涌现

七星！这是一本二十多年前的老书。为何现在还可以读，因为作者提出的“涌现”理论不仅改变了我们对于复杂系统的研究范式，对于当下AI机器学习等领域影响深远，而且由小生大，大不等于小的线性相加依然具有时代价值。 作者约翰·霍兰德教授是遗传算法之父，也是复杂适应系统理论的提出者。他曾参与IBM 701开发，是美国早期编程人员之一，后来长期任教于密歇根大学，身兼心理学、电子工程及计算机科学教授，同时也是复杂系统全球研究权威圣塔菲研究所核心主席。他是麦克阿瑟天才奖获得者，其理论不仅为AI的算法研发提供思路，还为经济学、生态学等领域解读复杂系统问题提供了科学依据。他的另一本著作《隐秩序》提出了“复杂适应系统”理论，用遗传算法解释城市、免疫系统等如何通过适应性自组织形成秩序，被誉为该领域的经典入门读物。 作者在研究中发现“复杂现象都是从简单的元素中涌现出来的”。涌现的鲜明特征就是“由小生大”。涌现行为是在没有一个中心执行者进行控制的情况下发生的。如此，涌现就仅仅发生在整体行为不等于各部分行为简单相加的情况下。以国际象棋为例。仅仅依靠累加棋盘上各个棋子的价值，不可能有效描述正在进行中的棋局。那我们是否能将人类的意识解释为某些物理系统的一种涌现属性？“本书最主要的目的就是提供有说服力的证据，证明科学研究将大大加深我们对涌现现象的理解。”因为涌现现象在许多不同的学科中普遍存在，所以我们的探讨也要跨越多门学科。 棋类游戏是人类的奇妙作品。它是从简单的规则或规律涌现出复杂事物的典型例子。建模是研究的有效方式，而忽略细节是建模的本质。模型必须比与之对应的实物简单。积木块代表共同元素，通过删除细节得到积木块，并且遵循限制条件将积木块进行组合，即建模。通过建模让模型帮助人类预测未来。计算机模型把棋类游戏、数字和积木块表现的主题很好地结合在一起。地图很适合帮助我们更深入地理解数字和模型之间的关系。工程技术术语制图在数学中被用来精确定义函数，对应的概念为“映射”。我们就可以借助这些重要的数学工具，对涌现系统建模。 在复杂的博弈中，策略对于有效的博弈来说至关重要。博弈树为策略的表述提供了一个精确的方法。可以使用函数来定义从博弈状态到策略所决定的动作之间的对应关系。通过重复博弈，发现并组合积木块（经验法则和博弈特征）构建起可行的策略。混沌理论是指在规则明确的大规模系统中，局部条件的微小变化能够引起全局范围内长期行为的巨大改变。有了框架之后，我们将更仔细地研究针对涌现的预测——何时、何地、何物。在动态模型的构建中，计算机模型发挥着关键作用。 “学习”目标就是随着博弈实战经验的积累，不断改进预测及相应的策略。一个常识，博弈越临近尾声，局势就越明朗。调整权重的程序能够充分发挥最大最小策略的作用。涌现的研究重点在于选取那些用于构建模型的规则，即如何从世界上很多无法预料的现象中，总结出有效揭示它们的规律的。涌现最初是一种具有耦合性的相互作用的产物。在技术上，这些相互作用以及这些作用产生的系统都是非线性的。“真理来源于失败而不是混乱。”诗歌和物理学在过程上的相似性和结果上的差异同样值得研究。 8个要点：1.涌现现象出现在生成系统之中；2.在这样的生成系统中，整体大于各部分之和；3.生成系统中一种典型的涌现现象是，组成部分不断改变的稳定模式；4.一个稳定模式所在的环境决定了它的功能；5.稳定模式之间的相互作用带来了约束和校验，随着这样的模式数量的增加，系统的“能力”也会增强；6.稳定模式通常符合宏观规律；7.“存在差别的稳定性”是那些产生了涌现现象的规律的典型作用结果；8.更高层的生成过程可以由强化的稳定性而产生。 在复杂适应系统中，最优化状态几乎不可能达到。“有价值的创新应该是一种权衡性的组合，往往介于明显拼凑的组合和不可能实现的最佳组合之间”。“多数科学家都认为生命是涌现现象，但在意识问题上，他们的看法就不一样了”。“在确切地知道哪些生命和意识的现象及问题可以通过涌现现象进行解释之前，我们对宇宙万物的理解都是有限的”。作者二十多年提出的关于意识等问题，随着大语言模型的逐渐成熟，已经“涌现”出可能的答案。

跨学科科普作品。涌现大概是指大量简单元素整体呈现出的复杂现象，比如蚂蚁组成的蚁群，水分子组成大海，棋类游戏中棋子组成的棋局，乃至意识等。整体远大于个体的简单相加。 文中首先指出科学领域研究涌现现象主要采用了“建模”的方法，并以一个下棋类的计算机程序为例，介绍了建模的要点。然后又把视野扩展到了生物学上细胞组成的神经系统，这部分与人工智能联系的很深，有很多互通的概念。 之后还讲了这种基本理念在各学科领域的作用，比如“隐喻”概念在物理学和文学中的共性和差异，复杂性问题在哲学和数学中的探讨等等。 “涌现”这个词在AI领域书籍里出现的频率非常高，几乎都会说“涌现出智能”，本书的精妙之处在于它是前AI时代，20多年前的作品，前瞻性很强的指明了神经网络系统中若干重要且基础的概念，又严重低估了人工智能领域的飞速发展。对照现在AI方面的书来看，收获尤为丰富。 最后还有些很具体的问题文中也做了讨论，其一是经典哲学问题“组成一个物体的所有零部件全部替换一遍，它还是原来的物体吗？”物体并不是简单静止的存在，它可以解释为受限的动态生成过程。还有生物学上，眼睛这种极度复杂的结构，从直觉上考虑，似乎不可能从简单分子进化出来，这需要从系统涌现的角度去分析。科学和哲学，科学和神秘，它们间的联系在书中有深刻的体现。

《涌现》一书核心围绕秩序的生成机制展开，系统阐释了简单个体经由底层规则互动，自发衍生出高度复杂宏观结构的全过程。全书跳出传统线性拆解的认知方式，专注解释整体大于部分之和的内在缘由，把涌现这一抽象概念落到了大量可感知的现实载体之上。 书中先后以蚁群活动、脑神经运作、生命演化、计算机程序、社会组织结构作为案例，逐层剖析微观单元没有统一指挥、没有顶层规划，仅依靠局部简单交互，就能自发形成协调、有序且具备全新属性的宏观系统。作者清晰区分了堆砌聚合与真正涌现的本质差别，梳理了层级结构、反馈机制、局部联动在整个过程中起到的关键作用，完整搭建起涌现现象的理论框架。 内容横贯自然科学与人文社会诸多领域，既讲解生命意识如何从海量神经元的连接中涌现，也说明集体智慧、群体秩序如何从个体的零散行为中成型。书中没有晦涩繁复的专业公式，论证过程循序渐进，概念界定清晰严谨，把原本抽象偏理论的系统思想，梳理得条理分明、容易理解。 这本书完整呈现了人类对秩序生成、系统演化的思考路径，读完能够透彻明白世间诸多宏大秩序的源头，皆来自底层朴素的运行规则。通篇都是对世界表层秩序背后深层逻辑的探寻与归纳，是一段纯粹向内求索理论认知的记录，翻过之后，也算给这类偏思辨、偏理论的读物阅读历程画上一个完整句点。

先说一下，这本书是两千年时候出版的 作者也已作古，我们看到的这本书算是老前辈级别，相比当初作者写书的时候，科研成果早已迭代了不少，所以看这本书，会有一种复古的感觉。 刨除这一点，阅读体验还是很不错的。 复杂的事物是从小而简单的事物发展而来的，颇有一点道德经所说的道生一，一生二，二生三，三生万物的感觉，而这也是涌现的特征。 约翰·霍兰德借助模型和还原思想，建立了研究涌现现象的普适框架，扫清了研究道路上的障碍，推动了复杂自适应系统、机器学习、人工智能等领域的长足发展。这样一本千禧年出版的老书，可以说是颇有前瞻性了（或者说，后面这些学科的发展，离不开霍兰德老前辈的引导与研究成果）。 《涌现》的独特之处在于其跨学科性。霍兰德从物理学、生物学到计算机科学，甚至诗歌与修辞，广泛引用案例，如种子发育成植物、神经网络的自组织等。这种多元性虽增加了阅读难度，却也揭示了“涌现”作为“21世纪科学的统一主题”的普适性。 还原论与机械论的辉煌已经不再，概率论与数理统计的时代正值当年，而复杂混沌与系统学的时代将伴随人工智能时代的到来，即将铺开。 这就是数理世界的魅力，每时每刻都有新的研究成果涌现而出。 这不禁让人感叹，活在这样一个科技盛世，真好呀（当然或许其他时代的人也会说当下最好。但是无所谓呀，于我来说，现在就是盛世哈哈）。

阅读这书的过程中，经常仿佛回到当年阅读《混沌》《复杂》时的感觉…. 越到晚近，大家越了解之前简单的模型——物理的、化学的，被认为是“分析/化约思路”所构建的秩序/模型——有其严重的局限，对现象的理解过于粗疏、简化！举个例子，量子力学的世界观一出，传统种种范式立显危殆！ 面对这样的进步，我们应该如何看待？不少人开始怀疑，被一些高唱后现代、时间性的文科大佬，忽悠得团团转。好像世间没有实在，没有确定…. 有的学者则尝试从复杂、动态的角度，重新理解世界，本书就是各种努力的其中之一！它抓住里这里面最重要的一个议题“涌现”！ 所谓“涌现”就是“由个体变集体”“由小生大”“量变到质变”的过程！这种特征也使“涌现”变成一种神秘、似乎自相矛盾的概念。然而，涌现又是不可回避，必须面对的问题：当我们面对的世界，不再是初中物理所能解释时，我们怎么办？ 如书中说的：“生活中的每一个角落，我们都会遇到复杂适应性系统的涌现现象，例如蚁群、神经元网络系统、人体免疫系统、互联网和全球经济系统等。在这些复杂系统中，整体的行为要比其各个组成部分的行为复杂得多。” 又如古斯塔夫·勒庞在《乌合之众》里说的：为何一旦大量群众猬集，他们就会失去之前的理性思考，情绪相互感染，成为“盲从、盲信、冲动的”乌合之众？这也是“涌现” 因此，关于人类自然与社会的状况，有很多深层次的问题，解决这些问题的关键取决于人们对这类系统所表现出的“涌现特征”的理解…. 如果心境合适的话，翻开这本书吧，你估计会被吸引的！

还原论与涌现论：理解复杂性的两种视角（转载） 在探索世界的复杂性时，我们常常面临两种截然不同的哲学思想：还原论和涌现论。这两种观点提供了理解复杂系统和现象的不同方法，它们在科学、哲学和我们的日常生活中都有着深远的影响。 还原论：分解的艺术 还原论是一种古老的哲学传统，它认为复杂现象可以通过分解为更基本、更简单的组成部分来理解。这种思想可以追溯到古希腊哲学家，但在20世纪由逻辑哲学学家蒯因的著作中得到了广泛传播。还原论在物理学、化学和分子生物学等领域取得了巨大成功，它鼓励科学家们深入到物质的最小单元去揭示自然界的秘密。 还原论（Reductionism，又译化约论）是一种哲学思想，认为复杂的系统、事物、现象可以将其化解为各部分之组合来加以理解和描述。 这一观念可以追溯到古希腊时期的哲学家，但真正使“还原论”这一概念得以流行的是美国逻辑哲学学家蒯因在1951年发表的《经验论的两个教条》一文。自那时起，还原论这一概念的内涵与外延都得到了广泛的讨论和扩展。 最新的《大不列颠百科全书》将还原论定义为：“在哲学上，还原论是一种观念，它认为某一给定实体是由更为简单或更为基础的实体所构成的集合或组合；或认为这些实体的表述可依据更为基础的实体的表述来定义。”还原论方法在经典科学方法中占据核心地位，通常是将高层的、复杂的对象分解为较低层的、简单的对象来处理，这基于一个基本的信念：世界的本质在于简单性。 然而，值得注意的是，尽管还原论在某些领域（如物理学和化学）取得了显著的成果，但在其他领域（如生物学、心理学和社会学等）中，其应用却受到了挑战。这是因为许多复杂系统的行为并不能简单地通过其组成部分的性质来理解。此外，随着现代科学的发展，人们越来越认识到，许多复杂系统具有自我组织、自适应和自我演化的特性，这些特性很难通过还原论的方法来解释。 在还原论的视角下，复杂的生物过程可以追溯到基本的化学反应，社会现象可以分解为个体行为的集合。这种方法强调细节的重要性，并假设通过理解系统的各个部分，我们就能理解整个系统。 还原论在解释复杂系统的行为时面临的挑战主要有以下几点： 1. 多样性和多态性：复杂系统常常展现出多样性行为，包括有序态、随机态和混沌态等。这些不同的行为模式可能同时存在于一个系统中，并且随着时间和空间的变化而变化。还原论的方法往往难以同时解释这些多样性和多态性。 2. 模糊性和不确定性：复杂系统中存在大量的模糊性和不确定性。系统内部的许多参数和变量可能难以精确测量，或者在不同的条件下表现出不同的性质。这种模糊性和不确定性使得还原论方法难以准确描述和预测复杂系统的行为。 3. 自组织性和自适应性：复杂系统通常具有自组织性和自适应性，这意味着系统能够在没有外部干预的情况下自我组织和调整，以适应外部环境的变化。这种自组织性和自适应性是复杂系统的重要特征，但还原论方法往往难以解释这种自我演化的过程。 4. 不可逆性和时间反演的不对称性：在复杂系统中，时间的流逝是不可逆的，而且存在时间反演的不对称性。这意味着系统的演化过程是不可逆的，而且可能存在某种“对称破缺”，导致系统演化的复杂性。还原论方法通常难以处理这种不可逆性和时间反演的不对称性。 5. 系统的规模和复杂性：复杂系统通常具有庞大的组分数目和复杂的网络结构，这使得系统的行为变得异常复杂。还原论方法在处理这种规模和复杂性的系统时，可能会遇到难以克服的困难。 因此，尽管还原论在某些领域取得了重要的成果，但在解释复杂系统的行为时，它面临着诸多挑战。为了更好地理解和描述复杂系统的行为，人们可能需要采用更加全面和综合的方法，包括系统论、复杂网络理论、自组织理论等。 涌现论：整体的力量 与还原论相对的是涌现论，这是一种认为整体不仅仅是部分之和的哲学观点。涌现论认为，当多个组成部分相互作用时，会产生新的属性和行为，这些属性在单独的部分中是不存在的。这种思想在生物学、社会科学和心理学等领域中尤为重要，因为这些领域的许多现象不能简单地通过分析其组成部分来完全理解。 例如，生态系统的多样性、社会的复杂性和意识的丰富性都是涌现现象的例子。在这些情况下，整体的行为和特性不能简单地归结为其组成部分的性质。 涌现论（Emergence Theory）是一种与还原论相对立的哲学思想，它强调系统的整体性和复杂性，认为系统中的某些属性和行为不能简单地通过其组成部分的性质和相互作用来解释，而是需要在系统整体层面上进行理解和描述。 涌现论的核心思想是，一个复杂系统的整体行为和功能往往比其各个组成部分的简单相加要复杂得多。这种复杂性和整体性来自于系统中各个组成部分之间的非线性相互作用和自组织过程。涌现现象通常具有新颖性、不可预测性和不可还原性等特点，即这些现象在系统的各个组成部分中并不存在，只有在系统整体中才能观察到。 涌现论在多个学科领域中都有广泛的应用，包括物理学、化学、生物学、心理学、社会学等。例如，在生物学中，涌现论被用来解释生态系统中物种之间的相互作用和演化过程；在心理学中，涌现论被用来描述人类认知和情感等复杂心理现象的产生和发展。 与还原论相比，涌现论强调系统的整体性和复杂性，认为系统的某些属性和行为无法在更低层次上找到原因或解释。因此，涌现论提出了一种新的视角和思考方式，帮助我们更好地理解和描述复杂系统的行为和特性。 然而，涌现论也面临着一些挑战和争议。例如，如何定义和识别涌现现象、如何确定系统的边界和层次、如何量化和描述系统的整体性和复杂性等问题都需要进一步探讨和研究。 两种视角的应用和局限性 还原论和涌现论各自在不同的领域中发挥着作用。还原论在基础科学研究中非常有用，它帮助我们揭示了物质世界的基本规律。然而，它在处理高度复杂和动态的系统时可能会遇到挑战，因为这些系统的特性往往不能通过其组成部分单独理解。 涌现论提供了一种理解复杂系统的方法，强调整体性和相互作用的重要性。然而，涌现论也面临着如何定义和识别涌现现象、如何量化和描述系统的整体性的挑战。 结语 自顶向下和自底向上是两种常见的思维方式，它们在解决问题、设计系统或组织信息时有着不同的侧重点。 自顶向下思维：这种方式从整体的、宏观的角度出发，先考虑系统的整体目标和功能，然后逐步分解为更具体的子任务或模块。它注重整体的架构和规划，先确定高层的概念和框架，再逐步深入到细节。自顶向下思维有助于把握整体方向，确保各个部分之间的协调性和一致性。 自底向上思维：则是从具体的细节和基础部分开始，逐步构建起整体。它关注底层的组件和模块，先解决具体的问题或实现基本的功能，然后将它们组合起来形成更复杂的系统。自底向上思维常用于解决具体的技术问题或构建模块化的系统。 这两种思维方式在不同的情况下都有其优势， 自顶向下思维可以帮助我们在开始时有一个清晰的全局视图，而自底向上思维则更注重细节和逐步的实现。在实际应用中，往往需要结合使用这两种思维方式，根据具体情况选择合适的方法。 例如，在软件开发中，我们可以先采用自顶向下思维来设计系统的架构和模块划分，然后在实现过程中采用自底向上思维来关注具体模块的实现细节。这样可以确保系统的整体性和可维护性，同时也能处理好具体的技术挑战。 理解复杂性需要我们综合运用还原论和涌现论的视角。在某些情况下，深入到细节是必要的；而在其他情况下，我们需要后退一步，看到整体的图景。通过在这两种视角之间找到平衡，我们可以更全面地理解世界的复杂性，并在科学、技术和社会决策中做出更明智的选择。

涌现，多迷人的领域 作者详尽地为读者展示了他对涌现的多方面考察：从国际象棋学习算法到塞缪尔的跳棋算法、博弈模型，神经网络模型、元胞自动机、数学领域，力图寻找到能够全面对涌现现象进行建模的方法，但当时的硬件和研究无法达到这样的深度。 现如今遗传算法正广泛运用在各种AI模型中，寻找最优解的脚步仍在继续，我们也看到了成果——GPT4.0 更高级涌现的基础是次一级的涌现交互诞生的，于是奇迹就那么一层一层地从平平无奇的0和1之间产生了！霍兰德教授告诉我们一个系统的层次数量直接影响涌现现象的复杂程度。而每一层中相互交互的单位会诞生一个层级的涌现，构建出新的可交互的机制，于是由这层机制构成的集群中诞生了更高级的涌现，新一级的涌现单位不仅会与同级单位交互，还会与最基本的单元产生交互，于是更加复杂的现象产生了……如果形象的描述就是： 一个有若干层级的树状图，每一层的每个分支都能够与其它分支组合为新的次级分支，而每个新的层级都会产生新的特性，而这是，这个特性不属于组合成它的任何一个上级分支，直到相互组合为一个庞大复杂的系统，这个包含了所有因素相互影响产生的整体表现的性质是与构成它的物质截然不同的。 再举个例子就是构成社会的个体与社会整体表现的完全不同的性质。构成宏观世界的微观粒子的性质与它们构成的物质也是如此。或者我们的思考能力与赋予这种能力的物质基础——神经元——的差别。 这本书一直在展示科学是如何研究这种规律的，寻找涌现诞生的机制和规律，直到能够用一个定义或者公式去描述所有的涌现现象，然后是运用它。我想我还需要更多的资料才能更加了解这个领域，真是……太神奇了。

《涌现》是复杂性科学奠基人之一约翰·霍兰德的遗世之作，也是其学术生涯的集大成之作。全书围绕“涌现”这一核心概念展开，探讨了当大量简单个体按照局部规则相互作用时，如何产生出无法从个体行为中预见的宏观结构与功能，即“整体大于部分之和”的现象。以下是本书的详细整合内容： 一、作者与作品定位 约翰·霍兰德是复杂自适应系统理论的提出者，也是遗传算法之父。《涌现》在他逝世后整理出版，被视为其学术生涯的收官之作。这本书不仅是霍兰德个人学术脉络的总结，也是复杂性科学范式转型的象征之作。 二、研究对象与理论框架 全书聚焦于“涌现”现象，即当大量简单个体按照局部规则相互作用时，会产生出无法从个体行为中预见的宏观结构与功能。霍兰德提出了研究涌现现象的“普适模型”与还原思路，强调必须跳出传统线性视角，转而关注相互作用与自组织过程。这一框架既可检验还原论的边界，也为后续复杂性研究提供了方法论基础。 三、典型案例贯穿自然与人工系统 书中通过多个领域的典型案例，展示了“简单规则—局部互动—复杂涌现”的递进关系，使抽象理论具象可感： 1.生物世界：种子发育成不同植物，蚂蚁个体表现出机械行为，但蚁群却呈现高度灵活的分工。 2.理与信息世界：国际象棋、国际跳棋等棋类游戏，以少数规则生成无限变化。 3.神经与认知世界：神经元网络如何涌现意识与学习能力。 四、现实与未来意义 涌现机制不仅存在于自然界，也隐藏在神经网络、免疫系统、互联网与全球经济等复杂适应系统中。霍兰德的框架为机器学习、人工智能、经济建模等领域提供了新的分析工具，帮助人类预测与控制这些系统。通过理解涌现，我们可以更好地设计更高效的智能系统，推动科技与社会的发展。 五、创作背景：科学范式的转型与霍兰德的学术积累 《涌现》的创作背景是20世纪科学范式从还原论向复杂性科学转型的产物： 1.科学范式的时代转型：20世纪中后期，还原论的局限性逐渐显现，复杂性科学应运而生。1984年，圣塔菲研究所成立，汇聚了跨学科的科学家，倡导“整体论”视角，为《涌现》的写作奠定了学术土壤。 2.霍兰德的学术积累：霍兰德长期研究遗传算法与神经网络，发现简单规则在迭代过程中会产生意外的复杂性。他试图通过建立普适模型，回应哲学家对“涌现能否还原”的质疑，为复杂性科学争取方法论合法性。 3.人学术脉络的延续：从早期著作《隐秩序》到《涌现》，霍兰德不断扩充案例与模型，最终形成了跨学科、系统化的理论体系。

这类书我一般都是认为是经典，抱着敬畏之心读的，但读到后面公式部分开始感觉，作者想表达的统一的涌现模型太过复杂了，而且不统一。很多逻辑处理不了就是加变量，例如信息传播。形式不优雅，而且这会导致组合爆炸，以至于无法计算，不具有可行性。 自然界没有这么复杂。一个简单的对比就是深度学习的例子，也要比这里的统一模型要简单一些。另一个就是分形，曼德波罗集，一个简单的公式就可以产生无限的复杂度。前面章节的思想很多都可以借鉴，但得出的理论欠佳。本身想用计算机编写代码验证，但稍微考虑一下计算复杂度，就发现几乎是不可行的。尤其最后还加上了地址，让整个系统更加臃肿。神经网络就完全不需要地址，没有哪个脑细胞有地址，这种精确的数字，是反自然的。可能过于泛化，以至于一个简单的系统都要增加很多无关的参数，才能适配但他所建立的框架里。可能分形里发现统一模型的概率大一些。 另外很多信息过时了，需要读者自行判断。

正是在跨越层次的时候，通过涌现，新的实体、新的现象、新的结构，一句话，新的质，才得以出现。 ——量变引起质变