《失控》_这个方程在西姆斯的彩色屏幕上绘出了一幅引人注目的图画:北极的落日余辉映照在两

人造与天生

新生物文明

造化所生的自然王国和人类建造的人造国度正在融为一体。机器，正在生物化；而生物，正在工程化。这种趋势正验证着某些古老的隐喻——将机器比喻为生物，将生物比喻为机器。如今，那些久远的隐喻不再只是诗意的遐想，它们正在变成现实。

由于我们自己创造的这个世界变得过于复杂，我们不得不求助于自然世界以了解管理它的方法。这也就意味着，想要保证一切正常运转，我们最终制造出来的环境越机械化，可能越需要生物化。我们的未来是技术性的，但这并不意味着未来的世界一定会是灰色冰冷的钢铁世界。相反，我们的技术所引导的未来，朝向的正是一种新生物文明。

生物逻辑的胜利

钟表般精确的逻辑，也即机械的逻辑，只能用来建造简单的装置。真正复杂的系统，比如细胞、草原、经济体或大脑（不管是自然的还是人工的）都需要一种地道的非技术的逻辑。我们现在意识到，除了生物逻辑之外，没有任何一种逻辑能够让我们组装出一台能够思想的设备，甚至不可能组装出一套可运行的大型系统。

机械和生命体之间的重叠在一年年增加。“机械”与“生命”这两个词的含义在不断延展，直到某一天，所有结构复杂的东西都可以被看作是机器，而所有能够自维持的机器都可以被看作是有生命的。除了语义的变化，还有两种具体趋势正在发生：（1）人造物表现得越来越像生命体；（2）生命变得越来越工程化。我们知道生物领域中有诸如有机体和生态系统这样的概念，而与之对应的人造物则包括机器人、公司、计算机回路，等等。而对于两者共有的灵魂，由于两者都具备生命属性，我们将这些人造或天然的系统统称为“活系统”（代表具有生命活力特质的系统）。

---

蜂群思维

蜜蜂之道：分布式管理

这是一个白痴的选举大厅，由白痴选举白痴，其产生的效果却极为惊人。这是民主制度的真髓，是彻底的分布式管理。。

在1911年写的一篇爆炸性短文（刊登在《形态学杂志》上的《作为有机体的蚁群》）中，惠勒断言，无论从哪个重要且科学的层面上来看，昆虫群体都不仅仅是类似于有机体，而就是一个有机体。他写道：“就像一个细胞或者一个人，它表现为一个一元整体，在空间中保持自己的特性以抗拒解体……既不是一种事物，也不是一个概念，而是一种持续的波涌或进程。”

这是一个由两万个群氓合并成的整体。

群氓的集体智慧

由于一定时间的延迟反馈。这些隐藏起来的信号扰乱了群体的思维，导致了挢抂过正。

17世纪的一位无名诗人写道：“……成千上万条鱼如同一头巨兽游动，波浪前进。它们如同一个整体，似乎受到不可抗拒的共同命运的约束。这种一致从何而来？”

一个鸟群并不是一致硕大的鸟。科学报道记者詹姆斯是·格雷克写道：“单只鸟或一条鱼的运动，无论怎样流畅，都不能带给我们像玉米地上空漫天打旋的燕八哥或百万鲫鱼鱼贯而行的密集队列所带来的震撼……（鸟群疾转逃离掠食者的）高速电影显示出，转向的动作以波状传感的方式，以大约1/70秒的速度从一只鸟传到另一只鸟，比单只鸟的反应要快得多。”鸟群远非鸟的简单聚合。

在《蝙蝠侠归来》中有一个场景，一大群黑色大蝙蝠一窝蜂地穿越水淹的隧道涌向纽约市中心。这些蝙蝠是由电脑制作的。动画绘制者先制作一只蝙蝠，并赋予它一定的空间以使之能自动地扇动翅膀；然后再复制出几十个蝙蝠，直至成群。之后，让每只蝙蝠独自在屏幕上四处飞动，但要遵循算法中植入的几条简单规则：不要撞上其他的蝙蝠，跟上自己旁边的蝙蝠，离队不要太远。当这些“算法蝙蝠”在屏幕上运行起来时，就如同真的蝙蝠一样成群结队而行了。

群体规律是由克雷格·雷诺兹发现的。他是在图像硬件制造商Symbolics工作的计算机科学家。他有一个简单的方程，通过对其中各种作用力的调整——多一点聚力，少一点延迟——雷诺德能使群体的动作形态像活生生的蝙蝠群、麻雀群或鱼群。

雷诺兹的简单算法所生成的群体是如此真实，以致于当生物学家们回顾了自己所拍摄的高速电影后，他们断定，真实的鸟类和鱼类的群体行为必然源自于一套相似的简单规则。群体曾被看作是生命体的决定性象征，某些壮观的队列只有生命体才能实现。如今根据雷诺兹的算法，群体被看作是一种自适应的技巧，适用于任何分布式的活系统，无论是有机的还是人造的。

非匀质的看不见的手

惠勒认为，集群所形成的超级有机体，是从大量聚集的普通昆虫有机体中“涌现”出来的。他指出，这种涌现是一种科学，一种技术的、理性的解释，而不是什么神秘主义或炼金术。

惠勒认为，这种涌现的观念为调和“将之分解为部分”和“将之视为一个整体”两种不同的方法提供了一条途径。当整体行为从各部分的有限行为里有规律地涌现时，身体与心智、整体与部分的二元性就真正烟消云散了。不过当时，人们并不清楚这种超越原有的属性是如何从底层涌现出来的。现在也依然如此。

惠勒团队清楚的是：涌现是一种非常普遍的自然现象。与之相对应的是日常可见的普通因果关系，就是那种A引发B,B引发C，或者2+2=4这样的因果关系。化学家援引普通的因果关系来解释实验观察到的硫原子和铁原子化合为硫化铁分子的现象。而按照当时的哲学家C·劳埃德·摩根的说法，涌现这个概念表现的是一种不同类型的因果关系。在这里，2+2并不等于4，甚至不可能意外地等于5。在涌现的逻辑里，2+2=苹果。“涌现——尽管看上去多少都有点跃进(跳跃)——的最佳诠释是它是事件发展过程中方向上的质变，是关键的转折点。”这是摩根1923年的著作《涌现式的进化》中的一段话。那是一本非常有胆识的书，书中接着引用了布朗宁的一段诗，这段诗佐证了音乐是如何从和弦中涌现出来的：

而我不知道，除此(音乐)之外，人类还能拥有什么更好的天赋。因为从三个音阶(三和弦)中他所构造出的，不是第四个音阶，而是星辰。

我们可以声称，是大脑的复杂性使我们能够从音符中精炼出音乐——显然，木头疙瘩是不可能听懂巴赫的。当聆听巴赫时，充溢我们身心的所有“巴赫的气息”，就是一幅富有诗意的图景，恰如其分地展现出富有含义的模式是如何从音符以及其他信息中涌现出来的。

一只小蜜蜂的机体所代表的模式，只适用于其十分之一克重的更细小的翅室、组织和壳质。而一个蜂巢的机体，则将工蜂、雄蜂、以及花粉和蜂窝组成了一个统一的整体。一个重
达五十磅的蜂巢机构，是从蜜蜂的个体部分涌现出来的。蜂巢拥有大量其任何组成部分所没有的东西。一个斑点大的蜜蜂大脑，只有6天的记忆，而作为整体的蜂巢所拥有的记忆时间是3个月，是一只蜜蜂平均寿命的两倍。

这里有一个关于活系统的普遍规律：低层级的存在无法推断出高层级的复杂性。不管是计算机还是大脑，也不管是哪一种方法——数学、物理或哲学——如果不实际地运行它，就无法揭示融于个体部分的涌现模式。只有实际存在的蜂群才能揭示单个蜜蜂体内是否融合着蜂群特性。理论家们是这样说的：要想洞悉一个系统所蕴藏的涌现结构，最快捷、最直接也是唯一可靠的方法就是运行它。要想真正“表述”一个复杂的非线性方程，以揭示其实际行为，是没有捷径可走的。因为它有太多的行为被隐藏起来了。

认知行为的分散记忆

潘菲尔德对活脑这块处女地的探索使得人们形成了根深蒂固的印象：脑半球就好比出色的记录装置，其精彩的回放功能似乎更胜过时下流行的留声机。我们的每个记忆都被精确地刻划在它自己的碟片上，由不偏不倚的大脑忠实地将其分类归档，并能像自动点唱机中的歌曲一样，摁动正确的按扭就能播放出来，除非受到暴力的损伤。

然而仔细查看潘菲尔德实验的原始记录会发现，记忆并不是十分机械的过程。有一个例子，是一位二十九岁的妇女在潘菲尔德刺激其左颞叶时的反应：“有什么东西从某个地方朝我来了。是一个梦。”四分钟以后，当刺激完全相同的点时：“景色似乎和刚才的不一样…”而刺激附近的点：“等等，什么东西从我上面闪过去了，我梦到过的东西。”在第三个刺激点——在大脑的更深处，“我不停地做梦。”对同一点重复刺激：“我不停地看到东西——我不停地梦到东西。”

这些文字所谈及的，与其说是从记忆档案馆的底层文件架上翻出的杂乱无章的昨日重现，倒不如说是梦一般的模糊闪现。这些过往经历的主人把它们当作是零碎的半记忆片段。它们带有生硬的“拼凑”色彩，漫无目的地飘荡;梦境由此而生——那些关于过去的、星星点点的、没有中心的故事被重组成梦中的拼贴画。并没有所谓似曾相识的感觉，也没有“当时情形正是如此”的强烈意识。没有人会被这些重播所蒙蔽。

现代认知科学更倾向于一个新的观点：记忆好比由储存在脑中的许多离散的、非记忆似的碎片汇总起来而从中涌现出来的事件。这些半意识的碎片没有固定的位置，它们分散在大脑中。其储存方式在不同的意识之间有本质的不同——对洗牌技能的掌握与对玻利维亚首都的了解就是按完全不同的方式组织的——并且这种方式人与人之间会有所不同，上一次与下一次之间也会有所不同。

由于可能存在的想法或经历要比大脑中神经元的组合方式多，因此，记忆必须以某种方式进行组织，以尽可能容纳超过其存储空间的想法。它不可能给过去的每个念头都准备一个架子，也无法为将来可能出现的每一个想法预留位置。

我们的记忆(以及我们的蜂群思维)是以同样模糊而偶然的方式创造出来的。要(在记忆中)找到那颗跳动的流星，我的意识首先抓住了一条移动的光的线索，然后收集一连串与星星、寒冷、颠簸有关的感觉。创造出什么样的记忆，有赖于最近我往记忆里塞入了什么，也包括上次重组这段记忆时所加进去的感觉或其他事情。这就是为什么每次回忆起来都有些微不同的原因，因为每次它都是真正意义上的完全不同的经历。感知的行为和记忆的行为是相同的。两者都是将许多分布的碎片组合成一个自然涌现出的整体。

认知科学家道格拉斯·霍夫施塔特说道：“记忆，是高度重建的。在记忆中进行搜取，需要从数目庞大的事件中挑选出什么是重要的，什么是不重要的，强调重要的东西，忽略不重要的东西。”这种选择的过程实际上就是感知。“我非常非常相信，”霍夫施塔特告诉我，“认知的核心过程与感知的关系非常非常紧密。”

在一个稀疏分布式网络中，记忆是感知的一种。回忆行为和感知行为都是在一个非常巨大的模式可选集中探查所需要的一种模式。我们在回忆的时候，实际上是重现了原来的感知行为，也就是说，我们按照原来感知这种模式的过程，重新定位了该模式。

并行分布式计算非常适用于感知、视觉和仿真领域。并行机制处理复杂性的能力要好于以体积庞大、运算速度超快的串行计算机为基础的传统超级计算机。在采用稀疏分布式内存的超级计算机里，记忆与数据处理之间的差异消失了。记忆成为了感知的再现，与最初的认知行为没有什么区别。两者都是从一大堆互相连接的部件中涌现出来的模式。

从量变到质变

不管我们在何时拔掉塞子，漩涡都会无一例外地出现。漩涡是一种涌现的事物——如同群一样，它的能量及结构蕴涵于群体而非单个水分子的能量和特性之中。不论你多么确切地了解H2O(水的分子式)的化学特征，它都不会告诉你任何有关漩涡的特征。一如所有涌现的事物，漩涡的特性来源于大量共存的其他个体;在之前所举的例子中，是满满一槽的水分子。一滴水并不足以显现出漩涡，而一把沙子也不足以引发沙丘的崩塌。事物的涌现大都依赖于一定数量的个体，一个群体，一个集体，一个团伙，或是更多。

科学界早就认为大量个体和少量个体的行为存在重大差异。群聚的个体孕育出必要的复杂性，足以产生涌现的事物。随着成员数目的增加，两个或更多成员之间可能的相互作用呈指数级增长。当连接度高且成员数目大时，就产生了群体行为的动态特性。——量变引起质变。

群集的利与弊

有两种极端的途径可以产生“更多”。一种途径是按照顺序操作的思路来构建系统，就像工厂的装配流水线一样。这类顺序系统的原理类似于钟表的内部逻辑——通过一系列的复杂动作来映衬出时间的流逝。大多数机械系统遵循的都是这种逻辑。

还有另一种极端的途径。我们发现，许多系统都是将并行运作的部件拼接在一起，很像大脑的神经元网络或者蚂蚁群落。这类系统的动作是从一大堆乱糟糟且又彼此关联的事件中产生的。它们不再像钟表那样，由离散的方式驱动并以离散的方式显现，更像是有成千上万个发条在一起驱动一个并行的系统。由于不存在指令链，任意一根发条的某个特定动作都会传递到整个系统，而系统的局部表现也更容易被系统的整体表现所掩盖。从群体中涌现出来的不再是一系列起关键作用的个体行为，而是众多的同步动作。这些同步动作所表现出的群体模式要更重要得多。这就是群集模型。

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)。

我们发现，宇宙中最有趣的事物大都靠近网络模式一端。彼此交织的生命，错综复杂的经济，熙熙攘攘的社会，以及变幻莫测的思绪，莫不如此。作为动态的整体，它们拥有某些相同的特质：比如，某种特定的活力。

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

群系统的好处：可适应、可进化、弹性、无限性、新颖性

• 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。
• 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。

群系统的明显缺陷：非最优、不可控、不可预测、不可知、非即刻

• 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。
• 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。

为了使工具具备强大的功能，我们可以允许其在某些方面有点小瑕疵。同样，为了保证互联网上拥有一千七百万个计算机节点的群系统不会整个儿垮掉，我们不得不容忍讨厌的蠕虫病毒或是毫无理由和征兆的局部停电。多路由选择既浪费且效率低下，但我们却可以借此保证互联网的灵活性。而另一方面，我敢打赌，在我们制造自治机器人时，为了防止它们自作主张地脱离我们的完全控制，不得不对其适应能力有所约束。

随着我们的发明从线性的、可预知的、具有因果关系属性的机械装置，转向纵横交错、不可预测、且具有模糊属性的生命系统，我们也需要改变自己对机器的期望。这有一个可能有用的简单经验法则：

对于必须绝对控制的工作，仍然采用可靠的老式钟控系统。在需要终极适应性的地方，你所需要的是失控的群件。

我们每将机器向集群推进一步，都是将它们向生命推进了一步。而我们的奇妙装置每离开钟控一步，都意味着它又失去了一些机器所具有的冷冰冰但却快速且最佳的效率。多数任务都会在控制与适应性中间寻找一个平衡点，因此，最有利于工作的设备将是由部分钟控装置和部分群系统组成的生控体系统的混血儿。我们能够发现的通用群处理过程的数学属性越多，我们对仿生复杂性与生物复杂性的理解就越好。

网络是21世纪的图标

原子是20世纪科学的图标。

网络是群体的象征。由此产生的群组织——分布式系统——将自我撒布在整个网络，以致于没有一部分能说，“我就是我。”无数的个体思维聚在一起，形成了无可逆转的社会性。它所表达的既包含了计算机的逻辑，又包含了大自然的逻辑，进而展现出一种超越理解能力的力量。

暗藏在网络之中的是神秘的看不见的手——一种没有权威存在的控制。原子代表的是简洁明了，而网络传送的是由复杂性而生的凌乱之力。

网络的低效率——所有那些冗余，那些来来回回的矢量，以及仅仅为了穿过街道而串来串去的东西——包容着瑕疵而非剔除它。网络不断孕育着小的故障，以此来避免大故障的频繁发生。正是其容纳错误而非杜绝错误的能力，使分布式存在成为学习、适应和进化的沃土。

一个网络群到处都是边，因此，无论你以何种方式进入，都毫无阻碍。网络是结构最简单的系统，其实根本谈不上有什么结构。它能够无限地重组，也可以不改变其基本形状而向任意方向发展，它其实是完全没有外形的东西。一个网络理论上可以包容多少个节点仍能继续运转?这些问题甚至都不会有人问起过。

我蜂箱里的小蜜蜂大约意识不到自己的群体。根据定义，它们共同的蜂群思维一定超越了它们的个体小蜜蜂思维。当我们把自己与蜂巢似的网络连接起来时，会涌现出许多东西，而我们仅仅作为身处网络中的神经元，是意料不到、无法理解和控制不了这些的，甚至都感知不到这些东西。任何涌现的蜂群思维都会让你付出这样的代价。

---

有心智的机器

快速、廉价、失控

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。

没有所谓的中央控制器来指导身体把脚放在哪里，或者跨过障碍时要把腿抬多高。实际上，每条腿都有权做些简单动作，而且每条腿都能独立判断在不同环境下该如何行事。举例来说，一个基本动作的意识是，“如果我是腿而且抬起来了，那么我要落下去”，而另一个基本动作的意识可描述为，“如果我是腿在向前动，得让那五个家伙稍微拖后一点”。这些意识独立存在且随时待机，一旦感知的先决条件成立就会触发。接下来，要想开步行走，只需按顺序抬起腿(这是唯一可能需要中央控制的地方)。一条腿一抬起来就会自动向前摆动，然后落下。而向前摆动的动作会触动其余的腿略微向后挪动一点。由于那些腿正好接地，身体就向前移动了。

动物(在进化过程中)的学习方式与此类似。布鲁克斯的移动机器人亦是如此。它们通过建立行为层级来学会穿越复杂的世界，其顺序大致如下：

• 避免碰触物体
• 无目地漫游
• 探索世界
• 构造内在地图
• 注意环境变化
• 规划旅行方案
• 预见变化并相应修正方案

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”，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。

如果把国家看成一台机器，你可以用包容架构来这么建造：

你从乡镇开始。先解决乡镇的后勤：基本工作包括整修街道、敷设水电管道、提供照明，还要制定律法。当你有了一些运转良好的乡镇，就可以设立郡县。在保证乡镇正常运作的基础上，你在郡县的范围内设立法院、监狱和学校，在乡镇的层级之上增加了一层复杂度。就算郡县的机构消失了，也不会影响乡镇照常运转。郡县数量多了，就可以添加州的层级。州负责收税，同时允许郡县继续行使其绝大部分的职权。没有州，乡镇也能维持下去，虽然可能不再那么有效率或那么复杂。当州的数量多了，就可以添加联邦政府。通过对州的行为做出限制并承载其层面之上的组织工作，联邦层级包容了州的一些活动。即使联邦政府消失了，千百个乡镇仍会继续做自己的地方工作——整修街道、敷设水电管道、提供照明。但是当乡镇工作被州所包容，并最终被联邦所包容时，这些乡镇工作就会显示出更强大的功效。被这套包容架构所组织起来的乡镇不但能够建造楼房，还可以设立教育体系，制定规则，而且会比原来更繁荣。美国政府的联邦结构就是一个包容架构。

众愚成智

大脑和身体的构建方式是相同的，自下而上。与从乡镇开始类似，你从简单行为——本能或反射——开始。先生成一小段能完成简单工作的神经回路，接下来让大量类似的回路运转起来。之后，复杂行为从一大堆有效运作的反射行为中脱颖而出，你也就此构建出第二个层级。无论第二层级生效与否，最初的层级都会继续运作。但当第二层级设法产生一个更复杂的行为时，就把下面层级的行为包容进来了。

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。

人类有大脑，但它既非中央集权，也没有所谓的中心。“大脑有一个中心的想法是错误的，而且错得还很离谱。”丹尼尔·丹尼特这样断言。丹尼特是塔夫茨大学哲学系教授，长期鼓吹意识的“功能性”视角：意识的各种功能，比如思考，都来自不司职思考的部分。爬虫似的移动机器人所具有的半意识，就是动物和人类意识的极好样本。据丹尼特的说法，人体内没有一处是用来控制行为的，也没有一处会创造“行走”，没有所谓的灵魂居所。他说：“如果你仔细看看大脑内部，会发现里面其实空无一物。”

丹尼特正在慢慢地说服很多心理学家，让他们相信，意识是从一个由许许多多微渺而无意识的神经环路构成的分布式网络中涌现出来的。丹尼特告诉我：“旧的模式认为，大脑中存在一处中心位置，一座隐秘圣殿，一个剧场，意识都从那里产生。也就是说，一切信息都必须提交给一个特使，以使大脑能够察觉这些信息。你每次做出的有意识决定，都要在大脑峰会上得到最终确认。本能反射例外，它们是穿山而过的隧道，因而得以不参加意识峰会。”

心智社会听起来和心智的官僚主义似乎大同小异。实际上，如果没有进化与学习的压力的话，头脑中的心智社会就会流于官僚主义。然而正如丹尼特、明斯基、布鲁克斯等人预想的一样，一个复杂组织里愚钝的个体之间总是为了获得组织资源和组织认同而相互竞争又共存合作。竞争个体间的合作是松散的。明斯基认为，**智能活动产生于“几乎各自离散的个体，为了几乎各自独立的目的而结合的松散的联盟。”**胜者留存，败者随时间而消逝。从这层意义上来看，头脑并非垄断独裁，而是一个无情而冷酷的生态系统，在这里，竞争孕育出自发的合作。

心智的这种微混沌特性甚至比我们所能体会的还要深刻。很有可能，心智活动实际上就是一种随机或统计现象——等同于大数定律。这种随机分布式鼓荡生灭的神经脉冲群落构成了智力活动的基石;即使给定一个起点，其结果也并非命中注定。没有可重复的结局，有的只是随机而生的结果。某个特定念头的涌现，都需要借助一点点运气。

嵌套层级的优点

布鲁克斯写道：“包容结构实质上是一种将机器人的传感器和执行器连接起来的并行分布式计算。”这种架构的要点在于将复杂功能分解成小单元模块并以层级的形式组织起来。很多观察家津津乐道于分布式控制的社会理想，听说层级是包容结构中最重要和最核心的部分时，却很反感。他们会问，难道分布式控制不就意味着层级机制的终结吗?

当但丁一层层爬上天堂的九重天时，他所攀爬的是一座地位的层级。在地位层级里，信息和权力自上而下地单向传递。而在包容或网络层级架构里，信息和权力自下而上传递，或由一边到另一边。布鲁克斯指出，“不管一个代理或模块在哪一个层级工作，他们均生来平等…每个模块只需埋头做好自己的事。”

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。

“我们更进一步地拓展了这个想法，”布鲁克斯说道，“并常常利用外部世界作为分布式部件间的交流媒介。”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。”

利用现实世界的反馈实现交流

实质上，对机器人来说(或者说对昆虫来说——布鲁克斯更愿这么表述)，并不存在外部世界的映像。没有中央记忆，没有中央指令，没有中央存在。一切都是分布式的。“通过外部世界进行沟通可以避免根据来自触臂的数据调校视觉系统的问题。”布鲁克斯写道。外部世界自身成为“中央”控制者;没有映像的环境成为映像本身。这样就节约下海量的计算工作。“在这样的组织内，”布鲁克斯说，“只需少量的计算就可以产生智能行为。”

那些脑子转得快的人发现，布鲁克斯的方案正是市场经济的绝妙写照：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)。从千百位我从未谋面的商贩那里，我得知了鲜蛋的价格信息。信息告诉我(含杂在很多别的信息里)：“一打鸡蛋比一双皮鞋便宜，但是比打两分钟国内长途贵。”这个信息和很多其它价格信息一起，指导了千万个养鸡场主、制鞋商和投资银行家的经营行为，告诉他们该在哪里投放资金和精力。

布鲁克斯总结了设计移动式机器人的五条经验，其表述如下：

• 递增式构建——让复杂性自我生成发展，而非生硬植入
• 传感器和执行器的紧密耦合——要低级反射，不要高级思考
• 与模块无关的层级——把系统拆分为自行发展的子单元
• 分散控制——不搞中央集权计划
• 稀疏通讯——观察外部世界的结果，而非依赖导线来传递讯息

无躯体则无意识

对布鲁克斯来说，躯体就意味着简洁、明了。没有躯体的智能和超越形式的存在都是虚妄的幽灵，给人以错觉。只有在真实世界里创造真实的物体，才能建立如意识和生命般的复杂系统。只有创造出必须以真实躯体而存活的机器人，让他们日复一日自食其力，才有可能发掘出人工智能或真正的智慧。当然，假如你意图阻止意识的涌现，那么只管把它与躯体剥离开来。

心智/躯体的黑盲性精神错乱

身体是意识乃至生命停泊的港湾，是阻止意识被自酿的风暴吞噬的机器。神经线路天生就有玩火自焚的倾向。如果放任不管，不让它直接连接“外部世界”，聪明的网络就会把自己的构想当做现实。意识不可能超出其所能度量或计算的范畴。没有身体，意识便只能顾及自己。出于天赐的好奇心，即便是最简单的头脑也会在面对挑战时，殚精竭虑以求一解。然而，如果意识直面的大都是自身内部的线路和逻辑问题，那它就只能终日沉迷于自己所创造出的奇思异想。

而身体——或者说，任何由感觉和催化剂汇集起来的实体——通过加载需要立即处理的紧急事务，打断了神智的胡思乱想!生死悠关!能闪避吗?!心智不必再去虚构现实——现实正扑面而来，直击要害。闪避!凭借以前从未试过、也从未梦想一试的一种全新的原创悟性，它做出了决断。

**失去了感觉，心智就会陷入意淫，并产生心理失明。**若非不断被来自眼耳口鼻和手指的招呼打断，心智最终会蜷入一隅遁世隐居。眼睛是最重要的感官，其本身就相当于半个大脑(塞满了神经细胞和生物芯片)。它以难以想象的丰富信息——半消化的数据、重大的决策、未来演变的暗示、隐匿的事物线索、跃跃一试的动感、无尽的美色——濡养着心智。心智经过一番细嚼慢咽，抖擞登场。若突然斩断其与眼睛的纽带，心智就会陷入混乱、晕眩，最终缩入自己的龟甲里。

---

组装复杂性

通往稳定生态系统的随机路线

起初，人们也不是很清楚是否会容易地得到一个稳定的系统。皮姆曾以为，随机生成的生态系统可能会“永无休止地徘徊，由一种状态转为另一种状态，再转回头来，永远都不会到达一个恒定状态。”然而，人造生态系统并没有徘徊。相反，令人惊讶的是，皮姆发现了“各种奇妙的现象。比如说，这些随机的生态系统绝对没有稳定方面的麻烦。它们最共同的特征就是它们都能达到某种恒定状态，而且通常每个系统都有其独有的恒定状态。”

如果你不介意获得的系统是什么样子，那么要获得一个稳定的生态系统是很容易的。这很令人吃惊。皮姆说：“我们从混沌理论中得知，许多确定系统都对初始条件极其敏感——一个小小的不同就会造成它的混乱。而这种生态系统的稳定性与混沌理论相对立。从完全的随机性入手，你会看到这些东西聚合成某种更有条理性的东西，远非按常理所能解释的。这就是反混沌。”

为了补充他们在试管内的研究，皮姆还设立了计算机模拟试验——在计算机里构建简化的生态模型。他用代码编写了需要其它特定物种的存在才能生存下来的人造“物种”，并设定了弱肉强食的链条：如果物种B的数量达到一定密度，就能灭绝物种A。(皮姆的随机生态模型与斯图亚特·考夫曼的随机遗传网络系统相似。见第二十章)。每个物种都在一个巨大的分布式网络中与其它物种有松散的关联。对同一物种列表的成千上万种随机组合进行了运行后，皮姆得到了系统能够稳定下来的频度。所谓稳定，即指在小扰动下，如引入或移除个别物种，不会破坏整体的稳定性。皮姆的结果与其瓶装微观生物世界的结果是相呼应的。

按皮姆的说法，计算机模型显示，“当混合体中有10至20种成分时，其峰值(或者说稳定点)可能有十几到上百个。假如你重演一遍生命的进程，会达到不同的峰值。”换句话说，投放了同样的一些物种后，初始的无序状态会朝向十几个终点。而改变哪怕是一个物种的投入顺序，都足以使系统由一个结果变成另一个。系统对初始条件是敏感的，但通常都会转为有序状态。

皮姆告诉我，“你所面对的是一个已经历经了千万年的系统。仅仅开列一份丰富多样的物种清单也是不够的。你还必须有组合指南。”

如何同时做好一切

生态系统和其他功能系统犹如帝国，毁掉容易，建起来难。大自然需要发展森林或湿地的时间，因为就连大自然也不能同时做好一切。温盖特所给予的那种帮助并没有违反自然规律。大自然一般都是利用临时的脚手架来完成自己的许多成就。人工智能专家丹尼·希利斯在人类的大拇指身上看到了类似的故事。借助拇指的抓握，灵巧的手使人类的智能更进一步，具备了制造工具的能力。但是一旦智能建立，手就没那么重要了。希利斯宣称，建立一个巨大的系统确实需要许多阶段，而这些阶段对于系统本身的运转并非必须（即一旦系统运作起来，这些阶段就变得可有可无了）。“锤炼和进化智能所需的辅助手段远比简单地停留在某个智能水平上要多得多。”希利斯写道。“人们在确信与其他四指相对的拇指在智能发展中的必要性的同时，也毫不怀疑现在的人类可以脱离开拇指进行思考。”

艰巨的“拼蛋壳”任务

楠萨奇和其它森林收益递增的故事，以及来自斯图亚特·皮姆微观世界的数据报告，都印证了一个重要的经验，皮姆称之为“拼蛋壳效应”。我们能把失去的生态系统重新组合起来吗?是的，只要所有的碎片都还存在，我们就能将其还原。只是，不知道我们能否还能得到所有的碎片。也许陪伴生态系统早期发展的某些物种——正如助推智能发展的拇指——在附近已不复存在了。或者，在一场真正的灾难中，重要的辅助物种在全球灭绝了。完全有这样一种可能，曾经有一种假想的、到处生长的小草，对于北美大草原的形成具有至关重要的作用，但却在最后的冰河时期被一扫而空。随着它的逝去，蛋壳就不可能再还原了。“记住，两点之间并非总有一条路径可走。”皮姆说。

帕克德曾经有过这个令人沮丧的想法。“大草原永远不能完全复原的一个原因是有些成分永远消失了。也许没有大型食草动物，如古时候的乳齿象乃至过去的野牛，大草原是不会回来的。”皮姆和德雷克的工作还得出更可怕的结论：不仅要有合适的物种按恰当的顺序出现，而且还要有合适的物种在恰当的时间消失。一个成熟的生态系统也许能轻易地容忍X物种，但是在其组合过程中，X物种的出现会把该系统转到其它路径上，将其引向不同的生态系统。帕克德叹息道：“这就是创造一个生态系统往往要经过数百万年的原因。”

---

共同进化

放在镜子上的变色龙是什么颜色的？

变色龙对自身影像变化的反应恰似人类世界对时尚变化的反应。从整体看来，时尚不正是蜂群思维对自身映像的反应么?

在一个紧密相连的二十一世纪社会中，市场营销就是那面镜子，而全体消费者就是变色龙。你将消费者放入市场的时候，他该是什么颜色?他是否会沉降到某个最小公分母——成为一个平均消费者?或者总是为试图追赶自己循环反射的镜像而处于疯狂振荡的摇摆状态?

变色龙之谜的深奥令贝特森沉醉，他继续向自己的其他学生提出此疑问。其中一名学生杰拉尔德·霍尔提出了第三种假说来解释这位镜中人的最终颜色：“变色龙会保持进入镜子反射区域那一瞬间的任何颜色。”

在我看来，这是最符合逻辑的答案。镜子与变色龙之间的相互作用或许是如此密切、迅捷，几乎没有发生适应调节的可能。事实上，一旦变色龙出现在镜子前，它可能丝毫也改变不了自己的颜色，除非由于外部诱因导致其变色或者其自身的变色程序出错。否则，镜子与变色龙组成的系统将凝固于其初始状态——无论那是什么颜色。

对于市场营销这样一个镜像世界来说，这第三个答案就意味着消费者的冻结。他要么只买其最初所用的品牌，要么什么也不买。

镜子上变色龙之谜的重要之处在于，蜥蜴与镜子形成了一个整体。“蜥蜴属性”和“镜子属性”融合为一种更复杂的属性——“蜥镜属性”——其行为方式与单一变色龙或单一镜子的行为方式都有所不同。

中世纪的生活是极端抹杀个性的。普通人对自己的形像只有模糊的概念。他们对独立人格和社会身份的认知是通过参与宗教仪式和遵循传统而达成的，不是通过行为反射。与此相反，当今世界是一个充满了镜像的世界。我们有无处不在的电视摄像机、每天都在进行的民意调查(如“百分之六十三的美国人离过婚”)，将我们集体行为的每一个细枝末节都反映给我们。持续不断的纸面记录——帐单、评分、工资单、商品目录——帮助我们建立了个人的身份标识。不远的将来，普及的数字化必将为我们提供更清晰、更快捷、更无所不在的镜子。每个消费者都将成为反射镜像与反射体，既是因，也是果。

希腊哲学家痴迷于链式的因果关系，研究如何沿因果链条溯本追源，直至找到最初原因。这种反向倒推的路径是西方逻辑的基础，即线性逻辑。而蜥蜴-镜子系统展示的是一种完全不同的逻辑——一种网状的因果循环。在递归反射领域，事件并非由存在链所触发，而是由一系列业因如奇趣屋般地反射、弯曲、彼此互映所致。与其说业因和控制是从其源头按直线发散，倒不如说它是水平扩展，如同涌动的潮水，曲折、弥散地释放着影响力。浅水喧闹，深潭无波;仿佛万物彼此间的关联颠覆了时空的概念。

自然生态系统中的控制轨迹也呈发散状溶入因果关系的界域。控制不仅分散到空间中，还随着时间而逐渐模糊。当变色龙爬到镜子上的时候，诱使其变色的业因便溶入到一个因果自循环的界域中。事物的推演不像箭那样直线行进，而是像风一样四散开来。

生命之无法理喻之处

简而言之，大多数蝴蝶幼虫只吃一种特定的植物。举个例子，黑脉金斑蝶的幼虫就专吃马利筋，而马利筋似乎也只欢迎黑脉金斑蝶前来就餐。

埃尔利希注意到，从这个意义上说，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。”

约翰·汤普森在《互相影响和共同进化》一书中对“共同进化”做了一个正式定义：“共同进化是互相影响的物种间交互的进化演变。”实际上共同进化更像一曲探戈。马利筋与黑脉金斑蝶肩并肩结成了一个单系统，互相影响共同进化。共同进化之路上的每一步都使这两个对手缠绕得更加密不可分，直到一方完全依赖于另一方的对抗，从而合二为一。生物化学家詹姆斯·洛夫洛克就这种相拥状况写道：“物种的进化与其所处环境的演变密不可分。这两个进程紧密结合，成为不可分割的单一进程。”

在布兰德向贝特森提出镜子上的变色龙之谜题后，有关意识的失衡性成为了谈话的重点，两人转而顺着这个话题探讨了下去，最终得出了一个古怪的结论，相对于其他事物都有一个平衡点来说，意识、生命、智力、共同进化都是失衡的、意外的、甚至是无法理喻的。我们之所以看到智力和生命的不可捉摸之处，正是因为他们维持着一个远离平衡态的不稳定状态。较之宇宙间其他事物，智力、意识乃至生命，都处于一个稳定的非稳态。

蝴蝶和马利筋，犹如立足笔尖的铅笔，依靠共同进化的递归动态而立得笔直。蝴蝶拉扯马利筋，马利筋也拉扯蝴蝶，它们拉扯得越厉害，就越难以放手，直到整体的蝴蝶/马利筋逐渐形成一个独特的存在——一个鲜活的昆虫/植物系统便自我生成。

在持久的摇摇欲坠状态中保持平衡

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，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。

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。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。

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。

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。

演示乃节奏缓慢的生命

沃尔纳德斯基将生命明确地比作石头镜子上的变色龙，这个说法得罪了两方人。他把活体生物所处的生物圈看作巨型的化工厂，激怒了生物学家。在他看来，植物和动物在矿物质环绕世界的流动中充当着临时化学容器的作用。“活体生物不过是岩石的一个特类…既古老又永恒年轻的岩石，”沃尔纳德斯基写道。活体生物是存储这些矿物的精美而脆弱的贝壳。有一次他谈到动物的迁移和运动时说，“动物存在的意义，就是为了帮助风和浪来搅拌发酵中的生物圈。”

尽管盖亚是由许多纯粹的机械回路所组成的，但这不应成为阻止我们为它贴上生命标签的理由。毕竟，细胞在很大程度上可以看作是化学循环;海洋中的某些硅藻也只不过是毫无生气的钙晶;树木则是硬化的浆汁。但它们全都仍然是有生命的有机体。

盖亚是一个有边界的整体。作为一个生命系统，它那些无生气的机械构件也是其生命的一部分。洛夫洛克说：“在地球表面任何地方，生命物质和非生命物质之间都没明确的区分。从岩石和大气所形成的物质环境到活细胞，只不过是生命强度的不同层级而已。”在盖亚的边界上——或是在稀薄的大气顶层，或是在炽热的地球核心，——生命的影响会消退。但是，没有人能说清这条边界到底在哪里——如果它有的话。

不讲交情或无远见的合作

冯·诺依曼发明了与游戏有关的数学理论。他将游戏定义为一场利益冲突，游戏各方都试图预测其他方的举动，并采取一系列的步骤，以解决冲突。1944年，他与经济学家奥斯卡·摩根斯特恩合写了一本书——《博弈论与经济行为》。他察觉到，经济具有高度共同进化和类似游戏的特性，而他希望以简单的游戏动力学来阐释它。举例说，鸡蛋的价格取决于卖方和买方彼此之间的预期猜测——我出价多少他才能够接受，他认为我会出多少，我的出价应该比我能承受的价位低多少?令冯·诺依曼惊讶的是，这种相互欺诈、相互蒙骗、效仿、映像以及“博弈”的无休止递归一般都能够落实到一个明确的价格上，而不是无限纠缠下去。即使在股市上，当有成千上万的代理在玩着相互预测的游戏时，利益冲突的各方也能迅速达成一个还算稳定的价格。

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。

每一个复杂的自适应组织都面临着基本的权衡。生物必须在完善现有技能、特质(练腿力以便跑得更快)与尝试新特质(翅膀)之间作取舍。它不可能同时做所有的事情。这种每天都会碰到的难题便属于在开发和利用之间作权衡。阿克塞尔罗德用医院作了一个类比：“一般情况下你可以想见试用某种新药比尽可能发掘已有成药的疗效回报来得低。但假如你给所有病人用的都是目前最好的成药，你就永远无法验证新药的疗效。从病人个人角度来讲最好不要试用新药。但从社会集合体的角度出发，做实验是必要的。”开发(未来收益)与利用(目前稳赢的筹码)之比应该是多少，这是医院不得不作的博弈。生命有机体为了跟上环境的变化，在决定应该在多大程度上进行变异和创新时，也会作出类似的权衡。当海量的生物都在做着类似的权衡并且互相影响时，就形成一个共同进化的博弈游戏。

对于“伪神们”来说，从共同进化中获得的最有用的教训就是，在共同进化的世界里，控制和保密只能帮倒忙。你无法控制，而开诚布公比遮遮掩掩效果更好。“在零和游戏中你总想隐藏自己的策略，”阿克塞尔罗德说。“但在非零和游戏中，你可能会将策略公之于众，这样一来，别的玩家就必须适应它。”戈尔巴乔夫的策略之所以有效，是因为他公开实施了这个策略;如果只是秘密地单方面削减武器则会一事无成。

镜子上的变色龙是一个完全开放的系统。无论是蜥蜴还是玻璃，都没有任何秘密。盖亚的大封闭圈里循环不断，是因为其中所有的小循环都在不断的共同进化沟通中互相交流。从苏联指令式计划经济的崩溃中我们了解到，公开的信息能够保持经济的稳定和增长。

共同进化可以看作是双方陷入相互传教的网络。共同进化的关系，从寄生到结盟，从本质上来讲都具有信息的属性。稳步的信息交流将它们焊接成一个单一的系统。与此同时，信息交流——无论是侮辱、还是帮助，抑或只是普通新闻——都为合作、自组织，以及双赢结局的破土发芽开辟了园地。

在我们刚刚迈入的网络时代中，频繁的交流正在创造日益成熟的人工世界，为共同进化、自发的自组织以及双赢合作的涌现而准备着。在这个时代，开放者赢，中央控制者输，而稳定，则是由持续的误差所保证的一种永久临跌状态。

---

自然之流变

均衡即死亡

“均衡即死亡”，博格斯如是陈述。这个观点在生态科学圈内流行时间还不很长。“直到二十世纪七十年代中期，我们所有人都在前人学说的指导下工作，即生物群落正趋向不变的均衡，形成顶极群落。而今，我们看到，正是紊乱和多变真正给自然赋予了丰富的色彩。”

谁先出现，稳定性还是多样性？

最早的模拟稳定性的论文中有一篇是加德纳和艾希比在1970年合作发表的。艾希比是一位工程师，他对正反馈回路的种种优点和非线性控制电路很感兴趣。他俩在电脑上为简单的网络回路编制出数百种变化，并系统地改变节点的数量和节点间的关联度。他们发现了惊奇的一幕：如果增加关联度至超过某一临界值，系统从外界扰动中回复的能力就会突然降低。换句话说，与简单的系统相比，复杂的系统更有可能不稳定。

生态系统：超有机体，抑或是身份作坊？

二十世纪二十年代，超有机体在生物学家眼里可是个时髦词。用来描述在那时尚属新奇的想法：群集的干员(agent)协力行动，产生由整个群体控制表达的种种现象。就像点点霉斑将自身聚合为粘液菌，一个生态系统也能结合而成一个稳定的超组织(superorganization)——蜂群或森林。一片乔治亚州松树林的行为与单棵松树不同。得克萨斯州山艾树荒原也不同于单棵的山艾树，就像鸟群不是一只大鸟，它们是另一种有机体。动植物联合成松散的联邦，展现出一个有自己独特行为方式的超有机体。

克莱门茨的竞争对手，另一位现代生态学之父，生物学家格利森认为，超有机体联邦的观点过于牵强，很大程度上是人类内心的产物，试图能在各处发现模式。格利森反对克莱门茨的假设，他提出顶极群落仅仅是生物体偶然形成的联合，其兴衰取决于当地气候和地质条件。生态系统更似一个联合会而非社区——不确定，多元，包容，不断流变。

格利森是正确的。一个生态系统内各成员间的连接远比有机体内各成员间的连接更为易变和短暂。从控制论的角度看，像蝌蚪这样的有机体和淡水沼泽这样的生态系统之间控制方式的不同在于，单个有机体受到严格紧密的束缚，而生态系统则宽松自由，不受束缚。

用最普适的话来说，进化是紧密的网络，生态是松散的网络。进化性的改变像是强力束缚的进程，非常类似于数学计算，甚或思维活动。在这种意义上，它是“理智的”。另一方面，生态变化则像是低等智力的、迂回的过程，以那些对抗风、水、重力、阳光和岩石的生物躯体为中心。生态学家罗伯特·洛克利夫这样写道，“群落[生态学的]属性是环境的产物而非进化史的产物。”。进化是直接由基因或计算机芯片产生的符号信息流控制的，而生态则受控于不那么抽象，但更多杂乱无章的复杂性，这种复杂性来自于肉体。

变化的起源

出生环境恶劣的极地生物，必须随时应对大自然强加给它们的难以捉摸的变化。夜晚的严寒，白昼的酷热，春天融冰过后的暴风雪，都造就了恶劣的栖息环境。而位于热带或深海的栖息地相对“平稳”，因为它们的温度、雨量、光照、养分都持久不变。因此，热带或洋底的平和环境允许那里的物种摒弃以改变生理机能的方式适应环境的需要，并给它们留下以单纯的生态方式适应环境的空间。在这些稳定的栖息地里，我们大有希望观察到许多怪异的共栖和寄生关系的实例——寄生吞噬寄生，雄性在雌性体内生活，生物模仿、伪装成其他生物——事实也正是如此。

没有恶劣环境，生命就只能自己把玩自己，但仍然能够产生变异和新特性，无论在自然界还是人工仿真界，通过将生物投入恶劣而变化多端的环境都能产生更多的多样性。

这一课对于那些设法在电脑世界里创造仿真行为的众神仿效者们并非毫无教益。自我复制、自我变异的电脑病毒一旦被释放进处理资源均匀分布的电脑存储器，便快速进化成一大群递归复制的变种，有寄生，有重寄生，还有重重寄生。有个名叫戴维·艾克利的电脑生命研究员告诉我：“我最终发现，想要得到和生命真正类似的行为，不是设法创造出真正复杂的生物，而是给简单的生物提供一个极其丰饶的变异环境。”

生生不息的生命

人少了一个胰脏，缺了一个肾脏，或切了一节小肠，可能不能跑马拉松了，但他们还都能存活。当身体的许多小部件——尤其腺体——功能降低的时候会引起整体死亡，但这些部件都有厚重的缓冲使其轻易不会破损。的确，避免破损解体是复杂系统主要的属性。

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。

创造性地失灵是活系统的标记。寻死很难，但导致死亡的路却有无数条。1990年，两百多个高薪的工程师紧张工作了两个星期来找出当时全美电话交换网频繁出现各种状况的原因，而正是这些工程师设计和建造了这个系统。问题在于，某种状况可能过去从未出现过，并且可能将来也不再会出现。

复杂系统不会轻易死亡。系统的成员与其整体达成了一种交易。部件们说：“我们愿为整体牺牲，因为作为一个整体的我们大于作为个体的我们的总和。”生命与复杂交织。部件会死，但整体永存。当系统自组织成更复杂的整体，它就加强了自己的生命。不是它的生命长度，而是它的生命力度。它拥有了更多生命力。

第四个间断：生成之环

我对生命侵略特性的描述并不意味要将它当变为后现代的活力论。的确，将生命定义为：“通过组织各个无生命部分所涌现的特性，但这特性却不能还原为各个组成部分，”(这是科学研究目前能给出的最好定义)，这非常接近形而上学的调调，但其目的是可以测试的。

我认为生命是某种非灵性的、接近于数学的特性，可以从对物质的类网络组织中涌现。它有点像概率法则;如果把足够多的部件放到一起，系统就会以平均律展现出某种行为。任何东西，仅需按照一些现在还不知道的法则组织起来，就可以导出生命。生命所遵循的那些定律，与光所遵循的那些定律同样严格。

首先，哥白尼排除了地球和物理宇宙其他部分之间的间断。接着，达尔文排除了人类和有机世界其他部分之间的间断，最后，弗洛伊德排除了自我的理性世界和无意识的非理性世界之间的间断。但是正如历史学家和心理学家布鲁斯·马兹利士所指出的，我们依然面对着第四个间断，人类和机器之间的间断。

---

控制的兴起

机械自我的成熟

海伦的调节器、德雷贝尔的恒温器，还有瓦特的调控装置为自己的脉管注入了自我控制、感知意识以及渴望的觉醒。调节系统感知自身的属性，关注自己是否发生了与上一次查看时不同的某些变化。如果有变化，就按既定目标调整自身。在恒温器这个特定的例子中，装了酒精的试管侦测系统的温度，之后决定是否应当采取行动调整火力，以保持系统的既定温度目标。从哲学的角度来说，这个系统是有目的的。

伺服机制是一个美国人和一个法国人在相隔大洋的情况下，于1860年左右同时独自发明出来的。法国人里昂·法尔科为这个装置取了一个很拗口的名字：伺服电动机。由于船只随着时间的推移发展得更大、更快，人类作用于舵柄的力量已经不足以抵抗水下涌动的水流了。海军的技术人员想出了各种油液压系统来放大作用在舵柄上的力量，这样只要轻轻地摇动船长舵仓内的小型舵杆，就可以对巨大的船舵产生些许影响。根据不同的船速、吃水线和其它类似的因素，对小舵杆所做的反复摇动，反映到船舵那里就表现为大小不同的舵效。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!

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。

伺服机制给转向装置添加了如此神秘巧妙的助力，以至于我们现在(采用升级版的技术)还在利用它来为船只导航，控制飞机的副翼，或者摆弄那些处理有毒或者放射性废料的遥控机械臂的手指。

比起其它那些纯机械的自我，比如海伦的阀门、瓦特的调控装置以及德雷贝尔的恒温器，法尔科的伺服机制更进一步，它向我们开启了另一种可能性的大门：人机共栖的可能性——融合两个世界的可能性。驾驶员与伺服机制相融合。他获得了力量，它获得了实体。他们共同掌舵。控制与共栖——伺服机制的这两个方面激发了现代科学中某个更富色彩的人物的灵感，让他发现了能够把这些控制回路联结在一起的模式。

抽水马桶：套套逻辑的原型

为了说明如何通过基本的回路从不精确的部件中产生出精确性，我沿用了法国作家皮埃尔·拉蒂尔1956年的著作《用机器进行思考》中提出的示例。在1948年以前，钢铁行业中的一代又一代技术人员想要生产出厚度统一的薄板，却都失败了。他们发现，影响轧钢机轧出的钢板厚度的因素不下六七个——比如轧辊的速度、钢铁的温度以及对钢板的牵引力。他们花费了很多年的时间不遗余力地一项项调整，然后又花了更多的时间进行同步协调，却没有任何效果。控制住一个因素会不经意地影响到其他因素。减慢速度会升高温度;降低温度会增加拉力;增加拉力又降低了速度，等等，等等。所有的因素都在相互影响。整个控制进程处在一个相互依赖的网络的包围之中。因此当轧出的钢板太厚或者太薄的时候，要想在6个相互关联的疑犯中追查到那个祸首，简直就是在耗费力气。在维纳那本《控制论》提出他那睿智的通用化思想之前，问题就卡在那儿了。而书出版之后，全世界的工程师就立刻把握住了其中的关键思想，其后的一两年里，他们纷纷在各自的工厂里安装了电子反馈设施。

实施过程中，以一个厚薄规测量新轧出的金属板的厚度(输出)，然后把这个信号传送回控制拉力变量的伺服电动机上，这信号在钢材进入轧辊之前，一直维持它对钢材的影响。凭着这样一个简单的单回路，就理顺了整个过程。因为所有的因素都是相互关联的，所以只要你控制住其中一个对产品的厚度直接起作用的因素，那么你就等于间接地控制住了所有的因素。不管出现偏差的倾向来自不平整的金属原料、磨损的轧辊，或是不当的高温，其影响都不太重要。重要的是这个自动回路要进行调节，使最后一个变量弥补其它变量。如果有足够的余地(确实有)调节拉力，来弥补过厚或热处理不当的金属原材料以及因为轧辊混入了铁屑而导致的偏差，那么最终出来的将会是厚度均匀的钢板。尽管每个因素都会干扰其他因素，但由于这种回路具有连续性和几乎瞬间响应的特性，因此仍然可以把这些因素间的那个深不可测的关系网络引向一个稳定的目标，即稳定的厚度。

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。

在一种指令性经济体制中，比如当时还处在胚胎状态的由列宁在俄罗斯建立起来的那种自上而下的经济体制，是通过计算、权衡和沟通管道的控制来分配资源的。而对一个经济体中的分布节点间的多重反馈因素进行计算，哪怕是控制不那么强的计算，和工程师在钢铁厂中追踪那些狡猾的、相互关联的因素一样，是不可能成功的。在一个摇摆不定的经济体中，要想对资源分配进行计算是不可能的。相反，哈耶克和其他的奥地利学派的经济学家在二十世纪二十年代论证说，一个单一的变量——价格——可以用来对其它所有资源分配变量进行调节。按照这种学说，人们就不用在意到底每个人需要多少块香皂，也不用在意是不是应该为了房子或者书本去砍伐树木。这些计算是并行的，是在行进中进行的，是由下而上、脱离了人的控制，由相互联结的网络自主自发的。秩序会自发形成。

这种自动控制(或者人类控制缺失)的结果，就是工程师们始终绷紧的神经终于可以放松下来，不再操心原材料的规格统一、工序的完美调节。于是他们可以使用不完美的原料和不精准的工序开工了。让自动化流程所具有的自我修正的特性去进行最优化、从而只放行高质量的产品吧。或者，投入品质划一的原料，将反馈回路设置到一个更高的质量水准，给下一道工序提供精度更高的精品。同一理念也可以上溯运用到原材料供应商那里，他们也可以使用类似的自动回路来挑选更高品质的产品。如果这一理念贯通了整个产业链的上下游，那么自动化的自我就会在一夜之间变成一部品质管理机器，而原来总是操持要提高精度的人类就可以不费吹灰之力地从物质中获得了。

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。

---

封闭系统

在持久的混沌中进行的实验

“设计一个生态群系，实际上是一个像上帝一样去思考的机会”，沃肖尔回忆说。你，作为一个上帝，能够从无中生出某种有来。你可以创造出某些东西——某些奇妙的、合成的、活生生的生态系统——但是对于其中到底会进化出什么，你是控制不了的。你所能做的唯一的事情，就是把所有的部件都归拢到一起，然后让它们自己组装成某种行得通的东西。瓦尔特·阿迪说：“野外的生态系统是由各种补丁拼凑起来的。你向这个系统中注入尽可能多的物种，然后让这个系统自己去决定它到底想要哪块物种补进来。”事实上，把控制权交出去，已经成为“合成生态学的原则”之一。“我们必须接受这样一个事实”，阿迪继续说，“蕴含在一个生态系统中的信息远远超过了我们头脑中的信息。如果我们只对我们能够控制和理解的东西进行尝试，我们肯定会失败。”所以，他警告说，自然生成的生物圈二号生态，其精确的细节是无法预测的。

另外一种合成生态系统

当这些生态学家存心装配第一个合成生态的时候，他们尝试着设计了几条他们觉得对于创造任何活的封闭生物系统都非常重要的指导原则。生物圈二号的制造者们把这些原则称为“生物圈原则”。创造生物圈的时候要记住：

• 微生物做绝大部分的工作。
• 土壤是有机体。它是活的。它会呼吸。
• 创造【冗余】(多余)的食物网络。
• 逐步地增加多样性。
• 如果不能提供一种物理功能，就需要模拟一个类似的功能。
• 大气会传达整个系统的状态。
• 聆听系统：看看它要去哪里。

---

工业生态学

适应的技术

适应的技术，如分布式智能、弹性时间计算、生态位经济，以及教导式进化等，都唤起了机器中的有机性。在联结成为一个巨形回路之后，人造世界便稳固地滑向天生的世界。

确切地说，下个纪元的特色是新生物学而不是仿生学，因为在任何有机体和机器的混成物中，尽管开端可能是势均力敌的，但生物学却总是能最终胜出。

生物学之所以总是胜出，是因为有机并不意味神圣。它并非生命体通过某种神秘方式传承下来的神圣状态。生物学是一个必然——近于数学的必然——所有复杂性归向的必然。它是一个欧米茄点。在天生和人造缓慢的混合过程中，有机是一种显性性状，而机械是隐性性状。最终，获胜的总是生物逻辑。

---

网络经济学

以联结取代计算

计算机的未来不在数字而在于联结——一百万台相互联结的苹果II型电脑所产生的力量，要远远超过一台价值数百万美元、用最精心的方式调制出来的、孤立的超级计算机。

正如我们所预料过的，计算机作为运算工具，将会推动世界进入一个更为高效的时代。但是，没有人会预料到，一旦计算机被用作通讯工具，这些被网络联结起来的计算机就会将这个已经取得诸多进步的世界彻底颠覆，并把它推向一个完全不同的逻辑方向——Net的逻辑。

与错误打交道

自然通过牺牲简洁性来换取可靠性。自然界中存在的神经元回路，其非最优化程度始终令科学家们瞠目结舌。研究小龙虾尾部神经细胞的科学家们揭示了这种回路是多么令人震惊地臃肿和丑陋。只要花点功夫，他们就能设计出一种紧凑得多的结构。不过，尽管小龙虾的尾部回路要比它真正需要的冗余很多，但却是不会出错的。

---

电子货币

传真机效应和收益递增定律

密码朋克打算通过“传真机效应”达成能够与中央化计算机资源相抗衡的能力。如果只有你有传真机，那它就是废物。但是，这个世界上每多一台传真机，每个人手里的传真机就越有价值。这就是网络的逻辑，也叫做“收益递增定律”。这个定律和那些传统的基于均衡交易的经济学理论截然相反。按照那些理论，你是不能无中生有的。但是事实上，你可以做到这一点。(直到最近，才有几位超前的经济学教授在做把这个概念理论化的工作。)而黑客们、密码朋克们、还有很多高科技企业家其实已经知道了这一点。在网络经济中，多能带来更多。这就是为什么给予会如此频繁地成为一种有效手段，以及这些密码朋克们为什么心甘情愿地把他们开发的工具免费传播出去的道理。这种行为，跟善心没有什么关系，它其实来源于一种清晰的直觉：网络经济奖励那些“较多者”，而不是那些“较少者”——你可以通过免费传播这些工具而从一开始就为这个“较多者”播撒下种子。

超级传播

一百年后，信息产业仍然缺少信息计量表。乔治·吉尔德，一位高科技的呛声者，这么表述这个问题：“你不想每次渴的时候都必须为整个水库付钱，而是希望只为眼前这一杯水付钱。”

确实，既然你要的就只是一杯水(部分信息)，为什么要为整个海洋(所有信息)付钱呢?要是你有一个信息计量表，就完全没理由这么做。创业家彼得·斯普拉格认为他正好发明了这么一个东西。“我们可以用加密技术来强制信息计量。”他说。这个“信息龙头”实际上是一个微型芯片，可以从一大堆加密数据中少量发放一点信息。斯普拉格发明了一个加密设备，对于装有十万页法律文档的只读型光盘，不用整张卖2000美元，而是按每页1美元的价格收费。这样一来，用户就只要为她使用的部分付账，而且也只能使用她付过账的那部分。

斯普拉格的办法是让每一页文档必须在解密后才能阅读。用户可以从目录中选择浏览的信息范围。她花很少的钱就可以读摘要或者综述。然后她选择想要的全文，由“分发器”解密。每解密一次就收一小笔钱(也许50美分)。费用由分发器里面的计量芯片记录，并从她的预付款里扣除(这个预付款也是存在计量芯片里的)，就好像使用邮资咪表分发邮政资费条并自动扣钱一样。当存款用完后，她可以给服务中心打电话，服务中心发送一条加密信息，通过调制解调器传送到她的计算机的计量芯片中，从而给她的帐户充值。分发器上现在有300美元，这300美元在购买信息的时候，可以按页算，按段落算，或者按一条条的股票价格算，这要看信息卖主把信息切分到什么样的精细程度了。

信息极其容易复制，而信息拥有者希望能够将信息有选择地断开。斯普拉格的加密计量设备所做的，就是令这二者不相冲突。通过分块计量信息，这个设备可以让信息自由流动，而且无处不在——就好象城市水管装置中的水一样。计量让信息成为水电一样的公共供给。

彼得·斯普拉格的密码-计量表允许艾丽丝想复制多少加密的光盘都可以，反正她只需为她要使用的内容付费。从根本上来说，密码-计量表把付费过程和复制过程分离了。

斯普拉格的加密计量表利用了付费和复制的区别。“计算一个软件被调用的次数很容易，但是要统计它被复制过多少次就难了。”说这话的是软件架构师布莱德·考克斯。他在一段发到网上的话中写道：

软件不同于有形物体的地方是从根本上无法监控其复制，但是却能监控其使用。那么，为什么不围绕着信息时代的物品和制造业时代的物品之间的差别来建设信息时代的市场经济呢?如果收费机制是以监控计算机里面软件的使用为基础的话，那么卖主们就可以完全省去版权保护了。

按次付费这个难题一直在纠缠着信息经济。过去，很多公司尝试按观看或者使用次数销售电影、数据库或者音乐，都未能成功，付出了数十亿美元的代价。这个问题仍然存在。问题是，人们不愿意为他们还没有看到的信息预先付钱，觉得这些信息未必对自己有用。同样，人们也不愿意在看完了这个东西之后付钱，因为这个时候往往直觉都会“应验”：没有这东西他们也能活下去。你能想象看完电影后被人要钱吗?医学知识是唯一一种在没看到之前就收到钱的信息，因为购买者认为他没有这种知识就活不下去了。

通常，可以通过试用来解决这个问题。勾魂夺魄的预告片就能说服人们看电影之前先花钱买票。软件，可以借朋友的试用;而书或者杂志则可以在书店翻看。

另外一个办法是降低准入价格。报纸就很便宜，所以我们是先买后看。信息计量真正富于创造性的是它为我们提供了两个解决方案：一是记录数据使用量(流量)，二是降低信息流的价格。加密-计量的方法是把价格昂贵的大块数据分成便宜的小块数据。而人们对于这种少量低价的信息，已经做好了预先支付的准备，尤其是以看不见的方式从户头里扣除的时候。

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。

---

在形式的图书馆中

徜徉在生物形态王国

道金斯的“生物形态王国”是作为教育程序而编写的，目的是阐明在没有设计师的情况下设计之物是如何产生的。他想用视觉方式直观地证明，随机选择和无目的的漫游绝不能产生连贯一致的设计物，而累积选择(即“方法”)可以做到。

在程序运行的第一天，道金斯度过了兴奋的一小时，他把他的博尔赫斯图书馆里最临近的书架翻了个底朝天。在一次变异中，他发现茎、枝条、干出现了意想不到的排列。这是些自然界中从未有过的奇异的树。还有那些世间从未出现过的灌木、草和花的线图。道金斯在《盲眼钟表匠》一书中从进化和“库”的角度对此作了双重解释：“当你通过人工选择在电脑中第一次进化出新生物时，感觉就像是在创造一般。确实如此。而从数学的角度看，你所做的实际上是在发现生物，因为在『生物形态王国』的基因空间里，它早就待在那属于它的位置上了。”

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。

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)。

为了证实这样的博尔赫斯空间到底有多么巨大，道金斯曾悬赏能够重新繁育出(或者撞大运也行!)一幅高脚杯图像的人。这只高脚杯是他在生命形态王国的一次漫游时偶遇的;他称之为圣杯。道金斯深信它早已深埋无踪，因而愿意向第一个能呈现出圣杯图案的人提供1000美元奖金。

事实上，道金斯是将他的1000美金输给了人工生命领域的第一位基因工程师。托马斯·里德利用工作中的午餐间隙来寻觅道金斯程序里的圣杯。道金斯宣布竞赛发起的6个月后，里德通过图像繁育和基因工程双管齐下的办法找到了失落的宝藏。繁育是一个快速而随意的头脑风暴，而工程学则是微调和控制的手段。里德估计他用了40个小时来寻找圣杯，其中有38个小时花在工程学上。“只通过繁育手段我是绝不可能找到它的，”他说。接近圣杯的时候，里德无法做到不动其他的点而让最后一个像素改变。他花了好多时间在倒数第二个形式上以试图控制最后那个像素。

无独有偶，让道金斯大为震惊的是，在里德之后数星期内又有两个发现者各自独立地找到了圣杯。他们能够在天文尺度的可能性空间里准确地定位到他的圣杯，同样并非只靠繁育，而主要是通过基因工程，有一个还运用了反向工程。

在形式库中也有性

为了避免跑过头，并加快发现的进度，拉萨姆在探索时会有意调整变异的幅度。最初他会把变异率设得比较高，以便快速扫过空间。当形状变得较有意思之后，他会把变异率调低，这样代与代之间的差距变小，他就可以慢慢地接近被隐藏起来的形状。西姆斯则设法使他的系统能够自动执行类似的方法。随着进化出来的图像越来越复杂，他的软件会调低变异率，以软着陆在最终形式上。“否则，”西姆斯说，“当你试图微调一帧图像时会很抓狂。”

这些开拓者们还想出了几条巡游的妙计。最重要的就是交配。道金斯的生物形态王国尽管丰饶但却寡欲，找不到任何性的迹象。一切变化都通过单亲的无性变异来达成。相比之下，西姆斯和拉萨姆的世界则是由性所驱动的。这些开拓者们所认识到的最重要一点就是：在一个进化系统里，交配行为可以有任意多种花样!

当然，最传统的“体位”是：父母双方各提供一部分基因。但即便是这种最平淡无奇的交配也可以有好几种方式。在图书馆里，繁育就好比挑两本书，把它们的文字融合成一本“子”书籍。你可以生下两种后代：“内亲”或“外戚”。

内亲”后代继承了父母之间的性状。想象一条连接图书甲和图书乙的线段。子代(图书丙)可能位于这条线段上的任何一点。它可能在正中间——如果它正好继承了父母各自一半的基因;它也可能更靠近某一方——譬如十分之一继承自母亲而十分之九来自父亲。

外戚”所处的位置则是父母变形线之外的某点。一头狮子与一条蛇的“外戚”并非是两者中间的某个点，而更有可能是一只狮头蛇尾但却长着分叉舌的怪物。制造怪物的方法有好几种，其中非常基本的一种就是：在父母双方所具备的特性中随机抽取一些，放在一个大锅里搅拌，然后捞起什么算什么。“外戚”后代更具野性，更加不可预料，也更加失控。

进化系统的诡异之处还不止于此。交配可以是有悖常理的。威廉·拉萨姆眼下正在他的系统里推行多配偶制。凭什么交配要限制在两位父母之间?拉萨姆的系统让他可以选择多达五位父母，并且每位父母“传宗接代”的权重各不相同。他对一群子形式吩咐道：下次要像这个多些，还有那个和那个，还要有一点点像这个。然后他让它们结合，一起生产出下一代。拉萨姆还可以赋予负的权重值：譬如，不要像这个。这相当于设定了一个“反父母”。“反父母”参与交配的结果是繁衍出(或者根本不繁衍)尽可能与之不同的子女。

穿越随机性

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。

人类早在几个世纪前就意识到了这点——远远早于计算机的出现。正如德尼·狄德罗在1755年写道：

书籍的数量将持续增加。可以预见，在未来的某个时刻，从书本中学习知识就如同直接研究整个宇宙一样困难;而寻觅藏身于自然的某个真理也并不比在恒河沙数般的书册里搜求它更麻烦些。

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。

但是下一句的第一个单词可能是任何一个单词。这本书的结尾，远在15万次选择之外，看起来如此遥不可及，恍若银河系的尽头。书是遥不可及的。在世上已经写成或将要写成的所有书里，只有在这本里才能找到这句话之前那两个前后相接的句子。

既然我的书已经写了一半了，我就要继续进化文字。我在这一章里将要写下的下一个词是什么呢?说实在的，我一无所知。它们可能是什么?也许有几十亿种可能性——即便考虑到它们受到约束，必须符合上一句的逻辑性。你猜到下一个句子就是这句吗?我也没猜到。但我写到这句结尾时，发现就是它了。

我通过寻找来写作。我在自己的书桌上对它进行进化，从而在博尔赫斯图书馆里找到它。一个单词接着一个单词，我穿行在豪尔赫·路易斯·博尔赫斯的图书馆内。仰仗我们头脑所进行的某种学习和进化的奇妙组合，我找到了我的书。它就在中间那层书架上，几乎齐眉高，座标在52427区的第七个回廊。谁知道它究竟是不是我的书，抑或几乎算是我的书(也许这段或那段略有不同，或者漏掉了一些重要事实)?

这次漫漫搜索给我的最大满足——不管这本书是珠玉还是敝屣——只有我才能找到它。

---

控制的未来

行为学架构中的代理

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》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!”

从一个更积极的角度来看待丁柏根所说的驱动中心，这种驱动中心相当于某种“代理”。代理(不管它是什么物理形式)侦测到一个刺激，然后做出反应。它的反应，或者按计算机行话说是“输出”，在其他模块、驱动中心或代理看来可能是输入。一个代理的输出可能使其他模块处于能动状态(拉开撞针)，或者激活处于能动状态的其他模块(扣动扳机)，或者还可能取消邻近模块的能动状态(关闭撞针)。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。

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。

听起来这跟布鲁克斯的包容结构非常相似。它其实就是一种包容结构!动物就是能够正常运作的机器人。支配动物的去中心化、分布式控制在机器人和数字生物身上同样适用。

给自由意志强加宿命

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?

贝茨本人最关心的是人类用户对奥兹的使用体验。对于他的课题，他是这么说的：“我研究的问题是：怎样在不剥夺用户自由的情况下，给他们设定某种结局?”

我对控制的未来的探寻是从被造物而不是造物主的角度出发的，因此我把贝茨的问题改为：怎样在不剥夺人工生命角色自由的情况下，给它设定某种结局?

米老鼠重装上阵

2001年冬天，在迪斯尼片场的一个角落里，一辆拖车被布置成了最高机密实验室。一卷卷古老的迪斯尼动画磁带，一堆堆大容量电脑硬盘，还有三个24岁的计算机图形艺术家藏身其中。他们用了大约三个月的时间解构了米老鼠。这个只出现在二维动画片里的家伙被重新塑造成一个具有三维潜质的存在。他知道怎样走路、跳跃和起舞，怎样表示惊讶，怎样挥手道别。他虽然仍不会说话但却能够对口型。焕然一新的米老鼠现在装在一个2G的移动硬盘里。

这块硬盘被带着穿过旧的动画制作室，经过一排排空荡荡的、积满尘土的动画架，最后到达摆着硅谷图形工作站的小隔间。米奇迫不及待地跳入电脑。动画师们早就为这只老鼠创造了一个应有尽有的人工世界。他被带入布景，摄像机启动。开机!米奇在他家的楼梯上失足，重力把他拉倒。他那富于弹性的屁股摔在木板楼梯上，产生出逼真的弹跳效果。一阵虚拟的风从敞开的前门刮进来，吹走了他的帽子。而当他要去追自己的帽子的时候，地毯却从他下面滑走，并遵循织物的物理规律卷成一团，正如米奇因其仿真出来的重量而摔倒一样。整个过程中米奇只收到了一个指令，就是进入房间且一定要去追自己的帽子。其他事情都是自然发生的。

图形高手们并未因此而满足。他们在米奇的代码中加入了一个梅斯的学习模块。有了这个之后，米奇就成长为一个合格的演员了。他会对同一幕里其他大牌演员——譬如唐老鸭和高菲狗——的情绪和行为作出反应。每当一场戏重拍的时候，他都会记得上一次的表演，并在下一次加以强化。他也借助外力来进化。程序员调整他的代码，提高他的动作流畅性，丰富他的表情，并且使他的感情更具深度。他现在可以扮演一个“情感丰富的家伙”了。

不仅如此，经过了五年的学习，米奇现在已经开始有自己的主见了。不知怎么的他对唐老鸭充满敌意;而如果有人用木槌敲他的头的话，他就会暴跳如雷。一旦生起气来，他就会变得非常固执。经年的学习让他懂得了要避开各种障碍物和崖边，如果导演让他在悬崖边行走，他就会迟迟疑疑。米奇的程序员们抱怨说，如果要编一段程序来避免这些癖性，就不得不破坏另外一些米奇已有的品性和技能。“这就好比是一个生态环境，”他们说，“你要想移走一个东西，就肯定会搅动整个环境。”关于这一点，有一位图形专家说得最好：“实际上，这就跟心理学一样。这只老鼠现在有一个真正的人格。你不可能把人格分割开，你只能在它的基础上做些补救。”

而最棒的是，他永远不会死，也永远不会老。

寻求协同控制

我要寻找的词更接近于“协同控制”。在某些机械类的语境中已经看到有人在用这个词了。在恶劣的天气里使747大型喷气式客机平稳降落是个非常复杂的任务。由于飞机上有好几百个系统在同时运转，高速的飞行又要求反应迅速，而飞行员经过长途飞行后往往困倦不堪，再加上恶劣的天气，都使得计算机能够比人类飞行员更好地胜任驾驶工作。上百条生命系于一身，不允许出现任何差错和失误。那么，为什么不让一台非常聪明的机器来控制飞机呢?

工程师们在飞机上加装了自动导航系统。事实证明这套系统非常好使。它驾驶的大型喷气式客机无论是飞行还是降落都完美无缺。自动驾驶也轻易地满足了空中交通管控员对于秩序的渴求——所有的东西都处于数字化监控之中。最初的想法是，人类飞行员可以监视计算机，以应对可能出现的问题。不过唯一的问题是，人类做这种消极的监工实在是不怎么地。他们会觉得无聊，于是走神，随之忽视一些关键的细节。然后，紧急情况突然发生，他们不得不忙着“救火”。

因此，现在的新想法不是让飞行员去盯着计算机，而是反过来让计算机盯着飞行员。欧洲的空中客车A320是迄今为止世界上自主程度最高的飞机之一，它就采用了这种方式。从1988年开始，飞机上的机载计算机就开始担负起监督飞行员的工作。当飞行员推动操纵杆使飞机转向的时候，计算机会计算出左倾或者右倾的程度，但它不允许飞机的倾斜度超过67度，也不允许机头抬起或低下的幅度超过30度。用《科学美国人》的话来说，这意味着“这个软件织出了一个能够阻止飞机超出其结构限度的电子茧。”这还意味着飞行员们的抱怨，抱怨交出了控制权。1989年，英航驾驶747客机的飞行员经历了6次不同的事故，每一次他们都必须推翻计算机发出的减小动力的指令。如果他们当时没能成功地纠正自动导航系统的失误——波音公司后来把这些错误归咎于程序漏洞——就可能导致机毁人亡。而空中客车A320上竟然不提供让飞行员纠正自动系统的手段。

---

开放的宇宙

形成图像的基元组

形成开放基因组的方法不止一种。1990年，卡尔·西姆斯利用二代连接机(CM2)的超级计算能力设计了一个由长度可变基因组成的新型人工世界，比他设计的植物图像世界更为先进。西姆斯的妙招是创造一个由小方程而非长串数码组成的基因组。他原来的基因库中每个固定长度的基因各控制着植物的一个视觉参数;这个新基因库则拥有长度不定且可自由扩展的方程，籍此绘制各种曲线、色彩和形状。

西姆斯的方程——或着说基因——是一种计算机语言(LISP)的小型自包含逻辑单元。每一个模块都是一个算数指令，诸如加、减、乘、余弦、正弦。西姆斯把这些单元统称为“基元组”——它们构成了一个逻辑的字母表。只要有一张恰当的逻辑字母表在手，就可以建立任何方程，就像用适当多样的语音元素表就能合成任何语音句子一样。加、乘、余弦等的相互组合能产生任何我们想得出的数学方程。既然任何形状都可以用方程来表达，这一基元字母表也就可以画出任何一种图像。增加方程的复杂性也就神奇地扩大了所生成图像的复杂性。

他的方程进化出全新的图像，并把它们显示到计算机屏幕上。这个新的空间是如此之丰富，使西姆斯大为震惊。由于基元组只包含逻辑部件，西姆斯的LISP字母表确保了大部分方程所绘出的图像都具有某种模式。屏幕上不会再充斥着模糊灰暗的图像，无论西姆斯“漫步”到哪里，都能看到令人惊艳的风景。“艺术”仿佛成了信手拈来之物。一开始，屏幕上布满了狂野的红色和蓝色之字形线条。下一刻，屏幕的上部点缀着黄色的斑斑点点。之后，斑点下出现一条朦胧的水平线，再接着，是重笔墨的波浪伴着蓝色的海天一线。再然后，斑点洇成毛莨花般嫩黄的圆晕。几乎每一轮画面都展现出惊人的创意。一小时内，上千张美轮美奂的图像被从其藏身之所唤起，第一次也是最后一次展现在我们面前。这好比站在世上最伟大的画家身后，观看他创作从不重复主题和风格的速描。

西姆斯的系统曾经进化出下面这段逻辑代码：

(cos(round(atan(log(inverty)(+(bump(+(roundxy)y)#(0.460.820.65)0.02#(0.10.060.1)#(0.990.060.41)1.478.73.7)(color-grad(round(+yy)(log(invertx)(+(inverty)(round(+yx)(bump(warped-ifs(roundyy)y0.080.067.41.656.10.543.10.260.7315.85.78.90.497.215.60.98)#(0.460.820.65)0.02#(0.10.060.1)#(0.990.060.41)0.838.72.6)))))3.16.8#(0.950.70.59)0.57)))#(0.170.080.75)0.37)(vectory0.09(cos(roundyy)))))

这个方程在西姆斯的彩色屏幕上绘出了一幅引人注目的图画：北极的落日余辉映照在两根冰柱上，冰柱晶莹剔透;远方的地平线淡然而宁静。这可堪比一个业余画家的大作哩。西姆斯告诉我说：“这个方程的进化从头到尾仅用了几分钟时间——如果是人类有意为之的话，可比这个费功夫多了。”

无心插柳柳成荫

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。

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。

打破规则求生存

每一个涉足人工进化的人都为进化能轻而易举地得出异想天开的结果而大为吃惊。汤姆·雷说：“进化可不管有没有意义;它关心的是管不管用。”

生命的天性就是以钻常规的漏洞为乐。它会打破它自己所有的规则。看看这些生物学上令人瞠目结舌的奇事吧：由寄居在体内的雄鱼来进行授精的雌鱼，越长越萎缩的生命体，永远不会死的植物。生命是一家奇物店，货架上永远不会缺货。自然界层出不穷的怪事几乎跟所有生命的数量一样多;每一种生物在某种意义上都在通过重新诠释规则来为自己找活路。

人类的发明物就没有那么丰富了。大部分机器被造来完成某个明确的任务。它们遵照我们旧式的定义，服从我们的规则。然而，如果让我们构想一架理想的、梦寐以求的机器的话，它应该可以改变自身来适应环境，更理想的是，它还能自我进化。

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。

我们所知唯一一台能重塑自己内部连接的机器就是我们称为大脑的灰色活体组织(大脑灰质)。我们目前唯一可以设想付诸生产的重塑自身结构的机器，可能是一种能够自我改编的软件程序。西姆斯和柯扎的进化方程是通向自我改编程序的第一步。一个可以繁衍其他方程的方程正是这种生命种类的基土。繁衍其他方程的方程就是开放性宇宙。在那里任何方程都能产生，包括自我复制的方程和衔尾蛇式的无限循环公式。这种循作用于自身并重写自身规律的递归程序，蕴涵着世上最宏伟的力量：创造恒新。

掌握进化工具

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;

从滑翔意外到生命游戏

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。

一天，一阵狂风袭击了朗顿，导致他从空中坠落。他以胎儿的姿势摔在地上，折断了35根骨头，其中包括头部除颅骨以外的所有骨头。尽管他的膝盖撞碎了脸，但他还活着。接下来他卧床六个月，处于半昏迷状态。

在严重脑震荡恢复过程中，朗顿感觉他正看着自己的大脑在“重启”，仿佛计算机重启时必须重新载入操作系统一样。他大脑深层的功能一个接一个地重现。朗顿记得那灵光一现的刹那，他的本体感受——那种在一具躯体之中的感知——复原了。他为一种“强烈的发自内心深处的直觉”所震撼，感知的本我融入肉体，好像他这架机器完成了重启，正等待着被投入使用。“关于心智形成是什么感觉，我有亲身的体验。”他告诉我。正如他曾经在计算机上看到生命一样，现在，他对他自己那处于机器中的生命有了发自内心的认识。生命是否可以独立于母体而存在?他体内的生命和计算机中的生命难道不能是一样的吗?

生命的动词

在此基础上，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

这个清单引起了争议。因为，尽管我们不认为计算机病毒是活的，它却符合上述大多数条件。它们是一种能够复制的模式;它们包含一份自我表征的副本;它们截获计算机新陈代谢(CPU)的周期;它们能死亡;而且它们也能进化。我们可以说计算机病毒是首例涌现出来的人工生命。

另一方面，有些东西毫无疑问是生物，但是却并不符合此清单的所有条件。骡子不能自我复制，疱疹病毒也没有新陈代谢。朗顿在创造能自我复制的个体上的成功也令他怀疑，人们是否能达成对生命定义的共识：“每当我们成功地使人工生命达到生命所定义的标准时，生命的定义都会被扩充或被改变。譬如，杰拉尔德·乔伊斯认为生命是能够经历达尔文式进化的自立化学系统，我相信，到2000年时，世界上某个实验室就会造出一个符合这个定义的系统。然后，生物学家就会忙着重新定义生命。”

朗顿对人工生命的定义则要更容易为人们所接受。他说，人工生命是“从不同的材料形式中提取生命逻辑的尝试”。他的论点是，生命是一个过程——是不受特殊材料表现形式限制的行为。对生命而言，重要的不是它的组成材料，而是它做了什么。生命是个动词，不是名词。法默对生命标准列出的清单描述的是行动和行为。计算机科学家们不难把这个生命特征的清单想象为变化多样的过程。

在超生命的国度中安家落户

由于生命是一种形式，而非物质，我们能植入“活”行为的材料越多，能够积累的“如其可能存在的生命”的实例就越多。因此，在所有通往复杂性的途径中，人工生命的领域是广阔而多样的。典型的人工生命研究者聚会往往包括生物化学家、计算机奇才、游戏设计师、动画师、物理学家、数学呆子和机器人爱好者。聚会背后的议题是要突破生命的定义。

繁星，数学家鲁迪·鲁克尔讲出了一番研究人工生命的动机——这是我听到过的最高远的动机：“目前，普通的计算机程序可能有一千行长，能运行几分钟。而制造人工生命的目的是要找到一种计算机代码，它只有几行长，却能运行一千年。”

这番话似乎是对的。我们在制造机器人时也怀着同样的想法：用几年的时间设计，之后能让它们运行几个世纪，甚至还能制造出它们的替代品。正如橡子一般，几行的编码却能长出一颗180年的大树。

与会者认为，对人工生命来说，重要的不仅是要重新界定生物学和生命，而且要重新定义人工和真实的概念。这在根本上扩大着生命和真实的领域。与以往学术界“不能发表就是垃圾”的模式不同，多数从事人工生命研究的实验者——甚至是数学家们——都支持新的学术信条：“演示或死亡”。要想在人工生命和超生命上取得任何一点进展，唯一的办法就是运行一个有效的实例。前苹果公司雇员肯·卡拉科提西乌斯在解释自己是如何开始从事人工生命的研究时回忆道：“每遇到一种计算机，我都试着在其中编写生命游戏的程序。”最终在苹果机上实现了名为“模拟生命”的人工生命程序。在“模拟生命”中，你能创建一个超生命的世界，并将一些小生物放入其中，使其共同进化成为一个越来越复杂的人工生态系统。现在，肯正试图编写出最大最好的生命游戏，一个终极的“活”程序：“要知道，宇宙是唯一足够大能运行终极生命游戏的地方。然而，将宇宙作为平台的唯一难题是，眼下它正在运行别人的程序。”

丹尼·希利斯说他想制造一台以他为荣的计算机，这可不是玩笑话。还有什么能比赋予生命更具人性?我想我知道答案：赋予生命和自由。赋予开放的生命;对它说，这是你的生命，这是汽车钥匙;然后，让它做我们正在做的事情——在前进的路上，一切由它自主。汤姆·雷曾经对我说：“我不要把生命下载到计算机中。我要将计算机上传到生命中。”

---

有组织的变化之架构

日常进化的革命

一个普通的有机体对其下层的运作细节没有丝毫概念。一个细胞在对自己基因的了解上就如同无知少女。植物和动物都是小型的制药厂，随便鼓捣出的生化药剂都会使基因泰克公司垂涎三尺。但是，无论是细胞、器官、个体也好，还是物种也好，都不会对这些成就追本溯源。知其然，不知其所以然——这正是生命所秉持的最高哲学。

当我们把自然看作一个系统时，并不指望它有意识，而是希望它能记录下自己的所作所为。众所周知，生物学有一条金科玉律，叫中心法则。该法则指出，自然没有任何簿记。更确切地说，信息由基因传递给肉体，但绝不可能倒推——从肉体回到基因。也即是说，自然对自己的过去是不留一丝记忆的。

绕开中心法则

假使大自然能在生物体内双向传递信息的话，就可能实现以基因和基因产物之间双向交流为前提的拉马克进化。拉式进化，优势巨大。当羚羊需要跑得更快以逃离狮口时，它可以利用由身体到基因的交流方式引导基因制作快腿肌肉，再把革新后的基因传递给后代。这样一来，进化的过程将大大加快。

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。

沃丁顿曾说过，遗传同化或鲍尔温效应，实际上就是如何将后天习得的技能转化为先天遗传的特性。而问题的真正症结所在，则是自然选择对特性的控制。遗传同化将进化提速了一个档级。自然选择是将进化的刻度盘调至最佳特性，而肉体和行为适应性则不仅提供了进化的刻度盘，还能告知应该向哪个方向转动以及离最佳特性还有多远。

生物体在其一生中有很大的空间重塑自己。加拿大维多利亚大学的罗伯特·里德指出，生物能通过以下可塑性来回应环境的变化：

• 形态可塑性(一个生物体可能有不止一种肉体形态。)
• 生理适应性(一个生物体的组织能改变其自身以适应压力。)
• 行为灵活性(一个生物体能做一些新的事情或移动到新的地方。)
• 智能选择(一个生物体能在过去经历的基础上做出选择。)
• 传统引导(一个生物体能参考或吸取他人的经验)

这里的每一个自由度都代表一个方向，生物体可以沿着它在共同进化的环境中寻找更好的办法重塑自己。考虑到它们是个体在一生中所获得的适应性，并能在以后被遗传同化，因而我们称这五种选项为可遗传学习的五个变种。

---

后达尔文主义

达尔文进化论不完备之处

对于达尔文理论的弱点，没有人比达尔文自己更清楚。达尔文曾经主动提供过一个实例来说明他的理论所遇到的困难，就是高度复杂的人眼(自那以后，达尔文理论的每一位批评者也都曾用过这个例子)。设计精巧且相互作用的晶状体、虹膜、视网膜等结构，看起来确实挑战了达尔文那种“轻微、累进的”随机改进机制的可信度。正如达尔文在给他的美国朋友阿萨·格雷的信中所写的：“你说的弱点我同意。直到今天，眼睛还是会让我不寒而栗。”格雷所遇到的困难，是他想不出在一个没有进化完全的眼睛中，某些部分会有什么用处，也就是说，他想不出一个没有晶状体与之配套的视网膜，或者反过来，没有视网膜与之配套的晶状体能对它的拥有者有什么用处。而既然生物不会囤积它的发明(“嘿，等熬到白垩纪这东西就有用了!”)，那每个阶段的物种进步就都得是马上就能用上、能产生效果的。每次突破，都必须首演即获成功。即使是聪明的人类也无法为这么久远以后的挑剔需求而矢志不渝地谋划。以此为例，具有这样非凡创造力的自然看来背后还有神明的造物主啊。

自然选择之数学原理

达尔文的自然选择说中最不能让人接受的部分就是它的必然性。自然选择的条件非常特殊，但这些条件一旦满足，自然选择就会无可避免地发生!

自然选择只能发生在种群或者群集的事物中间。这实际上是一种发生在空间和时间中的乱众现象。这一进程所涉及的种群必定具有以下特点：(1)个体间存在某种特性上的变化;(2)这些特性对个体的生育率、繁殖力或者存活能力带来某些差异;(3)这些特性能够从亲代以某种方式传递给子代。如果具备了这些条件，自然选择就必然会出现，就像6之后必是7，或者硬币必然有正反两面一样。正如进化理论家约翰·恩德尔所说，“自然选择也许不该被称为生物学定律。它发生的原因不是生物学，而是概率论。”

当我们构建人工进化来繁育机器或者软件时，也要考虑到进化的这种异质特性。我期待着在具有开放性和可持续创造力的人工进化中看到以下特性(我相信生物进化中也存在着这些特性，但是人工进化会将这些特性表现得更显著)：

• 共生——便捷的信息交换以允许不同的进化路径汇聚在一起
• 定向变异——非随机变异以及与环境的直接交流和互换机制
• 跳变——功能聚类、控制的层级结构、组成部分的模块化，以及同时改变许多特性的适应过程
• 自组织——偏向于某种特定形态(譬如四轮)并使之成为普遍标准的发展过程

人工进化不能创造一切。虽然我们能够细致无遗地想象出很多东西——而且按照物理和逻辑法则来判断它们也一定能够运转——但由于合成进化自身的束缚，我们无法真的将其实现。

那些整天带着计算机的后达尔文主义者们下意识地问道：进化的极限在哪里?什么是进化做不到的?有机体进化的极限也许无法突破，但它的倾向和力所不逮之处却可能藏有为致力于进化研究的天才们所准备的答案。在可能的生物这片原野上，哪儿还有未被占据的黑洞呢?对此我也只能引述阿博彻那个怪人的话，他说：“我更关心那些空白的地方，那些能想像得到却实现不了的形态。”用列万廷的话说就是：“进化不能产生所有的东西，但可以解释某些东西。”

---

沉睡的蝴蝶

无序之有序

弗朗索瓦·雅各布和雅克·莫诺于1961年发现了一条重要线索，他们偶然间发现了一种基因，并称之为调控基因。调控基因的功用令人震惊：它负责开启其它基因。这使得那种短期内破解DNA和生命奥秘的希望顷刻间化为乌有。有一段经典的控制论对话非常适用于调控基因：是什么控制了基因?是其它基因!那又是什么在控制那些基因?还是其它基因!那…

这种绕圈子的逻辑使考夫曼想起了他那幅宿命的图景。某些基因控制着其它基因，而其它基因也可能控制着另外一些基因。这正是他存想的那本书中，由指向各个方向的箭头所组成的错综复杂的网络。

雅各布和莫诺的调控基因代表了一种如意大利面一般的管理模式——由基因组成的去中心化网络掌控着细胞网络的命运。考夫曼很是兴奋。他的“无序之有序”图景让他冒出了一个更大胆的念头：每个卵所经历的分化(秩序)是必然的，不管最初的基因到底是什么!

他可以设想一种实验来验证这个想法。将果蝇的基因用随机基因来取代。他打赌：你得到的绝不会是果蝇。但不管得到什么样的怪物，发生何种诡异的变异，你所得到的秩序与果蝇在自然态下得到的秩序并无二致。“我问自己，”，考夫曼回忆道：“如果把基因随意地连在一起，会得到任何有用的东西吗?”他的直觉告诉他，凭着自下而上的分布式控制以及“一切连接一切”的模式，必然会出现某种模式。必然!正是这个异端的想法，值得他用一生去追寻。

迭坐，喷涌，自催化

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。

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。“生命是完整的、综合的，不是支离破碎的，也不是无组织的。”斯图尔特·考夫曼写道，“生命，从深层意义上来说，是结晶而成的。”

值得一问的问题

我们能否证明有限的函数集合可以产生无限的可能性集合?

我叫它为“考夫曼机”。一个精心挑选的不大的函数集合，连接成一个自生成环，并产生出无限更复杂的函数。自然界中充满了考夫曼机。卵细胞发育成巨鲸就是其中一例。进化机器经过十亿年时间由细菌生成火烈鸟又是一例。我们能制造一个人工考夫曼机吗?也许叫做冯诺依曼机更合适，因为冯·诺依曼早在二十世纪四十年代初期就提出同样的问题。他想知道，机器会制造出比自己更复杂的机器吗?不管它叫什么，问题都是一个：复杂性是如何自行建立的?

在改变其通用网络连接度参数的过程中，考夫曼发现了一个不会让通用汽车总裁感到惊讶的事实。一个只有少数个体可以影响其他个体的系统不具备较强的适应性。连接太少不能传播创新，系统也就不会进化。增加节点间的平均连接数量，系统弹性也随之增加，遇到干扰就会“迅速反弹”。环境改变时，系统仍能维持稳定。这种系统能够进化。而完全出乎意料的发现是，超出某个连接度时，继续增加连接度只会降低系统作为整体的适应性。

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。

最佳的连接度位于中间某个位置，它将赋予网络最大的灵活性。考夫曼在他的网络模型中找到了这个最佳点。他的同事起初难以相信他的结果，因为这似乎是违反直觉的。考夫曼所研究的精简系统的最佳连接度非常低，“只在个位数左右”。拥有成千上万个成员的大型网络里，每个成员的最佳连接度小于10。而一些网络甚至在连接度小于2时达到性能顶点!大规模并行系统不必为了适应而过度连接。只要覆盖面足够，即使是最小的平均连接数也够用了。

考夫曼第二个出乎意料的发现是，不管某个网络由多少成员组成，这个低的最佳值似乎都波动不大。换句话说，即使网络中加入更多的成员，它也不需要(从整个系统的适应性来说)增加每个节点间的连接数。通过增加成员数而不是成员间的平均连接数来加快进化，这印证了克雷格·雷诺兹在其人工生命群中的发现：你可以在一个群中增加越来越多的成员，而不必改变其结构。

---

水往高处流

进化的目的是什么

其次，尽管由于水滴是随机滴落的，因而最初的沟槽也是随机出现的，但随后的侵蚀则循着非常相似的过程。峡谷会按照一个必然的次序显露出来。借用古尔德的类比：最初的一滴水好比是最先出现的物种;它可能是任何意料不及的生物体。虽然它的特点是不可预期的，但是沙盘的推演证明，根据沙子构成的内在趋势，其后代显露出一定的可预测性。所以，尽管进化在某些点上对于初始条件是敏感的(寒武纪生命大爆发就是其一)，但是这绝不能排除大趋势的影响。

超进化的7个趋势

提请注意：我观察到，生物进化在时时刻刻的艰苦努力中，已经发展出7个主要趋势。而众所周知，这七个趋势也将伴随人工进化漫长旅程的左右。它们是：不可逆性、复杂性的递增、多样性的递增、个体数量的递增、专业性的递增、相互依存的递增、进化力的递增。

---

预言机

接球的大脑

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。)

全球模型的诸多问题

梅多斯的梦想，同样是福瑞斯特的梦想，是美国中央司令部那些战争博弈者的梦想，是法默和他的预测公司的梦想，也是我的梦想。而这个梦想就是：创造出一个系统。这个系统要能够充分反映出真实的、进化着的世界，使得这个微型模型能够以比真实世界跑得更快的速度进行运转，从而把它的结果投射到未来。我们想要预测机制，不是出于预知命运的使命感，而是为了获得指引。理念上，只有考夫曼或者冯·诺伊曼的机器，才能自行创造出更为复杂的东西。

为了做到这一点，模型就必须拥有“必要的复杂性”。这个术语，是二十世纪五十年代由控制论专家罗斯·艾希比创造出来的，他最早制作出了一些电子自适应模型。每一个模型，都必须一点一滴地提取出无数现实的细节，汇聚起来压缩成像;它必须浓缩的最重要的特质之一，就是现实的复杂性。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。

---

九律

如何凭空造物

如何无中生有?虽然大自然深谙这个把戏，但仅仅依靠观察她，我们并没学到太多的东西。而从构建复杂性的种种失败中，从把这些失败的教训和在模拟以及理解自然系统时取得的一点点成就结合起来的过程中，我们学到了更多。于是，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
• 鼓励错误
• 不求目标最优;但求目标众多
• 谋求持久的不均衡
• 变自生变