复杂系统突现研究范文

《自然辩证法通讯杂志》2015年第五期

复杂系统具有多极结构。西蒙（H.A.Simon）基于自然（和人工）进化的变异-选择观，解释复杂系统的层级架构，即组成部分以自然的交互作用结合在一起，进而创造出各种集合。在这些集合中，稳定的集合“存活”了下来，而其他集合需要继续进化。稳定的集合形成了“自然选择的整体”，它们不把功能作为建筑模块，而是结合到高阶的集合中，然后再重复同样的过程，从而形成了分级结构的复杂性。西蒙用这个模型想表明，突现的多级系统比复杂性的两极系统的概率更大，即在两极系统中，所有组成部分必须“井井有条”，否则在自然变异机制增加缺失的组件之前，集合将变得不稳定。在多极系统中，只需要少数成份“井井有条”就能形成稳定的模块，这些模块的一部分再次递归组合，形成更高级的模块。很显然，井井有条的成份越小，随机组合的概率越大。然而，也有一些例外的情况，不分等级的复杂系统仍然可能。例如，大部分高分子化合物由简单、线性的多分子两极集合形成。自组织模型能解释这种非模块的、两极系统的突现，这样的过程通常有非线性、自催化机制的特征，不怎么稳定的集合增加了让其他成份加入集合的可能性，从而使其变得更加稳定。正反馈的过程不需要模块的中间层。突现的稳定结构就像“吸引子（attractor）”，能够影响相邻的结构，使它逐渐走向稳定的结构。显然，西蒙的分级模型和自组织的“非线性”模型，只能描述突现的部分特征。真实的复杂系统，同样有经过分级的多极层面，也有非线性的二级层面。然而，这样的系统中不只包括整体的层级或非线性的组织，还有子组织和子系统。理解这样的复杂性架构，需要说明在什么规则的作用下，新的系统结构从复杂性的层级中突现。

一、复杂性科学解释突现的变异-选择原则

描述生物进化的自然选择理论，可以简单地视作系统的进化。它探讨的是系统的变异和环境给系统的“选择压力”，即系统的结构只有适应环境才得以维持。进化系统类似于问题解决者，通过尝试（或变异）寻找问题的答案，只要系统的适应性不是最佳的，就需要解决问题。不稳定性越大，问题也越大，在获得新的平衡之前，系统将发生变异。在自然选择过程中，只能通过中间阶段解决问题。与问题求解相比，进化不是最终的解决方案，当系统的进化过程改变了环境，它就无法以最佳的方式适应环境，需要进行重新适应。在进化过程中，每个过程的目标都是另外过程的子目标，以此类推，子目标就成为进化过程的重要特征，相当于稳定的突现系统。另外，进化一般是并行或分布式的，这样的结构限定了系统与环境之间没有绝对的区分。由此产生的后果是，自然选择不再是环境的选择。要规避这个问题，可以考虑把以并行方式进化的整个系统，看作整体化的系统。在这种情况下，自然选择就是整体系统的变异产生的整体上稳定的配置。这样一来，就用内在的选择替换了外在的选择，即内在结构只要稳定就能维持系统，不需要考虑它对外在环境的适应性。虽然，实践中不存在绝对整体化的系统，每个实际的系统仍然包含内在选择与外在选择，但是我们可以通过更大的、更加整体化的系统，把外在选择还原为内在选择。适应性可以还原为一个子系统（初始系统）和另一个子系统（初始环境）之间的稳定关系。例如，影响植物自然选择的外因是维持生存的二氧化碳的数量。这个因素可以看作“边界条件”——对植物自组织过程的环境限定。从整体的视角来看，二氧化碳不是已知外在条件，而是其他系统（动物和细菌）适应环境的产物。这样的系统取决于其他的选择因素——植物产生的氧气。由此，这样的适应过程，可以视为整体化的生态通过内在的自组织，导致的对稳定循环的选择，即二氧化碳转化为氧气又产生二氧化碳。我们还可以用内在选择与外在选择解释变异。内在的变异是系统的内在部分变化的过程，如基因染色体中的突变。外在的变异是系统与环境之间关系的变化，如有性生殖中染色体的重组。总之，从外在视角观察的事物，也可以用内在视角来看，反之亦然。这种解释策略需要整合突现和自组织，强调自组织作为设计规则的作用。

二、人工生命解释突现的变异-稳定原则

1.自组织繁衍是人工生命的基本属性在第二次世界大战期间，罗伯特•奥本海默、恩里科•费米、汉斯•贝特、理查德•费曼、尤金•维格纳、冯•诺伊曼等科学家，在进行“曼哈顿计划”的过程中，开始探讨复杂性问题，使用计算机模拟复杂系统。冯•诺伊曼亲自设计出计算机解决实际问题，研究细胞自动机和自我繁衍（self-reproduce）的机器。虽然在20世纪50年代早期，他就提出了形式化细胞自动机的设想，但数学家斯塔尼斯拉夫•乌拉姆，最早开展了设计存储程序的计算机的相关实验，探索遵循递归规则、具有二维和三维几何特性的生长模式。因而，我们通常把乌拉姆看作人工生命研究的真正奠基者。复杂性是人工生命的核心概念。在乌拉姆的启发下，冯•诺伊曼设计出第一个细胞自动机模型。他主要研究人工生命的繁衍过程，寻找非平凡的（non-trivial）自我繁衍所需的充分的逻辑条件。在他所描述的机器人的运动模型中，在水中的机器人通过组合全部构件来摹仿自身的浮动。冯•诺伊曼成功地说明了繁衍的方式，却无法解释机器人运动的原因。于是，他放弃基因层面的模拟，而是采用乌拉姆的方法，只从中提取自我繁衍的逻辑形式，即首先把自我繁衍描述为逻辑序列，再用通用图林机进行自我繁衍的操作。冯•诺伊曼构想的二维的细胞自动机，带有29种可能的状态。当前的细胞与毗邻的4个正交的细胞之间的规则转换，产生出每个细胞的状态。根据这种情况，他提出了4条非平凡解的自我繁衍的原则：第一，系统的自我描述不涉及自身。这条原则避免了执行自我描述时，无限的“回归”。按照这条原则，自我描述可以是未解释的系统模型，也可以是对系统的编码。第二，系统只要有管理单元（supervisoryunit），就能执行任何计算。这条原则用于解释繁衍过程中，自我描述的两个方面。第三，系统只要有通用构造器（universalconstructor），就可以在细胞空间中构造已描述的对象。第四，通用构造器按照管理单元的指令，构造系统的新副本，自我繁衍包含系统的自我描述。[1]冯•诺伊曼用逻辑原则解释生命的主要特征，而阿瑟•勃克斯则对电子离散变量自动计算机EDVAC进行逻辑设计。冯•诺伊曼从自然的自我繁衍中提取逻辑形式，自然成为了人工生命研究的先驱者。在20世纪70年代，约翰•康维基于细胞自动机改造乌拉姆和冯•诺伊曼的方法，设计出“生命游戏”，说明复杂世界如何从简单规则中突现。在他看来，当前的细胞和相邻的8个细胞使用两种规则，是产生细胞状态的原因。生命的规则很简单。只要“活”细胞的数目为3，当前的细胞在下代细胞中“存活”；而“活”细胞的数目为0、1、4、5、6、7、8中的任意一个，当的前细胞就无法在下代细胞中存活。1965年，勃克斯的学生埃德加•科德简化了冯•诺伊曼的细胞模型。1984年，勃克斯的另一个学生克里斯多夫•兰顿，在科德的“周期性发射器”（periodicemitter）基础上设计自我繁衍模式，证明了通用的构造能力不是自我繁衍的必要条件。他的自动机只有8种细胞状态，这些细胞是细胞空间中繁衍的复制数据，也是依据转换规则进行操作的指令。初始结构只需要151个时间步长就能成功地繁衍自身。另外，每个“回路”都以类似的方式繁衍自身，扩展“回路”的集群。这个实验表明，细胞的动态过程的成分依据基因特征编码，而动态过程是“计算”发展过程中遗传表达的原因。从复杂系统科学的视角看，使用计算机模拟复杂系统，研究细胞自动机和自我繁衍的机器，实际上是一种人工生命的自组织繁衍研究，从这个意义上看，自组织繁衍是人工生命的基本属性。

2.人工生命是突现的科学传统科学的基础是还原论的分析方法，按照这种方法，系统是由简单部分组成的结构，任何事物都可以分解为更小的部分。但是，这种方法无法解释复杂系统，由于复杂系统具有突现属性，一旦分解系统就会丧失突现属性。突现现象在科学中随处可见，在宽泛的意义上，任何系统都有突现属性。解释这些科学现象需要新的研究框架，综合方法恰好可以作为分解方法的补充。人工生命的综合方法包含两个方面：（1）提取生物体的逻辑规则；（2）用计算机实现这些规则。经过这两个阶段，就可以得到有类生命属性的人工系统模型。这种研究方法有两个基本的假设（：1）把生命看作物质的组织属性。或者说，生命是形式属性，而不是物质本身；（2）复杂的属性从简单过程的交互作用中突现。从形式上可以将人工生命划分为平凡的（trivial）与非平凡的（non-trivial）两种系统。[2]具体来说，第一种系统包含所有人工模拟的生物体；第二种系统包括数学模型、概念模型和物理模型。第二种系统还可以进一步分为三种类型：（1）用生物化学合成技术获取物质系统的类生命特征；（2）是一种研究机器人的新方法；（3）虚拟的生命，即有突现属性的计算机程序。这些形式的可能性取决于解决弱人工生命-强人工生命，或者说生命-身体的类比问题。[3]功能论者从人工生命的角度看自然生命。在解释心理时，通常不考虑思维系统的物理细节，把生命属性看作多重实现。然而，多重实现也有缺陷，只要减少实现的数量，功能论就会导向同一论；而生命的概念过于抽象，也会导致二元论或活力论。最好的方法是采用适度的功能主义。从方法论上来看，这些研究主要涉及这些方面[4]：（1）细胞自动机。主要研究复杂性的建模问题。细胞自动机实质上是一些具有离散状态的细胞。细胞状态根据转换规则，经过离散时间产生变化。转换规则把当前的细胞状态与最亲近的细胞状态结合起来。多数情况下，所有的细胞使用平行和同步的迭代算法（iterationalgorithm），或使用随机和非同步的迭代算法同时更新。自我繁衍是细胞自动机最重要的研究问题，涉及冯•诺依曼、兰顿和沃尔弗拉姆（S.Wolfram）的研究。（2）人工胚胎学。主要研究生命系统从单细胞发展为完整组织的能力。这项研究的基础是分形几何，通过这个工具说明复杂的类生命形式如何从简单的递归过程中突现，典型的研究有林登麦伊尔（A.Lindenmayer）与普鲁辛凯维奇（P.Prusinkiewicz）的L系统、道金斯（R.Dawkins）的生物形态。（3）进化计算。主要研究自然选择的进化规则的计算问题。这项研究中应用的主要是霍兰德（J.Holland）的遗传算法。遗传算法用于解释，如何从母体（parentpopulation）中生成适应环境的变体。通过使用遗传算子生成变体，能够解释遗传表型的基因特征的突变与互换。如果按照基因分类器（GeneticClassifiers）使用遗传算法，还可以解决机器学习的问题。另外，使用遗传编程，还可以解释自我完善的计算机程序如何突现，即依据自然选择编写计算机程序。（4）自催化网络。主要研究生命的可能起源与原始生命的进化模型。在这个网络中，节点被看作特定的RNA序列，把弧定位为催化的交互作用。相关的研究有超循环理论。（5）计算的生命。主要研究计算机程序的设计。这项研究只展现类生命的行为，不模拟已有的生物有机体。尽管计算机的处理方式与自然生命的不同，它也有繁衍、与环境交互作用及进化的能力。如，Tierra程序以及计算机病毒。（6）集体智能。主要研究分布式人工智能和多主体系统。这项研究并不遵循自下而上的方式。典型的研究涉及蜂群网络、蚁群算法以及进化神经网络的实现。（7）进化的机器人。主要研究自主机器人的设计。例如，用有反应能力的分层体系结构设计机器昆虫、小规模的机器人群体的集体行为、使用进化规则分析机器人的控制结构。（8）可发展的硬件设备。主要研究硬件进化的实现。这项研究涉及硬件的自我修复和自我繁衍、新传感器的设计等。由于硅元素缺少某些用于进化的基本特征，要获得自适应性，只有采用类似于FPGA（Field-ProgrammableGateArray）的技术，或是采用遗传编程的方法。（9）纳米技术。主要研究自然生命或新有机体相关的合成过程。费曼（R.Feynman）开创了这项研究，他在1959年主张在分子层面微缩和扩展工业制造能力，以此创造人工生命。（10）生物化学合成技术。主要研究RNA繁殖的体外实验、原始人工生命形式、RNA链的合成和进化、自催化的反应以及渗透性的生长等。[5]这些研究都强调“突现”这个核心概念，即整体性的行为和结构通过各个组成部分的交互作用产生，但不作为组成部分的行为和组织的原因。在这个意义上，人工生命就是突现的科学。

3.从“变异-选择原则”走向“变异-稳定原则”“我们可以用不同的尺度观察系统，这些尺度就像是抽象的层级，只要知道系统的某个层次，就可以把系统想象为某个结构网络，进而推导出下级层次。比较这两个层次，低级层次的结构众多，但类型很少，而高级层次的结构较复杂，类型也很多。所有的层次组合在一起构成了一个复杂性的层级。在这个抽象的模型中，可以把系统的结构理解为粒子、分子、生物体、信息、符号等。同一层次上的结构，通过与其它结构的连接获得自己的属性，它们之间的动态交互作用产生了新的动态结构。这些新结构，再以同样的方式获得新属性。由此，我们可以在一个虚构的附属层次上定义突现属性，这样一来，就可以把这些属性还原为系统结构的局部组合，进而用更形式化的方式定义它。我们还可以用这样的模型描述比较大的系统，如宇宙。”[6]把夸克、粒子、原子、分子、生物大分子、细胞、生物体看作不同层次中的元素，某个层次中的元素都可以通过组合构成上级层次中的新元素。这里面也有特殊的情况，如氦原子非常稳定，它没有与其它原子的“链接”，而碳原子却有四种“链接”。由于碳有较强的交互能力，它是每个大分子结构都不可或缺的元素，并成为生命的物质基础。既然如此，在什么规则的作用下，新的系统结构从复杂性的层级中突现？“这样的规则包含变异和稳定的系统过程。这些过程在所有层次上并行发生。在任何层次上，结构单元都有许多不同的配置。在产生热力学变动的时候，确定的描述开始远离平衡的过程。这些变动致使结构单元的配置发生随机变异，而变异形成了许多瞬态的结构，它们与更高的组织层次相关联。某些瞬态的结构之所以稳定，是因为它们适应了环境，并且它们的结构属性就包含在稳定的过程中。这些新结构形成了新的复杂性层次。”[6]稳定的过程演变为四类相变的行为：一是固定和同质的状态；二是简单的周期结构；三是无序的周期结构；四是复杂结构。[7]兰顿认为像生命系统这样的复杂结构，应该维持在有序与无序的相变“临界点”上，避免任何一种最终结果。

稳定过程的基础是生物细胞的自组织，如自创生（autopoiesis）。在自创生的基础之上，我们能以组织导向（organization-oriented）定义极小生命。在这种情况中，达尔文的“自然选择”的变异-选择原则，只是变异-稳定原则的特例。这两个原则之间有两个重要的差异（：1）稳定过程不是优化方案。自然选择优化了生物的适应功能，使其在竞争资源中占据优势，但结构稳定的过程，从整体上满足环境的约束条件。例如，瓦雷拉等人提出的自然漂变命题（naturaldriftproposition）就是一个满足过程，而不是优化过程。（2）所有层次在分级模型中交织在一起。环境由所有层次的所有结构组成。从局部到整体，再到局部的内在层次，这样的反馈回路对生命至关重要。

三、汇聚技术的启示：弱化自组织的作用

人工生命系统展示了生命开放式进化的发展方式，但Tierra世界中的数字进化却不是开放式的，因为Tierra生物的复杂性低，进化的变化不多。对此，汤姆•雷（T.S.Ray）试图扩大Tierra的环境来增加异质性。他发现Tierra生物通过互联网，从一台计算机迁移到另一台计算机上，寻找未使用的资源及局部的生态位，从而进化为新细胞。在执行复杂的环境计算时，改良Tierra将增加预期的遗传复杂性。然而，对于原始版本的Tierra来说，这样的进化是有限的。按照希利斯（W.D.Hillis）的观点，协同进化能推动进化性进步。协同进化的“演化军备竞赛”通过改变环境来推动进化。即使这样，原始的Tierra与改良的Tierra都需要协同进化。发展开放式进化，需要对人工和自然的进化系统作定量比较。从贝多（M.A.Bedau）和帕卡德（N.H.Packard）的数据来看，存在不同性质的进化动态，未知的人工系统生成了生物圈所展现的进化动态。

总之，生命的进化不断地创造出新的环境，而这些环境又赋予生命新的适应性。然而，目前用变异-稳定原则解释复杂系统进化机制仍有局限。汇聚技术的出现为我们提供了新的视角，即把自组织看作是一个建构的过程。按照迪皮伊（J.P.Dupuy）的观点，认知科学引导汇聚技术定位失控的程序。[8]自组织作为自发过程，也涉及控制问题。虽然自我复制的机器不会有真正的危险，但自组织是一个建构的过程。长期以来，自组织只是委托（delegation）人工任务的一个步骤，但在授权机器的逻辑运算之后，应该授权机器的自我建构。实现这个目标有三种自组织的策略：（1）混合化（Hybridization）的策略，即使用生命系统的建筑模块（buildingblocks）制造设备和机器。（2）仿生（Biomimetics）的策略，即赋予人造物模仿的性能。（3）整合（Integration）的策略，这个策略是对前面两种策略的综合。这三个策略假设人造物与自然系统有某些相同的特征，可以用机器隐喻描述生命系统。但是这样的隐喻操作有两种不同的方式：（1）使用技术词汇表，把生物体描述为机器；（2）把设备和机器描述为有机物。在20世纪70年代，法国哲学家康吉兰（G.Canguilhem）就发现，生物与机器的类比总是用技术术语描述生物体。[9]现在的问题是，机器能否像人类那样进入生活世界？第一种策略：机器的自组织以生物进化的选择方式使用结构和设备，反过来可以把生物细胞视为分子机器（Molecularmachine），如分子生物学家把DNA、RNA、酶、蛋白质描述为纳米机器，材料化学家建设分子发动机和分子转子。生命系统也被看作分子的制成品。我们期望通过模仿自然，设计出维持生命的高性能结构，但是成功的概率很低，更可行的方式是设计自然提供的建筑模块——蛋白质、细菌、微胶粒（micelles）或胶质。合成生物学通过应用工程学的方法，发展出混合的对称策略：把生物过程分解为它的元素，基因片段被当作操作单元，把这些元素装配为模块。

最终的目标是产生一个独立和可交换的部分，用于执行特定的功能。总之，任何功能无法指定给某个特定的单元，但任一单元的元素装配都有可能产生特定功能。如果自组织不是一个设计规则，那么，它既是集体行为，也是自发行为。第二种策略：自组织的作用推动了材料科学家和生物学家的合作。模仿生物的自组织，不只是复制一个模型，也决不意味着在所有细节上都复制原件，而是选择模仿生物材料的本质部分。通常，它们的模型不是生命系统，而是工程操作的局部模式。我们无法从实验室中精确地复制这个模型。化学家的实验条件与自然条件不同，他需要高温、低真空和有机溶剂。由此看来，自然给予我们的只是启示，而不是模型。建立自组织至少需要两个条件：（1）可逆性是能重新调整部分的关键；（2）信息必需包含在反应物中，在这个成份中编码，而不是由外在程序提供。第三种策略：整合技术是蒙泰马格诺（C.Montemagno）发明的一种程序，他的目的是把生命与非生命的系统混合在一起，用人造设备模仿细胞膜或肌肉。这样研究主要集中于自生物医学的应用，它的目标是通过广泛使用分子交互作用的自然模型和分子集合，创造出具有突现能力的系统。细胞膜（Membranes）具有多重功能，从而成了这个程序的关键因素，即这个程序决定着空间组织、提供电流、感觉和运送信息、探测特殊分子。在此基础上，可以设计人造细胞膜，可以在生物意义上处理信息，也可以对环境做出反应。这些自组织基于不同的自然观。在“混合策略”与“整合策略”中，自然是一个独立设备的集合或人造机器。在“仿生策略”中，自然是依赖于“特定物理学”的系统。混合引起了制造过程，它需要一个设计者严格控制这个过程。整合策略也需要一个设计者构建系统，表现突现属性的功能。但在第二个策略中，仿生的自组织是一个盲目创造的过程，它的组合和选择缺乏外在的设计。即使仿生化学家按照设计的自组织进行操作，也无法保证控制所有的步骤。可见，不同的自组织策略将建立在不同的哲学自然观之上。

作者：董云峰 任晓明 单位：天津工业大学马克思主义学院 南开大学哲学院