16,821
个编辑
更改
无编辑摘要
一个经典例子，蚁群是一个复杂系统，通常的说法是每只蚂蚁的行为模式都很简单，大量蚂蚁聚集在一起才涌现产生复杂有序的蚁群。然而，每只蚂蚁的行为模式真的很简单吗？人类对任何一种单细胞生物都没有研究透彻，何况蚂蚁？蚂蚁或许有很多目前未知的交流方式和信息处理过程，而人类仅仅根据对其行为的简单观察就认为它们很简单？人工智能中的蚁群算法模拟蚁群的行为，将每只蚂蚁想象得很简单，虽然有一定成果，但是非常有限，和真正的蚁群更是天壤之别。正是因为真实的蚂蚁并不简单，蚁群的复杂来自于每只蚂蚁的复杂。
[[文件:涌现01.jpg|600px]]
类似的，模仿大脑的深度学习假设单个神经元的功能不复杂，大量神经元互相连接才涌现产生智能。然而越来越多的神经生物学研究成果表明单个神经元的功能远不是那么简单的，单个神经元承担着比以前想象的要多得多的计算任务。例如深度学习中的单个神经元无法实现异或，但是最新的研究表明大脑的单个神经元可以实现。1
[[文件:涌现02.jpg|600px]]
前不久去世的英国数学家康威（John Conway）的生命游戏，用非常简单的规则产生了复杂的现象，但是其复杂程度是很有限的。用库兹韦尔（Ray Kurzweil）的话来说，“元胞自动机（生命游戏也是一种元胞自动机）即便迭代无数次，其产生的图形的复杂度仍然保持与原来相同的水平，它们无法进化出昆虫、人类和肖邦序曲。”2
'''生命游戏的规则'''
[[文件:涌现03.jpg|600px]] '''研究不透彻，方法未掌握'''
前不久去世的诺贝尔物理学奖获得者安德森（Philip W. Anderson）于1972年提出了著名的“More is Different”思想，对还原论（复杂的事物可以化解为各部分的组合）表示深刻的怀疑。他指出，我们无法根据少数粒子的性质的简单外推，来理解大量且复杂的基本粒子集合体的行为。相反的，在任何不同的复杂性层级下，物质会出现全新的性质。并且，对新性质的理解需要本质上一样的基础研究。因此，他认为可以基于下述设想粗略地将学科线性排列在一个层级结构中：学科X的基本实体遵循学科Y的定律。
然而，这个层级结构并不意味着学科X“仅仅Y的应用”。每个新的层级都需要全新的定律、概念和归纳，并且和其前一个层级一样，研究过程需要大量的灵感和创意。心理学不是应用生物学，生物学也不是应用化学。3
[[文件:涌现04.jpg|600px]]
然而，这毕竟只是目前的现象，只是一种观点，并没有得到严格的证明。无法根据粒子的性质推出大量粒子集合体的性质或许只是因为目前我们对粒子的性质研究不够透彻，或者没有掌握从个体到群体的推理方法。
就上文的例子而言，人类社会是由原子组成的，那么是否研究清楚原子的原理就能理解人类社会呢？答案是肯定的，但是需要对原子有非常透彻的理解，而且具有足够强的“以小见大”的能力。显而易见的是，要获得这样的能力是非常困难的，至少在短时间内难以做到，远不如直接研究人类社会的效率更高、效果更明显。当然可以说直接研究是目光短浅的体现，但是现阶段我们的确需要一定程度的目光短浅。
[[文件:涌现05.jpg|600px]]
更令人沮丧的是不可简约性。很多物理过程已经被严格的数学证明为不可简约的，即要知道某些现象未来的状态，不存在捷径（例如通过某个公式计算出来），而只能按照真实发生的一步步推演。这意味着即使能够通过简单部分推理出复杂整体的性质，这个过程的效率也会很低。即使我们能够将所有事物还原为简单的基本定律，但是这并不意味着我们能够从这些基本定律出发重建整个宇宙。3因此，直接从高层次研究涌现现象是不可缺少的方式。