|
扇出是指此系统中的一个神经元与其他神经元的直接交互次数。典型的中枢神经系统神经元的扇出为1000～10
000，而在一个典型的电子计算机中，其计算单元的扇出还不到10！这大约是3个数量级的差别。在科学上，3个数量级的差别，例如从原子核到电子轨道，已经足以创立一门新的科学——从原子物理学到化学。
描述蚂蚁个体行为的指令系统，其规则可能很少，群体的复杂性来自大量的蚂蚁个体、不同蚂蚁个体之间、蚂蚁和环境之间的相互作用和相互影响。在这一点上，蚁群和神经网络类似，即整个系统的灵活行为依赖于由相对较少规则控制的大量主体的行为。
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：整个系统的行为不能通过对系统的各个组成部分进行简单求和得到。
涌现现象出现在生成系统之中。这些系统是由那些种类相对较少并遵循着简单规律的一些基本元素及其大量的“副本”组成的。一般来说，这些元素及其副本相互作用，从而形成阵列，如国际跳棋、网络、物质空间中的点等，这些阵列在转换函数的作用下可以随时间变化。
About John H. Holland
Born: Feb 02, 1929
Died: Aug 09, 2015
Professor of Psychology and Professor
of Computer Science and Engineering at the University of Michigan. He is
best known for his role as a founding father of the complex systems
approach. He has been named a MacArthur Fellow and is a Fellow of the
World Economic Forum.
作者简介
约翰·霍兰德
★ 涌现理论奠基人，遗传算法之父，复杂适应系统理论提出者，麦克阿瑟天才奖获得者。
★ 圣塔菲研究所核心成员。曾任美国密歇根大学安娜堡分校心理学、电子工程和计算机科学教授。
★ 2015年，在密歇根安娜堡去世。
——转自豆瓣网 |
Synopsis
Emergence demonstrates that a small
number of rules or laws can generate incredibly complex systems. It's a
fundamental concept in many modern scientific theories. The author
compares different systems and models that exhibit emergence in the
quest for common rules or laws and explains the theories with enormous
implications for science, business, and the arts.
内容简介
★ 一粒小小的种子为何能够长成红杉、雏菊、豆苗等独具特色的植物？
★ 蚂蚁个体的行为非常机械，为何蚁群却展现出非凡的灵活性？
★ 国际象棋只有二十几条规则，为何人们能不断发现新的走法？
★ 机器为何能够越人类在制造它时赋予它的能力？
上述现象揭示了这样一个规律，即复杂的事物是由小而简单的事物发展而来的，而这正是涌现现象的特征。涌现现象产生的根本原因在于，事物各组成部分之间相互作用产生的复杂性，远非个体行为的叠加可以相比，也就是我们常说的“整体大于部分之和”。
“整体大于部分之和”这一特性也成为涌现研究道路上的阻碍。许多哲学家和一些科学家坚定地认为对涌现的研究不可能还原为对明确定义的机制及其相互作用的研究。他们认为，机器的能力不可能超越人类在制造它时赋予它的能力。复杂自适应系统理论提出者约翰·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。
你可能会认为，涌现现象只出现在特定的系统中，在日常生活中并不常见。但实际上，具有涌现现象的系统随处可见且与我们息息相关，比如神经元网络系统、人体免疫系统、互联网和全球经济系统等。因此，研究涌现现象具有重要的现实意义。凭借霍兰德提出的普适理论框架，我们可以找出某些复杂现象背后的根本规律，从而更好地认识世界、开拓世界以及预测未来。
——转自豆瓣网 |
|
序言 写一本普通读者能看懂的书
第1章 神秘的涌现现象
理解涌现
模型的作用
研究涌现道路上的困难
在研究涌现的道路上继续前进
第2章 理解科学建模的游戏与数字
国际跳棋与神经网络
模型中的奥秘
棋类游戏及规则
忽略细节的数字
熟悉的积木块
抽象且具体的计算机模型
第3章 地图、博弈论与计算机模型
博弈论
初露端倪的涌现
动态模型
动态的计算机模型，研究涌现的利器
第4章 会学习的国际跳棋程序
机器学习的困难
塞缪尔的解决方案
评估棋局
从评估到策略
机器棋手的学习过程
如何使学习过程运转起来
改变权重，涌现能力的核心
权重改变引起的涌现结果
国际跳棋程序的启示 |
第5章 神经网络模型
神经元的特征
为神经元建模
固定阈值的神经元网络
国际跳棋程序与前馈神经网络的区别
有关神经元的更多特征
带回路的神经网络
无限期记忆
神经网络模型中的涌现
关于神经网络模型涌现问题的主要观点
状态与策略
确定模型的规则选取
第6章 普适理论框架
基于主体的模型
计算机模型的优势
涌现与非线性
普适理论框架的基本要求
第7章 涌现的受限生成过程模型
机制的状态
机制的相互作用与连接
作为受限生成过程的元胞自动机
第8章 国际跳棋程序与其他受限生成过程模型
国际跳棋程序的受限生成过程
神经网络模型的受限生成过程
Copycat模型 |
第9章 受限生成过程模型的扩展
可变结构受限生成过程模型
受限生成过程的模拟示例
遗传算法与可变结构受限生成过程模型
关于涌现的进一步理解
第10章 涌现中的还原论思想
受限生成过程中的新层次
重组元胞自动机
第11章 隐喻与创新
科学中的创新和创造
对隐喻的初步探讨
隐喻与模型的关系
创新的培养
没有捷径的创新
诗歌与物理学的创造过程
结 语 不能停止的涌现研究
作为总结的结束语
作为研究起点的结束语
关于建模的两个警告
关于涌现的进一步研究
涌现研究的几个关键阶段
涌现研究的长远目标
参考文献
译后记 涌现的意义和作用 |
