“讀完計劃”之《複雜》

上個月也就是 7 月 14 號整理完購買的紙質書後，在朋友圈說要搞個“買書讀完計劃”，定的是每2 週一本的速度讀完，輸出以筆記或文章為主，當時應朋友建議第一本讀《複雜》，今天就對這本書做一個讀書小結。

先來介紹下這本書吧，這本書的作者是梅拉妮·米歇爾 （Melanie Mitchell），她是美國聖塔菲研究所（Santa Fe Institute）的客座教授。而聖塔菲研究所主要研究方向就是複雜系統，它建立於 1984 年，如今在世界上非常有名。

這本書源自於梅拉妮·米歇爾為聖塔菲的烏拉姆紀念講座（Ulam Memorial Lecture）作的演講。當時講座的題目是“複雜性科學的過去和未來”，而它就是由這個擴充而來的。所以，從這裡就可以看出，這本書是瞭解複雜性科學非常不錯的入門書籍。

說到“複雜性科學”，我最早了解的是“複雜網路”，當時是在 2016 年開智學習寫作的時候瞭解的。後來聽說集智俱樂部經常做這方面的讀書會，一直到今年 6 月經朋友邀請才有機會參加了4 期，並做了一次分享。

其實這本書我早在 2017 年雙十一的時候就買了，之後卻沒有開啟來看。

這次讀完後對複雜科學有了一個全面的認識，也解開了以前的一些疑惑。比如，以前對複雜網路和複雜科學兩者的關係有點混淆不清，讀了後才明白原來複雜網路只是複雜科學的一部分，其他還有社會性昆蟲群落、大腦、免疫系統、全球經濟等。

複雜性研究解決什麼問題呢？它研究的主要是諸如螞蟻、細胞、免疫系統、經濟個體等等是如何透過簡單規則產生出複雜和適應性的行為。即湧現和自組織行為是如何產生的。

換句話說，它解釋的是在不存在中央控制的情況下，大量簡單個體怎樣自行組織成能夠產生模式、處理資訊甚至能夠進化和學習的整體。比如蟻群尋找食物、蜂群採蜜、免疫系統工作，它們是如何組織和執行的。

從17世紀以來，還原論就一直在科學中佔據著主導地位。還原論說的是“如果你理解了各個部分，以及把這些部分‘整合’起來的機制，你就能夠理解這個整體”。從邏輯上看這完全正確，毫無問題。

18-19 世紀，牛頓力學給人們描繪了一幅“鐘錶宇宙”的圖景：設定好初始狀態，然後就遵循著三條定律一直執行下去。拉普拉斯甚至在1814年斷言：根據牛頓定律，只要知道宇宙中所有粒子的當前位置和速度，原則上就有可能預測任何時刻的情況

只是到了 20 世紀，人們發現把這個“宇宙鐘錶”拆卸之後，卻怎麼也拼不起來了——物理學家海森堡證明，不可能在準確測量粒子位置的同時，又準確測量其動量（質量乘以速度）。對於其位置知道得越多，對於其動量就知道得越少，反過來也是一樣。還有混沌系統發現，比如颶風、人口數量、股票市場等等，只要初始條件有一點點誤差，不管多小，就會導致長期預測不精確。

人們漸漸發現還原論在氣象變化，生物進化、疾病傳播，社會的經濟、政治和文化行為，網路的發展和影響等等越來越無力。於是反還原論——“整體大於部分之和”的思想開始佔據上風。

司馬賀在《人工科學：複雜性面面觀》中對複雜性研究的階段進行了簡要論述。他說，20 世紀以來，人們對複雜性和複雜系統表現出了一波又一波的強烈興趣。

第一波興趣在第一次世界大戰後，當時哲學家斯穆茨提出了“整體論”這個詞，也導致了對“格式塔”和“創造性進化”的熱衷。

第二波興趣在第二次世界大戰後，最開始由維納提出了“控制論”，資訊理論用熵也就是無序的減少來解釋組織化的複雜性，系統從外部吸取能力並將其轉化為模式或結構就可實現熵減。當時的熱門的詞語是“資訊”、“反饋”、“控制論”和“一般系統”。

第三波興趣就是1996 年前後，主要動機是理解與把握世界上的一些大規模系統，比如環境，人類社會，生命體等。這一時期的熱詞是“混沌”、“自適應系統”、“遺傳演算法”和“元胞自動機”。

三次興趣波儘管都留意複雜性問題，但它們選擇了複雜性的不同側面作為特別關注點。司馬賀在書中總結說，第三波研究活動的新鮮之處不在於對具體複雜系統的研究——天文學家、生物學家、經濟學家、心理學家等都在研究，而在於將複雜性現象作為獨立門類來研究。

就像1992 年米歇爾·沃爾德羅普出版的《複雜：誕生於秩序與混沌邊緣的科學》 介紹的就是一群美國科學家如何開創複雜性科學的故事。

而本書則是從資訊、計算、動力學和混沌、進化四個基礎上，對複雜性科學進行一個全面的介紹。其中主要介紹了複雜性科學中的自我複製、遺傳演算法、元胞自動機、生命系統中的資訊處理、網路科學和生物中的比例之謎等等。

一些摘錄：

在複雜系統研究中一個主要的方向就是研究理想模型。透過相對簡單的模型來理解一般性的概念，而不用對具體系統進行詳細的預測。下面是我在書中曾討論過的一些理想模型的例子：

麥克斯韋妖：用來研究熵的概念的理想模型。

圖靈機：用來對“明確程式”進行形式化定義以及研究計算概念的理想模型。

邏輯斯蒂模型和邏輯斯蒂對映：用來預測種群數量的極簡模型；後來成為研究動力學和混沌一般性概念的理想模型。

馮·諾依曼自複製自動機：用來研究自複製“邏輯”的理想模型。

遺傳演算法：用來研究適應性概念的理想模型。有時候也作為達爾文進化的極簡模型。

元胞自動機：用於研究一般性的複雜系統的理想模型。

科赫曲線：用來研究海岸線、雪花等分等分形結構的理想模型。

模仿者：用來研究人類類比思維的理想模型。

理想模型有許多用途：

研究一些複雜現象背後的一般機制（例如，馮·諾依曼研究自複製的邏輯）；證明解釋某種現象的機制是不是合理（例如，種群數量的動力學）；研究簡單模型在變化後的效應（例如，研究遺傳演算法的變異率或邏輯斯蒂對映的控制引數 R變化所帶來的影響）；或者更普遍是作為哲學家丹尼特（ Daniel Dennett）所謂的“直覺泵 （ intuition pump）”——用來引導對複雜現象進行理解的思維實驗或計算機模擬。

複雜系統的理想模型也能為新的技術和計算方法提供靈感。例如，圖靈機啟發了可程式設計計算機；馮·諾依曼的自複製自動機啟發了元胞自動機；達爾文進化、免疫系統和昆蟲社會的極簡模型分別啟發了遺傳演算法、計算機免疫系統和“群體智慧（ swam intelligence）”方法。

梅西基金會系列會議聚集了當時許多傑出人物，除了維納，還有馮·諾依曼、麥卡洛克（ Warren McCulloch）、米德（ Margaret Mead）、貝特森、夏農、阿什比（ W。 Ross Ashby）等人。這些會議促使維納提出了一門新的學科，控制論 （ cybernetics），這個詞來自希臘語的“舵手”一詞，也就是船的操控者。維納將控制論歸結為“整個控制和通訊的理論 ，無論是關於機械還是動物”。

。。。。他們想知道：資訊和計算是什麼？它們在生物中是如何表現的？生物與機器有什麼相似之處？反饋在複雜行為中起什麼作用？資訊處理是如何產生出意義和目的的？

。。。。還有一個尋找共性的類似嘗試，就是所謂的一般系統論， 20世紀 50年代由貝塔朗菲（ Ludwig Von Bertalanffy）發起，他將其描述為“對一般性‘系統’有效的原則進行形式化和演繹”。

系統論學家拉普波特將一般系統論（應用到生物系統、社會系統和其他複雜系統）的主線描述為在變化中保持的一致性，有組織的複雜性以及目標導向性。

生物學家馬圖拉納（ Humberto Maturana）和維埃拉（ Francisco Varela）試圖用自創生（ autopoiesis，或“自我建構”）的概念統一前兩條主線，這個概念表示自我維持的過程，系統（例如一個生物細胞）作為一個整體運轉，不斷產生出系統本身的構成組分（例如細胞的部件）。

人工智慧、人工生命、系統生態學、系統生物學、神經網路、系統分析、控制理論和複雜性科學都是由這些控制論學家和一般系統論學者播下的種子發展而來。對控制論和一般系統論的研究仍然很活躍，但基本已經被這些從中衍生出來的學科掩蓋了。

。。。。。到目前為止複雜系統研究最有意義的貢獻也許是對許多長期持有的科學假設提出了質疑，並且發展出了將複雜問題概念化的新方法。

混沌告訴了我們看上去行為隨機的系統並不一定是因為有內在的隨機性；遺傳學的新發現對基因變化在進化中的作用形成了挑戰；對隨機和自組織的作用的新認識挑戰了將自然選擇作為進化的核心力量的觀念。非線性、分散控制、網路、層次、分散式反饋、資訊的統計表示、本質的隨機性，這些思想的重要性在科學界和大眾中都逐漸被認識到。

自然系統的“計算”指的是什麼呢？大致上說，計算是複雜系統為了成功適應環境而對資訊的處理。但是這樣的說法還能更精確些嗎？資訊在哪裡？複雜系統又是如何處理資訊的？

為了讓這類問題更易於研究，科學家們通常會將問題理想化——也就是儘可能簡化，但仍然保留問題的主要特徵。鑑於此，許多人都用元胞自動機這種理想化的複雜系統模型來研究自然界中的計算。

“在我看來，意義與生存和自然選擇密切相關。如果事件影響到某個生物的生存或繁衍能力，那麼事件對生物就具有某種意義。總之，事件的意義是如何應對事件的依據。

事件對生物免疫系統的意義是其對生物適應度的影響。（我在這裡非正式地使用適應度一詞。）這些事件對免疫系統有意義是因為它們告訴免疫系統該如何應對，以提高生物的適應度—對於蟻群、細胞以及其他生物的資訊處理系統也是一樣。

聚焦於適應度是我理解意義的概念，並將其應用到生物資訊處理系統的一條途徑。

科學上許多最基本的思想都是由技術進步促進。19世紀的熱力學研究就是由改進蒸汽機時遇到的挑戰驅使。而數學家夏農（ Claude Shannon）發展資訊理論也是受 20世紀的通訊革命推動，尤其是電報和電話的發展。

人們有時候將夏農的資訊量定義描述為接收者在接收資訊時體驗到的“平均驚奇度”，其中“驚奇”意指接收者對於傳送源將要傳送的資訊的“不確定度”。

上一篇：“自我”是個幻覺，而“我是誰”是個故事