简捷启发式:让我们更精明(Simple heuristics that make us smart) 本书获得诺贝尔经济学奖获得者H. A·西蒙和R·泽尔腾的高度赞扬和热情推荐。 面对现实世界中倾泻而至而又瞬息即逝的混乱不堪的信息，人们如何应付？这本重要著作对此进行了深入探讨。在这里，哥德、托德及其生气勃勃的研究组表明：简捷启发式是能够获得令人惊奇成效的非常有力的工具。决策领域的研究将因为此书的出版而改变面貌。 更多信息：简捷启发式:让我们更精明/(德)哥德·吉 戈伦尔, (德)彼得·M·托德, ABC研究组著; 刘永芳译.-上海:华东师范大学出版社, 2002 C934 518页:图;21cm ISBN7-5617-3054-3:￥25.00 书评： 这本书让我们变得更精明 刘永芳 《简捷启发式——让我们更精明》一书是德国柏林马克斯.普朗克人类发展研究所适应行为与认知研究组集体协作完成的一项跨学科研究项目的总结。由于其在判断、推理和决策领域提出了一些全新的观点和理念，将关于有限理性的研究推进了一大步，所以自1999年牛津大学出版社作为重点书目推出其英文版以来，已经在心理学、经济学、管理科学、人工智能、行为生态学等研究领域引起了巨大反响。有限理性之父、诺贝尔经济学奖获得者赫伯特·西蒙指出：“《简捷启发式——让我们更精明》一书对认知科学中有限理性革命的分析和讨论是令人着迷的，不啻于对传统无限理性观的致命一击。”另一位诺贝尔经济学奖获得者Reinhard Selten也指出：“本书是对有限理性理论的重大贡献之一。它表明快速简捷方法所以能取得令人惊奇的成效，是因为它们拟合了环境的结构。对此种‘生态理性’的强调是一种巨大的进步，开辟了一个富有前景的新的研究方向。”加里弗尼亚大学荣誉退休教授Donald A.Norman也说：“决策领域的研究将因为此书的出版而改变面貌。”最近，华东师范大学出版社作为重点引进书目及时地出版了其中译本。通读全书，笔者认为这是一部值得推荐和研习的学术著作！ 对待理性的观点和态度是衡量科学家们（尤其是人文和社会科学家）理论倾向的重要尺度之一。从哲学、经济学（包括管理科学）等传统学科，到心理学、计算机科学等新兴学科，学者们无不因为在这个问题上的观点不同而被归入不同学派。单就心理学领域来说，从行为主义范式的产生和衰落，到现代认知心理学范式的兴起，无不贯穿着反叛理性和回归理性之间的斗争。弗洛伊德的精神分析理论不啻于对心理学家们坚守已久的传统观念的致命一击，其影响波及到了心理学之外的众多学科领域，但其极端的非理性主义色彩又总是令人望而却步！可以看到，心理学家们并非不愿意在理性和非理性两个极端之间取得平衡，但却始终未能找到理解和看待理性的第三条路线。《简捷启发式——让我们更精明》一书朝这个方向迈出了坚实的一步！ 在该书中，作者开宗明义地指出，人类和动物的理性是有限的（既不是非理性的，又不是纯理性的），但这种有限理性已足以使他们在现实环境中作出合理判断和决策。现实环境并不苛求人类和动物，也就是说并不要求人类和动物时时处处都作出最优化选择和决策，所以任何人都不必为自己理性资源的有限而忐忑不安。相反，那种奢望通过无限理性实现最优化目标的理想主义者反而是不合时宜的！这并不是说本书作者希望无限制地降低人类理性的目标，将人类还原到低等动物的理性水平。他们对理性的最低要求是：能够与现实环境（包括自然和社会环境）的要求相匹配！当它能够做到这一点时，从生态学角度看就已经足够了。这种理性被称为“生态理性”。一个重要的假设是：有机体是否有理性或其作出的判断和决策是否合理，应该用现实的外在标准来判断，而不是用唯智论者所推崇的不切实际的理想标准来判断。不存在与现实环境相脱离的不着边际的抽象理性，如果有，它对有机体适应现实环境也是毫无价值的。只有当与环境的现实要求结合起来考察人类和动物理性时，才能找到评判理性的合理标准，这个标准就是“生态合理性”。 提出一种观点是容易的，展开和证明一种观点却是困难的。难能可贵的是，适应行为与认知研究组从上述关于人类理性的基本观点出发，形成了连贯严密的研究方案，并从诸多学科领域为其观点累积了丰富证据。既然只有当理性被付诸实际使用时，才具有适应价值，才能提供评判它的机会，于是本书作者首先从两个方面对有机体需要使用理性资源加以解决的现实问题作了分类：首先，他们按照有机体通常面对的认知问题将有关任务分为选择、记忆、数量估计、归类等类别；其次，他们按照现实生活中有机体面对的现实适应性问题将有关任务分为食物选择、配偶选择、父母投资以及从动作推断意图等类别。如果说人类和动物的理性是有限的，那么当面临上述诸多现实任务时，他们就应该且必须采用简捷而“精明”的方法来配置和使用其资源；如果说人类和动物的理性具有生态合理性的话，那么也只有在他们“精明地”配置和使用其有限理性资源时，才能够做到这一点。所以，“有限理性”和“生态理性”这两个术语成了适应行为与认知研究组的中心概念，它们双双携手使得有机体在现实环境中采用“快速节俭的”简捷启发式成为必要。有机体是否采用简捷启发式呢？他们可能采用哪些简捷启发式呢？他们何时采用简捷启发式呢？简捷启发式在现实环境中的成效如何呢？弄清楚了这些问题，关于有限理性和生态理性的命题也就得到了检验。正由于如此，对这些问题的回答构成了本书的主要内容。

走向计算主义 李建会 本文得到教育部人文社会科学研究“十五规划”项目的资助，项目批准号：01JA720015。 作者简介】李建会(1964-)男，北京大学哲学博士，北京师范大学哲学系副教授，主要从事科学技术哲学的研究。北京师范大学哲学系，北京　100875 【内容提要】人类基因组序列的测定及其进一步工作、DNA计算机的研究以及人工生命和人工智能等学科的新进展向我们表明，我们可以从一个全新的视角，即计算的视角来看我们的世界：“自然界这本大书是用算法语言写的！”“宇宙是一个巨大的计算系统！” 【摘要题】科学与哲学 【关键词】计算/细胞自动机/DNA计算机/人工生命/人工智能 【正文】 〔中图分类号〕N94　〔文献标识码〕A　〔文章编号〕1000-0763(2003)02-0032-07 　　一、引言 我们已进入了21世纪！在世纪之交的2000年，科学界的两大成就引起世人的广泛关注，这就是人类基因组序列的测定和可进行自我设计与进化的进化机器人的出现(Lipson & Pollack 2000)。人类基因组序列的测定曾产生广泛的社会反响，进化机器人的出现也引起不小的震动，尽管由于对前者的过分关注影响了一些人对后者的关注。人类基因组研究的是一般生物学的内容，而进化机器人的出现则是一门新兴的计算机与生物学交叉的前沿学科——人工生命的突破。这两个研究领域虽然形式完全不同，但它们的目标都是试图理解生命的本质。两个领域实际上都是从20世纪80年代后期开始进行的。经过10多年的研究，两个领域又在同一时间取得较大的突破。这对生命科学意味着什么呢？ 基因组是生命的信息库和程序库。生命的生长、发育、分化、免疫反应等特征表面上看是一系列生物化学反应在时间和空间上的精巧匹配的结果，但本质上是包含在基因组中的生命信息和程序的表达和执行的表现。所有的生命信息和程序都以不同的形式记载在A、G、T、C四种碱基书写的一维DNA序列中。人类基因组计划的目的就是要解开这四字天书。2000年6月26日科学家公布人类基因组“工作框架图”，标志着我们已成功地测出了人类23对染色体上的碱基序列。半年多之后，即2001年2月12日科学家们又公布了人类基因组图谱及初步分析结果。结果表明，人类基因组由31.647亿个碱基对组成，共有3万至3.5万个基因，比线虫多1万个，比果蝇多2万个，远小于原先10万个基因的估计。另外，科学家还发现与蛋白质合成有关的基因只占整个基因组的2%。人类在成功地发现这四字天书的全文时，又陷入新的迷茫：生物的基因与计算机的程序类似，为什么人类的染色体中有那么多的冗余DNA？决定人类的性状的DNA序列或基因到底有多少？它们是怎样组合的？它们怎样相互作用产生出各种复杂的生命现象？因此，新的千年，生命科学将进入到以破译基因信息为主要内容的后基因组时代。在后基因组时代，计算将成为生命科学的一个重要内容。人类基因组的序列数据，如果用大城市电话号码薄的形式编辑出来出版，大约需要每册1000页总计200册这样的容量才能容纳下来。如果一个人每天24小时不停地阅读这套书，需要26年的时间才能读完一遍。这套书是A、T、G、C四个字母的排列，除了在不同染色体间可以分段外，全部是没有任何间隔或者标点的连续字符串。想要通过肉眼阅读并从中发现规律将是非常困难的。如此巨大的数据必须借助计算机技术来存储和分析。尽管基于计算机的信息学已经取得了长足的进展，但要把如此巨大的人类基因组信息组织起来供全人类分享使用，一般的信息技术还不具备这样的能力。生物信息学、基因组语言学和计算生物学就是在这样的背景下产生的新兴学科。它们利用计算机和新的数学分析方法，分析生物基因组的序列数据，寻找生物生长和发育规律。 人工生命虽然没有考虑现实的以碳为基础的生命的运作问题，但它一开始就从计算的视角来思考生命的本质问题。人工生命把生命的本质看作是一种形式，这种形式可以通过程序或算法表现出来。所以，在人工生命看来，生命的本质实际上就是一种算法。这种算法的运行就表现出生命。人工生命的很多研究就是通过计算机编程的方法揭示生命的本质的。 基因组和人工生命研究从不同的方面探讨着同一个问题，即生命的本质问题。两个领域的研究和突破说明，信息、算法和计算等概念已经成为理解生命本质的重要概念。 　　二、计算与生命的本质 “计算”是一个无人不知无人不晓的数学概念。然而，正如爱因斯坦所说，一个概念愈是普遍，愈是频繁地进入人们的视野，我们要想理解它们的意义也愈困难。因此，虽然人类很早就学会了加、减、乘、除等的运算，但直到20世纪30年代以前，还没有什么人能真正说清楚计算的本质是什么。从20世纪30年代开始，由于哥德尔(Kurt )、邱奇(A.Church)和图灵(Alan Turing)等人的工作，人们终于对计算的本质有了清楚的理解，由此形成了一个专门的数学分支：递归论和可计算性理论，并因此导致计算机科学的诞生。 那么，什么是计算呢？抽象地说，计算就是映射或基于规则的符号串的变换过程。从一个已知的符号串开始，按照一定的规则，一步一步地改变符号串，经过有限步骤，最后得到一个满足预先规定的符号串，这种变换过程就是计算。比如，从1+1变换成2，就是一个加法计算；从x[3]变换为3x[2]就是微分计算。按这个定义，定理证明，文字翻译等也都是计算，因为它们都是一种符号串变换过程。数学家们已经证明，凡是可以从某些初始符号串开始在有限步骤内得到计算结果的函数都是一般递归函数，或者说，凡是可计算的函数都是一般递归函数。 与计算紧密联系的一个概念是“算法”。算法是求解某类问题的通用法则或方法，即符号串变换的规则。人们常常把算法看成是用某种精确的语言写成的程序。算法或程序的执行和操作就是计算。从算法的角度讲，一个问题是不是可计算的，与该问题是不是具有相应的算法是完全一致的（郝宁湘，2000）。 长期以来，计算和算法等概念一直与人类的认识活动相联系，计算机带给人类思维的最大冲击莫过于将这些范畴泛化到了自然界。平常我们说到计算的时候总是暗含有一个计算的主体，即人在计算。其实，计算并不一定必须由人来完成，它完全可以通过机器或物理系统来完成。计算机的先驱图灵已经证明，任何可计算的函数都可以通过机器来完成。之所以如此，是因为映射或符号串变换必须有一种具体实现的机制。从这个角度讲，我们完全可以把计算看作是基于规则的物理状态的变换，因为所谓的符号就是特定的物理状态，映射或符号变换就是从一种物理状态变换到另外一种物理状态的过程。我们知道，自然界的事件都是在自然规律作用下的过程。如果我们把特定的自然规律看作是特定的“算法”的话，那么，特定的自然过程实际上就可以看作是执行特定自然“算法”的一种“计算”。这样来看，在我们的周围就存在着形形色色的“自然计算机”，而生命和心灵是其中最有特色的两个（邓少平，1996）。 人类最早从计算的视角审视问题的是关心人的认识本质的哲学家。霍布斯曾把思维的本质看作是计算；莱布尼兹也认为，一切思维都可以看作是符号的形式操作的过程。不过，真正把思维理解为计算，并付诸实施的是人工智能领域的科学家。人工智能的先驱图灵认为，人的大脑应当被看作是一台离散态机器。尽管大脑是由粘糊糊的“凉粥”一样的物质组成，电子计算机是由生硬的金属物质组成，但它们的本质则是相同的。离散态机器的行为原则上能够被写在一张行为表上，因此与思想有关的大脑的每个特征也可以被写在一张行为表上，因而能被一台计算机所仿效。在1950年发表的论文中，图灵详细论证了心灵的计算本质，并批驳了反对机器能够思维的多种可能的意见。在图灵的影响下，麦卡锡(J.McCarthy)、明斯基(M.L.Minsky)、西蒙(H.A.Simon)和纽厄尔(A.Newell)等人开创了人工智能这样一门新的学科。经过多年的努力，物理符号系统假说、心灵的表征计算理论等相继提出。这些学说的共同特点都是把心灵的本质看作是计算，把思维看作是一种信息加工过程。尽管符号学派后来受到联结主义和基于行为的人工智能学派的挑战，但心灵的本质是计算这一基本的人工智能假说并没有被抛弃。 在图灵提出人的大脑是一台离散态的计算机的思想几乎同一时期，计算机科学的另一个开创者冯诺伊曼(J.von Neumann)则开始从计算的视角思考生命的本质问题。冯诺伊曼设想了一架巨大的细胞自动机，这个细胞自动机按着一定的规则运行。冯诺伊曼证明，如果自我繁殖是生命的本质特征，那么这个特征完全可以由细胞自动机获得。冯诺伊曼之后，康韦(J.Conway)又证明，特定配置的细胞自动机与图灵机完全等价。兰顿(C.Langton)则进一步指出，处于混沌边缘的细胞自动机不仅可以完成复杂的计算，而且可以支持生命和智能(Langton 1991)。正是在这样的思想的指导下，兰顿提出了他的人工生命理念。兰顿认为，生命的本质不在具体的物质，而在物质的组织形式。生命并不像物质、能量、时间和空间那样，是宇宙的基本范畴，而只是物质以特定的形式组织起来派生的范畴。这种组织原则完全可以用算法或程序的形式表达出来。所以，只要能将物质按照正确的形式构筑起来，那么这个新的系统就可以表现出生命。而这种所谓的“正确的形式”就是生命的算法或程序。所以，算法和程序是把非生命和生命连接起来的桥梁，是生命的灵魂（邓少平，1996）。 实际上，不只人工生命的科学家把生命的本质看作是算法；几乎同一时期，一些生物学家也开始从计算的视角来思考生命的问题。1994年11月，美国科学家阿德勒曼(L.M.Adleman)在《科学》杂志上发表的关于DNA计算机理论，从另一个方面说明了生命的算法本质。我们一般人一看到“计算机”这几个字，可能立刻会想起键盘、显示器、存储器等内容。计算机的普及已经使我们习惯了这样一个概念：计算是通过硅片上的电子组件进行的。但是，阿德勒曼反问道：计算非得采用这样一种方式不可吗？他说，“或许我们对计算的看法过于狭隘了。如果计算无处不在，而且能够表现为多种形式，情况又如何呢？是否可能存在一种由相互作用的分子进行计算的液体计算机呢？答案是肯定的(Adleman 1998)。”通过把图灵机与生物细胞内DNA自我复制过程的比较，阿德勒曼得出细胞就是计算机的思想。不过，阿德勒曼进一步认为，通过适当的方法完全可以设计出用DNA进行计算的生物计算机。

阿德勒曼是在阅读沃森的《基因的分子生物学》时意识到生命的计算特性的。沃森在他的书中曾用一些篇幅描述DNA聚合酶的功能。从这里，阿德勒曼了解到，“DNA聚合酶是酶中之王，是生命的制造者。”在合适的条件下，有了一股DNA,DNA聚合酶便产生出第二条互补的DNA。聚合酶使DNA能够复制，而这又使细胞能够复制，最终能够使生物体复制。所以，阿德勒曼认为，DNA聚合酶是只有一个分子的神奇的纳米机器，它“跳”到一股DNA链上，并沿着它滑下去，“读”出它经过的每一个碱基，并把其互补的碱基“写”到一条新的正在生长的DNA链上。他对DNA聚合酶的这种作用感到非常惊异。有一天，他突然意识到，这种酶与著名数学家和计算机科学家图灵在1936年描述的一种“玩具”计算机——即图灵机非常相像。图灵机的一种形式由两条纸带和一个称为“有限控制”的装置构成，该装置沿着“输入”纸带移动并读出数据，同时沿着“输出”纸带移动并读出和写入其它数据。阿德勒曼发现，图灵机和DNA聚合酶合成互补的DNA的机制几乎完全一样。这种相似性说明，DNA聚合酶合成互补DNA链事实上就是一种计算过程。 不过，阿德勒曼走得更远。因为图灵机虽然看起来简单，但它却是万能的。它可以在编程之后计算任何能够被计算的问题。也就是说，可以对一台图灵机编程，使之作数学运算、下象棋等工作，甚至可以使它产生互补的DNA链。而一般生物体内的DNA程序已经是固定的，是生物体在历史上经过特定的自然选择形成的。但是，如果我们有能力对之进行改变，即对之进行重新编程，那么，我们就可以用DNA计算任何可以计算的问题。所以，阿德勒曼更关心的是如何改变DNA的结构使之进行各种计算，比如用DNA进行哈密顿路径的计算，但对我们来说，阿德勒曼关于DNA聚合酶系统就是计算机的观点更为重要。因为它说明了，生命系统事实上就是一台以分子算法为组织法则的多层次的计算网络。 　　三、走向计算主义 一旦从计算的视角审视世界，科学家们不仅发现大脑和生命系统是计算系统，而且发现整个世界事实上就是一个计算系统。当康韦证明细胞自动机与图灵机等价时，就有人开始把整个宇宙看作是计算机。因为特定配置的细胞自动机原则上能模拟任何真实的过程。如果真是这样，那么，我们便可以设想一种细胞自动机，它能模拟整个宇宙。实际上，我们完全可以把宇宙看作是一个三维的细胞自动机。基本粒子或其它什么层次的物质实体可以看作是这个细胞自动机格点上的物质状态，支配它们运动变化的规律可以看作是它们的行为规则。在这些规则的作用下，宇宙中的基本粒子发生各种变化，从而导致宇宙的演化。 后来兰顿又指出，处于混沌边缘的细胞自动机不仅可以做复杂的计算，而且可以支持生命和智能。从这里我们可以了解到，宇宙这个巨大的细胞自动机事实上是一个处于混沌边缘的细胞自动机，因为它不仅产生了生命，而且产生了智能。 弗里德金(Edward Fredkin)是这种观点的积极倡导者。他认为，有可能发现一种单一的细胞自动机规则，在这种规则的作用下，这种细胞自动机不仅能够模拟所有微观的物理现象，而且能够精确地模拟它们(Fredkin 1990)。他把这种系统称为“数字力学”(Digital Mechanics)。如果真的能找到这样的规则，那么我们建立宇宙的统一理论也就不远了。 当然，也有一些人反对把宇宙看作是计算系统的观点。第一个常见的反对意见认为，计算机和细胞自动机太简单，不能把任何事物都加以模拟，除非把宇宙的面容做一些简化。然而，图灵早在20世纪30年代就已证明，图灵机原则上可以计算任何可计算的东西。为了说明他的结论，图灵让他的装置具有无限大的容量。同样对宇宙这个自然细胞自动机来说，因为它本身具有无限大的容量，因此，它就能产生自然规则所决定的任何物理客体。 第二个反对意见与物理定律的可逆性与计算机的运算的不可逆性有关。我们知道，经典力学和量子力学的规律相对于时间都是可逆的。也就是说，如果在描述这些规律的公式中把时间反转，即把t变为-t，公式的结果并不会改变。或者说，如果我们能把时间反转，我们的行星照样会在原来的轨道上绕太阳旋转。原子的性质也不会有什么改变。但计算机的运算却不是这样，计算机的运算是不可逆的，因为组成计算机的中央处理器的逻辑门具有不可逆性。无论什么时候，逻辑门接通或关掉，有些能量便无可挽回地以热的形式损失掉了。因此，必然提出这样的问题：如果物理定律是可逆的，而计算机的运算是不可逆的，那么宇宙怎么可能是一部计算机呢？IBM的工作者兰多尔(R.Landauer)和贝奈特(C.Bennett)曾经证明，在信息形式的改变过程中的计算并不需要任何能量，但信息的消除却需要能量。也就是说，完成计算所需的最小能量和丢弃的信息量直接有关。因此，如果我们在进行计算时，保留所有的中间结果，那么我们就可以进行逆运算。如果我们毁掉中间结果，则计算就失去其可逆性，其能量也将随之消耗(Brown 1990:38)。弗里德金从这里受到启发，他设想了一种没有信息量损失的方案。一般的逻辑门，比如“与”门，通常有一个输入和两个输出。这样的门是不可逆转的。但弗里德金设想，如果人们作出安排，使它既能传递“与”门的输出值，也能传递它的输入值，即现在使它具有三种输出值，那么，“与”门就变成可逆的了。因为信息在这里不会有损失。理论上这种计算机能计算常规计算机所能计算的任何事情。不过，迄今为止还没有人能做成这样的一种机器(Brown 1990:38)。但弗里德金毕竟找到了使计算可逆的方法。 第三种反对宇宙作为计算机的观点是认为生命不能完全用计算的方法表达。然而，正如前面所述，生命与计算密切相关，生命的本质事实上就是计算。 第四种反对宇宙作为计算机的意见与我们这个世界上最为神奇的现象：人类的意识有关。如果宇宙是一部计算机，并且所有计算机在功能上都是等效的，那么计算机必定能模拟宇宙中所有的特性，包括我们的意识。计算机刚刚产生，人们就禁不住希望能使计算机具有人的智能。1950年图灵在《心》(Mind)杂志上发表了一篇题为“计算机器与智能”的文章，开篇就写道：“我准备考虑这样一个问题：机器能思维吗？”在这篇文章中，他提出了著名的“图灵检验”的思想，以说明机器能够像人一样具有智能。然而，在图灵刚刚提出他的思想的时候，就有人提出反对意见，这导致支持和反对人工智能的两大派别的旷日持久的争论。在反对人工智能的意见中，比较有名的一种观点是美国哲学家卢卡斯(J.Lucas)提出的。1961年卢卡斯在36卷的《哲学》(Philosophy)杂志上发表了一篇名为“心、机器和哥德尔”的文章，从哥德尔定理出发对图灵观点进行了批评。他在文章中说：“哥德尔定理必须应用于控制论的机器，因为机器的本质应当是一个形式系统的具体实现。这意味着，给定任何一致的、能够做简单的算术的机器，必定有一个公式机器不能证明它是真的——就是说，该公式在这个系统中不能被证明，但我们却能看出它是真的。因此，没有机器可以成为心的完全的或适当的模型，心在本质上不同于机器(Lucas 1961:113)。”比如，我们说：“这个公式在这个系统中是不能证明的”，如果这个公式在这个系统中是能证明的，那么我们就得到了一个矛盾：如果它在这个系统中被证明了，那么在这个系统中它就不是不能证明的，因此“这个公式在这个系统中是不能证明的”就是错的。同样地，如果它在这个系统中是能证明的，那么它就不是错的，而是正确的，因为在任何一致的系统中没有任何错误的东西能够在这个系统中被证明，除非它是正确的。所以，公式“这个公式在这个系统中是不能证明的”在这个系统中就会导致自相矛盾。所以，他接着说，“依我看，哥德尔定理证明了机械论是错误的，也就是说，心不能解释成机器。”因为，“不论我们创造怎样复杂的机器，如果它是机器，就将对应于一个形式系统，这个系统反过来将因为发现在该系统内不可证明的公式而受到哥德尔程序的打击。机器不能把这个公式作为真理推导出来，但是人心却能看出它是真的。因此该机器仍然不是心的恰当模型。我们总是试图制造出心的一种机械模型——它从本质上是‘死’的，但是，实际上是‘活’的心灵，总能比任何形式的、僵化的、死的系统做得更好(Lucas 1961:115)。” 1989年，英国数学家、物理学家罗杰·彭罗斯(Roger Penrose)出版了一本风靡全球的著作：《皇帝的新脑：计算机、心和物理定律》。在这本着作中，他对卢卡斯论证作了进一步的扩展。彭罗斯认为，根据哥德尔定理，形式主义者的“真理”概念不可避免地是不完备的，因此，数学真理的概念不能包容于任何形式主义的框架之中。数学真理是某种超越纯粹形式主义的东西。不管把哪一个一致的形式系统应用于算术，总存在一些命题我们可以看到它是真的，但用形式主义者提出的过程却不能确定。所以，我们得到真理判断的心理过程，不能简单地归结为某个特别形式系统的步骤。虽然我们不能从公理推出哥德尔命题，却能看到其有效性。这类涉及反思原理的“看见”需要数学的洞察力，而洞察不是能编码成某种数学形式系统的纯粹算法运算的结果。我们具有利用洞察可以看到实际上必须为真的命题，比如，图灵机的不停运行，但是给定的算法动作不能告诉我们这些。所以，人总是比计算机聪明，计算机不可能完全像人那样思维。 卢卡斯和彭罗斯等人的观点能驳倒思维或认知的计算主义观点吗？回答是否定的。卢卡斯的“心、机器和哥德尔”的论文一发表，就有人对他的观点进行了批评。在后来的37卷《哲学》杂志上，美国哲学家怀特利(C.H.Whitely)发表了虽简短但强有力的批驳文章：“心、机器、哥德尔：回应卢卡斯先生”。在这篇文章中，怀特利对卢卡斯论证给出了一个非常有趣的反论证。考虑这样一个陈述：“卢卡斯不能一致地肯定(assert)这个陈述。”这句话是一个真的陈述，因为如果卢卡斯肯定这个陈述，他自己就会自相矛盾。这就是说，怀特利和我们都能看到这个陈述是真的，而卢卡斯自己却不能，因为当他肯定这个陈述时，就等于他同时否定了这个陈述。由此，怀特利反问道，这是不是意味着怀特利和我们能够证明事情，而卢卡斯不能呢？这是否意味着卢卡斯的思维类似机器，而怀特利和我们的思维不是呢？显然不能这么说。所以，怀特利认为，卢卡斯的论证是有缺陷的。 我们也可以通过类似的方式来反驳彭罗斯的观点。彭罗斯在证明人心胜过计算机时，他谈论到哥德尔定理，但在实际论证时，他用的是与哥德尔定理等价的停机问题的例子。他论证说，对任一程序P，没有一种算法能决定P是否停机。人类具有能看出这个真理的“洞察力”，而机器却没有，所以人心胜过计算机。现在，假设彭罗斯的“洞察力”来自他大脑的某种叫做PP的东西。要知道PP的工作机制，彭罗斯需要深入到他的大脑内部。但如果彭罗斯为了回答这个问题精确地研究他的大脑的话，他就会遇到不可避免的矛盾。 假若我们有一个工具，利用它我们可以检查彭罗斯的大脑细节。经过一段时间研究之后，我们发现一个神经元G，它具有这样的性质：G通常都处在休眠状态，但如果我们告诉彭罗斯G是处在休眠的状态之后，G就迅速被激发。因为当我们告诉彭罗斯这件事，就会刺激彭罗斯的大脑的活动。因此，就有这样一个彭罗斯永远不知道的真的事实，因为在他要知道它的时候，它就处于新的状态。而我们知道这一点，因为我们“处在系统之外”。 当然，具有这样性质的神经元可能并不存在。但很可能彭罗斯大脑行为的一些方面他根本不可能知道，因为知道它们就导致它们的变成新的状态。因此，彭罗斯自己也逃不出哥德尔定理的限制。 这个例子说明，问题的关键是我们能不能跳到系统之外去看问题。哥德尔陈述的正确性在系统之内无法证明或否证，但在系统之外，我们发现这些陈述的确正确。当卢卡斯和彭罗斯在论证人心胜过计算机时，他们把人放在系统之外，但却把计算机放在系统之内。我们让我们自己处在一个更高的层次来确定哥德尔命题的真伪，却让计算机在其形式系统内部来确定。卢卡斯和彭罗斯等人这样来分析问题，肯定得出对人有利的结论。

总之，计算或算法的观念在当今已经渗透到宇宙学、物理学、生物学乃至经济学和社会科学等诸多领域。计算已不仅成为人们认识自然、生命、思维和社会的一种普适的观念和方法，而且成为一种新的世界观。我们完全有理由相信，整个世界都是由算法控制，并按算法所规定的规则演化的。宇宙是一部巨型的计算装置，任何自然事件都是在自然规律作用下的计算过程。现实世界事物的多样性只不过是算法的复杂程度的不同的外部表现。“整个世界的演化：从虚无到存在，从非生命到生命，从感觉到思维，实际上都是一个计算复杂性不断增加的过程（郝宁湘，2000）。”不仅生命和思维的本质是计算，自然事件的本质也是计算。这或许是当今生命科学和相关的学科给我们的最大的启示。 在古希腊，当人类开始理性地、思辨地思考世界的本原时，毕达哥拉斯提出：“数是万物的本原！” 在近代，当人类开始科学地研究大自然时，伽利略说，“自然界这本大书是用数学语言写的！”开普勒也感叹道，“上帝一定是个几何学家！” 今天，我们已进入信息时代。关于自然的本质，我们应当说什么呢？ “自然界这本大书是用算法语言写的！”“宇宙是一个巨大的计算系统！” 〔收稿日期〕2001年10月15日 【参考文献】 [1]　Adleman,L.M.(1994)."Molecular Computation of Solutions to Combinatorial Problems."Science,266:1020-24. [2]　Adleman,L.M.(1998)."Computing with DNA."Scientific American,279(2):54-61. [3]　Brown,J.(1990)."Is The Universe a Computer?"New Scientist,127(July 14):37-39. [4]　Fredkin,E.(1990)."Digital Mechanics."Physica D,45:254-270. [5]　Langton,C.G.(1991)."Life at the Edge of Chaos."In C.G.Langton,C.Taylor,J.D.Farmer,& S.Rasmussen,eds.Artificial Life Ⅱ.SFI Studies in the Sciences of Complexity,Proc.Vol.X.Redwood City,CA:Addison-Wesley. [6]　Lipson,H.and Pollack,J.B.(2000)."Automatic Design and Manufacture of Robotic Lifeforms."Nature,406,974-978. [7]　Lucas,J.R.(1961)."Minds,Machines and ."Philosophy,36:112-127. [8]　Turing,A.M.(1950)."Computing Machinery and Intelligence."Mind,59:433-60. [9]　Whitely,C.H.(1962)."Minds,Machines and :a Reply to Mr.Lucas."Philosophy,37:61-62. [10]　邓少平(1996)：“算法与生命”。《科学》，10:6-8。 [11]　郝宁湘(2000)：“计算：一个新的哲学范畴”。《哲学动态》，11:32-36。 [12]　彭罗斯(1998)：《黄帝新脑》。许明贤等译。长沙：湖南科技出版社。

复杂性科学在刚刚诞生的时候曾经取得了突飞猛进的发展，由于以前分散在各个领域的零散思想刚刚集合起来产生了不同思想之间的交叉、变异和涌现，因而形成了非常丰富的成果。然而在这之后的十多年期间无论是理论的突破还是应用方法论的突破上都没有形成更大的突破。在这里，我尝试从理论和应用方法论两个方面来指出复杂系统理论遇到的一些主要问题以及可能的有效解决方法。 1 理论方面 在《复杂》一书中，有一章的名称叫作《等待卡诺特》，作者指出，当时复杂性科学所面临的情况就象是在热力学系统在18世纪面临的情况类似，人们已经积累了丰富的关于复杂系统的经验，然而却没有把这些经验的积累上升到一个一般理论的高度。然而，过了十多年，关于复杂系统的一般理论仍然没有形成。 要建立一般复杂系统理论首先要解决复杂系统的建模与模型表示问题。目前可用来充当这类一般模型的备选方案有如下几个：细胞自动机模型、受限生成系统、网络模型。这三个模型虽然在表面上看略有不同，但从计算的角度看它们是等价的，也就是它们都支持图灵计算机。可是难点是仅仅有这样的模型还远远不够，更关键的是要解决若干理论问题，这包括以下几个方面： 关于计算概念的更进一步理解 随着复杂系统和计算机模拟的深入研究，人们已经逐渐意识到了计算这个更加根本的概念。早在20世纪30年代图灵通过建立图灵机的模型就已经从理论上解决了计算的本质这个问题。目前一切关于复杂系统的计算模拟系统实际上都不会逃过图灵机这个通用模型。实际上无论是细胞自动机，还是动态网络或者其他各式各样的计算系统都与图灵机等价。因此，至少从模型这个角度来讲，人们已经可以用一种更加一般的视角来看待问题。然而，仅仅具有这样的视角是不够的。最原始的图灵机模型仅仅能够完成一些机械是的简单运算。然而当我们把若干图灵机组成到一起构成系统的时候更高一个层次的图灵机作为系统层的个体出现了，虽然这个高层的个体仍然是图灵机，但是它的功能从本质上已经不同于原始粗糙简单的图灵机了。因为这个更高一层次的图灵机具有了自学习、自适应的属性，而这种特性在一般的图灵机中是不具备的。 虽然在很多进化系统中，人们已经看到了涌现性、学习性、适应性，然而如何从图灵计算这个更加本质的视角去看待这些问题则仍然没有讨论。图灵机如何通过与外界环境的交互实现自组织？若干图灵机如何聚集到一起形成更大的图灵机？怎样的图灵机才能实现进化与学习？如果从抽象的计算角度来考虑问题，则我们有希望得到更加明确的答案。 关于进化 一般的进化系统都可以抽取出两方面的因素，一个是正反馈的力量，一个是多样性。类似这样的二元关系还有很多，例如生命的群集行为也同样是受两方面的制约，一个是聚集到一起的相互吸引的作用，另一个是相互排斥而保持个性的作用。我们知道，类似这样的二元关系在本质上究竟是什么呢？我们能不能运用计算的观点重新考察这种关系的一般原理呢？也许，现在我们的首要任务是抽象出一个更加一般的进化模型出来。这个模型在不同空间维度、不同特征上的投影就是一个个具体的进化模型了。 现在研究人工进化的人们总在考虑开放式的进化，尽量减小人为设计的因素。然而什么是人为设计因素的最小子集？现在人们设计的开放式进化系统仍然要设计环境、设计进化的规则，能不能让这些因素也跟着进化模型一起进化起来？然而，我们要想人为地设计一个进化系统总是需要有人开始最原始的设定来启动它，那么人为设定因素在最少的情况下能达到什么程度呢？ 关于混沌边缘的再认识 朗顿在做出关于混沌边缘的论断的时候曾经指出了混沌边缘的细胞自动机和几类计算模型之间的关系。具体的讲，处于固定点状态和循环状态的细胞自动机对应于会停机的图灵机，对于混沌状态的细胞自动机则对应于不会停机的，而对于处在混沌边缘的复杂型细胞自动机则对应于图灵机的不可判定问题。虽然这种联系仅仅是朗顿的一个猜想，但是这样的猜想是否有根据呢？处于混沌边缘的系统才会朝向越来越复杂的方向不断进化发展，究竟是什么力量把系统推向混沌边缘的？混沌边缘又是如何形成的？不可判定的一类计算问题是否直接对应着混沌的边缘呢？处在混沌边缘的系统又是如何把自己不断的自组形成越来越大的系统，而这些系统仍然处于混沌的边缘呢？比如处于混沌边缘的分子可以形成细胞，混沌边缘的细胞群体可以形成生命体，而混沌边缘的生命又可以形成更大的生命群体等等。 生命、智能和宇宙的起源 生命的起源、智能的起源、宇宙的起源是三个当今科学的最大的迷题，人们仍然没有能力来回答这三个问题。宇宙的起源是公认的最难的一个问题，因为宇宙之外空无一物，宇宙之前没有任何原因，也就是说宇宙必须起源于“无”这个状态。这一点是不能用科学和逻辑的方法来认识的。再考虑生命的起源，首先我们要知道生命是物质组成及其演化的一种软件方法。这种软件虽然是以物质为基础的，但是这种软件是在新的一个层次上的创生过程，软件反过来又控制了物质，它可以再一次自己来组织物质从而进行自我繁殖，这是一个闭圈。而我们更加关心的是这个闭圈如何开始的？这似乎就是一个先有鸡还是先有蛋的问题。再考虑智能，我们同样面临了一些奇怪的现象。最主要的一点是，智能总能创造出规则的规则。而且智能是在一个信息的虚拟空间中重新得到了再生。这三个问题看似发生在三个领域，然而它们是不是有可能是一个问题呢？也许这个问题就如同宇宙的产生在三个不同层次的反映而已。复杂系统的理论突破也许最终都无法回避的要解答这些问题。 计算机模拟的本质 计算机模拟是研究复杂系统的一个主要方法。然而什么是计算机模拟的本质呢？正如计算的概念对图灵机的关系一样，我么能不能找到一种描述模拟本质的最小语言集合呢？甚至讨论一些元模拟的问题。对这类问题的研究必将会讨论虚拟现实的种种可能性等问题。比如一个明显的问题是：假如我们真能够造出了足够真实的虚拟世界了，而该虚拟世界中已经演出来智能生物，那么这种智能生物能不能也会在它们的虚拟世界中再虚拟一个世界呢？ 另外一个问题，模拟的极限是否存在？如果存在它会是什么样呢？我们在计算机模拟中会不会也可能遭受到类似歌德尔定理的限制呢？举个例子我们不难想象出这种限制的可能性。假如一台超级电脑模拟了整个的宇宙，而这台电脑显然是宇宙的一部分，那么电脑就要模拟这台电脑自己，因此整个宇宙的内容都要被无限制的循环下去形成永无终止的怪圈。 2、关于应用方面 目前复杂系统理论的实际应用主要是计算机仿真、模拟方法，而这类方法也存在着很多问题，下面一一进行说明。 计算机模拟系统的开放性问题 我们可以把任何一个计算机仿真程序都看成是一个系统。如果人们设置好基本的参数和规则让程序自发演化则这个系统整体就是一个封闭系统了。也就是说在没有人的干预下，该系统就会没有新的信息被注入。而按照耗散结构论的观点，类似这样的系统毕竟会走向无序状态。因此，我们可以想见，这样的计算机模拟系统能够涌现出来的复杂性也不会是永恒增长的，无论这样的模拟系统多么复杂，它必然会存在一个极限。 目前，开放的人工系统也有一些。Brooks的机器昆虫就是一例，然而这样的机其昆虫行为复杂性的来源基本完全取决于环境的复杂性，而环境的复杂性并不能引发系统内部的复杂性。我们感兴趣的复杂性应该是一方面来自环境多变的信息，另一方面是系统内部在外界信息的作用下不断演化生成的进一步的复杂性。 涌现的多层次性 目前几乎所有的计算机模拟都仅仅包括一个或两个涌现层次，而现实复杂系统中的层次非常多，所以不管怎么说，计算机模拟系统的涌现层次是远远不够的。这主要还是受制于运行模拟程序的计算环境的限制。在这样的有限的环境下如何让计算机模拟系统涌现出更高的层次呢？我想这也许需要人们设计出更有效的方法来解决不同的层次性问题。例如发明一种技术能够根据用户的需要在各种不同层次上动态的生成该层次的复杂系统。 对复杂系统的干预与控制 当我们看到计算机生成的各种计算有趣的复杂系统的时候，总会自然而然的产生这样一个问题，我们能不能根据我们所希望的涌现特性来返过来设计系统的底层规则呢？进一步，人类能否干预和控制复杂系统的发展超想我们预期的方向呢？答案是否定的，因为这样的过程会碰到还原论中的组合爆炸问题。但是，观察我们人类确实一个很好的反例。因为当人类观察复杂系统的时候确实已经能够根据涌现出来的现象探索到底层的规则了。究其原因，我想还是因为人脑本身就是一个复杂系统，我们采用综合微观分析的方法不停地在脑中产生各种模型，让这些模型去适应现实的复杂系统。也就是说，要想认识现实的复杂系统就必须仍然要创造一个复杂系统来。

论数字生命的实在论地位 李建会 （北京师范大学哲学系 北京100875） 20世纪的计算革命导致了自伽利略以来又一场新的方法论革命。这场方法论革命的产物之一就是计算机和生物学交叉的前沿学科——人工生命的诞生。作为一门学科，人工生命以计算机为工具，力图在计算机或现实世界中创造出具有生命特征的人工实体——人工生命。人工生命主要有两种形式：虚拟人工生命（也叫数字版本的人工生命）和现实人工生命（又叫机器人版本的人工生命）。数字人工生命主要采取软件的形式在计算机中创造人工生命；机器人人工生命主要采取硬件的方式在现实世界中创造展示生命特征的人工生命。对于机器人版本的人工生命的实在论地位问题，人们并没有什么疑问。然而，对于数字人工生命的实在论地位问题，人们的认识并不一致。它们是真实的生命吗？它们的世界和我们的世界具有相同的实在论（或本体论）地位吗？本文试图回答这些问题并对一些反对意见进行批判性的分析。 一、 数字生命研究的主要内容 数字生命的研究可以追溯到图灵(A. Turing)和冯诺伊曼(John von Neumann)。图灵证明生物的胚胎发育可以用计算的方法加以研究。冯诺伊曼则试图用计算的方法描述生物自我繁殖的逻辑形式。到了20世纪70年代和80年代，随着计算机速度的大幅度提高以及个人计算机的普及，在康韦（J. Conwey）等人有关“生命游戏”研究的基础上，兰顿(C. Langton)提出了在计算机虚拟环境中创造展示生命特征的人工生命的思想。1987年9月在美国圣菲研究所的支持下，兰顿主持召开了第一届国际人工生命研讨会，这次会议宣布了一门新的计算机与生物学交叉的前沿学科的诞生。自1987年至今，包括数字生命在内的人工生命研究得到了越来越多的计算机专家和生物学家关注，出现了“生物形态”、 Tierra世界、“Avida”、“阿米巴世界”等数字生命模型。其中一些模型曾是著名科学杂志《自然》和《科学》报道的热点。下面我们举两个例子说明数字生命研究的主要内容。 1．生物形态 在首届国际人工生命研讨会上，著名生物学家道金斯（R. Dawkins）展示的一个被称为“生物形态”（Biomorphs）的程序格外引人注目。生物形态从一个默认的简单线条画开始，随后产生若干变异了的线条。程序使这些变异出现在计算机屏幕上，可以使使用者看到。使用者这时扮演大自然的角色：根据自己的喜好，在屏幕上选择最喜欢的图画。程序接着复制这种图画，并使它发生新的变异。使用者接着选择最喜欢的图画使它发生新的复制和变异。多次重复上述突变和选择过程，道金斯最后得到了许多个不相同的生物形态图案。这些生物形态与自然界的许多生物形态有着惊人的相似性。 在道金斯之后，皮克奥弗采用了一种新的更为简单的方法创造出更令人惊异的生物形态。皮克奥弗的方法是：在一个二维的平面上选取一个初始点，然后规定产生下一个点的特殊的函数规则。选择不同的初始点，经过大量的迭代后，我们就会得到与真实自然界中的放射虫等生物具有惊人相似性的计算机生物形态（详细规则和图形可参见卡斯蒂1998中文版：45）。 2．Tierra世界 1990年是数字生命发展的一个不平凡的一年，美国热带雨林专家托马斯•;雷(Thomas Ray)编写的Tierra（西班牙语意为地球）模型轰动了整个人工生命界。雷宣称，他的Tierra中的“生物”事实上就是“活的”。他把他的模型命名为“地球”，其意就在表明，人们已经在扮演上帝，开始了第二次创世纪！ 雷在编写他的模型时，与大多数数字生命的模拟研究不同，他的目标不是直接模拟自然的生命，而是制造出完全不同于在我们周围看得见的生命形式。 一般地说，生命都具有新陈代谢、复制和进化的能力。在自然界中，生物是由有限的食物供给和有限的生存空间约束的。在Tierra中，“生物”由一系列能够自我复制的机器代码或程序组成，它在计算机中的复制分别受到计算机的存储空间和CPU时间约束。能有效地占有内存空间和利用CPU时间的生物体，将具有更高的适应度，传递到下一代的机会就越大。 在Tierra中，计算机的RAM（随机访问存储器）中有一块专门的空间，这个空间中放置了一个“祖先有机体”，该祖先有机体根据它的汇编程序代码中的指令开始复制对它的生存是基本的代码。随着有机体的数目的增加，RAM中的空间减少了，因此有机体为了自己的生存空间开始竞争。 为了运行包含在有机体汇编程序代码中的指令，有机体需要计算机中央处理器的一定的时间（CPU时间）。因为每个有机体应该是一个独立的实体，所以，每个有机体都能接近它自己私人的CPU。这一点在并行处理器上是很简单的，但是，因为大多数计算机是串行处理器，所以必须做一些折衷处理。Tierra使用的解决方法是在单个处理器上给每个有机体依次分配“一段”时间。这是任何运行多任务操作系统的计算机使用的相同的方法。这些工作其实并不是真的同时运行的，而是给每个工作分配一定的时间，在这段时间内它进行一定数量的工作，如果在这段时间并没有完成这个工作，它就临时中断，开始运行下一个工作。直到所有的工作运行了一些时间后，第一个工作重新启动，开始新一轮的运行。因此，在Tierra内，某个有机体得到一段时间，在这段时间内，它可以执行固定数目的指令直到它变成休眠状态，然后机会就给予了另外一个有机体。这就在模型中引入了另外一种竞争。那种在较少时间内实现其功能的有机体，将处于优势地位，因为它比它的邻居能够更快地复制，因此它能够在其它的有机体占有空闲的内存空间之前占有更多的内存空间。 Tierra的祖先有机体包含80个汇编程序指令，包括一个扩展的代码，其中有产生子代有机体的方法。因为每一个由汇编程序指令编码的行动具有一定的执行错误的概率，因此进化是可能的。

为了避免快速复制的有机体快速填满所有可用的内存空间，Tierra包含一个“收割器”功能，以模拟自然“死亡”。一旦群体达到某一临界水平，“收割器”就开始消灭有机体。一般情况下，有机体一出生，它就进入收割器队列。当收割器功能判定到了要求有牺牲者的时候，它总是清除队列前面的有机体。产生错误的有机体被提到队列的前面，而有效地完成行动的有机体则被拉回来。 雷在运行它的Tierra时吃惊地发现，他的电子世界的的确确生出许多“生物”。开始时只有一个祖先生物，但经过526万条指令的计算之后，仿佛寒武纪生物大爆发在区区数小时内发生了。这时，在Tierra虚拟世界中游动的是366种不同大小的生物。在运行25.6亿条指令后，1180种不同大小的生物产生了。在新产生的生物中，不但出现了一些寄生生物，而且也出现了超寄生生物（靠其它寄生者生活的寄生者），甚至超-超-寄生生物。与真实世界中的生命演化类似，Tierra生物最终产生了对寄生生物具有免疫能力的生物。Tierra中也演化出了一些长期进化的特征，间断平衡现象在Tierra模型中也被观察到。另外，在Tierra世界中甚至可能演化出一些社会性行为（Ray, 1991）。总之，差不多自然演化过程中的所有特征，以及与地球生命相近的各类功能行为组织，全都出现在Tierra中。 雷的实验是限制在单个的计算机中的，由于这台计算机的CPU和内存规定了Tierra的边界，因此可能产生的演化生物的种类受到了一定程度的限制。雷已经提出在国际互联网上建立Tierra，这样就可以利用网上计算机中闲置的空间，作为Tierra资源的一部分。雷期望在这种新的条件下，他的祖先生物会演化出更多的物种和更多的存活和繁殖策略。 二、虚拟的真实性 前面我们提到的道金斯的生物形态，皮克奥弗的放射虫，雷的Tierra等，都是计算机根据简单的规则产生的。如果根据人们建立科学模型的一些标准，比如简单性，清晰性，无偏见性和易操作性等来衡量，那么，“它们的完美性不容置疑。毕竟，几乎没有哪个规则能够比前面皮克奥弗用来产生放射虫所采用的规则更简单、更清晰（卡斯蒂1998中文版：49）。” 根据这种完美性，我们能说它们可以作为真实世界生物体形式的一种模型吗？问题似乎并不那么简单。虽然这些计算机形态与我们今天在地球上看到的真实生物在某些方面非常相似，但也有很多差异。真实生物体是三维的对象，有丰富的内部结构，然而，生物形态仅仅是二维创造物，根本没有体积。而且，生物形态实际上什么都不做，它们仅仅是数学对象。所以，当这些计算机创造物面对“可信度”问题时，“无一幸免地遭到了失败。很难使人们相信，像放射虫的硅形式这样一个简单三次方程模型，与大自然用来创建真实世界放射虫的规则极为相近（同上）。” 但是，如果我们换一种视角，即是说，如果我们不考虑这些人工生命模型与真实世界的联系，而是单从计算机内部来看模型，那情况会是怎样的呢？这时，我们会发现，模型本身是计算机内部的一种符号系统，它们按着规定的规则在计算机内部活动和表现。以皮克奥弗的放射虫为例，如果我们只是从计算机硅世界本身来看它，那么，它就不再是放射虫的模型，而是一种计算机生物形态自身的定义。“在那个人工世界中，产生放射虫的规则就是生命（同上书：50）。” 这就是说，如果我们放弃对人工生命模型与真实生命的联系的关注，而去思考作为一个硅世界的人工生命系统，我们前面讲到的人工生命例子，从道金斯的生物形态，一直到雷的“Tierra世界”，就都成为计算机硅世界中的“居民”，而不仅仅是现实生命世界的模型。这个“硅世界”中的“居民”事实上都是真实的存在。 很多人可能会觉得这个结论完全不可思议。但正如卡斯蒂所说，“那仅仅是一种偏见。根本没有理由认为，我们所熟悉的世界拥有任何享有特权的本体状态，并且比我们用硅而不是体外创建的世界更加真实。如果从计算机内部，而不是从通常的外部的观点看它们的话，那么，这些计算机世界与我们自己的真实世界具有相同的真实性（卡斯蒂1998中文版：51）。” 三、数字生命实在性的理论论证 计算机在刚产生时，主要目的是为了完成工作量巨大的数值计算。然而今天我们知道，计算机不仅可以计算，而且可以创造；计算机不只是一个数字“捣弄机”，而且是一种创造新世界的工具。在计算机产生之前，我们被限制在一个世界中，即我们真实的地球世界。而今天，计算机的产生和发展已经使我们有可能创建许多可供选择的世界，人工生命世界就是这样的世界之一。这种关于计算机的全新观点不可避免地提出了一些关于实在的基本的物理学和哲学问题。拉斯穆森（Steen Rasmussen）就认为，计算机新工具的出现，不仅可以使我们从新的视角提出问题，而且可以使我们从新的视角回答这些问题。他说，“我相信，我们理解生命的努力迫使我们发展一个新的关于信息、生命、实在和物理过程关系的概念（Rasmussen 1991: 768）。”拉斯穆森曾尝试对数字生命的实在性问题进行理论论证。强人工生命，即相信数字生命是真实的生命的支持者的思想在拉斯穆森这里得到了最鲜明的反映。 根据图灵，创造通用的计算机是可能的。而根据兰顿（1991）和弗里德金（E. Fredkin）（1990），物理世界支持通用的计算，物理事物的过程本身实际上也可以被看作是计算。所以，拉斯穆森得出了他的第一个逻辑前提： 公理1：图灵机层次上的通用计算机可以模拟任何物理过程（物理的丘奇-图灵命题）。 从冯诺伊曼到兰顿，人工生命支持者的一个核心思想是：生命的本质是形式而不是具体的物质实体；是物质组织的性质，而不是物质事物本身。因此，我们可以得出第二条公理： 公理2：生命是一种物理过程。 从公理1和公理2，我们可以得出如下一条推论： 推论1：因为图灵机可以模拟任何物理过程，而生命是一种物理过程，所以，用通用图灵机模拟生命过程是完全可能的。 我们知道，定义生命是非常困难的。但不管怎样，定义生命是可能的。虽然我们给出的定义有些人可能并不赞同，但随着生命科学的进一步发展，人们的认识可能最终会达成共识。据此，我们又可以得出这样的公理： 公理3：存在着一些标准，根据这些标准，我们可以区分生命和非生命。 从公理3，我们可以得出这样的推论： 推论2：既然原则上可以根据确定的标准区分生命和非生命，那么，根据这些标准应当能够确定一些计算机过程是否是有生命的。 生命的一个重要特征是它与外界环境的灵活适应的关系。这意味着，即使是最简单的生命客体也必定有原始的自我和自我的外部环境的概念。因此，在我们创建的计算机生命程序时，我们也需要为这种生命创造一个适应它生存的环境。这样，在计算机中，计算机生命就和它的环境发生适应性反应，甚至在计算机环境的“自然选择”下，计算机生命会发生适应性进化，就像Tierra中的有机体因为内存空间和CPU时间的限制而发生进化一样。这样，计算机生命与其环境之间就形成了一个自我封闭的系统，这个系统我们可以把它看作是一个新的实在世界。正像我们的实在世界按着自然的规律产生出支持生命的环境并进而产生出生命一样，计算机世界也可以产生出支持生命存在的环境，并进而产生计算机生命。因此，我们可以得到如下的公理： 公理4：人工生命必然能感受到一个实在R2，这个实在对它的真实性，就像真实的实在R1对我们的真实性是一样的。 从逻辑上说，我们可以在计算机中创造一个与外部真实世界的物理过程完全不同的世界，比如我们可以在R2中创造一个引力为负的世界。在这些新世界中，我们遇到的事物完全可以根据它们所代表的那个世界的规则加以评判。因此，R1和R2的性质可能完全不同。但从原则上说，R2是一个独立的世界。所以，我们又可以得到这样的公理： 公理5：R1和R2具有相同的实在论地位。 从公理5和推论1，我们可以得出第三个推论： 推论3：在计算机中产生的生命过程有着自己独立的实在论地位，而不仅仅是对现实生命的模拟。 四、哥德尔定理与数字生命 1． 一种批评的观点 数字人工生命的最高形式可能就是在计算机中创造出像人一样具有智能的生命。计算机专家图灵最早提出用计算机创造智能的思想，并提出了著名的“图灵检验”，作为检验机器智能的标准。然而，图灵的思想受到了诸多学者的反对，其中比较有名的是美国哲学家卢卡斯(Lucas)。卢卡斯的出发点是哥德尔定理。他说：“哥德尔定理必须应用于控制论的机器，因为机器的本质应当是一个形式系统的具体实现。这意味着，给定任何一致的、能够做简单的算术的机器，必定有一个公式机器不能证明它是真的——就是说，该公式在这个系统中不能被证明，但我们却能看出它是真的。因此，没有机器可以成为心的完全的或适当的模型，心在本质上不同于机器（Lucas 1961: 113）。”比如，我们说“这个公式在这个系统中是不能证明的”，就是一个不能证明的命题，但是人心却能看出它是真的。后来英国物理学家彭罗斯 （Roger Penrose）在《皇帝新脑》一书中，对卢卡斯论证作了进一步的扩展，以证明人心比计算机聪明。 与卢卡斯等人利用哥德尔定理否定计算机可以像人一样具有真正的智能类似，人工生命产生之后，有人也根据哥德尔定理否定计算机可以产生真正的生命。 根据拉斯穆森的公理4，人工生命感受的人工实在是真实的，就像我们感受的真实实在是真实的一样。真实世界的事物都处在真实的时间和空间中，事物与事物之间的各种相互作用受到自然界的各种物理规律的支配。计算机人工生命世界中的各种事物之间也应当按着自己的特定规则发生相互作用。由于人工生命的实在世界是我们通过编程创造出来的，因此，这个世界就是一个非常特殊的世界。这个世界实际上跨越了两个世界：一个是实际的世界，因为计算机本身是由实际世界中的物理器件构成的，它的运行受实际世界中的物理规律的约束；另一个世界是一个抽象的世界，即数学的世界，因为计算机在计算的时候处理的是各种算法。换句话说，如果我们把计算看作是现实世界中的计算机器不断地在内存中搬动开关的过程，那么它就是深深根植于物质可观察世界中的过程；另一方面，如果我们把计算看作是根据一组规则的运算，那么它就是一个纯粹的数学过程，属于符号对象及其相互关系的世界。 计算世界是按着严格的规则运行的世界。我们在创造数字人工生命客体时，我们同时需要创造这种生命所要生存的整个的物理环境。数字生命及其物理环境之间需要有非常协调的适应性相互作用。数字生命本身及其生存的物理环境都需要通过对计算机进行编程得来。因此，数字人工生命创造者必须能够保证，他们能够给计算机系统编制出一组形式模型，这个模型可以产生能够支持数字生命的人工物理过程。苏灵斯（John P. Sullins Ⅲ）曾把数字生命的这个隐含的思想表述成如下的公理形式：

“存在一组最小的形式系统，它可以被用作创造一个完整的能够支持人工生命的人工物理过程（Sullins 1999: 9）。” 由于这样的世界对人工生命来说就像真实世界对我们来说一样真实，所以，对人工生命为真的一切事件都应当在这个系统中被推演出来。然而，哥德尔的不完备定理告诉我们，建造一个逻辑一致的形式系统证明所有的算术真理是不可能的。换句话说，哥德尔的不完备定理认为，在任何一个其能力强大到足以表达任何关于整数的陈述的逻辑一致性系统内，总存在一些陈述，利用该逻辑系统中的规则，它们既不能得到证明，也不能得到否证。就是说，目前我们还不可能有一个完整的能够把握即使是最简单的数学系统的全部的形式系统。具体到强人工生命，哥德尔定理意味着，至少有一个为真的实在对象在我们可以想象得到的人工世界——即一个完备的数学形式系统——中将总是不能出现或者没有保证。由于人工世界总是丢失实在的一些重要部分，所以，苏灵斯认为，人工实在R2在本体论上与我们的实在R1并不能真正等同。因此，苏灵斯认为，人工实在不可能支持真正的生命（Sullins 1999）。 2． 对批评的批评 卢卡斯的观点发表后，美国哲学家怀特利（C. H. Whitely）发表了虽简短但强有力的反驳。怀特利对卢卡斯论证给出了一个非常有趣的反论证。考虑这样一个陈述：“卢卡斯不能一致地肯定这个陈述。”这句话是一个真的陈述，因为如果卢卡斯肯定这个陈述，他自己就会自相矛盾。这就是说，怀特利和我们都能看到这个陈述是真的，而卢卡斯自己却不能，一当他肯定这个陈述，就等于他否定了这个陈述。由此，怀特利反问道，这是不是意味着怀特利和我们能够证明事情，而卢卡斯不能呢？这是否意味着我们比卢卡斯聪明呢？显然不能这么说。所以，怀特利认为，卢卡斯的论证是有缺陷的。 这个例子说明，问题的关键是我们能不能跳到系统之外去看问题。哥德尔陈述的正确性在系统之内无法证明或否证，但在系统之外，我们发现这些陈述的确正确。当卢卡斯和彭罗斯在论证人心胜过计算机时，他们把人放在系统之外，但却把计算机放在系统之内。我们让我们自己处在一个更高的层次来确定哥德尔命题的真伪，却让计算机在其形式系统内部来确定。卢卡斯和彭罗斯等人这样来分析问题，肯定得出对人有利的结论。 人工生命和人工智能的情况稍微有些不同。对于人工智能，人们感兴趣的是计算机能不能比人聪明，但在人工生命的情况下，人们感兴趣的是人工生命的世界能不能建立。苏灵斯在把哥德尔定理运用到人工生命时，主要是认为，人工生命世界与现实世界不能完全等同，因为在人工世界总有一些性质在系统内部无法确定。这里似乎隐含着哥德尔定理不适合现实世界。事实上，哥德尔定理在现实世界同样成立。所以，有人就反问道，既然哥德尔的不完全定理在我们的世界也成立，而这并没有影响我们世界的实在性，那为什么哥德尔不完全定理在人工实在中成立，就要影响它的实在性了呢？ 反对强人工生命的人要求计算机虚拟世界要与我们的世界完全的一一对应，其实这是完全的误解。我们已经知道，计算机人工生命并不一定是现实生命的真实的一对一的模拟，比如，Tierra就是一个完全新型的人工系统。人工生命主要模拟的是生命的特征，而不是在具体构成上对生命进行一对一的模拟。另外，我们也说过，计算机不仅是一个数字处理机，而且是一个创造的工具。所以，我们说R2世界和R1世界具有相同的实在论地位，我们并不是说它们必须一一对应，而是说在计算机中的事件与事件之间的关系与现实世界中事件与事件之间的关系一样是因果的关系。 （作者简介：李建会，1964年生，男，哲学博士，北京师范大学哲学系副教授）。 参考文献 1. Langton, C. G. (1989). Artificial Life. Redwood City, CA: Addison-Wesley. 2. Lucas, J. R. (1961). “Minds, Machines and Gö;del.” Philosophy, 36: 112-127. 3. Rasmussen, Steen (1991). "Aspects of Information, Life, Reality, and Physics." In C. G. Langton, C. Taylor, J. D. Farmer, & S. Rasmussen, eds. Artificial Life Ⅱ. Redwood City, CA: Addison-Wesley. 4. Ray, Thomas (1991). “An Approach to the Synthesis of Life.” In Langton, C. G., C. Taylor, J. D. Farmer, and S. Rasmussen, eds. Artificial Life II. Redwood City, CA: Addison-Wesley, 1991. 5. Sullins Ⅲ, John P. (1999). “Gö;del’s Incompleteness Theorems and Artificial Life.” Society for Philosophy & Technology, Volume 2, Number 3-4. 6. Whitely, C. H. (1962). “Minds, Machines and Gö;del: a Reply to Mr. Lucas.” Philosophy, 37: 61-62. 7. 卡斯蒂（1998）。《虚实世界：计算机仿真如何改变科学的疆域》。王千祥等译。上海：上海科技教育出版社。 8. 李建会（2001）。“计算机仿真实验”。《二十一世纪》（香港），10：92-95。 本文原载《哲学研究》2002年第12期；现载《走向计算主义——数字时代人工创造生命的哲学》一书（有改动）。引用请以发表的论文或《走向计算主义》一书为准。

《不确定规划及应用》，刘宝碇，赵瑞清，王纲(2003-8-11) 《不确定规划及应用》，刘宝碇，赵瑞清，王纲 清华大学出版社，北京，2003 ISBN 7-302-06940-9 在运筹学、管理科学、信息科学、系统科学、计算机科学以及工程等众多领域都存在着 客观的或人为的不确定性. 这些不确定性的表现形式是多种多样的, 如随机性、模糊性、粗糙性、模糊随机性以及其他的多重不确定性. 伴随着这些不确定性, 毫无疑问地存在着大量的不确定优化问题. 然而, 对于这些含有不确定性的决策问题, 经典的优化理论通常是无能为力的. 虽然已有的随机规划和模糊规划可以解决一部分不确定优化问题, 但又远远不能满足解决具有多重不确定性的优化问题的需求. 因此, 建立和完善统一的不确定环境下的优化理论与方法不但具有理论价值, 而且具有广阔的应用前景. 随着计算机技术的飞速发展以及智能计算技术的不断涌现, 许多复杂的优化问题已经能够通过计算机求解. 尽管目前优化问题的求解规模常常与计算机的运行速度有关, 但是随着计算机的更新换代, 问题的主要矛盾不在于运行速度而在于建立问题的数学模型和求解算法. 事实上, 一些过去根本无法求解的复杂问题如今很多都可以通过计算机求解. 摆在我们面前的任务是提出更加丰富的建模思想, 建立优化问题的数学模型并设计现代优化算法. 本书的主要目的是介绍不确定规划理论、算法及应用. 为了便于非数学专业的读者能阅读与学习本书, 本书力求在保证体系完整的同时回避一些过分烦琐的数学证明. 同时, 力求做到所选内容反映不确定规划的最新国际发展现状. 为了更有效地应用不确定规划解决实际问题, 本书给出了一些不确定规划应用范例和算法. 本书共分16章. 第1章主要介绍数学规划的基本概念, 如线性规划、非线性规划、多目标规划、目标规划、动态规划以及多层规划. 第2章和第3章分别介绍遗传算法和神经元网络. 第4章介绍概率论的基本概念以及一些常见概率分布的随机数的产生方法. 第5章、第6章和第7章分别介绍随机环境下的期望值模型、机会约束规划和相关机会规划, 并应用到网络结构优化问题、车辆调度问题、冗余优化、关键路问题、并行机排序和设备选址问题等实际问题中. 第8章介绍模糊理论中一些基本概念如模糊集、模糊变量、可能性空间、模糊运算、可能性测度、必要性测度、可信性测度、期望值算子以及模糊模拟. 第9章、第10章和第11章介绍模糊规划、混合智能算法以及在冗余优化、并行机排序问题、设备选址问题、车辆调度问题和关键路问题中的应用.第12章介绍模糊随机变量、模糊随机运算、期望值算子、机会测度和模糊随机模拟.第13章介绍模糊随机规划及其混合智能算法. 第14章和第15章介绍随机模糊变量与随机模糊规划. 第16章介绍粗糙变量、随机粗糙变量、粗糙随机变量、模糊粗糙变量、粗糙模糊变量、双重随机变量、双重模糊变量以及双重粗糙变量的定义, 同时简要介绍不确定动态规划以及不确定多层规划. 最后, 给出了不确定规划模型的分类图. 本书可作为高等院校有关专业的高年级大学生和研究生的教材, 也可作为运筹学、管理科学、计算机科学、系统科学、信息科学与工程等方面的学者和技术人员的参考书.

隨機的致富陷阱 解開生活中的機率之謎 Fooled by Randomness: The Hidden Role of Chance in the Markets and in Life 師大數學系教授　洪萬生　專業推薦 本書談的主題是明明靠運氣才完成的事，卻以非運氣（也就是需要靠人的技巧）的假面貌出現，或者被認為和運氣無關，以及推而廣之，明明是隨機現象，卻以非隨機（也就是早已決定好）的假面貌出現，或者被認為和隨機無關。這種似是而非的現象，經常出現在始料未及的地方，連科學也不例外，但以在商業世界最為明顯和突出。政壇上也能見到這種現象，例如一國總統大談「他」創造的就業機會、「他的」經濟復甦、「前任總統的」通貨膨脹。 在基因上，我們仍和漫遊在薩凡納（Savannah）的老祖先很接近。我們的信念的形成，充滿著迷信──即使現今也不例外（或許必須說，尤以今天為烈）。某一天，原始部落的某個人抓了鼻子之後不久，雨開始下了，於是他煞費苦心發展出一套抓鼻子祈雨的方法。同樣的，我們把經濟的繁榮歸功於聯邦準備理事會（Federal Reserve Board）降低利率，或者一家公司經營成功，和新總裁「走馬上任」有關。走一趟書店，架子上擺滿了成功人物寫的自傳，暢談他們如何名利雙收（我們有句話，叫做「因緣際會」〔the right time and the right place〕，可以用來削弱他們所得的結論）。同樣的混淆，也見諸形形色色的人身上：教文學的教授對於偶然出現的文字型態，下苦功賦予深層的意義；財務統計專家志得意滿地表示，他們在一堆資料中找到了「規則性」和「反常現象」，其實那不過是隨機現象而已。 我們確實低估很多事情中的隨機成分。這一點，或許不值得為此寫一本書來探討，除非是愚蠢至極的專家才會那麼做。令人不安的是科學直到最近才有能力處理隨機現象（可用資訊的成長速度，不敵雜訊的解釋數量）。機率理論是一門年輕的數學學科；把機率應用到實務上，則幾乎不能稱之為學科。 本書分成三篇。第一篇省思梭倫的警告，他對稀有事件所下的斷語，成了我終生奉為圭臬的座右銘。我們會談到有形和無形的歷史。第二篇談我在充滿隨機現象的事業生涯中，碰到（以及因此受害）的許多機率偏見──這些隨機現象到現在還在愚弄我。第三篇用以作結，指出消除我們的本性或許不能為功。我們需要的是一些小技巧，而不是冠冕堂皇的大道理。同樣的，前人使用的一些方法對我們有幫助。 　 ▼ 作者簡介 納西姆‧;尼可拉斯‧;塔雷伯（Nassim Nicholas Taleb） 經營避險基金的安皮瑞卡資本公司（Empirica Capital）的創辦人，也是紐約大學庫朗數學研究所的研究員。曾在紐約和倫敦交易多種衍生性金融商品，也曾在芝加哥當過營業廳的獨立交易員。2001 年 2 月正式成為衍生性金融商品交易策略名人堂（Derivatives Strategy Hall of Fame）的一員。獲有華頓商學院企業管理碩士（MBA）學位和巴黎－多菲內大學（University Paris-Dauphine）的博士學位。著作有《動態避險：管理普通和奇特的選擇權》（Dynamic Hedging: Managing Vanilla and Exotic Options）。 　 　 ▼ 目錄 推薦序　成功真的是靠運氣？　／陳宏 自　序　任何人都會買賣 前　言　雲中的清真寺 第一篇：梭倫的警告──偏態、不對稱、歸納 第一章：如果你這麼有錢，為什麼沒那麼聰明？ ◇屠利波的懷疑論　　　高收益高交易員約翰 ◇酷熱的夏季　　　◇你的牙醫師很有錢，非常有錢 第二章：奇特的結算方法 ◇俄羅斯輪盤　　　◇惺惺相惜的同伴 有違直覺的真理 第三章：從數學的角度思考歷史 ◇歐洲花花公子的數學　　　◇閣樓中的樂趣 ◇個人數位助理器的蒸餾後想法　　　◇蒙地卡羅中的菲洛斯特拉托斯 第四章：隨機現象、胡言亂語、科學知識分子 ◇隨機性與動詞　　　◇蒙地卡羅詩之美 第五章：最不適者生存──演化有可能被隨機性愚弄嗎？ ◇新興市場高手卡洛斯　　　◇高收益交易員約翰 ◇不懂隨機常態的市場傻蛋　　　◇天真的演化理論 第六章：偏態與不對稱 ◇中位數不能傳達什麼　　　◇牛與熊動物學 ◇稀有事件的謬論 第七章：歸納的問題 ◇從培根到休謨　　　◇巴柏的宣傳代理人 ◇謝謝你，梭倫 第二篇：打字機前的猴子──存活者偏差及其他 第八章：太多「下一個富翁」 ◇如何消除失敗之痛　　　◇雙重存活者偏差 大師的高見 第九章：買賣證券比煎蛋容易 ◇被數字愚弄　　　◇無巧不成書 我沒有結論好下 第十章：輸家全拿──談生命中的非線性現象 ◇沙堆效應　　　◇真實世界裡外的數學 ◇遇雨則傾盆 第十一章：隨機與我們的大腦：我們對標準懵懂無知 ◇巴黎或巴哈馬　　　◇建築上的一些考量 ◇從心理學到神經生物學　　　◇機率與新聞媒體 第三篇：耳中塞蠟──活在隨機世界中 第十二章：賭徒的迷信和籠子中的鴿子 ◇計程車英語與因果關係　　　◇史金納的鴿子實驗 ◇再談菲洛斯特拉托斯 第十三章：卡涅阿德斯到羅馬──機率與懷疑論 ◇卡涅阿德斯到羅馬　　　◇德諾波先生的意見 ◇計算而不思考　　　◇從一場葬禮趕赴另外一場葬禮 第十四章：酒神放棄安東尼 ◇賈姬的葬禮　　　◇隨機現象與個人的優雅行為 後記：梭倫早就說過 　 ▼ 書評讚譽 「人的本性經常低估隨機線上，我們很需要這樣的書。妙趣橫生、清新雋永且獨創一格，令人玩味無窮。」 　 ──席勒（Robert J. Shiller） 暢銷書《非理性繁榮》作者 　 「本書除了合乎數學原理，讀來也趣味盎然、資訊豐富，適合一般讀者。作者以生花妙筆向不是專家的讀者解說，為什麼數學重要，以及數學是什麼。」 　 ──傑曼（Donald Geman） 約翰貨浦金斯大學機率理論教授 「本書常識性知識俯拾即是。如果你是交易人、科學家，或者哈佛畢業的律師，本書必讀。」 　 ──魏爾莫特（Paul Wilmott） 《衍生性金融商品：金融工程的理論與實務》 （Derivatives: The Theory and Practice of Financial Engineering）作者 「簡單一句話：這本書讓人看得入迷。埋首其中，你對生命（以及你的錢財）的瞭解將大為增進，這可不是隨機性的結果。」 　 ──伯恩斯坦（Peter L. Bernstein） 彼得伯恩斯坦公司（Peter L. Bernstein）總裁