来源： 人机与认知实验室  杨晓霞_新浪博客

【约翰·亨利·霍兰德（John Henry Holland，1929.2.2－）复杂理论和非线性科学的先驱，遗传算法之父，又译“约翰·霍尔兰】

  前排右二为译者陈禹老师

《涌现：从混沌到有序》，对涌现现象进行深入探索的第一部著作。作者约翰·霍兰（John Holland）是美国密歇根大学心理学教授和电子工程及计算机科学教授，麦克阿瑟协会及世界经济论坛的会员，以“遗传算法之父”而闻名于世。该书英文版1998年出版，中文版由上海科学技术出版社于2006年出版，译者为陈禹等（陈禹还是《复杂》一书的译者）。

霍兰在序言中说，“写一本让普通读者能看懂的书比写一本科学专著要艰难得多”，因为一本为普通读者写的书“不应该有很多假设，过度的简洁反而会成为读者理解的障碍”。在完成《隐秩序：适应性造就复杂性》之后，他意识到当时的发现带有“很大的偶然性”，而情况已经发生了变化。他观察了很多系统和模型后发现，在它们中间都会“从简单的元素中涌现出复杂的现象”。他试图寻找的是这些复杂现象产生的根源。

一、涌现的体现与本质：

复杂的事物是从小而简单的事物中发展而来的（P1），这就是霍兰所说的涌现现象的体现。在许多领域都发现了涌现现象的存在：种子的发育、国际象棋的规则、牛顿万有引力定律、麦克斯韦描述电磁现象的方程等等，甚至我们对整个物质世界的理解大部分都是从少数基本的方程出发的。霍兰因而指出，“只有弄清楚涌现现象，才会真正弄清楚生命和有机体本身”。（P1）

涌现的本质就是由小生大，由简入繁。（P2）涌现是我们周围世界普遍存在的一种现象。在生活中的每一个地方，我们都面临着复杂适应系统中的涌现现象——蚁群、神经网络系统、人体免疫系统、因特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部分的行为复杂得多。（P3）霍兰写作的目的就是通过具有充分说服力的证据加以证明涌现现象的存在。

霍兰说，像涌现这么复杂的问题，“不可能只是服从一种简单的定义”，他也无法提供一个简单的定义，但他提供了一些用来划出特定领域的标识。（P4）首先，研究领域限制在那些在规则和规律方面富有启发的系统，包括游戏、人们已充分理解其组成的物质系统和用科学理论定义的概念系统。少数规则和规律能产生令人惊讶的、错综复杂的系统。这种复杂性不仅来源于系统随机模式本身，而且也与从局部到整体的过渡密切相关。此外，这些系统是变化的，即动态的。在研究涌现现象的过程中，可识别的特征和模式是关键的部分。被称为涌现现象的一定是可以识别并且重复发生的现象。弄清楚控制系统的演化规律及它们之间的相互关系，将使我们更有希望理解复杂系统中的涌现现象。其中关键的一步就是要从偶发的、不相干的细节中找出基本规律。

二、涌现研究的方法：

霍兰通过建立模型的方式对动态过程进行研究。每个模型都会集中描述世界的某一个被限定的方面，而将其他方面看成是偶然发生的。但是，如果设想的模型很恰当，它将对可能出现的情况作出预报或设计相应的对策，并且揭示新的可能性。（P6）模型的广泛使用在涌现的研究中发挥了关键作用，最重要的是，模型使预测和预报成为可能。（P13）模型，尤其是计算机模型，可以提供许多涌现方面的例子，这大大加深了我们对涌现现象的理解。而且，这样的模型可以随时运行、停止、接受检查，并可以在新的条件下重新开始运行，这些都是在大多数现实的动态系统中无法实现的。（P14）因此，霍兰用了数章的篇幅讲述建模的知识与建模的过程。

霍兰指出，无法预料、出其不意，这是涌现的一个重要方面。（P6）意外通常是与一个基于规则的系统所显示出的一些异常行为相联系的，它常常起到一种心理上的引导作用，将人们的注意力引到涌现现象上去。但是，霍兰并不认为“出其不意”是一个重要因素。（P6）霍兰特别提醒，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。（P7）

涌现现象的研究进程依赖于对涌现现象的还原能力。复杂系统可用较简单系统之间的相互作用来描述。（P15）霍兰反对孤立地研究部分式的简单还原观，他强调，我们必须研究各个部分，又研究各部分之间的相互作用。（P16）就涌现而论，整体行为远比各部分行为的总和更复杂。（P16）

霍兰发现，无论是在游戏还是在自然科学中，涌现的重点都在于对那些用于确定模型的规则的选取。（P115）描述蚂蚁个体行为的指令系统的规则可能是很少的，群体的复杂性来自于大量的蚂蚁、蚂蚁与蚂蚁个体之间、蚂蚁和环境之间的相互联系和影响。换句话说，整个系统的灵活行为依赖于由相对较少的规则支配的大量主体的行为。由于主体个体的行为是受当时环境（环境中的其他主体和对象）影响的，所以我们不太容易从一个“一般”的个体行为中预测出所有主体的行为。主体的策略不仅会受到目前状态的影响，而且随着时间的流逝，它的策略规则也会变化。随着这些困难的增加，涌现行为也逐渐产生了。（P120）

霍兰指出，涌现首先是一种具有耦合性的前后关联的相互作用。在技术上，这些相互作用以及这个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地求和得到。（P124）

三、涌现的经验及要点：

霍兰将涌现的经验概括为三点。（1）简单得近乎荒谬的规则能够生成固有的涌现现象。（2）涌现现象是以相互作用为中心的，它比单个行为的简单累加要复杂得多。（3）稳定的涌现现象可以作为更复杂涌现现象的组成部分。（P143-144）

他基于涌现研究中三个最重要的概念（纯数学概念、系统概念、一般的非正式概念），给出了涌现现象的八个要点：（P231-235）

（1）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组成的。

（2）在这样的生成系统中，整体大于各部分之和。系统各部分间的相互作用是非线性的，所以系统的整体行为无法通过相对独立的各组成部分行为的简单叠加得到。换句话说，在系统行为中存在一些规则，这些规则是无法通过直接考察各组成部分所满足的规律得到的。

（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。只有这样的稳定模式才会对生成系统将来的结构产生直接的可追踪的影响。当然，系统的规则在一定程度上反映了系统结构和变化中所需遵循的联系，只有这样的稳定模式才是可跟踪的个体。

（4）涌现出来的稳定模式的功能是由其所处的环境决定的。由于非线性的相互作用，一些意义或功能是通过上下文体现的。

（5）随着稳定模式的增加，模式间相互作用带来的约束和检验使得系统的功能也在增加。非线性相互作用以及由其他模式决定的环境作用，都增强了这种能力。特别是随着相互作用者的数量增长，可能的相互作用的数量以及可能的引起反应的复杂程度也非常迅速地增长（按阶乘级数增长）。

（6）稳定模式通常满足宏观规律。相对于组成个体行为的细节，宏观规律通常是较为简单的。

（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结果。存在差别的稳定性具有不同的表现形式，对生成过程可以有很强烈的影响。

（8）更高层的生成过程可以由稳定性的强化而产生。相互支持作用常常会给组成部分的模式带来稳定性的强化。当这些具有强化稳定性的模式满足宏观规律时，新的生成过程就会取代原来的生成过程。这样的生成过程仍然遵循潜在的生成过程的规律，但它所产生的模式绝对不可能通过对原来生成器的先期考察得到。更高层次的生成过程被强化的稳定性极度放大，最终完全“代替”了基础的生成过程。

四、涌现研究的未来：

霍兰将自己的研究视为涌现研究的起点。他指出，妨碍理解涌现的一个重要原因，是我们在许多认识方面的完全无知。甚至在许多基本认识上，我们的视野也是狭小而可悲。（P238）有许多困惑我们的问题——从经济调控到理解意识——都涉及到起决定作用的涌现现象。（P239）涌现是一个宏观规律以及产生取代的受限生成过程。（P251）对涌现更深入的理解可以帮助我们分析两个深奥的科学问题，两个具有哲学和宗教意味的问题：生命和意识。（P252）

《涌现：从混沌到有序》作者： （美）约翰·霍兰。作者在书中比较了显示涌现现象的不同系统和模型，展现了它们之间共同的规则或规律，讲述了从“蕴含着规范、能够生成像巨大的红杉和普通的雏菊那样复杂而独特结构”的微小种子，到能够通过自学习在西洋跳棋游戏中让设计者一败涂地的计算机；从能够修建桥梁、跨越深沟和驾驭树叶之舟在溪流上航行的蚁群，到诗人充满感情的创作等涌现现象的具体表现。

目录

编辑

第一章 启程之前

走向何方

模型

研究道路上的困难

取得的进展

第二章 游戏与数字

西洋跳棋和神经网络

模型中的秘密

棋类游戏及规则

数字

积木块

计算机模型

第三章 地图、对策论和计算机建模

博弈和对策论

涌现——初露端倪

动态模型

计算机模型——进一步的研究，

第四章 西洋跳棋

困难何在

塞缪尔是如何做的

对走法的估价

由估价到策略

学习的过程

使学习过程运转起来

需要注意的问题

权重改变引起的涌现结果

小结

第五章 神经网络

神经元的特征

为神经元建模

固定阈值的神经元网络

区别与局限

有关神经元的更多特征

带环路的网络

无限期的记忆

三角形的识别——一个例子

综合

对比

继续前进

第六章 普适理论

基于主体的模型

计算机的参与

涌现和非线性

普适理论的基本要求

第七章 受限生成过程

机制

相互作用和连接

元胞自动机

第八章 西洋跳棋程序和其他受限生成过程模型

塞缪尔的西洋跳棋程序

中枢神经系统模型

复制猫

第九章 变易

具有可变结构的受限生成过程模型

示例

遗传算法和可变结构的受限生成过程模型

关于涌现的进一步理解

第十章 层次描述和还原方法

层次

如何组装元胞自动机

第十一章 隐喻和创新

科学中的创新和创造

对隐喻的初步探讨

隐喻和模型的关系

创新的培育

小结

诗歌和物理学

第十二章 结束语

约翰·霍兰德1929年生于印第安娜，在俄亥俄州西部长大。小的时候，约翰就对表现出了强烈的求知欲。他的数学和物理都非常好。高三那一年，在全州的数理考试中，他以仅比第一名低两分的成绩获得第三名，并赢得了进入麻省理工学院学习的全额奖学金。从那时起，他就开始了用计算机来模拟自然界生物进化的探索。“这种研究花了他二十年的时间才取得成果，也让人们二十多年以后才开始认识到其重要性”霍兰德的第一个博士学位是计算机科学。他十分着迷于基于程序的人工智能神经网络（以神经元细胞构成网络，借以产生记忆和复杂的行为的想法），因为这种方法和他人造生命智能的思路不谋而合。

就像霍兰德所看到的，生物和计算科学有着紧密地联系。机器可以像动物一样被训练去适应周围的环境。自底向上，“从虚拟的随机状态开始，把自然特性编写到程序中。”一本名为“自然选择的遗传原理”的书改变了霍兰德的生活。在这本书中，进化被视为是引擎的自我适应。“进化就像学习适应环境的一种方式。进化是次代叠加的，而不是只发生在某一生命周期里。”霍兰德认为如果这个原理存在于有机体中，那么也有可能存在于计算机程序中。这就是他所提出的遗传算法。“遗传算法是基于达尔文物种选择理论的问题分析方法。它开始于一定数量的初始点，每一个节点具有随机生成的特征，用一些方法来评估哪些节点的成功率高。成功的节点被合并来生成孩子，孩子因而具有双亲的特征。”这是霍兰德算法高明的一步。“遗传算法在两方面取得了突破：一是它利用进化论的思想来提供强有力的方法去进行计算机函数优化，二是它提供了研究进化论的空间和研究自然现象的独特方法。”

从遗传算法发展出霍兰德的模式定理. 霍兰德发现可以在单个基因应用菲舍原理。霍兰德被邀请作为圣菲学院的外部教师，这个学院没有全职工作的本部教师。学院就像一个复杂的思想库。“圣菲学院成立于1984年，是一个私立、非营利、多学科的教育与科研机构，致力于创建一种新的科研社区，探索新兴课题。”在这些方面，霍兰德做出的一些最重要的成就。

 人造的机器有存在但没有自我。人机融合智能既有存在也有自我，自我诞生于对自身存在的经常性的组织和生产。反思是一种非生产性的反馈，也是一种有组织性的反馈。自主是一种有组织或被组织的适应性。