现,在一群人编写的成百万行代码中,如果能找出「折腾」所藏身的区域会是非常有用的。软件商和设备商们会很乐意掏钱购买有关他们产品的综合信息——哪部分用得多,哪部分用得少。这类详尽的反馈有助于他们改进产品。
在希尔工作的地方,所有从他实验室流过的文件都保有其他人或机器与之互动的记录。当你选读一篇文件时,显示器上会出现一窄条画面,上面有一些小小的刻度尺,标示出其他人花在各个部分上的累计时间。你一眼就可以看到有哪几处是其他读者流连的地方:或许是某个关键的段落,获许是某个让人眼睛一亮但又有点含混不清的段落。大众的使用率也可以通过字号的逐渐加大来显示。这有些像杂志中加大字体的「醒目引文」,不过,这些被突出的「常用」段落是从不受控的集体鉴赏中涌现出来的。
磨损可以看作是共同体的一个妙喻。单个的磨损痕迹是无用的。但是汇聚起来并与他人共享,其存在就有了价值。它们分布得越广,其价值就越高。人类渴求隐私,但事实上,我们的社会性胜过独立性。如果机器也像我们这样互相了解(甚至是一些很私密的事情),那么机器生态就是不可征服的。
2016-06-03 00:03:09
闭环制造是活体植物细胞内自然闭环生产的映射——细胞内的大量物质在非生长期间进行内循环。电镀工厂中的零污染闭环设计原则可以应用于一个工业园或整个工业区,从全球化的观念去看,甚至可以覆盖整个人类活动网络。在这个大循环里任何东西都不会丢弃,因为根本没有「丢弃」一说。最终,所有的机器、工厂以及人类的种种机构都成为一个更大的全球范围的仿生系统的成员。
2016-06-03 00:04:37
这种情景发展到极致的话,在我们的世界中就会充斥着高度变化的物质流,以及分散的、稀释的可回收物质。自然界擅长于处理分散和稀释的东西,而人工却不行。一座价值数百万美元的再生纸厂需要持续不断的、质量稳定的旧报纸供应。假如某天因为人们不再捆绑他们的旧报纸而造成纸厂停产,这样的损失是无法承受的。那种为回收资源建造庞大储藏中心的惯用方案使得原本就不丰厚的利润消耗殆尽。工业生态必须发展为网络化的及时生产系统[5],动态地平衡物质流量,使本地多余或短缺的物质得以穿梭配送,进而最小化应变库存。越来越多由网络驱动的「灵活工厂」能够采用可适应的机制,生产更多品种的产品(但每种产品的数量却较少),从而来处理质量变化幅度更大的资源。
2016-06-08 09:11:45
企业所面临的挑战可以简要地概括为:向外扩展企业的内部网络,使其包含市场上所有与公司打交道的实体或个人,从而编织起一张巨大的网,把雇员、供应商、监管人员和消费者都囊括进来,使他们都成为公司的集体性存在的一部分。「他们」,就是公司。
2016-06-08 09:14:54
一个纯粹网络化的公司,应该具有以下几个特点:分布式、去中心化、协作以及可适应性。
2016-06-08 09:21:11
在一个成熟的网络经济中,应该做到通过添加弱通讯能力而把这些东西跟前台管理系统以及消费者联结起来。生产带有主动微型芯片而不是被动条形码的小东西,就意味着在一家有数以千计的货架的折扣店里,每个货架上都摆放着数百个智力迟钝的小东西。那么,为什么不激活这些芯片?它们现在可是有智力的。它们可以自己显示价格,托你的福,还可以很容易地按照销售情况来调整价格。如果店主想要促销,或是你手上有某种优惠券或者打折卡,它们可以重新计算自己的价格。一个产品还可以记住你是否在看了一眼标价后就走开了——这可是店主和制造商很感兴趣的信息。无论如何,广告商可以吹嘘说:至少你抬眼看了。当货架上的商品获得自己或相互之间的注意,并且和消费者产生互动的时候,它们会迅速迸发为完全不同的经济形态。
2016-06-08 09:24:05
通用汽车公司在测试新车应对急弯的性能时,会让这辆车在不同的时速下进行测试,譬如50、60、70英里。显然,性能随时速的变化是连续的。如果一辆汽车能够在时速50、60、70英里的时候通过测试,无需测试我们就会知道,在各种中间速度——比如每小时55或者67英里——的时候,它也肯定能通过测试。
他们不用担心这辆车以每小时55英里的速度行驶时会突然长出翅膀来或者翻个底朝天。它在这个速度上的性能,基本上就是它在50英里和60英里时性能的某种插值。一辆汽车就是一个连续的系统。
计算机软件、分布式网络以及绝大多数的活系统都是非连续的系统。在复杂的适应性系统中,你根本不可能依赖插值函数来判断系统的行为。你的软件可能已经平稳运行了好几年,然后突然在某些特定的值点(比如,每小时63.25英里),轰隆一声系统爆炸,或者,突变为某种全新的东西。
断点始终都存在着,而你已经测试到了所有的邻近取值,却没有测试到这特别的一组环境值。事情发生后,你会一目了然为什么这个故障会导致系统崩溃,甚至能明白地指出为什么人们本该找出这个隐患。不过,这都是事后诸葛亮。在一个拥有海量可能性的系统中,根本不可能对所有的可能性进行测试。更糟糕的是,你还不能依靠抽样的方式来对系统进行测试,因为它是非连续的系统。
2016-06-08 09:25:12
软件可靠性大师C.K.曹曾经告诫业界人士,不要把软件看成产品,要把它看成便携式工厂。你卖的,或者说,你给予客户的是一个工厂(程序代码),可以在客户需要的时候为他制造出一个答案。你的难题是要制造一个能生产零缺陷答案的工厂。建造能够生产出完美可靠器件的工厂的方法,也可以轻易地应用到创建能给出完美可靠答案的工厂上。
2016-06-08 09:54:48
电话号码簿之所以有价值,是因为找某个特定的电话号码省事了。电话刚出现的时候,把某个电话号码列在号码簿里对编制者和所有电话用户都是有价值的。但今天,在电话号码唾手可得的世界里,一个没有列在号码簿的号码对于不想被列出的用户(要付更多的钱)和电话公司(可以收到更多的钱)来说却更有价值。隐私现在是一种定价销售的商品。
2016-06-08 09:55:30
隐私是与普通信息极性相反的信息,我把它想象成「反信息」。在系统内移除一点信息,就可以看作是这个系统重新生产了相应的反信息。在这样一个信息之水滔滔不绝无限复制以至于要涨爆互联网的世界里,一点点信息的消失或者蒸发就变得非常有价值——如果能永远消失,就更有价值了。
2016-06-08 09:58:39
盗版者会先找到一个有效注册的解码器盒子——比如说,在酒店房间里——然后把这个解码器上的ID克隆到别的芯片上。客户可以把他的解码器寄到保留地「维修」,新的解码器寄回来的时候就克隆了酒店解码器盒子上的ID。电视节目所采用的广播方式是无法察觉那些克隆出来的观众的。简而言之,黑掉这个系统的方法不是解密,而是在密码与其附属的设备之间做了手脚。
2016-06-08 10:06:33
加密-计量方法的精细粒度让斯普拉格非常兴奋。我请他举例说明这种方法到底能够达到多么精细的程度,他立刻就说出一个,很明显他已经对这事琢磨一会儿了:「比如说,你在科罗拉多州特柳赖德市自己的家中,想写荤段子。假设你一天可以写一个,我们可能会在世界上找到1万个人愿意每天付10美分来看你写的段子。这样一来,我们一年就可以收上365, 000美元,其中给你12万,你这辈子就够花了。」一个不值钱的段子,不管写得多淫荡多巧妙,除了网络,你找不到其他任何市场出售,不值得一卖。也许整本书有可能——也就是把荤段子汇编成集。单独一篇,不可能。但是在网络市场,哪怕是一个段子——信息量也就跟一块口香糖那么多——也值得制作和销售。
2016-06-14 10:21:59
按照迄今为止的实施情况,智能卡版的现金,如果被偷或者丢失的话,它跟实物现金一样有相同的价值,也造成相同程度的损失。不过,如果用个人身份码来加密的话,可以极大地增进安全性,虽然用起来会有些麻烦。乔姆预测,数字现金的用户进行小额交易时会用较短的个人身份码,或者完全不用密码,而进行大额交易则会用较长的密码。考虑了一会,乔姆又说,「为预防被强盗用枪逼着说出密码,艾丽丝可以使用一种『挟持密码』,输入后智能卡表面上正常工作,实际上却隐藏了那些更有价值的财产。」
2016-06-14 10:55:40
只要你挂上电话,电子货币账户就要为这一通话付费,或者——这样做怎么样?——在你通话的时候就付费。支付与使用同时发生。随着流通速度的加快,连续电子货币就能接近即时支付。而这会妨碍银行的发展,银行现在的利润有很大一部分是来自于「在途货币」[2],——即时性令其不复存在。
2016-06-14 10:57:06
或者,如果你能够提前发送款项,也许就能按分钟收取利息。或者,在个人电脑上编个程序,让它能够按照银行优惠贷款利率来区别付费,——为业余人士把货币交易写成程序。或者,可以让电脑追踪汇率,用当前最不值钱的货币支付账单。
2016-06-14 11:02:40
加密胜出,因为它是必要的反作用力,防止互联网不加节制地联结。任由互联网自行发展,它就会把所有人、所有东西都联结在一起。互联网说,「连接」。密码则相反,说「断开」。如果没有一些隔断的力量,整个世界就会冻结成一团超载的、由没有私密性的联结和没有过滤的信息组成的乱麻。
2016-06-14 11:29:05
在其演示版中,利普曼的小组用《我爱露茜》[1]中较早一集作为素材,从一组镜头里抽取了露茜客厅的视觉模型。露茜的客厅变成了硬盘上的一个虚拟客厅。这个时候,客厅的任何一个部分都可以尽显无疑。利普曼接着用一台电脑把露茜的移动形象从背景场景中移除。当他要传输整个一集时,他会传输出两套不同的数据:作为虚拟模型的背景数据,和露茜的移动图像影片。观众的电脑把露茜的角色移动和由虚拟模型所生成的背景重新组合起来。这样一来,利普曼只需偶尔传送客厅那组数据,而不用像平常那样连续不断地传送数据;只有当场景或灯光发生变化时才进行更新。利普曼说:「可以想见,我们能把一部电视连续剧的所有背景场景数据都储存到一张光盘的开头部分,而重构25集所需的各种动作和镜头移动可以放到剩下的磁盘空间中。」
2016-06-14 11:28:16
建模,发送,然后让接收方来填充细节——还有什么比这更好的压缩复杂性的办法呢?
2016-06-14 11:34:55
如果没有提出「如果」的能力,这个「东距73战役」的仿真就只不过是一个非常昂贵的引人入胜的纪录片而已
2016-06-14 11:39:15
一个真正坦克中的真正炮手,塞进一个价值数百万美元的钢铁舱室内的小洞里。他的周围全都是各种电子设备和仪表盘以及液晶读数屏。他跟外界战场之间的唯一通道就是眼前这个小小的电视监视器,可以像潜望镜那样用手来旋转。而他跟同僚之间的联系也要通过耳麦进行。这实际上跟操纵一个仿真装置一般无二。而他获知的一切——仪表盘上的读数和监视器上的图像,甚至他发射的导弹所造成的爆炸,都能被计算机渲染出来。那么,监视器上那一英寸高的坦克是真是假,又有什么关系呢?
2016-06-14 16:02:14
道金斯认为,要想造出一个有实际意义的生物「大千」,就必须把可能的形状限定在具有一定生物学意义的范围内。否则,即使用了累积选择的方法,找到足够多生物形态的机会也会被淹没在所有形状汇成的茫茫大海中。毕竟,他解释道,生物的胚胎发育限制了它们变异的可能性。举个例子,大多数生物都显示出左右对称的特性;通过把左右对称设定为生物形态的基本要素,道金斯就能够缩小整个库的规模,也就更容易发现生物形态。他把这种缩减称为「受限胚胎学」。他给自己的任务是设计一个「生物学意义上有趣的」受限胚胎学。
2016-06-14 16:03:38
道金斯告诉我:「一开始我就有个强烈的直觉,我想要的胚胎学应当是递归的。我的直觉一部分是基于这样一个事实——真实世界中的胚胎学可以被看作是递归的。」道金斯所说的递归,是指简单规则一遍又一遍地循环应用(包括用于其自身的结果),并由此生成了最终形式所具有的绝大多数复杂性。譬如,当「长出一个单位长度然后分岔成两个」的递归规则重复应用于一段起始线条上时,大约五次循环之后,它就会生成一片灌木般的具有大量分叉的形状。
其次,道金斯把基因和躯体的理念引入到库里。他认识到,(书中的)一串字母就好比是生物的基因。(在生物化学的正规表述中,甚至就用一串字母来表示一段基因。)基因生成肌体组织。「但是,」道金斯说:「生物基因并不控制肌体的各个微小部分,这就相当于它并不控制屏幕上的像素点。相反,基因控制的是生长规则,也即胚胎的发育过程,而在『生物形态王国』里,就是绘图算法。」因而,一串数字或文字就相当于一段基因(一条染色体),隐含着一个公式,并按这个公式用像素点绘出图案(躯体)。
2016-06-14 16:03:59
这种以间接方式生成形式的结果就是,图书馆中几乎任何随机角落里摆放的——或者说,几乎所有基因生成的——都是符合逻辑的生物形状。通过让基因控制算法而非像素,道金斯在他的「大千」中建立了一条内在语法,阻止了一切旧日荒谬的出现。即使是再出乎意料的变异,结局也不会是一个不起眼的灰点。同样的变换在博尔赫斯图书馆里也可以实现。每个书架的位置不再代表一种可能的字母排列,而是代表一个可能的词语排列,甚至是可能的句子排列。这样一来,你选中的任何书都将至少是接近可读的。这个得到提升的词语串空间远比文字串空间小,此外,正如道金斯所说,限定在一个更有意思的方向上,你就更有可能碰到有意义的东西。
道金斯引入的基因是以生物的方式发生作用——每次变异都按结构化的路径来改变多个像素。这不仅缩小了生物形态库的规模,将其精炼成实用的形态群,而且为人类繁育者提供了发现形式的替代途径。生物形态基因空间的任何微妙变化都将放大成图像的显著而可靠的变化。
2016-06-14 16:37:08
在一面纸墙上,拉萨姆先画出一个简单形状,比如顶部中间位置画一个圆椎体,然后用渐趋复杂的圆锥体图形填满剩下的空间。每一个新图形的产生都遵循拉萨姆所预设的规则。一个形状与其变化而来的后代形状们之间用细线相连起来。通常,一个形状会有多个变形。在这张巨大画面的底部,圆锥体变形成华丽的金字塔和带有艺术装饰风格的丘形。从逻辑上讲,这幅画是一个族谱图,但包含许多交叉婚姻。整个画面挤得满满当当,看起来更像一个网络或电路。
拉萨姆把这种用来生成各种形式并选择特定后代进一步演化的「基于规则的受迫过程」称为「形式合成」。
2016-06-14 16:40:57
在自然生物学(至少是我们目前所知的)基础上更进一步,拉萨姆的变异体程序会追随繁育者在库中的足迹。对于在特定繁育过程中保持不变的基因,变异体程序会认为它们是繁育者所喜好的,因而让它们成为显性基因[2];而对于那些变化不定的基因,变异体程序则认为它们是试验性质的,且不为繁育者所喜爱,因而将其定义为隐性基因,以减小它们的影响
2016-06-14 16:42:23
读者可能会有些困惑:狮头、蛇尾、分叉舌,并没有超出父母双方所具有的特性啊!实际上,「内亲」和「外戚」的差别在于,「内亲」是一种线性插值,而「外戚」则不是。狮子和蛇的内亲,有狮头蛇尾,或者有蛇头狮尾,都不足为奇;但狮头里长出分叉舌来,则超出了「线性」变异的范畴,因而不属于「内亲」。相对于可能存在的「外戚」来讲,「内亲」只是极小的一个集合,但由于「内亲」所具有的线性关联性,因而具有很多很好的特性。
2016-06-14 16:59:42
归根结底,繁育一个有用的东西几乎就和创造一个东西一样神奇。理查德·道金斯的论断印证了这点,他说:「当搜索空间足够大时,有效的搜索流程就与真正的创造并无二致了。」在包括一切可能之书的图书馆里,发现某一本特定的书就等同于写了这本书。
2016-06-14 17:00:46
《循环的宇宙》[2]作者威廉·庞德斯通[3]用一个类比来阐述为什么搜索知识所形成的巨大博尔赫斯库与搜索自然本身形成的博尔赫斯库一样困难。想像一座包含所有可能之视频的图书馆。像所有的博尔赫斯空间一样,这个图书馆的绝大多数馆藏品都充满了噪音和随机灰度。通常一盘磁带所能播放出来的只是两个小时的雪花斑点。要找到一盘可以一看的磁带,最大的问题在于,一盘随机磁带除了它本身,无法用占用更少空间或更短时间的符号来表示。博尔赫斯库中的大多数藏品都无法进行哪怕是一点点压缩。(这种不可压缩性正是随机性的最新定义。)要想搜索磁带,你只有去观看带子的内容,因而花在对磁带进行整理上的信息、时间和精力将超过创作这盘磁带的所需,不论这盘带子的内容是什么
2016-06-14 17:01:38
一些研究人类心智的学生提出了一个强有力的论点:思维是大脑内想法的进化。根据这种主张,所有创造物都是进化出来的。当我写下这些文字时,我不得不承认这一点。我在写这本书之初,脑子里并没有一个成形的句子,完全是随意选了一个「我被」的短语;接着下意识地对后面可能用到的一脑袋单词做了个快速评估。我选了一个感觉良好的「封闭」。接着,继续从10万个可能的单词中挑选下一个。每一个被选中的都繁育出可供下一代用的单词,直到我进化出差不多一个完整的句子来。在造句时,越往后,我的选择就越受到之前所选词汇的限制。所以说,学习可以帮助我们更快地繁育。
2016-06-14 17:30:48
在「地球」中,寄生虫有时会在无性繁殖中「借用」其他病毒的复制功能,而「收割机」有可能在这个过程中碰巧杀死了宿主,宿主原有的空间被新病毒占用。发生这种情况的时候,寄生虫就会使用新病毒的部分代码,以及「死去」病毒被打断了的部分复制功能。由此产生的后代是个未经刻意变异而产生的天然的新组合。(雷还说这种古怪的繁殖「相当于和死人发生性关系!」)在雷的「培养液」里这种中断式交配其实一直都在发生,但只有当他关闭变异功能时,他才注意到这点。
2016-06-14 17:39:47
早期认为进化与学习紧密相关的直觉又被连接主义重新唤醒了。探索人工学习的连接主义者通过将愚钝的神经元联结成巨大的网络而大展拳脚。他们研发了一种基于联结的并行处理方法——在虚拟或硬件实现的并行计算机上运行——与遗传算法相似,它能同时进行大量的运算,不过它的评估机制更加精密(更聪明)。这些大大「开窍」了的网络被称为神经网络。
2016-06-14 17:43:23
生物进化者们还可以进化出一种对抗肝炎病毒的抗体,然后再进化出一种与抗体相配的仿肝炎病毒。被选中的病毒并非完美的变种,而是缺失了一些可引发致命症状的活性点。这种有缺陷、无能力的替代品就是所谓的疫苗。因而,疫苗也可以通过非工程的方法进化出来。
2016-06-15 10:18:48
任何能将可遗传信息与可消亡机体合二为一的系统都具备了进化系统的要素。
2016-06-15 10:21:08
互补构型(complementary shape):指能像手与手套、钥匙与锁一样合在一起的构型。
2016-06-15 10:23:54
任何人都知道,进化和学习的方式可能有数百种;不论哪种策略,实际上都是在对图书馆或空间进行搜索。「传统人工智能研究的闪光思想——也是唯一思想——就是『搜索』,」艾克利断言道。实现搜索的方法有很多种,对自然生命中起作用的自然选择只是其中的一种。
2016-06-15 10:34:22
当计算机程序膨胀到几十亿行代码时,仅仅是维护程序、保持正常运行本身就会成为一个主要负担。有太多的经济活动和人的生命会依赖于这种数十亿行的程序,因此不能让它们有哪怕片刻的失效。戴维·艾克利认为,可靠性和无故障运行时间将成为软件最首要的任务。「我敢说,对真正复杂的程序来说,仅仅是为了存活下来就要消耗更多的资源。」目前,一个大型程序中只有一小部分致力于维护、纠错和清理工作。「将来,」艾克利预言道,「百分之九十九的原始计算机周期都将被用在让这个怪兽自我监视以维持其正常运转上。只有剩余的百分之一将被用于执行用户任务——电话交换或其他什么。要知道,这个怪兽只有活下来,才能完成用户任务。」
2016-06-18 12:26:58
如果时间足够充裕的话,今天的计算机勉强能进行人类动作的计算。但是,要想进行实时计算,就像你的身体在真实生活中那样随机应变,这种仿真几乎是无法计算的。人体大概有200个运动点。这200个运动点所能做出的动作姿态其数量基本上是天文数字。单单是个抠鼻子的实时动作,所需要的计算量就已经超过了我们现在所拥有的大型计算机的能力。
而人类动作的复杂性还不仅仅于此,因为身体的每一个姿势都可以通过多种不同的途径来达到。当我把脚伸到鞋里去的时候,我要通过小腿、脚以及脚趾的数百个动作的配合引导腿精确完成整个运动。事实上,我的四肢在走路时所完成的动作顺序是如此地复杂,以至于有足够的余地允许用上百万种不同的方式去完成它。通常,熟人在一百尺开外不用看我的脸就能把我认出来,完全是因为我走路时无意识地使用了惯用的腿部肌肉。模仿他人的动作组合是非常困难的。
2016-06-18 12:31:02
行为学架构的核心是「去中心化」这样一个关键概念。正如丁柏根在他1951的著作《昆虫研究》[4]中指出的,动物行为是一种去中心化协同,它将许多独立的动作(驱动)中心像盖房子一样搭建到一起。有些行为模块是由反射现象组成的;它们能调用一些简单的功能,比如遇热时回缩,或者被触碰时闪避。这些反射现象既不知道自己所处的位置,也不知道外界在发生什么事,甚至不知道它们所附属的这个身体当前的目标是什么。无论什么时候,只要出现适当的刺激,它们就会被触发。
雄性鳟鱼会本能地对下面这些刺激因素做出反应:一条已经到了交尾期的雌性鳟鱼,一条游到附近的虫子,一个从身后袭来的捕食者。但是,当这三种刺激因素同时出现的时候,捕食者模块总是会压制交配或者进食本能,抢先反应。当不同的行为模块之间或多个同时出现的刺激之间出现冲突的时候,就有某种模块被激活以做出决策。比如说,你正在厨房里,两手弄得很脏,这时候电话响了,同时外面又有人敲门。在这种情况下,那些相互冲突的冲动——赶快去接电话!不,先擦干净手!不,得冲到门口去!——就可能使你手足无措,除非这时有另外一个后天习得的行为模块进行仲裁,也许就是这个模块让你喊出一声:「请等一下!」
2016-06-18 12:31:37
同时做揉肚子和拍头动作相当困难,因为出于某种未知的原因,其中一个动作压制另一个动作。通常,一个输出信息可能会在激活某些中心的同时抑制其它中心。显然,这是一个网络的架构,充斥着大量的循环因果关系和首尾相衔的怪圈。
2016-06-18 12:32:01
外在行为就这样从错综复杂的盲目反射中涌现出来。由于行为源头的分布式特性,底层最简单的代理也能在上层产生意料之外的复杂行为。猫的身上并没有什么中心模块去决定这只猫挠自己的耳朵或者舔自己的爪子。相反,这只猫的所作所为是由独立的「行为代理」——即各种反射——构成的乱麻般的网络决定的,这些代理彼此交叉激活,构成一个总体的行为模式(就是称为舔或挠的动作),从这个分布式的网络中冒了出来。
2016-06-18 12:33:12
奥兹世界涉及了三个控制研究的前沿领域:
如何组织一个既允许一定偏离又围绕着既定结局的故事?
如何构建一个能产生意外事件的环境?
如何创造自主但又受节制的生物?
2016-06-18 16:59:14
柯扎的方法和西姆斯的有很多相似之处。柯扎的「数据培养液」也含有大约一打用LISP语言表达的数学基元,诸如加、乘、余弦。这些基元随机串在一起形成一棵棵逻辑「树」——一种形似计算机流程图的层次结构。柯扎的系统像繁殖人口一样创建了500到10000个不同的独立逻辑树。「数据培养液」通常在繁衍了大约50代之后收敛到某个合适的后代身上。
树与树之间交换分枝迫使它们产生变种。有时嫁接的是一根长树枝,有时仅仅是一根细枝或枝头的「叶子」。每根树枝都可以被看作是由更小的分枝构成的完整无缺的逻辑子程序。通过分枝交换,一小段方程(一根树枝),或一个有用的小程序,可以得到保存甚至传播。
通过方程进化能解决形形色色的古怪问题。柯扎用它来解决的一个经典难题是如何让一根扫把立在滑板上。滑板必须在马达的推动下来回移动,使倒立的扫帚在板中央保持直立。马达控制的计算量惊人,但在控制电路上与操纵机器人手臂的电路并无多大区别。柯扎发现,他可以进化出一个程序来实现这种控制。
被他用来测试方程进化的问题还有:走出迷宫的策略;二次方程的求解方法;优化连接众多城市最短路径的方法(又称为旅行商问题);在tic-tac-toe[2]一类简单游戏中胜出的策略。在每个例子中,柯扎的系统每次都会去寻找解决问题的一般公式,而不是寻找每一个测试实例的具体答案。一个公式经受不同实例的测试越多,这个公式就会进化得越完善。
尽管方程进化能得出有效的解决方案,可这些方案却往往要多难看有多难看。当柯扎拿起他那些高度进化的宝贝开始查看细节时,他和西姆斯以及雷一样感到震惊:解决方案简直是一团乱麻!进化要么绕上一个大弯,要么钻个七里拐弯的逻辑漏洞抄近道。它塞满冗余,毫不雅致。出了错时,宁愿添加一节纠错程序,或者让主流程改道绕过出错的区域,也不愿销去错误的部分。最后的公式颇有几分神奇的鲁宾·戈德堡[3]连动装置的样子,依靠某些巧合才能运作。当然,它实际上就是架戈德堡神奇连动机。
2016-06-18 16:59:51
这公式不但样子难看,而且还令人费解。即使对一个数学家或一个计算机程序员来说,这个进化出来的公式也是一团乱麻。汤姆·雷说,进化写的代码只有喝醉酒的人类程序设计员才写得出来的。依我看,说进化生成的是只有外星人才写得出来的代码恐怕才更确切些。这绝非人类所为。对这个方程追本溯源,柯扎终于找到了这个程序处理问题的方式。完全是凭着百折不挠和不择手段,它才打通了一条艰难曲折又令人费解的解决之道。但这确实管用。
进化得出的答案看起来很奇怪,因为几乎任何一个高中生都能在一行内写出一条非常简洁优雅的方程式来描述这两条螺旋线。
在柯扎的世界里没有要求方案简洁的进化压力。他的实验不可能找到那种精炼的方程式,因为它并不是为此构建的。柯扎试着在运行过程中添加点简约性因素,却发现在运行开始就加入简约性因素会降低解决方案的效率。得到的方案虽然简单却只有中下水平。他有证据表明,在进化过程末期加入简约性因素——也就是说,先让系统找到一个管用的解决方案,再开始对其进行简化——这是进化出简洁方程更好的方法。
2016-06-18 17:00:26
但柯扎坚信简约的重要性被过分高估了。他说,简约不过是「人类的审美标准」。大自然本身并不特别简约。举个例子:时为斯坦福大学科学家的戴维·斯托克分析了小龙虾尾部肌肉中的神经回路。当小龙虾想逃走的时候,其神经网络会引发一个奇怪的后空翻动作。对人类来说,那种回路看起来如巴洛克建筑那般繁复,取消几个多余的循环指令马上就可以使它简化一些。但那堆乱七八糟的东西却很管用。大自然并不会只为了优雅而简化。
2016-06-18 17:03:17
适应是对自身结构的扭曲,以使之能够钻过一个新漏洞。而进化是更深层的改变,它改变的是构建结构本身的架构——也即如何产生变化的方式——这个过程常常为其他人提供了新的漏洞。如果我们预先确定了一台机器的组织结构,也就预先确定了它能解决怎样的问题。理想的机器应该是一台通用问题解决机,一台只有想不到没有做不到的机器。这就意味着它必须拥有一种开放性的结构。柯扎写道:「(解决方案的)规模、形式以及结构复杂度都应是答案的一部分,而不是问题的一部分。」当我们认识到,是一个系统自身的结构决定了它所能得出的答案,那么我们最终想要的是如何制造出没有预先定义结构的机器。我们想要的是一种不断自我更新的机器。
2016-06-18 17:05:40
进化作为一种工具,特别适用于以下三件事:
如何到达你想去而又找不到路的领域;
如何到达你无法想象的领域;
如何开辟全新领域;
2016-06-18 17:10:28
期间,朗顿接到一个任务:将一个程序从一台过时的大型计算机中移植到一台构造完全不同的新计算机中去。完成此任务的窍门是抽象出旧计算机上的硬件运行方式,在新计算机上以软件的方式模拟出来——即提取硬件的行为,再将之转换成无形的符号。这样,旧的程序就可以在新计算机上由软件仿真出来的一个虚拟旧计算机系统中运行。朗顿说,「这是将过程从一个媒介转到另一个媒介上的直接体验。硬件是什么并不重要,因为你可以在任何硬件中运行程序。重要的是要抓住过程的本质。」这让他开始遐想,生命是否也能从碳结构中提取出来,转化成硅结构。
2016-06-18 17:14:16
物理学家多恩·法默提出了界定生命的一个特征列表。他说,生命具有:
时间和空间上的模式
自我复制的能力
自我表征(基因)的信息库
使特征持久的新陈代谢功能
功能交互——它并非无所事事
彼此相互依赖,或能够死亡
在扰动中保持稳定的能力
进化的能力
2016-06-18 23:11:51
不过,拉马克进化需要生物体能够为其基因编制有效的索引。如果生物体遇到了严酷的环境——比如说海拔极高——它就会通知体内所有能影响呼吸的基因,要求它们进行调整。身体无疑能通过激素和化学反应把消息通知到各个器官。如果能精准到司职的那些基因的话,身体也能把同样的消息传递给它们。然而,这正是缺失的那一步簿记活儿。身体并不记录自己是如何解决问题的,因此也就不能确定到底是哪个基因被用来在铁匠的肱二头肌上给肌肉充血,或者哪个基因是用来调节呼吸和血压的。生物体内有数百万个基因,可以生成数十亿个特征——一个基因能生成不止一个特征,而一个特征也可能由不止一个基因生成。——簿记和索引的复杂性将远超过生物体本身的复杂性。
所以,与其说躯体内的信息不能向基因方向传递,不如说由于消息没有确切的递送目的,才使信息传递受到了阻碍。基因中没有管理信息交通的中央管理局。基因组就是极致的分权系统——蔓生的冗余片断,大规模并行处理,没有主管,无人监察各个事务。
2016-06-18 23:41:47
按照传统的图景,一个种群在偶然形成某种新的稳定结构之前,会随着其日常行为中微小的、随机的、累进的变化而骚动不安,与此相反,玛格丽丝希望我们考虑的是两个正常运转的简单系统合并为一个更大、更复杂系统的意外现象。举例来说,由一个细胞系继承而来、负责运送氧气的经过验证的系统,可能和另一个细胞系中负责气体交换的现存系统紧密结合在一起。双方共生相联,就有可能形成一个呼吸系统,而这一发育过程未必是累进的。
2016-06-18 23:42:50
在某些情况下,共生伴侣的基因株(碱基片断)会融合在一起。有人为这种共生关系所需的信息间合作提出一种机制,即著名的细胞间的基因转移。在野生环境的细菌之间,这种转移发生频率极高。一个系统的专有信息可以在不同的物种之间穿梭往返。新的细菌学认为,世界上所有的细菌就是一个单一的、在基因方面相互作用的超有机体,它在其成员之中以极快的速度吸收并且传播基因的革新成果。另外,物种间的基因转移也同样会(速度未知)在包括人类的较为复杂的物种之间发生。每种类型的物种都在持续地交换基因,通常由裸露病毒担任信使。病毒自身有时候也被纳入共生。许多生物学家认为人类DNA链中有大块大块的片断是插入的病毒。还有一些生物学家甚至认为这是一个循环——人类很多疾病的病毒就是逃逸的人类DNA的乖戾部分。
2016-06-19 15:33:35
十年前「迭坐」游戏风行一时。这个引人入胜的户外游戏充分展示了合作的力量。游戏主持人让25个或更多的人紧挨着站成一圈,每个参与者盯着他前面那个人的后脑勺。想像一下排队等着买电影票的人吧,把他们连成一个整齐的圈就好了。
主持人一声令下,一圈人立刻曲膝坐到后面朋友的膝盖上。如果大家动作协调一致,这圈人坐下时就形成了一个自支撑的椅子。如果有一个人失误,整个圈子就崩溃了。「迭坐」游戏的世界记录是几百人同时稳稳地坐到后面的「椅子」上。
自催化系统与衔尾蛇很像「迭坐」游戏。化合物(或函数)A在化合物(或函数)C的帮助下合成了化合物(或函数)B。而C自己是由A和D生成的。D又是由E和C产生的,诸如此类。无他则无我。换句话说,某种化合物或功能得以长期存在的唯一途径,就是成为另一种化合物或功能的产物。在这个循环世界里,所有的原因都是结果,就像所有的膝盖都是别人的「椅子」一样。与我们通常的认识相反,一切实体的存在都取决于其它实体的共同存在。
「迭坐」游戏证明了循环因果关系并非不可能。我们这一身臭皮囊也正是由套套逻辑所支撑的。套套逻辑是真实存在的,它实际上是稳定系统的一个基本要素。
2016-06-19 15:34:43
认知哲学家道格拉斯·霍夫施塔特把这些矛盾的回路称为「怪圈」,并举了两个例子:巴赫的卡农轮唱曲里似乎不断拔高的音符,以及埃舍尔画笔下无限上升的台阶。他把著名的克里特岛撒谎者悖论以及哥德尔[1]关于不可证明的数学定理的证明也算在「怪圈」里。霍夫施塔特在其著作《哥德尔、埃舍尔和巴赫》中写道:「当我们在某个层级系统的不同层级间向上(或向下)移动时,却意外地发现自己又回到原来待过的地方,这就是『怪圈』。」
生命和进化必然会陷入循环因果的怪圈,它们在基本面上具有套套逻辑。缺少了这种根本的循环因果逻辑矛盾,也就不可能有生命和开放的进化。在诸如生命、进化和意识这类复杂的过程中,主因似乎在不断地迁移,就好像埃舍尔所描绘的光学错觉。人类在试图构建像我们一样复杂的系统时遇到的问题之一就是,过去我们一直坚持一定程度上的逻辑一致性,也即如钟表般的精确逻辑,而这阻碍了自主事件的涌现。正如数学家哥德尔所阐明的,矛盾是任何自维持系统所固有的特性——即便组成该系统的各部分都是一致的。
哥德尔在1931年提出的理论中阐明,企图消除自吞噬的圈子是徒劳无益的,究其原因,霍夫施塔特则指出,「不识庐山真面目,只缘身在此山中」。在「局部」层面上审视时,每个部分好像都是合法的;只有当合法的部分形成一个整体时,矛盾才会出现。
2016-06-19 15:36:06
1991年,年轻的意大利科学家沃尔特·方塔纳从数学上论证了函数A生成函数B, B再产生C这样的线性序列可以容易地构成类似闭环控制系统的自生成环,因而最后的函数与最初的函数同为结果的生成者。考夫曼第一次看到方塔纳的工作时,就被它的美所倾倒。「你一定会爱上它!函数之间彼此生成。它们自所有函数所形成的空间中来,在创造的怀抱中手牵着手!」考夫曼把这种自催化系统叫做「卵」。他说,「一个卵就是一套规则,它拥有这样的特性:它们所生成的规则也正是创造它们的规则。这一点也不荒谬。」
要获得卵,首先要有一大「池」不同的介子。它们可以是各种各样的蛋白质碎片,也可以是计算机代码片断。如果让它们在足够长的时间内互相作用,就会形成「一种物体产生另一种物体」的小闭环。最终,如果时间和空间允许的话,系统中由这些局部闭环形成的网络会蔓延开来,并逐渐致密起来,直至环路中的每个生产者都是另一个生产者的产品,直至每个环路都融入其他环路,形成规模庞大的并行且相互关联的网络。这时,催化反应停止,网络突然进入一个稳态游戏——系统坐在自己的膝头上,始端倚在末端,末端亦倚在始端。
考夫曼声称,生命就是在这种「聚合体作用于聚合体形成新的聚合体」的「汤」中开始的。他通过「符号串作用于符号串产生新的符号串」的实验,论证了这种逻辑的理论可行性。他假设蛋白质碎片与计算机代码片断在逻辑上是等同的,并把「代码产生代码」的数字网络视作蛋白质模型。当他运行这个模型时,便得到了如同「迭坐」游戏一般的自催化系统:它们没有开始,没有中心,也没有结束。
生命是作为一个完整的整体而突然冒出来的,就像晶体突然从过饱和溶液中显露出其最终(尽管微小)的形式一样:没有从浑浊的半晶体开始,也没有呈现为半物化的幽灵,而是突然地、一下子就成为了整体,就像「迭坐」游戏中,200个人突然坐成一圈一样。
2016-06-19 15:41:09
考夫曼用山丘来描绘这种效应。山顶是灵活性的最佳点。山顶的一侧是松散连接的系统:迟缓而僵化;另一侧是连接过度的系统:一个由无数牵制力量形成的死锁网格——每个节点都受到许多相互冲突的影响,使整个系统陷入严重瘫痪。考夫曼把这种极端情况称为「复杂度灾难」。出乎许多人意料的是,这种过度连接的情形并不少见。从长远来看,过度连接的系统与一盘散沙并无二致。
2016-06-19 15:54:11
翻了翻关于进化的书籍,我找不出哪一本书的目录上有「趋势」或者「方向」这样的字眼。许多新达尔文主义者绝口不提这两个字眼,近乎狂热地铲除着进化中有关进步的概念。其中最直言不讳的一个人就是史蒂文·杰·古尔德,他也是为数不多的几个曾公开讨论这个观点的生物学家之一。
古尔德其科普作品《奇妙的生命》[1]一书中对伯吉斯页岩化石群[2]给出了全新的解释。这本书的核心思想就是,生命的历史可以被视为一盘录像带。我们可以试想着将带子倒回到起点,并借助某种神奇的力量,改变生命之初的某些关键场景,然后从那一点起重新播放生命的历程。这种屡试不爽的文学手法在美国经典圣诞电影《美好人生》[3]中达到了极致:在这部电影中,主人公吉米·斯图尔特的守护天使为他重演了因没有他的存在而变得不幸和痛苦的其他人的生活。因此,古尔德将其名字借用过来,作为自己的书名。
如果我们能够重播地球上生物演化的过程,这一过程是否会按照我们已知的历史发展?生命将重现那些我们熟悉的阶段,还是会做出相反的选择而让我们大吃一惊?古尔德用讲故事的方法,告诉我们为什么他认为如果进化可以重来的话,我们将会完全认不出地球上的生命。
2016-06-19 15:54:26
此外,既然我们能够将这盘神奇的录像带放到我们的机器里播放,那么也许还可以进一步做一些更有趣的事。如果我们关掉灯,然后随意地翻转带子,再播放它,那么,来自另外一个世界的访客是否能够判断磁带究竟是正向播放还是在倒带?
2016-06-20 10:21:04
因为通用的基本底图非常罕见,所以经历了寒武纪大灭绝之后,大多数物种的底图便再也无可替代,这可谓特大消息。它引发了古尔德的感慨:「生命史的惊人事实——醒目地记载了多样性的锐减,以及继之而来的在少数幸存物种中激增的多样性」。
2016-06-20 10:33:01
由于生命变得越来越层次化——基因、细胞、组织、物种——进化改变了工作目标。耶鲁大学的生物学家利奥·巴斯称,在进化之进化的每一个阶段,受制于自然选择的单位层级在提高。巴斯写道,「生命的历史就是一个选择不同单位的历史。」自然选择选择的是个体;巴斯认为构成个体的部分一直在随时间发生演变。举个例子来说,数十亿年前,细胞是自然选择的单位,但最终细胞组合起来构成了组合体,自然选择就转而选择它们的组合体——多细胞有机生命体——将其作为个体来选择。看待这个问题的方法之一,就是看构成进化个体的单位演变出了什么。起初,个体是一个稳定的系统,然后是分子,然后是细胞,然后是一个生物体。接下来是什么呢?
2016-06-20 10:34:56
我之所以探询预测未来的问题,是因为预测是控制的一种形式,是一种尤其适合分布式系统的控制形式。通过预期未来,活系统能够改变其姿态,预先适应未来,以这种方式掌控自己的命运。约翰·霍兰德说:「复杂自适应系统所做的,就是预测」。
2016-06-20 10:36:05
一个棒球外野手基于经验形成的空中飞行物的「理论」,很像托勒密行星模型的后期阶段。如果我们解析外野手的「理论」的话,就会发现它是不连贯的,即兴的,复杂的,而且是近似的。但是,它也是可以发展的。这是一个紊乱的理论,但它不仅有效,而且还能提高。如果非要等到每个人都能弄明白f=ma这个算式(况且,弄明白半个f=ma还不如什么都不懂)再行动的话,就根本没有人能接住任何东西。就算你现在了解了这个算式,也没什么用。「你可以用f=ma来求解飞行中的棒球问题,但你不能在外场实时解决问题。」法默说。
2016-06-20 10:38:47
数学家一直努力寻找驯服这些怪物的方法,他们称之为「高维」系统。任何有生命的造物、复杂的机器人、生态系统或者自治的世界,都是一个高维系统。而形式之库,就是一个高维系统的建筑。仅仅100个变量,就可以创造出一群数量巨大无比的可能性。因为每一个变量行为都和其他99个行为互相影响,所以如果不同时对这个相互作用的群体整体进行考察的话,你根本无法考察其中的任何一个参数。比如说,哪怕是一个简单的只有三个变量的气候模型,也会通过某种奇怪的回路连回到自己身上,从而哺育出某种混沌,让任何一种线性预测都成为不可能。(最初就是因为在气象预测上的失败才发现了混沌理论。)
2016-06-20 10:41:04
法默却学到了三件对于预测未来非常重要的事情:
首先,你可以抽取混沌系统内在的固有模式,取得良好的预测。
其次,进行一次有用的预测用不着看得太远。
第三,即使是一点点有关未来的信息,也是非常有价值的。
2016-06-20 10:42:07
当极小的误差(由有限的信息引起的)持续到非常遥远的未来的时候,将会汇聚成极为严重的误差。即使计算本身是免费的(而它从来就不是免费的),处理这些成指数增长、被误差污染的可能性所需要的代价也是巨大的,而且根本就不值得付出。
2016-06-20 10:43:10
我们每一天都会遇到类似的折衷。无论在商业,政治、技术还是生活中,我们都必须预估隐匿在犄角旮旯的情况。可是,我们从来都得不到充足的信息来做出完全有见地的决策。我们经营在黑暗中。为了做出补偿,我们只能凭借经验,或者粗略的指导原则。而国际象棋中的经验规则,是可以指靠的相当不错的生活规则。(我的女儿们,这里注意了:首选那些增加选择余地的着法;避开那些结果不错但要求弃子求兑的着法;从那些毗邻多个有利位置的有利位置着手。在对局势的前瞻和切实通盘关注当前的状况之间取得平衡。)
2016-06-20 10:48:39
法默把这种神秘的「概括模式搜寻能力」称为「直觉」。华尔街的那些「走运的」交易员,利用的恰恰就是这种能力。
2016-06-20 10:56:45
我们现在拥有预测许多社会现象的技术,前提是我们能够在合适的时机抓住它们。我奉行席奧多·莫迪斯[1]1992年的著作《预测》[2]对预测的功用和可信性情况的精确总结。莫迪斯提出了在人类互动的更大网络中建立有序性的三种类型。每一种都在特定的时间构成了一个可预测性范围。他把这一研究应用到经济学、社会基础设施和技术领域之中,而我相信,他的发现同样适用于有机系统。莫迪斯的三个范围是:不变量、成长曲线和循环波。
2016-06-20 10:57:31
不变量。对所有优化其行为的有机体来说,自然的、无意识的趋势逐渐向其行为中注入了随时间推移极少变化的「不变量」。尤其人类,是最有资格的优化者。一天有二十四个小时是一个绝对的不变量,那么一般而言,人生几十年,虽然其间隔、所完成的事业不尽相同,但是很明显,人类都趋向把一定量的时间用来干这些琐事:烹饪、旅行、打扫卫生。如果把新的行为(比如,乘坐0201483408航班[3],而不是步行)纳入基本维度(比如,每天奔波要花多长时间),就会看到,这种新行为的模式持续展现的是原有行为的模式,同样可以预测(或预言)它的未来。换句话说,你以前是每天走半个小时路去上班,现在则是开半个小时车去上班。而在未来,也许你会飞半个小时去上班。市场苛求效率的压力,如此冷酷,如此无情,致使它必然将各种人造系统推向最优化这单一的(可预测)方向。追踪一个不变量的优化点,往往会提醒我们注意到一个规则的可预测性范围。比如说,机械效率的提高是非常缓慢的。到现在为止,还没有一种机械系统的效率能够超过50%。设计一个运行效率达到45%的系统是可能的,而要设计一个效率达到55%的系统,就不可能。因此,我们可以对燃料效率做一个可靠的短期预测
2016-06-20 10:58:45
成长曲线。一个系统越大、层次越多、越是去中心化,那么它在有机成长方面取得的进展也就越多。所有成长的东西,都拥有几个共同的特点。其中一个,就是形状为S形曲线的生命周期:缓慢地诞生、迅速地成长、缓慢地衰败。全球范围内每年的汽车产量,或者莫扎特一生中创作的交响乐,都相当精确地符合这种S形曲线。「S形曲线所具有的预测能力,既非魔法,也非无用」,莫迪斯写到。「在S形曲线那优雅的形状下面,隐藏着一个事实,即自然的生长过程遵循着一种严格的定律。」这个定律说明,结局的形态与开端的形态相对称。这个定律以数千生物学的历史,以及形成制度的生命历史的经验观测值为基础。这个定律还与以钟形曲线表述的复杂事物的自然分布有着密切的联系。成长对初始条件极度敏感;然而成长曲线上的初始数据点几乎毫无意义。不过,一旦某个现象在曲线上形成不可遏止的趋势,有关它的历史的数字快照就会形成,并在预测这个现象的最终的极限和消亡方面起颠覆性的作用。人们可以从这条曲线中抽取它与竞争系统的一个交界点,或者一个「上限」,以及这个上限必然水平拉开的数据。并不是每个系统的生命周期都呈现光滑的S形曲线;但是,符合这个曲线的系统无论种类或者数量都相当可观。莫迪斯认为,服从这一生长定律的东西比我们设想的要多。如果我们在恰当的时机(其生长过程的中期)检验此类生长系统,这种由S形曲线定律概括的局部有序状态的出现,就为我们提供了另外一个可预测性范围。
2016-06-20 11:05:04
尽管成功地进行大型预测的几率非常之小,但是,试图从过去的股票市场价格中析取长波模式的业余和专职的金融图表分析师并不因此气馁。对于图表分析师来说,任何一种外在的周期性行为都是可以猎取的猎物:裙裾的长度,总统的年龄、鸡蛋的价格。图表分析师永远都在追逐神话般预测股价趋势的「领先指标」,用来作为下注的数值。
2016-06-20 11:05:22
和图表分析主义相反,另外一些金融预测人员依靠市场的「基本面」预测市场。这些被称为基本面分析师的人们试图理解复杂现象中的驱动力量、潜在动力以及基本条件。简单来说,他们要找的是一个理论:f=ma。
2016-06-20 11:06:59
与其它系统相比,股票市场更多的是建立在预期之上的。在一个靠预期取胜的游戏中,如果所有人都分享这个预测的话,准确的预测就不会提供赚钱的机会。预测公司真正能够拥有的,只不过是时间上的领先。只要法默的团队开发某个预测性范围挣到了大钱,那么其他人都会冲进来,多少模糊了模式,大多数情况下,会把挣钱的机会拉平。在一个股票市场中,成功会激发起强烈的、自我取消的反馈流。在其他系统中,比如说成长性网络,或者一家正在扩张的公司,预测反馈不会自我取消。通常来说,反馈是自我管理型的。
2016-06-20 11:08:22
最早的控制论学者,诺伯特·维纳,曾经殚精竭虑地要说明反馈控制的巨大力量。他当时脑子里想的就是简单的冲水马桶型的反馈。他注意到,不断地一点点地把系统刚刚实现的微弱的信息(「水平面还在下降」)注入系统,在某种意义上引领了整个系统。维纳总结说,这种力量,是时间平移的一项功能。在1954年,他这样写到:「反馈是控制系统的一种方式,它把系统过去的运行结果重新输入系统,从而完成对系统的控制。」
2016-06-20 11:11:21
一个动物的眼睛就是把发生在时/空远处的信息「前馈」到位于此处/现在的身体中。
2016-06-20 11:12:26
有些哲学家认为,生命能够起源于一个笼罩着空气和水这两种介质的行星上并不是一件偶然的事情,因为水和空气,在绝大多数光谱下都具有令人惊讶的透明度。清洁、透明的环境,使得器官能够接收来自「远处」(未来)的含有丰富数据的信号,并对来自有机体的信号进行预处理。因此,眼睛、耳朵和鼻子都是能够窥视时间的预测机制。
根据这个概念,完全浑浊的水和空气可能会通过阻止远处事件的信息传至现在而抑制预测机制的发展。生存在浑浊世界中的有机体,无论是在空间上还是在时间上,都会受到束缚;它们会缺乏空间去发展适应性反应。而适应,就其核心而言,要求对未来感知。在一个变化的环境中,不管这环境是浑浊还是清澈,能够预测未来的系统都更可能存续下去。迈克尔·康拉德写道:「归根结底,适应性,就是利用信息来应付环境的不确定性。」格雷戈里·贝特森则用电报文体简洁地说:「适应就是以万变求不变。」一个系统(根据定义是不变的)适应(变化)的目的就是为了存续(不变)。火烈鸟改变自己就是为了继续生存。
2016-06-20 11:16:58
任何一种真正的预测模型,都必须具备能够产生「想象不到」的情景的能力。一个系统在可能性的空间要有充分的活动余地,可以游荡到出乎我们意料之外的地方,这很重要。说它是一门艺术,是因为模型拥有了太多的自由度,就变得不可驾驭了,而把它拘束得太紧,它就变得不可靠了。
2016-06-20 11:22:27
艾希比总结了自己那些用真空管造出迷你模型的试验,得出了这样的结论:如果一个模型过于急切地简化了复杂现象,它就会错失目标。模拟的复杂程度,不得超出它所模拟的复杂性的活动领域,否则,模型就跟不上它所模拟的东西的曲折路线。另外一位控制论专家,杰拉尔德·温伯格,在他的著作《论稳定系统的设计》中给这个「必要的复杂性」提供了一个非常贴切的比喻。温伯格提示说,想象一下,一枚制导导弹瞄准了一架敌机。导弹自己并非一定也是一架飞机,但是它必须具备与飞机的飞行行为复杂性旗鼓相当的飞行复杂性。如果这枚导弹不具备至少与目标飞机一样的速度,而且在空气动力学方面的敏捷程度也不如那架目标敌机,那它肯定打不中目标。
2016-06-20 11:41:39
我们也可以把引文索引看成一种脚注跟踪系统。如果你把每份参考目录看作正文的脚注,那么一份引文索引就把你引向脚注,然后允许你找出脚注的脚注。对此系统有种较为简洁的描述,就是特德·纳尔逊于1974年杜撰的「超文本」。本质上,超文本是一种大型分布式文档。超文本文档就是在文字、思想和资料来源之间实况链接的模糊网络。这样的文档没有中心,没有尽头。阅读超文本,你可以在其间纵横穿越,可以翻过正文去看脚注,看脚注的脚注,可以细读和「主要」正文一样长,一样复杂的附加说明的思想。任何一个文档都可以链接到另一个文档并成为其一部分。计算机处理的超文本可以在正文中包含各种旁批,注释,这些注释来自其他作者的补充、更新资料、修订、提炼、摘要,曲解,并且就象在引文索引中一样,要在文章中列出所有参考书目。
2016-06-20 11:45:12
从计算机科学的前沿,从生物研究的边缘,从千奇百怪的跨学科实验的角落,我总结出了操纵无中生有的造物九律:
分布式状态
自下而上的控制
培养递增收益
模块化生长
边缘最大化
礼待错误
不求目标最优;但求目标众多
谋求持久的不均衡
变自生变
2016-06-20 11:52:28
5. 《连线》最近一场主题为「Web已死,Internet永生?」的讨论吸引了人们的关注。有一种观点认为,开放的互联网已经走到了尽头,未来的应用会朝向越来越封闭的趋势。您怎么看?
开放是网络内在的精神;没有开放,就没有网络。但由于网络上各个局部的发展很不平衡,因此会出现各种各样的带围墙的「花园」。从某种意义上说,这种封闭恰恰是开放带来的结果:由于开放,网络的规模变大;而任何一个大而复杂的系统,内部都不可能是匀质的,必然会出现各种自治的子系统。这些自治的子系统能够在其内部进行更灵活的调整,从而使得网络可以更好地包容区域间的不平衡。此外,这些「花园」并非是完全封闭的,它们在不停地与外部环境进行各种各样的交换。所以说,封闭是开放中的封闭;开放并不意味着一个匀质、没有内部边界的系统
多看笔记 来自多看阅读 for Kindle
duokanbookid:rd237b7egd123e618fc01656404e0b25
有关键情节透露