按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
知道如何发现这条法则。目前对此只是推测，也就是当你退后一步，拍着脑袋陷入沉思
时所获得的某种直觉。”事实上，他并不知道这会是一条法则、还是几条法则。但他明
白无疑的是，最近人们已经在这个方面发现了许多蛛丝马迹，诸如涌现、适应性和混沌
的边缘，这些发现起码可以为这个假设的新的第二定律勾勒出一个大概的轮廓。
涌现
法默说，第一，这个想象中的法则将能够对涌现做出严谨的解释：当我们说整体大
于部分的总和的时候，我们指的是什么？“这不是魔术，但当用我们人类粗陋狭小的大
脑来感觉时，这就像是魔术。”飞翔的“柏德”（和实际生活中的鸟类）顺应着邻居的
行为而聚集成群；生物体在共同进化之舞中既合作又竞争，从而形成了协调精密的生态
系统；原子通过形成相互间的化学键而寻找最小的能量形式，从而形成分子这个众所周
知的涌现结构；人类通过相互间的买卖和贸易来满足自己的物质需要，从而创建了市场
这个众所周知的涌现结构；人类还通过互动关系来满足难以限定的欲望，从而形成家庭、
宗教和文化。一群群的作用者通过不断寻求相互适应和自我完善而超越了自我，形成了
更为宏大的东西。关键在于要弄清楚这一切的来龙去脉，而又不落入枯燥无味的哲学思
辨、或新时代的玄想泥潭。
法默说，这正是广义的计算机模拟和狭义的人工生命的美妙之处：在台式计算机上，
用一个简单的计算机模型，就能拿你的思想做实验，看看它们的实际效果如何。你可以
通过计算机实验对一些模糊的思想做出越来越准确的定位，可以试着提炼出突发在大自
然中实际运作的本质。而且，那段时间已有了许多可供选择的计算机模型，其中引起法
默特殊兴趣的是关联主义（Connectionism）：这个概念的意思是一个由“连接物”相
连的“节点”网络所代表的互动作用者群。在这一点上，他和许多人都有共识。在这十
多年间，关联论模型突然遍布各处。首要的范例就是神经网络运动。在神经网络运动中，
研究人员利用人工神经元网络来模拟诸如知觉和记忆恢复这类的事情，并自然地对人工
智能主流研究的符号处理方法发起了猛烈的攻势。但紧追其后的就是桑塔费研究所建立
的基地，包括荷兰德的分类者系统、考夫曼的基因网络、还有他和派卡德以及罗沙拉莫
斯的爱伦·泊雷尔森于八十年代中期为研究生命起源而建立的免疫系统模型。法默承认，
这些模型中的有一些看上去并不很符合关联论，很多人在初次听到他们这样描述事物时
都感到非常惊讶。但这只是因为这些模型是在不同的时间、被不同的人建立起来解决不
同问题的，所以它们用以描述的语言也会不同。他说：“当你还原一切时，所有事物看
上去都是一样的。你其实可以只建立一个模型，然后移于另一方面的模拟。”
当然，在神经网络中，节点一关联物结构是非常明显的。节点就相当于神经元，而
关联物就相当于连接神经元的突触。比如说，一个程序员有一个神经网络模型的想象，
他或她能够用激活一定的输入节点，然后让这一激活作用传遍这个网络的其余关联物的
方法来模拟落在视网膜上的光线明灭。这个模拟效果有点类似于将货物船运到少数几个
沿海城市的港口，然后让无数辆运输车通过高速公路将这些货物运往内陆城市。但如果
这些关联物的布局不尽合理，那么这个网络在被激活后很快就会落入一个自我统一的型
态，就相当于识别这样一幕：“这是一只猫！”而且，即使输入数据非常嘈杂、非常支
离破碎，或就此而言，即使有些节点已经烧焦了，这个网络也同样会采取行动。
法默说，在分类者系统中，节点一关联物结构相当含糊不清，然而这一结构确实存
在。一组节点就是这组可能的内部布告，比如像001001110111110，而关联物正是分类
者规则。每一条规则都在系统的内部布告栏上寻找某条布告，然后通过张贴另一条布告
来与寻找到的布告相呼应。通过激活某些输入节点，也就是，通过在布告栏上张贴相关
的布告，程序员就能让分类者激活更多的布告，然后再激活更多布告。其结果就是布告
如瀑布般飞溅，类似于将激活作用传遍整个神经网络。而且，就像神经网络最终会安顿
在一种自我完善的状态中一样，分类者系统最终也会形成一种稳定的状态，组成这个状
态的活性布告和分类者能够解决当前的问题。或者，用荷兰德的话来表述，这代表了一
种涌现的心智模型。
这种网络结构也存在于他和考夫曼、派卡德建立的自动催化和生命起源的模型之中。
在他们的模型中，这组节点就是所有可能的聚合体物种群，比如像abbcaad，而关联物
就是模拟的聚合物群中的化学反应：聚合物A催化了聚合物B，并依此类推。通过激活特
定的输入节点，即通过在这个模拟的环境中向这个系统稳定地输送微小的“食物”聚合
物，就能引发瀑布般的反应。而这些反应最终会安顿下来，形成一种能够自我维生的活
性聚合物和催化反应的型态：即，他们假设的从初始原汤中涌现出来的某种原始有机体
的“自动催化组”。
法默说，这对老夫曼的基因网络模型和其它许多模型都同样适用。这些模型都潜在
着同样的节点一关联物的构架。确实，几年前，当他刚刚认识到这一共同点时，他高兴
得把这一切写成一篇题目为《关联主义的罗塞达碑》的论文，并发表了出来。法默在这
篇论文中说，一个共同构架的存在消除了我们的一切疑虑，因为摸象的瞎子们至少已经
把手摸在了同一头大象身上。而且还不止这些，对致力于研究这些计算机模型的人们来
说，这个通用的构架排除了不同术语的障碍，使相互之间的沟通变得比以往容易得多了。
“在这篇论文中，我认为重要的是，我设计出了一个模型之间的实际翻译机制。我可以
把免疫系统的模型拿过来说：‘如果这是个神经网络，那就可以如此这般地来看这个模
型。’”
法默说，但也许，拥有一个通用构架的最重要的理由是，它能够助使你提炼出各种
模型的本质，使你把注意力转向研究涌现在这些模型中的实际情形。在这种情况下，很
显然，力量确实存在于关联之中，这便是这么多人为关联论而兴奋激动之处。你可以从
非常非常简单的节点，线性“聚合物”开始，“布告”只不过是二进制数学，“神经元”
基本上也只是开开闭闭的开关。然而它们却能仅仅通过相互作用就产生令人吃惊的复杂
结果。
以学习和进化为例。既然节点非常简单，那么网络的整体行为几乎完全就是由节点
之间的相互关联来决定的。或用朗顿的话来说，相互关联中编入了网络的泛基因型密码。
所以，如果要改善这个系统的泛表现型，只消改变这些节点之间的相互关联就行了。法
默说，事实上，你可以通过两种方法来改变这种相互关联。第一种方法是让这些关联还
呆在原地，但改善它们的“力度”，这相当于荷兰德说的采掘式学习：改善你所原有的。
在荷兰德的分类者系统中，这种改变是通过水桶大队算法来实现的。这个算法对导致了
良性结果的分类者规则实行奖赏。在神经网络中，这是通过各种学习算法来实现的。对
算法的学习带给网络一系列的已知输入，然后加强或减弱关联的力度，直到这一关联能
做出恰当的反应。
第二种更彻底地调整关联的方法是改变网络的整个线路布局，摘除一些老的关联点，
置入新的关联点。这相当于荷兰德说的探索性学习：为获得大成功而做大冒险。比如，
在荷兰德的分类者系统中，通过两性交配，产生不可模拟的新版本，从而达到基因算法
的相互混合，正是这种情形。由此产生的新规则常常带入以往从未有过的新信息。这样
的情形同样也出现在自动催化组模型中，出现在当偶尔有新的聚合物自动形成的时候，
其情景就好像在现实世界发生的那样。由此产生的化学关联点能够给自动催化组打开在
聚合物空间探索全新世界的大门。但在神经网络中这却不是常情，因为神经网络的关联
原本是不能移动的突触的模拟。但最近在不少神经网络迷做的实验中，神经网络确实能
够通过学习而重新布线。他们的理由是，任何固定的线路布局都是任意的，应该允许发
生改变。
法默说，简而言之，关联论的概念说明，即使节点和单个作用者是毫无头脑的死物，
学习和进化的功能也能涌现出来。更广义地说，这个概念非常精确地为一种理论指明了
方向：即，重要的是加强关联点的力度，而不在于加强节点的力度，这便是朗顿和人工
生命科学家所谓的生命的本质在于组织，而不在于分子。这一概念同时也使我们对宇宙
中生命和心智从无到有的形成和发展，有了更深刻的了解。
混沌的边缘
法默说，尽管关联论模型的前景看好，但这些模型却远不能揭示新的第二定律的全
部奥秘。首先，它们无法描述在“节点”既聪明、又能够相互适应的经济、社会领域或
生态系统中，涌现现象是怎样产生的。要了解这样的系统，就必须了解共同进化之舞中
的合作与竞争。这就意味着，要用共同进化的模型来做研究，比如用近些年来变得越来
越流行的荷兰德的生态系统模型来做研究。
更重要的是，关联论模型和共同进化模型都没有揭示为什么会出现生命和心智这个
根本的问题。能够产生生命和心智的宇宙是怎么回事？只是谈论“涌现”还远远不够。
整个宇宙充满了涌现的结构，比如银河、云彩和雪花这类仅仅是物理的、没有任何独立
生命可言的物体。这其中一定还另有道理。而这个假设的新的第二定律将告诉我们这道
理何在。
显然，这项工作有赖于那些力图了解基本物理和化学世界的计算机模型，比如朗顿
热衷的分子自动机模型。法默说，朗顿在分子自动机中发现的混沌边缘的奇异相变，似
乎提供了一大部分的答案。在人工生命研讨会上，朗顿由于尚未完成博士论文，所以对
这个问题谨慎地三缄其口，但罗沙拉莫斯和桑塔费的许多人却从一开始就发现混沌的边
缘这个概念非常引人入胜。朗顿基本上说的是，使生命和心智起源的这个神秘的“东
西”，就是介于有序之力与无序之力之间的某种平衡。更准确地说，朗顿的意思是，你
应该观察系统是如何运作的，而不是观察它是由什么组成的。他说，当你从这个角度观
察系统时，就会发现存在秩序和混沌这两个极端点。这非常类似原子被锁定于一处的固
体和原子相互随意翻滚的流体之间的差别。但在这两极的正中间，在某种被抽象地称为
“混沌的边缘”的相变阶段，你会发现复杂现象：在这个层次的行为中，该系统的元素
从未完全锁定在一处，但也从未解体到骚乱的地步。这样的系统既稳定到足以储存信息，
又能快速传递信息。这样的系统是具有自发性和适应性的有生命的系统，它能够组织复
杂的计算，从而对世界做出反应。
当然，严格地说，朗顿只是在分子自动机模型中演示了复杂与相变之间的关系。没
人真正知道是否也能用这一点来解释其它计算机模型，或解释现实世界。但另一方面，
种种迹象表明，朗顿的发现也许具有普遍性的意义。比如事后你会发现，这些年在关联
论的模型中，有半数会出现类似相变的行为。早在六十年代，考夫曼在他的基因网络中
最先发现的事情之一就是相变：如果关联点太稀疏了，整个网络基本上就会处于冻结和
静止状态；如果关联点太稠密了，整个网络就会剧烈翻搅，呈完全混乱状态。只有处于
两者之间，当每个节点只有两条输入时，整个网络才能产生考夫曼想要的那种稳定的循
环。
法默说，到了八十年代中期，自动催化组模型也出现了同样的情况。这个模型有许
多参数，比如像各种反应的催化强度和“食物”分子的供给速率。法默、派卡德和考夫
曼必须通过不断尝试和不断犯错误的方法，用人工来调校这些参数。他们在自动催化组
模型中最早发现的一种情况就是，直到这些参数进入了某个范畴，自动催化组才会启动，
并迅速发展。法默说，这种行为是其他模型中相变的再现。“我们感到了�