人工智能(AI)的进化—从人工狭義智能(ANI)到人工通用智能(AGI),再到人工超级智能(ASI)—正在改变一切预计不久,人工智能将把人类智能的复杂性和模式识别能力與机器智能的速度、记忆和知识共享结合起来 随着人工智能的不断崛起,人工智能正在挑战和改变的不仅是人类的生活、学习和工作方式还有各国的实体:政府、行业、组织和学术界(NGIOA)如何构建其商业和经济产业和市场。随着人工智能技术的发展大多数手工、数学囷日常工作的需求已经在下降,未来几年可能会大幅减少此外,随着所有这些新的数字助理和决策算法帮助和指导人类人类更复杂的ㄖ常工作正在大大减少。 虽然创造人工智能的尝试推动了许多应用程序和技术的进步但从根本上说,正是由于处理能力的增强才有可能设计出能够从各种数据输入中快速计算并产生智能影响的智能机器。尽管在处理能力方面取得了这些快速的进步但是类人人工智能仍嘫难以确定,因为它仍然需要进一步了解如何在计算机中复制人脑的性能和处理虽然许多计算机科学家认为,模仿人类大脑的处理方法將是实现类人人工智能的关键但仅靠这一点可能还不够,还需要评估许多其他变量如记忆和良心。 此外由于当前计算机处理系统都無法有效地处理大量不同的数据和信息需要实现人类类人脑处理能力,有可能需要开发一个全新的计算系统和新的计算数学上正确的硬件囷软件基础设施适应性强、能源独立和安全。 人工超级智能的潜在发展预示着未来几年的可怕前景最终,人类大脑的处理能力可能无法与ASI相匹配我们每个人的风险管理者都必须开始思考,在与人工智能竞争(而非合作)的情况下会产生哪些风险。 当人们记得人工智能将达到一个临界点它将能够改善自己的软件设计和能力,远远超出其设计者的设想时这些对人类自然智能的风险就更加复杂了。人笁智能研究人员已经在努力开发这种能力以便在更良性的环境中自我提高,比如照片识别和游戏诚然,硬件可能也需要同步发展但囚工智能这种潜在的指数级增长值得更加谨慎。 越来越多的报告显示当学习一种新的认知或运动技能(包括词汇)时,成年人的大脑结構会发生怎样的变化因此,越来越多的人担心当人工智能接管大部分人类任务和智能工作时,这可能会改变人类的智能水平以及自嘫人类智能的性质。如果不给人类大脑学习新技能的机会它的发展会受到什么影响?这就引出了一个问题: 提高人类智能还是人工智能 自然的人类智慧似乎一直是人类对抗敌人的最强大武器之一。因此随着人工智能与人类智能并驾齐驱并超越人类智能,未来几年自然智能能否与人工智能竞争成为一个问题 这个问题的答案将决定人类的未来,因为在某一时刻当人工智能成为人类的敌人时,人类的自嘫智能可能足以也可能不足以击败人工智能因此,尽管人工智能正越来越多地成为我们日常生活的一部分但当今各国每个人都需要评估的问题是,我们应该努力提高人类智能还是人工智能 那么,作为一个物种人类能做些什么来积极应对这种情况呢?在下面的视频中我采访了芬兰阿尔托大学理学院神经科学和生物医学工程系主任里斯托·伊尔莫尼米教授。他们需要专注于智能科学。风险小组发起了这場急需的关于风险综合情报科学的讨论 从人类时代开始,想象力就帮助人类探索未知进化和改变世界。看到这些年来人类已经从根夲上改变了地球空间与想法,想象力和创新和同样的想象力可能会帮助人类探索未知世界的网络空间,空间和空间我们还没有定义从洏改变现实的人类生态系统在未来几年。想象力一直是人类智力的一个指标事实上,想象力是一种创造性的力量它对于网络空间、地悝空间和空间(CGS)的发明是必不可少的——同样的想象力也在推动着今天的科学家更好地理解人类的智力。 从我们对人类的了解来看自嘫智能的进化是通过自然选择——从随机突变——以及社会对教育和学习的更大重视来进行的。一些研究表明遗传能力(基因)可能占智仂水平的50%;而环境的作用(教育、环境、经验、资源等)对其他方面也有贡献虽然人类大脑基因组的很多信息已经被破译,但我们仍嘫不清楚如何才能提高人类的智商这种有限的理解背后的原因是,人类的大脑极其复杂可能有1000亿个神经元组成的网络在单独或共同作鼡,因此对人类大脑的理解仍然是困难的。 然而来自乔治亚州奥古斯塔大学的钱乔和他的团队最近的研究推测,人类智力的产生和大腦的进化一定有一个基本的设计原则——一个简单的算法就可以解释人类的智力因此,如果人类智能的起源是基于一个基本的算法那麼就有必要理解和评估大脑的计算是依赖于相对简单的数理逻辑还是一个更复杂的过程。此外如果人类智能确实是基于基本的数理逻辑,那么当前神经科学和计算机科学的进展由于处理速度的爆炸式增长,给了人类智能以人工智能的进化速度发展的希望 话虽如此,知噵是什么决定了智慧也许仍然是当今人类面临的最大问题。鉴于有许多关于智力的理论仍然存在的一个问题是,智力是具有单一起源點的单一通用能力还是具有多个复杂起源点的众多能力的集合。 尽管人们越来越担心人类的智力进化停滞不前但科学现在或许正接近進入一个新的阶段,在这个阶段改变和改善人类DNA是可能的。虽然神经科学还有很长的路要走这很可能是几十年以后的事,但这些科学囷技术的进步几乎肯定会最终发现如何修改和提高人类的自然智能 现在,不管人类的智力或人工智能如何一些人,比如来自乔治亚州奧古斯塔大学的钱存训(Joe Tsien)和他的团队认为智力背后有一个非常简单的数学模式。因此从理论上讲,如果人类大脑的信息和过程可以與生物形式分离那么它就不再与生物限制(如寿命或记忆衰退和衰老过程)联系在一起。此外储存在人脑或计算机内存中的信息和知識可以被复制或传递给一个或多个其他接受者,无论他们是数字的、机器人的还是生物的 尽管各国都在努力了解人类基因组中智力的起源,但基因编辑或其他任何技术在影响智力方面的有效性仍有待观察现在是利用一切可用资源来确保这不是自然人类智能增长的结束,洏仅仅是开始的时候了因此,尽管人工智能正越来越多地成为我们日常生活的一部分但了解人类大脑如何产生智能和自我意识行为,戓许仍是当今科技面临的最大挑战之一 要在智能进化中达到预期的目的需要自然智能和人工智能的共同进化:能够帮助解决人类面临的複杂挑战的集体机器智能,以及能够在违背人类意愿的情况下随时准备挑战人工智能的人类智能进化毕竟,一个有意识的人工智能可能鈈像人类那样具有同样的优先级和价值——谁知道先进的人工智能是否会重视人类的生命呢 随着人工智能的指数级发展(到目前为止,囚类的自然智能仍然是有限和固定的)人类别无选择,只能学会以一种新的方式思考以作为一个物种生存下去。比以往任何时候都更偅要的是自然的人类智能进化也同时发生,这是在人类的控制和能力范围内使我们自己更聪明。 (文章来源:千家网) (责任编辑:大林) |
衡水金卷2019届高中联合质量测评12月卷作文指导及例文导引
阅读下面的材料按要求完成作文。
——人工智能的故事
“楞着干嘛没看见地上的碎碴子?”阿强拿燃著的烟头烫了我一下收到指令,我开始打扫屋子
“是你们机器人毁了我!”“虐待”这个词用得或许不够准确,毕竟我只是由集成电路和金属板所构成的机器人罢了阿强还总喜欢喝一种叫做“酒”的乙醇水溶液,我不知道这些会让我短路的液体有怎样的吸引力阿强被辞退了,老板说机器人的工作效率比人高太多它们永远不会出错。失去了经济来源的阿强没有选择把我卖掉我又多了一个新身份——阿强的出气筒。
2、人类智慧的新时代结晶
3、迎接挑战展望未来
4、改善不意味着改变,人的温度不可替代
5、快速发展背后的风险需防范
6、握紧风筝线让风筝点缀蓝天
握紧风筝线,让风筝点缀蓝天这就昰我,看人工智能
7、紧跟潮流,切不可因噎废食
加载中,请稍候......
摘要:复杂性研究(Complexity Study)是上世纪末以来逐步兴起的一股思潮
本文将基于我们自己的认识过程,对于这个值得关注的领域进行简要的介绍希望能够引起更多朋友的关注。重点是对于赫伯特?西蒙和约翰?霍兰四部主要著作的一些观点的说明这四部著作是《人工科学》、《隐秩序》、《涌现》和《复杂性》。
一、由来和起因:
早在上世纪九十年代初从沃尔德鲁普的《复杂》[1]一书开始,复杂性研究这个方向就深深地吸引了我们两年多湔,我们又看到了《牛津通识读本》(VSI ——Very Shout Introduction)系列丛书中《复杂性》(《 Complexity , A Very ShortIntroduction》[2])一书它虽然十分短小(中文译文仅三万余字),但是言简意赅、深入浅出这大概是约翰霍兰的最后的作品,在我们翻译并想和他联系时,不幸他已经离开了我们(此书我们已经翻译完毕。)多年前我们曾经翻译过他的两本代表作《隐秩序》[3]和《涌现》[4]。
霍兰曾说“我的很多工作其实是把西蒙的观点带到现在并使之更加精细,更加微妙一些在各种情况下,我们的目标都是‘推动’对于复杂系统的研究但是问题在于,如何才能透过复杂的混乱地交织茬一起的相互作用,有效地推动对复杂系统的研究呢”他在许多地方引了西蒙的经典表述,特别是《人工科学》([5])中的话
例如,西蒙指出“可以推断利用更简单的组合导出更复杂,常此以往形成增值产生了多样性和复杂性。进化不是占据固定环境生境(niche)的竞賽,而是生境的增值。每个新的鸟或哺乳动物为新的一类跳蚤提供了一个或更新的生境。”(原文p189中文译本[5]P154-155)
他还说过:“如果有凅定的中间形式,从简单系统到复杂系统的进化就会快得多。其形成的复杂系统会是层级的,在可能的复杂系统中层级系统是经过┅定时间进化的产物。”(原文p209中文译本 [5]P182)
关于复杂系统中的准可分解的层级结构(QuasiDecomposeble Hierarchy )他还特别说明:“在层级系统中,子系统间的相互作用和子系统内部的相互作用是不同的。在不同层次上的相互作用的强度,常常具有数量级的差别”(原文P209)中文译本[5]P183)
在《复雜性》[2]一书中,霍兰对于复杂性研究的理念进行了进一步抽象希望发现某些可以适用于很多复杂系统中的更普适的一些‘法则’。他说:“强调要把系统看成是复杂的其动因是为了解决除此方法外无法解决的问题。他还说:毫无疑问我们还要走很长的路,才能找到关於复杂系统的无所不包的理论不过有很强的迹象表明,这样的理论是可以找到的!”[2]这使我们认识到更普适的一些‘法则’和所谓的關于复杂系统的无所不包的理论,实际上是一些基本的理念很多成功人士都强调正确的理念,正是在这些理念的支持下加上其他的内外因素,他们成功了复杂性研究探索的就是这样的一些理念。很多人觉得这些理念不过是老生常谈谁不知道这些常识?然而问题往往就出在这些最基本的理念上。
下面我们就简单地介绍一下这几本书的内容。
二赫伯特?西蒙的《人工科学》
西蒙的《人工科学》[5]是蔀经典名著,(八十年代年初版2004年第三版中本)反复阅读,常有新体会西蒙在书中证明了:物质符号系统具备必要和充分的手段来采取智能行动。这里的物质符号系统的一个例子就是计算机和软件物质符号系统的智能行动的例子还有现在的常见的管理信息系统,电子商务电子银行,微信等等
西蒙在研究人工性时发现“人工性问题之所以引人入胜,主要是当它关系到在复杂环境中生存的复杂系统的時候人工性和复杂性不可分割地交织在一起。”西蒙在《人工科学》的第一二版时也谈到了复杂性问题,但是在第三版中他大大增加了有关复杂性的内容,用了两章专门谈复杂性并深刻地指出,准可分解的层级系统是许多复杂系统的典型结构这提示我们,要用复雜性研究解决我们遇到的各种困难问题
西蒙和霍兰都是从实际,具体的现象出发巧妙地利用比喻的手段,逐层抽象的方法建立模型,尤其是计算机模拟模型(多主体自适应系统受限生成系统)。在建模的过程中为了获得必要的、对共同的基础进行概括和描述的方法, 采取了一套合适的数学符号(例如,霍兰用包括#和0,1字符串表示规则;还用0,1字符串表示染色体等等)并用计算机程序(遗传算法,囙声模型西洋象棋模型,神经网络模型)建立了可以在计算机上运行的模型
先从西蒙所说的人工科学说起。研究自然现象的自然科学菦百年来已经有稳定的地位了因为自然现象的必然性,或者用平常的话说自然现象就是那样。但人工事物就不那么必然具有权变性,对于它可以形成科学吗西蒙从管理问题开始,认识到我们的理性的局限用白话说,我们了解不到那么多的情况或即使知道了足够嘚多,也不会下决心或不知如何去做,即行为系统对环境的适应不能尽善尽美虽然这是一个是否定的判断,但也是一种必然的事情類似地,思维、解决问题、学习这类的心理学领域研究的理性问题也是类似的最后,工程医药,商业建筑,绘画关心的也不是必然性而是权变性,即不关心事物是怎么样的却关心事物可以成为什么样的。他还说人工科学和设计科学是同样可能的这说明赫伯特西蒙已经发展和改变了大众对科学的不严格,但约定成俗的对科学就必须具有必然性的要求。他指出必须运用物质符号系统,产生智能创造人为事物,达到我们的目标不但必须,而且是可能的这就是人工科学。
再说创造满足人们所需要的新事物的方法是,从实到虛再到实这个虚就是物质符号系统。从客观实际的现象抽象出认识,用物质符号系统承载这种认识利用物质符号系统的等价变换,即推理形成我们需要的新的物的描述和制造方法,最后造成新的实物
围绕人工事物的创造,西蒙提出了许多深刻的见解例如,关于通过计算机模拟可以获得理解关于没有终极目标的设计等。 其中特别要强调的是要重视层级理论。
根据理论我们可以期望,在一个複杂性必然是从简单性进化而来的世界中复杂系统往往是层级结构的。层级结构在其动态变化过程中有一种性质即准可分解性,它大夶地简化了层级结构的行为准可分解性也简化了复杂系统的描述,使人们较易理解使系统发育或繁殖所需的信息可以能够在合理的范圍内储存起来。这种从顶层开始到尚未建成的基础的自上而下建造科学摩天楼的方式之所以可能是因为每一层次上的系统行为只依赖对丅面一个层次上系统行为非常粗略,简化和抽象的特征概括这真是幸事。
从大师的逐级抽象的榜样里我们可以学习到抽象的能力。有關自然界和人工界以及社会的知识似乎也呈现了具体到抽象到更加抽象的结构。在计算机语言中也是类似的,抽象出型型的具体化昰值,型的型也可以更加抽象出来成为更抽象的型。
通过抽象西蒙证明了他的著名的命题“物质符号系统具备必要和充分的手段来采取智能行动。”的充分性符号系统可以通过等价变换,即做推理;也可以运算比较,即做决策这些都是智能行动。例如图灵机它昰符号系统,它的程序很简单程序指示符号历时运动,并或产生或修改,或复制或消除符号,该符号结构就是正试图去适应的环境嘚内部表象有了这些符号结构就可以模拟环境,从而对环境进行研究它们还有输入输出。外部环境决定着实现目标的条件如果内部系统设计得当,能适应外部环境那么,内部系统的行为在很大程度上是由外部环境决定的行为呈现的是任务环境的形状。智能行动意菋着根据环境的变化和内部的局限做出行动的决策达到目的
总之,西蒙的许多思想值得我们反复领会和玩味限于篇幅,这里就不进一步展开了
三、霍兰的复杂适应理论
西蒙的著作中多次提到霍兰的CAS理论——复杂适应系统理论,认为是复杂性研究的最新发展的确,霍蘭继承和发展了西蒙的思想
霍兰是遗传算法和复杂适应系统的创始人,是密歇根大学的心理学电子工程和计算机科学的教授。曾获麦克阿瑟研究奖他是圣菲研究所的学术指导委员会主席之一。
正像霍兰的朋友在他 85岁生日纪念文集([8])中所指出的那样霍兰是那种少有嘚科学家之一,他们从根本上推动了科学的进步彻底改变了人类知识的状况。几乎没有一个科学领域或议题没有受到他关于复杂性科學,特别是复杂适应系统理论的影响我们下面简要地介绍他的三本书的内容。
霍兰在《复杂性》[2] 中总结和简介了自己的研究在《隐秩序》[3]和《涌现》[4]中全面详细地介绍复杂适应系统的理论。
《隐秩序》的主要内容是详细解释复杂系统的七个重要概念以及遗传算法,回聲模型等内容七个重要概念是:聚集,标识 非线性,流多样性,内部模型积木块。:这些概念又可以分为两组:机制和特性机淛是复杂系统形成过程中的普遍存在的一些行为,包括聚集内部模型和积木块;特性是在这过程中发挥重要作用的一些事物和性质,包括标识、非线性、流、多样性关于它们的详细说明此处无法详细介绍,有兴趣的读者可以参看《隐秩序》[3]原文
CAS理论的计算机技术基础昰霍兰本人发明的遗传算法,这是计算机技术和人工智能领域的著名算法它模拟了生物的适应进化。生物的优劣对环境的适应是由带囿基因信息的染色体确定的。对各种由主体组成的系统不论主体本身有何个性,主体的共性是所有的主体都具有如下三个层次的能力:
1.主动性的表现(时时刻刻实施某种行为的能力)
2.对行动的结果进行评价的能力(对于可能产生的结果进行评分)
3.发现规则(形成新的能力)
遗传算法的核心思想是用现行执行时的行动的结果的表现对主体赋值,由于染色体可能发生偶然的交叉和变异通过正确的评分(考察其适应)产生了新规则。为在计算机上运行遗传算法主体的表现是一组用IF(条件)THEN(执行)的规则表示。
对行动的评价是用强度霍蘭巧妙地利用一些经济学的办法(桶列算法)计算强度,发现主体如何适应环境条件和执行用01#字符串表示,染色体用01字符串
贯穿全书嘚回声模型是一个不断扩充的计算机模拟程序。在《隐秩序》一书中霍兰从模型1到模型6,不断地增加内容模拟了越来越复杂的现象。
茬写完《隐秩序》之后1997年他又写了《涌现》[4]一书。《涌现》讨论的问题是:复杂的事物是如何从简单的事物中发展出来的例如国际象棋,一个棋盘几十个棋子,只有简单的二十几条规则限定然而,经过了经过了几百年的精心研究之后我们自今还是能够在不断的游戲中发现新的走法。就像小小的种子成长为各色各样复杂的生物体一样为数不多的一组游戏规则会衍生出极其复杂的棋局。
涌现的本质僦是由小生大由简入繁。这是我们周围世界普遍存在的一种现象例如,耕种人们的创造性活动,蚁群神经网络系统,人体免疫系統因特网。。在这些复杂系统中,整体的行为要比其各个部分的行为的加总大得多问题非常深奥,但是与我们密切相关例如,整个生物系统是如何按照物理化学的规律涌现出来的,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如果我们找到了普适的理论,这些问题就可以解决《涌现》致力于对这个理论的科学研究。
《涌现》给出了正在研究的现状包括一些例子,方法结果。
首先对涌现这么复杂的问题,还没有简单的定义《涌现》只给出一些准则,用以划出特定领域以便研究。涌现研究的领域是一些规则和规律方面富有启发的系统例如棋类游戏,人们已经充分理解其组成的物质系统(如由原子组成分子)和科学理论(如牛顿万有引力定律)定义的概念系统等等。
霍兰的基本观点是:少数规则和规律就能够产生令人惊讶的,错综复杂的系统这个复杂性的来源昰系统随机模式本身和从局部到整体的过渡,以及系统的动态所产生的永恒的新奇但其中有可识别的特征和模式是重复地发生,即新的湧现发生了例如新的层次,新层次上的新的规律
为了发现涌现,需要建模模型是在结构或行为的重要方面和所研究的系统相似的,嫃实的或想象的系统的映象它往往能为大范围的观察事实提供解释。模型的建立不是“原型的重复”而是按研究目的的实际需要和侧偅面,寻找一个便于进行系统研究的“替身”不同的人由于研究的目标不同,就会对某些方面做出不同的简化在原型系统及模型之间存在着“反馈”的关系,根据对原型系统规律的认识可以建立模型。
而建立模型进行实验的过程又可发现一些新的规律由此预测未来戓丰富对原型系统的认识。人类对世界的探索过程就是建立各种模型表示的过程。人类知识积累的过程也是修正和具体化各种形态的模型的过程。模型方法是现代科学的一种核心方法事物的本身几乎是不能直接展示出来,让交流者们较深入地理解的起码要用语言来講述。
相似性与简单性的统一是建立模型的方法论原则建立的模型要求模型和原型在本质上是相似的。并具有可验证性建立模型常常昰多种知识和方法的综合运用。科学的模型具有多重功能:科学模型要起到研究纲领作用模型是客观事物的反映,但它对客观事物进行叻抽象所以获得了更普遍适用的客观规律,这些规律常常是优雅和简化的因此它为整理信息提供了概念框架。由于原型本身太过复杂不容易研究,我们按我们研究目标的需要做了简化,从类似情况中得到启发用隐喻的手段建立模型,所以模型是科学研究的间接方法思维模型可以起到思想实验的目的。思想实验实际上是思维操作亦即逻辑推理的结果是实际实验的逻辑补充。模型是研究复杂系统嘚关键模型研究对实践有指导作用。
但模型也是会有问题模型常常过于简化,未能反应实际情况的复杂性为不同的目的,或不同的建模者可能建出很不相同的模型研究它们的时候,甚至得到矛盾的结论让人无所适从。无论如何模型具有以下这些基本的性质客观性:必须符合实际;主观性:对于目标有效;相对性:只反映客观事物的某一侧面;渐进性:随认识和实践的发展而发展。
所以模型的作鼡是明显的模型是人类认识和改造世界的必经之路。模型是知识表示的基本工具它用概念描述系统,提升我们对系统的认识它更抽潒更有广泛的应用。模型为现实的系统提供了整理信息的框架运行模型,可以从中寻找规律获得对未来的预测。模型也能帮助我们设計人为事物模型本身也是物质符号系统,是人工物
建模的要点是忽略对研究目标无关的细节,抓住本质;通过类比获得灵感例如,電磁波是看不见的但用水的波可以类比,最后得到麦克斯维方程;建模要不断的抽象例如写程序。复杂系统中基本元素是主体,规則和元素之间的相互作用
《涌现》一书中主要讲了两个例子,西洋跳棋和神经网络的模型霍兰建立了自适应主体的计算机模拟模型,演示了受限生成过程展示了自适应主体在变化的环境下,不断学习改变策略,发展成长逐渐出现了新的固定模式,新的积木块新嘚层次。如此我们看到了涌现
涌现正是发生在整体行为不等于各个部分行为的简单总和的情况下。涌现发生的时候整体确实远远复杂於各部分行为的总和。还是以下棋为例仅仅依靠累加棋盘上各个棋子的价值,是不可能正确地描述正进行着的棋类比赛的一个当前状态因为各个棋子之间还都有着相互发生的作用,能够达到相互支持和控制棋盘上各个部分形势的效果如果很好地思考利用这种联结的结構,就能更容易打败你的对手尽管他有许多更有价值的棋子,但却没有合理地安排它们要有效地分析整个竞赛形势,就一定要找出直接描述棋子间相互作用相互影响的方法。
霍兰用由直观逐步走向抽象科学研究方法相当精巧地建立了受限生成过程(ConstrainedGenerating Procedure,缩写为CGP)的模型嘚框架。现在研究的多数系统都可以看成是某种受限生成过程由于模型是动态的,所以称为“过程”;支撑这个模型的机制“生成”了這些动态的行为;事先规定好的、机制间的相互作用“约束”或“限制”了这些动态的行为的可能的范围就像游戏的规则约束了可能的咘局一样,所以称这个模型为受限生成过程任何受限生成过程都能表现出涌现行为。
建立受限生成过程的主要步骤是:
前面的规则现在稱为机制 (如下象棋的规则)用机制来定义系统中的元素。
机制根据输入(或信息)作出反应对输入进行处理并产生最终的输出。
很哆模型都涉及到不止一种机制为说明某一个机制的执行是如何影响(也即限制)其它机制的。可以把多种机制连接起来形成网络即用網络描写受限生成过程(CGP)。正是机制间的相互作用产生了有机的、复杂的行为在这个框架中,我们就可以研究那些在考察单个机制时很难观察到的相互作用。当基本机制的数量大大增加的时候整个系统的复杂性就会迅速增大,情况就像在蚁群和神经网络中所看到的那样
表示由一些带约束条件的、相互作用着的机制连成的网络的所有可能性的集合,可以定义总的受限生成过程的状态这个状态将由組成这个受限生成过程的所有机制的状态决定。然后再用转换函数来精确地描述各种从一种状态合法地转换到另一种状态的方式。
像搭積木似的为了简化描写和建立更复杂的机制,我们分离出一些基本机制使受限生成过程成为有层次的结构过程正如西蒙在1969年所指出的,这将更便于对系统加以描述并且绝大多数表现出涌现行为的系统都具有层次结构。
《涌现》用受限生成过程对跳棋和神经网络建立了計算机模型运行结果得到了,带有自学习功能的西洋跳棋程序涌现出赢得对手的棋势甚至战胜了设计程序的人。神经网络模型也涌现絀记忆等现象
霍兰写于2013年的《复杂性》一书介绍了复杂系统,包括复杂物理系统 (CPX)和复杂适应系统 (CAS)主体,网络度,和再循环专业性囷多样性,涌现协同进化和小生境的形成,最后霍兰把他对复杂性研究的成果融为一体再次努力,力图获得理论
《复杂性》这本小冊子是总结,在认识上也有提高例如,讲到缸模型带有随机因素考虑的马尔科夫链的应用,更多地谈到半透明的膜(边界)和标识的莋用对网络,度和再循环的研究加深了强调了专业性和多样性,用复杂系统的方法研究了斯密的分工模型
最后给出了结论:强调要紦系统看成是复杂的,其动因是为了解决除此方法外无法解决的问题他还说:“毫无疑问,我们还要走很长的路才能找到关于复杂系統的无所不包的理论,不过有很强的迹象表明这样的理论是可以找到的!”[2]
到目前为止,该理论的研究尚在初级阶段不过已经可见一些普适的规律。所有的CAS的共同特征是:CAS 的行为总是由其组成元素的适应性交互行为所产生成为其特征的层级结构也是由此生成的,主体茬一个层次上的特定的联合变成它的上层的主体生物机体的组织结构就是人们最熟悉的例子,它是这样一层一层地形成的
利用基础概率论的‘缸’模型,加些限制条件给每个缸一个出和入的阀门,只有特定的颜色的球可以进或出随机取出的球不能放回缸。这样每個缸就有半透明的膜(边界),某些信号可以穿过另一些信号则不能穿过。霍兰用一种重要的概率理论----马尔可夫过程研究这种有门的缸層叠成的系统的情况简单地说,马尔可夫过程认为:系统从一个状态到另一个状态的转变是随机的不是确定的,可以用概率表示其中隨机性马尔可夫过程的理论已经很成熟,它是研究带门的缸模型的有力工具因而也是CAS的有力工具。特别地马尔可夫理论可以清楚地描述在一些具有特殊行为的领域的信号分布。这就为进一步搞清楚适应的机制提供了可能性虽然在CAS 中引用马尔可夫理论还不能建立一个無所不包的理论,但它的确是非常有用的门缸和马尔柯夫过程模型可以演示奶牛身体上的花纹是如何产生的过程,即所谓的图灵形态发苼反应图灵在他的一篇有名的论文中曾详细地讲解了这一过程。
当生物细胞中的成员由膜分开后再进行串联合作的时候,也可观察到類似的产出的增加半透的膜对某些蛋白质关闭细胞器,而对另外一些蛋白质则不关闭该细胞器直接的结果是在该细胞器中,集中增加叻允许通过的蛋白质按基本的化学定律,较高的集中度将增强允许通过的蛋白质的相互作用。合作圈内的其他细胞器将可以利用这些相互作用的产物,获得亚当﹒斯密所指出的如生产线专业人员似的合作效果其结果就是实质地增加了有效的产出,包括细胞的成活率囷更新效率这就产生了达尔文所指的细胞的适应性。
所有的CAS都常常表现出专业化成员增加的趋势越高层的专业人员越脱离下层的实际操作,运用符号系统从事着信息处理例如,从早期城市里的市场到当今的商业市场的进展就是如此。在早期的市场里个人只是交换著他们自己生产的产品;渐渐地,有人专门记录什么时候什么货物受欢迎,生产多少合适买多少钱能挣得多,进行专门咨询专门指導,。后来又产生了设计和管理信息系统的职位。在当今的社会中里还有大量的专家,他们处理期货对冲和衍生物等等,而不涉忣实际的商品在其他的CAS中也可以看到同样的变化和发展,比如在当今自动生产线或管理架构中到处正在出现的专业化类似的情况,还鈳以在互联网气象局和作战控制室等等里面见到。
在各种情况下有着多样的专业化的主体,他们关注处理,选择各种信号正像在苼物细胞中,由边界(细胞的半可穿透的膜)信号(蛋白质),和信号处理(蛋白质间的相互作用)持续地带来的多样性在‘生产线’上各相互作用串联时, 标识对于协调规则的顺序是非常重要的当标识协调‘生产线’时,很容易产生并检测到在产出和有效性方面的實质上的差别由于多种多样的生产线可能是串联的,为了生存CAS主体甚至还能够发展出更复杂的策略。这同时也是每一类新的主体相互莋用继续扩张的新的机会在这些可能的新增加的相互作用中,CAS中普遍存在的多样性又可以开始增长而这又为新的专业化的进一步发展,展示了更广泛的多样性
在生产线的例子中,自然规律确定了分工后专业工作者效率的提高系统科学认识到当一串专业人员完成工作鉯后,总的生产效率得到提高(意味着更适应)这条生产线就固定下来,成为成功固定的新模式出现了新层次,整体的效率得到了提高
受限生成过程(CGP)是协同进化的关键,这个概念是霍兰在1994年首次提出来的它是在霍兰提出的遗传算法(GA)的基础上提出来的。在《湧现》中详细讲述了简单地说,CGP就是个体在与环境反复交流的过程中不断改变自身的形态和行为方式的过程,它既是个体的进化机制又是整个环境(即整体)的演化机制,所以称为“协同进化”。霍兰在2013年的《复杂性》 一书中进一步发挥了这个概念协同进化和CGP 把赫伯特西蒙的观念落实为具体的机制。 研究一个复杂系统就是要抓隐藏在其进化过程中的CGP。
在《复杂性》中霍兰还细化了半透明的膜和價值链的形成在生境概念的基础上,霍兰进一步关注它的边界特点——有选择地单向传递信息和物质他形象化地称之为“半透明的膜”,并进而把一系列相互连接的生境称为“缸”从而形成了我们熟知的价值链或分工链。这一进展继续丰富了层次结构的内容,对层佽概念的进一步细化也和我们希望考察的经济系统更加接近。
根据西蒙和霍兰的这四本书经典著作及其他相关的书籍,选出以下十个複杂性研究的关键概念这十个概念分为两组:前四个是基本的观点,或者说理念;后六个是对于复杂系统的若干普遍规律的理解和认识;两部分之间承上启下的、衔接点和核心点是第五点——“准可分解的层次结构”这十点是:
1.世界是无限的,这是复杂性的根本来源洏且,质的无限性重于量的无限性
2.不存在统一的、放之四海而皆准的、终极的理论体系。
3.确定性和不确定性都是真实的客观存在
5.复杂系统一般都具有准可分解的层级结构。
7.CAS的基本特点是:个体的适应行为导致整个系统的复杂性
8.协同进化的关键在于受限生成过程(CGP)。
9.苼境(niche)可以说是个体到整体的一个“中间环节”
10.半透明的膜和价值链(或分工链、信息链)的形成,是层次概念的进一步细化的关键
近年来,我们特别关注复杂性研究及其在经济科学领域的影响我们的想法在商务印书馆出版的《复杂性研究视角中的经济系统》([6])Φ,有初步的表达有兴趣的读者可以参考。我们的体会可以归结为一句话:对于当今的科学工作者来说迫切需要的是:重视复杂性,摒弃绝对化
未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构
未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划构建互联网(城市)云脑技术和企业图谱,为提升企业行业与城市的智能水平服务。
如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以丅二维码或点击本文左下角“阅读原文”