按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
グ碓淼幕∩希蠡玖Ｗ幽芤砸恢肿郧⒌姆绞嚼幢舜斯钩伞Ｗ匀坏牧硪换径墒怯钪嬖谂蛘涂际钡募虻コ跏继跫Ｈ绻囟牖艚鸬慕ㄒ槭钦返模敲凑庖怀跏继跫湍苡猛骋涣Ｗ永砺郾硎龀隼矗佣礁龌径删捅涑晌桓觥�
偶然性之必然进入图景，是因为基本定律是量子力学的，而量子力学只能给出各种可能的宇宙之粗粒化历史的存在概率。粗粒化方式必须使得概率具有确定的定义。它也允许对自然进行一种近似经典的、决定论的描述，这种描述常常是稍稍地偏离经典规律，偶尔也有较大的偏离。这些偏离，特别是较大的那种，导致历史进行分支，不同分支各有其存在概率。事实上，所有可能的粗粒化历史构成一个分支树或“有许多岔路的花园”，这被称为“半经典范围”。因而量子力学的不确定性远远超出了著名的海森堡不确定原理的范围。而且，那种不确定性能在非线性系统中通过混沌现象而被放大，这意味着一个过程的结果对初始条件有一种无法确定的敏感性，如气象学中常常发生的那样。我们人类所看到的周围世界相当于一个半经典领域的世界，但由于我们的感觉能力与仪器水平的有限性，我们仅被局限在那个领域的一种粗糙得多的形式之中。既然有这么多东西隐藏在我们背后，偶然性成分自然更增加了。
在历史的某个特定分支，以及在特定的时候与宇宙中特定的地方，那些条件有利于复杂适应系统的进化。那些系统（如图3—1 所示的那样）接收信息——以数据流的形式——并找到那一数据流中的表观规律性，而将其余部分当作随机成分处理。那些规律性被压缩成一个图式，这一图式被用来描述世界，在一定程度上预言世界的未来，并规范复杂适应系统自身的行为。图式可能会经历许多变更，从而产生许多彼此竞争的形式。它们在那种竞争中会有怎样的结局，依赖于选择压力，这就是来自真实世界的反馈情形。那些压力可能反映描述和预言的正确性，或反映规范在什么程度上使系统得以生存。但是，选择压力与“成功”结果之间的这种关系不是严格的关联，而只是一些倾向而已。而且，对压力所作出的反应可能也并不完美，因而，图式的适应过程只能近似导向系统的“适应”结果。“不适应”图式同样也能发生。
有时不适应只是表面上的，之所以如此，是由于在定义何谓适应时忽略了某些重要的选择压力。在其他情形下，真正不适应性的出现是因为适应过程太慢，跟不上选择压力的变化。
复杂适应系统在有序与无序之间的一个中间状态运作得最好。它们探寻由半经典领域中近似决定论所决定的规律性，同时从不确定性（可描述为噪声、涨落、热、不定性，等等）中获益，这种不确定性在寻找“更好”图式的过程中能提供很大的帮助。适应性的概念能将“更好”一词具体化，但它常常难以被正确地决定下来。这时，将精力集中于起作用的选择压力可能更加有益。有时，一种适应性之所以具有确定的定义，是因为它来源于外部的“外在因素”，比如，设计程序使计算机寻求诸如国际象棋游戏的战胜策略情形就是如此。当适应性是“内生的”，产生于一种不可预测的（即缺少外部成功准则）进化过程时，这种适应性通常就很难于明确定义。然而，如果只是作为一个隐喻，适应性景观的思想仍然是很有用的。如果适应性变量对应于高度（我随意地设定高度越低对应于适应性越大），假设代表图式的所有变量在一水平线或水平面上呈现出来，那么，寻找更适合的图式就相当于在一条波状线或一个二维平面上寻找很低的地方，如图16—2 所示。如果没有适当数量的噪声〔或服从塞斯·洛埃德（SethLloyd）称作的金凤花原理（Goldilocks principle）所要求的热量——不太热，不太凉，而是刚好〕的话，那种搜寻极有可能被阻滞在一个比较浅的洼穴中。噪声或热能使系统摆脱一个浅坑，并使它得以发现附近一个更深的坑。
图2—1 已表示出地球上的各种复杂适应系统。从那个图上我们可以看出，一个复杂适应系统倾向于产生出其他这样的系统。因而，地球上所有与生物有某种联系的系统都经历了这样一种演变：最先是生命史前时期导致生物产生的化学反应，经过生物进化与人类的文化进化，到装备有适当硬件或软件的计算机，乃至科学小说中所描述的未来可能的发展，比如通过将人脑用金属丝缠在一起而组成的复合人。
当一个复杂适应系统描述另一个系统（或其自身）时，它要建构一个图式，即从所有数据中提炼出表观规律性，并用简要的形式将它们表述出来。这样一个对系统规律性的简要描述（比如由一个人类观察者作出的）的长度，是我所称作的系统的有效复杂性。它相当于我们通常所理解的复杂性的含义，不管是科学惯例还是日常谈话。有效复杂性不是系统所固有的，而是依赖于粗粒化的程度及观察系统所使用的语言与编码方式。
有效复杂性，不管是不是内部的，本身并不能充分地描述一个适应或不适应复杂系统的潜在性质。一个系统可能比较简单，但却能够在某个给定时间内，以很高的概率进化出远比它复杂的事物来。比如，现代人类最初出现的情形就是如此。人类并不比他们的近亲大猩猩复杂得多，但因为他们能够发展具有极大复杂性的文化，因而具有大量我所称作的潜在复杂性。同样，在宇宙历史的早期，当存在某种导致星系形成的涨落时，那些涨落的潜在复杂性也是相当大的。
应该将一个系统或一个数据流的有效复杂性与其算法信息量（AIC）区分开来，后者与整个系统或数据流的简要描述的长度有关，不仅包括它的规律性，还包括它的随机特征。当AIC 很小或接近于最大值时，有效复杂性趋近于零。只有当AIC 为中等大小的时候，有效复杂性才可能具有很大的值。因此，重要的行为同样也是有序与无序之间的那种中间状态。
一个复杂适应系统通过观察输入数据流各部分的某些共同特征，从而发现其中的规律性。各部分之间的相似性以所谓的互信息来测度。世界的规律性来源于简单基本定律与偶然性作用的结合，后者能导致被冻结的偶然事件。这些偶然事件导致某种特定结果，虽然它们本来也可以其他不同的形式出现，并产生出多样性来。所有这些由先前一个偶然事件引起的结果，其共同起源可以在一个数据流中产生大量互信息。我引用这样一个例子，即亨利三世在他哥哥死后继承英国王位，使大量有关亨利国王的参考文献在硬币、文书与书本上出现。所有这些规律性均来自于一个被冻结的偶然事件。
许多偶然事件，比如大量分子水平上的涨落，并没有被放大以至于具有重大的影响，而且它们也没有导致许多规律性。这些事件可能成为到达复杂适应系统的数据流中的随机部分。
随着时间的推移，越来越多被冻结的偶然事件同基本定律一同发挥作用，并产生出规律性。因此，随着时间的推移，越来越高级的适应系统趋向于通过自组织的作用产生，即便如星系、恒星和行星那样的非适应系统也是如此。但并非所有事物的复杂性都不断增加，更确切地说，是最大复杂性呈现出增加的趋势。对复杂适应系统来说，有利于复杂性的选择压力大大地加强了这一趋势。
热力学第二定律告诉我们，封闭系统的熵（无序性的量度）有增加或者保持不变的趋势。例如，如果一个高温物体与一个低温物体相接触（但它们与宇宙其余部分物体没有什么相互作用），那么热量倾向于从高温物体流向低温物体，从而减弱联合系统中温度有序的隔离。只有在对自然粗粒化，即重视有关封闭系统的某些信息，而忽视其余信息或干脆忽略时，熵才是一个有用的概念。总的信息量保持不变，而且，如果最初它主要集中于重要信息，那么其中一部分信息将倾向于流入未被计入的不重要信息之中。这种情况发生时，熵就倾向于增加。自然界的一种基本粗粒化是由历史提供的，它构成一个半经典领域。对于一个复杂适应系统所观察到的宇宙来说，有效的粗粒化可以非常地粗糙，因为系统只能接收到极小一部分有关宇宙的信息。
随着时间的推移，宇宙像钟表发条一样越来越松弛，宇宙的一些彼此多少相互独立的部分也倾向于越来越松弛。各种时间之箭都永远指向未来，不仅对应于熵增加的箭头是如此，而且那些对应于因果关联、向外的辐射流、对过去而非将来的记录（包括记忆）形成等的箭头也是如此。一些反对生物进化论的教条主义者试图证明，越来越复杂生命形式的出现违背了热力学第二定律。它跟银河规模的复杂结构之产生一样，当然并不违背热力学第二定律。而且，在生物进化中，我们可以看到，随着生物越来越适应其周围环境，一种“信息”熵不断增加，因而使信息上的差异缩小。这里的信息差异很容易使人联想到高温物体与低温物体之间的温度差别。事实上，复杂适应系统都显示出这种现象——真实世界给系统施加选择压力，图式倾向于根据那些压力来调节它们所容纳的信息。进化、适应以及复杂适应系统所进行的学习，都是宇宙膨胀式发展的一些方面。我们可以问：进化系统是否能与周围环境达到平衡，像高温物体与低温物体达到相同温度那样。有时它们确实能达到平衡。如果设计程序使计算机演化出游戏策略，那么，它可能会找到最理想的策略，于是搜寻即告结束。如果游戏是一种儿童玩的三连棋（tic…tac…toe），那情形就无疑正是如此。如果游戏是棋类，计算机可能也会在将来某一天发现