我的财讯iPhone客户端 | 财经股票网址大全 | 添加到收藏夹

约翰·梅菲尔德的复杂引擎

18-08-14 12:55    作者:一只花蛤    相关股票:

原创: 姚斌     一只花蛤的价值投资 
2018年8月2日  文/姚斌

《复杂的引擎》基本上都是从生物进化论的角度来研究复杂性系统。其作者约翰·梅菲尔德是爱荷华州立大学名誉教授,致力于用数学和物理学原理研究广义进化论。作者所谓的广义进化论要比生物课上讲授的物种起源要更为广义。作者研究的逻辑可以视为一种特殊的计算策略,这种策略的执行会产生出原本不可能出现的复杂事物。作者是用计算来定义“进化”。作者认为,要正确理解进化,就必须借助信息的概念,因为进化本质上就是积累信息。信息的问题至少有三个方面让作者感兴趣。1、任何一个现代生物学家都认识到,如果不彻底理解DNA中的信息是如何引导生物体的形成,就不可能彻底理解生命。2、从计算的角度更容易理解进化的过程。根据这种思想,只要遵循特定的信息操作和积累策略,进化就会发生,这个策略就是“复杂的引擎”。3、任何有意义的复杂性,无论是否生物,都只有通过广义的计算过程才有可能实现。

生命和人类的公司似乎都表现出了高度的创新性。从创新的角度来说,刺猬要比同等大小的花岗岩复杂得多。如果将进化视为计算,就能精确解释为何刺猬要比花岗岩复杂。进化计算一旦在某个物理系统中实现,这种创新计算往往能产生出原本不可能存在的复杂产物。事实上,进化和创造性的联系极为密切,很有可能我们遇到的所有具有创造性的复杂事物都只有通过进化计算才有可能。一旦理解了信息和进化的关联,就能够解释许多表面上没有明显关联的事物。作者强调组织成指令形式的信息的重要性,以及包含了复制、变化和选择的进化过程。在发展这些思想时,作者发现目的和创造性这样的人文理念也可以从计算的角度来解释和理解。目的可以通过重复的选择自然涌现出来,创造性则是许多进化系统的自然产物。本质上,所有创造性都来自源源不绝的“随机性”,更准确地说是随机选择。进化过程有效地利用了这个资源,一旦适当利用,一起皆有可能。

过去三四百年间发现的许多科学原理都表述为描述宇宙特定方面规律的数学公式。看到数学关系的发现带来的巨大成就,人们就认为,只要发现了适当的方程,一切都可以描述。基于方程的世界观的一个后果是“决定论”。但生命并不是这样,更不要说人类社会,简单的关系不能解释一切。许多现象都太过复杂,无法用简单的方程描述。没有方程能替代基于计算机的字处理软件。如果生命的历史可以重来,没有理由认为结果会一样。恰恰相反,进化论认为,如果生命的起源和演化可以一次又一次重演,那么每一次的细节都会不同。与此类似,与我们在物理学中期望看到的可预测性不同,人类的行为也具有不可预测性。这表明我们需要有新的认识和探索世界的方法。

作者倾向关注的事物大部分都具有复杂的历史,并表现出具有高度针对性的复杂特征。作者注意到,现实世界中的许多结构让人明显感觉到具有目的性,它们似乎是为了某种目的设计出来的,或者为了适应某种事物,或者至少是在某种背景下具有意义,而进化过程会自然产生出我们认为具有目的性的特征。现实世界的复杂性并不局限于剩余,我们的周围到处都有非生命的复杂事物,从交响曲到太空飞船,它们都无法用物理学和简单的概念进行解释。生物和人类公司制造的大多数产品都无法仅仅用牛顿力学和量子力学得到完整的解释。还需要其他的思想:具有高度针对性的结构的形成需要有被正确组织和使用的信息进行引导,否则就不可能出现。这是对这个原理的有意识使用时的支撑现代文明的所有技术进步成为可能。

与之相应的一个原理是,生命和技术性的复杂事物,显然的不可能反映了形成它们所需的附加信息的量。所有生命和人类创造的非生命产品都体现了这一点。形成某物所需的信息越多,其表现出的不可能性就越大,举个例子,比较石斧和超级计算机,或者病毒和人类。越复杂的因而也不可能的事物,制造它们所需要的信息也越多。这种描述的信息的形式表现为蓝图、配方、基因,或者统称为指令。指令含有目的性信息,它们被创造出来是因为其产物能给创造者带来利益。这些指令一旦被执行,就会产生某种事物或行为,如果没有这些指令,这些事物和行为随机产生的概率极低,基本没有可能性;而有了正确的指令和执行指令的系统,产生出的结构就可以被认为是有可能的。显然,要理解生命和人类天才的创造,我们必须解释指令的来源。

但并不是所有事情都需要指令。作者将周围无穷无尽的事物、系统和行为分为两类。一类包含那些形成需要指令的事物,也就是说除了化学和物理定律以外,它们还需要附加信息。这些需要指令的事物为型事物,其中包括所有生物以及大部分人类智慧的产物,也包括蛋奶酥和宇宙飞船。还有一类则包含所有无需指令的事物,就是型事物,这一类包含大部分非生命或非人类活动的产物,例如岩石、海洋、气象和太阳系。这两种类型一起涵盖了一切事物。地球之所以独特正是因为型事物。所有已知的型事物要么是在地球发现的,要么就是在地球制造的,型结构将地球与其他已知行星区分开来。当然,也可能还有其他未知行星也有型结构。地球上有许多型结构,但这一点并不能将地球与太阳系或系外的其他行星区分开来。生成型事物所需的指令编码了目的性信息。指令总是具有意向性,他们有固有的目的性。因此,作者面临的三个研究的任务:认识信息是什么?了解指令的来源,以及研究指令固有的目的性来自哪里。最终进化计算将完美地解释指令的来源和目的性。

作者认为,所有进化系统的核心都利用概率计算,可以从随机发生的事件中提取目的性信息。当从信息的角度来认识相关的对象和活动时,会发现随机性才是新事物的终极来源。对于计算机科学不熟悉的人可能会觉得难以置信,但其中的逻辑是合理的。确定性的规则精确决定结果,因此只要输入不是随机的,结果就一定可以预料。创造性意味着意料之外的结果,但在确定性过程中这样的结果只有当输入不可预测性才有可能。不可预测性是随机性的精髓。所有进化共进化过程的共同特征包括以下5个要素:1、个体;2、可遗传特征;3、个体可以繁殖或复制;4、变化机制;5、基于特征的选择。只要系统同时具备了这5个要素,个体组成的群体中的编码信息以及相应的个体特征就会随时间改变;遗传的个体特征必然会越来越适应决定繁殖(复制)成功率的标准。

科学之所以可能是因为宇宙有可预测的模式,科学的中心任务就是发现这些模式。不是所有事物都有规律,许多都没有,但规律肯定在某处。牛顿的万有引力定律就是这样的规律。它用几条简单原理和微积分这门新的数学工具,以一种全新的方式解释了太阳系的复杂性。之后,150年前,达尔文用全新的方式解释了生命的复杂性。物理学主要是解释非生命现象,但也能用来认识生命功能。生物进化解释生命的起源以及它们如何适应环境。进化是理论,物理则是基于定律。在科学中,理论是对现象的解释,理论可以是猜测性的,也可以是严格确证的,取决于验证的强度。定律一词在科学中的定义并不完善,但定律也可以是猜测性的,或是严格确证的。定律主要是描述关系或原理,定律通常可以表述为一个简单的命题或简单的方程。

进化既不是关系也不是简单的原理。进化是一个过程,基于之前的成果创造更先进的成果。因此,进化很少表现为定律,虽然它是强大的并被广泛认可的科学解释。同物理过程类似,进化论也是基于测量、数学定理和物理定律。进化并不是唯一解释过程产物的理论。进化论是对生物复杂性的正确的普适性解释。无数实验证实了选择具有改变从病毒到奶牛等各种生物种群的力量。没有进化论,就无从解释生物对环境的适应,以及各种DNA之间的关联。成功的现代农业和养殖业养活了全世界,也验证了进化论的正确性。可以想见,如果对动植物的选育持续百万年会带来怎样的成就。

在伽利略之后,数学就成为刻画自然规律的通用语言,我们对物理现象的认识大部分都被写成数学语言,数学也被应用于预测未来的结果,但是生物学和社会科学似乎没有遵循这项惯例,这通常被归因于它们极端的复杂性。作者认为,现在以合适的数学来支撑生物学和社会科学的就是计算机科学。计算机科学及其相关的理论可以帮助认识传统数学对于理解复杂过程的作用。计算机理论所揭示的输入输出的关系对于理解各种复杂事物很重要。一个非常重要的原理就是,简单的规则作用于简单的输入可以产生极为复杂的事物。如果有了合适的规则,重复过程运作得越久,输出就会变得越复杂。计算机理论中还有一条不那么明显但同等重要的原理是,一些复杂事物无法通过应用简单规则得到,无论过程执行多长时间。这类事物只能通过应用复杂规则得到。

如果考虑输入输出之间的所有关系,复杂的会远远多于简单的。没有人知道物理宇宙是否也是怎样,但这至少说明我们也许会发现不能通过简单数学认识的现象,生命、生态和大多数社会现象都可能属于这一类。大多数物理过程和一些计算机程序遵循的规则都允许随机事件。如果有随机成分,即使规则简单,也无法预测具体的结果。当这样的过程被反复执行,每次的结果都会不一样。幸运的是,在许多这类情形中,可以通过统计平均来预测,我们称之为总体性预测。雪花就是很好的例子,预测下一个雪花的细节是不可能的,但雪花的特征在总体上却可以预测。在某些程度上生物进化也与此类似。进化过程允许某种程度的随机变化,虽然过去和未来具体的结果无法预测,大致的趋势却可以预测出来。

按作者划分,事物有两种类型。型基于简单规则,型则需要附加的复杂规则或指令。地球之所以特殊完全是因为有型事物,包括它们的行为和影响。型事物还有一个特点,它们可以被视为具有某种目的性或适应性。指令总是具有目的,所有指令都引导产生特定的结果,其结果可以被认为是为了某种目的或适应某种环境,这就是“意向性立场”。意向性赋予无感知无思维的事物往往能正确推论出它们在未来的行为并理解它们为何如此。比如,鸟有翅膀,是为了飞,飞是为了觅食和躲避捕食者。这样的例子数不胜数。为什么有这么多事物都是这样?答案在于这些事物从何而来的认识。换句话说,目的性来源于创造型事物的过程之中。

理查德·道金斯在《盲眼钟表匠》中就认为,是选择导致目的性的产生。选择是进化机制的本质之一,它决定前一代的变化有哪些会留存到下一代。个体组成的群体中会累计越来越多过去选择的特征。鱼似乎是为生活在水里设计的,因为其祖先比那些没有留下子嗣的个体更善于在水中生存和繁衍。加里·齐科在《没有奇迹》中也探讨了复杂事物如何出现的问题。他列举了很多复杂现象,从细菌进化到人类思维,基本上都有很好的适应。适应有两种,一种很平常,例如打碎的瓷盘,碎片能相互拼合,因为它以一种简单的方式源自同一个整体。还有一种能让人感兴趣的,是目的性适应。这种适应不是源自某个整体。在这种情形中是创造了某些东西来实现适应。这类例子包括抗体对病毒的适应,生物对生态系统的适应,技术创新对用户需求的适应,思想对个人愿望和需求的适应。齐科认为,对为什么复杂事物总是对某种背景有意义的问题,唯一的解释是反复的选择过程。

根据定义,指令和型结果总是成对出现,而指令—结果对总是有某种动机。执行指令得到的产物对象满足了指令的目的,指令则是依某种需求、愿望或可能给出。螺丝刀有用是因为它们适应螺丝头和人手操作。螺丝刀与岩石之类的型事物的区别不在于是不是可能有用,而在于如果没有指令,螺丝刀的制造实现是基本不可能的。在螺丝刀的例子中,创造指令是因为人们想拧螺丝。指令不是碰巧产生,它们的存在需要解释。在科学研究中,说某人或某神想出了它们是不能被接受的。指令包含了特殊的信息,如果想对世界有深刻的科学认识,就必须研究这种信息的本质和来源。目前所知的唯一能产生新指令的过程就是进化计算。这里所说的进化并不仅仅限于生命的进化,而是包含了一系列通过特定计算策略积累有用信息的活动。所有的进化过程,无论是否涉及生命,其背后都有一个不断循环的计算过程,这个过程能够从细微并且通常是随机的变化中提取目的性信息。这种计算的原理在于,基于现有的信息体产生的细微变化,然后根据一致的标准判断并保留能带来好处的变化。

在进化系统中,变化是以代为单位发生的,目的性通过累计选择过程一点一点慢慢的建立。例如,鱼生活在水中,生长发育机制根据DNA编码的信息形成有灵活尾部的流线形身体。编码在DNA中的信息具有让鱼在水中生活和高效移动的目的性。但并不是一开始就是如此。鱼类的祖先曾经非常小,也不是依靠肌肉运动,在水里推进是依靠纤毛。纤毛是细胞上的凸起,运动起来类似桨。这些生物也有DNA,但它们的DNA没有编码鱼的流线型身体、尾巴或肌肉的信息。这些信息之所以出现在鱼的DNA中,是因为DNA在过去的表现如果有利于鱼类适应环境就被保留了下来。原型鱼吃小东西,因此体型大都有进化趋势。发生让一些后代体型更大的突变后,更大的个体繁盛起来并因此拥有更多的后代。体型大阻力也大,纤毛不再是高效的运动方式。随着时间推移,划水逐渐取代了纤毛运动,从而允许更大的体型。在自然选择的残酷压力下,游泳变得越来越高效,最终纤毛运动被从鱼的谱系中彻底抛弃。

效率可以作为对适应性的一种度量,经常会带来更高的繁殖成功。一旦DNA的随机变化碰巧导致了更高的效率,这种变化就会在DNA的结构中保留了下来。通过反复试错和选择过程,流线型身体、尾巴和肌肉的目的性信息慢慢累积下来,并在鱼类的DNA中逐渐完善。这个过程从没有编码如何高效游泳的信息的DNA开始,最终累积了许多相关的信息。从计算的角度看,目的性的科学解释可以从创造指令的方式中找到。反过来,这种解释也意味着不需要指令的事物没有目的性。它们也许会有某种用途,但它们不是为了某事而被创造出来的。而指令是有目的性的,这是它们的根本定义和它们形成方式决定的,因此它们所描述的事物也是如此。指令的来源是进化计算,这就是约翰·梅菲尔德的复杂引擎。


 
声明:本文内容由原作者博客的RSS输出至本站,文中观点和内容版权均归原作者所有,与本站无关。点此查看原文...

我要评论

(200字以内)