第二章 蜂群思维

07-01Ctrl+D 收藏本站

关灯 直达底部

2.1 蜜蜂之道:分布式管理

在我办公室的窗下,蜂箱静静地任由忙碌的蜜蜂进进出出。夏日的午后,阳光透过树影映衬着蜂箱。阳光照射下的蜜蜂如弧形的曳光弹,发出嗡嗡的声音,钻进那黑暗的小洞口。此刻,我看着它们将熊果树花朵今年最后的花蜜零星采集回家。不久雨季将至,蜜蜂们就会躲藏起来。写作时,我会眺望窗外,而这时它们仍会继续辛勤劳作,不过是在黑暗的家中。只有在晴朗的日子里,我才能幸运地看到阳光下成千上万的蜜蜂。

养蜂多年,我曾亲手把蜂群从建筑物和树林中搬出来,以这种快捷而廉价的方式在家中建起新的蜂箱。有一年秋天,邻居砍倒了一棵空心树,我用链锯切入那倒下的老山茱萸。这可怜的树里长满了癌瘤似的蜂巢。切入树身越深,发现的蜜蜂越多。蜜蜂挤满了和我一样大小的洞。那是一个阴沉凉爽的秋日,所有的蜜蜂都待在家里,正被我的手术扰得不得安宁。最后我将手插入到蜂巢中。好热!至少有华氏95度(摄氏36度左右)。拥挤了十万只冷血蜜蜂的蜂巢已经变成热血的机体,加热了的蜂蜜像温暖稀薄的血一样流淌着。我感到仿佛刚刚把手插进了垂死的动物。

将蜜蜂群集的蜂巢视同动物的想法姗姗来迟。希腊人和罗马人都是著名的养蜂人,他们能够从自制的蜂箱收获到数量可观的蜂蜜,但尽管如此,这些古人对蜜蜂所有的认识却几乎都是错误的。其原因要归咎于蜜蜂生活的隐密性,这是一个由上万只狂热而忠诚的武装卫士守护着的秘密。德谟克利特[1]认为蜜蜂的孵化和蛆如出一辙。色诺芬[2]分辨出了蜂后,却错误地赋予她监督的职责,而她并没有这个任务。亚里士多德[3]在纠正错误认识方面取得了不错的成果,包括他对于“蜜蜂统治者”将幼虫放入蜂巢隔间的精确观察。(实际上,蜜蜂初生时的确是卵,但他至少纠正了德谟克利特的蜜蜂始于蛆的误导。)文艺复兴时期,蜂后的雌性基因才得到证明,蜜蜂下腹分泌蜂蜡的秘密也才被发现。直到现代遗传学出现后,才有线索指出蜂群是彻底的母权制,而且是姐妹关系:除了少数无用的雄蜂,所有的蜜蜂都是雌性姐妹。蜂群曾经如同日蚀一样神秘、一样深不可测。

我曾观看过几次日蚀,也曾多次观察过蜂群。我观看日蚀是把它当作风景,兴趣并不大,多半是出于责任——由于它们的罕见与传说,那感觉更像是参加国庆游行。而蜂群唤起的是另一种敬畏。我见过不少次蜜蜂分群,每一次都令我痴呆若狂,也令其他所有目击者目瞪口呆。

即将离巢的蜂群是疯狂的,在蜂巢的入口处明显地躁动不安,喧闹的嗡嗡声此起彼伏,振动邻里。蜂巢开始吐出成群的蜜蜂,仿佛不仅要倾空其肠胃,还要倾空其灵魂。那微小的精灵在蜂巢上空形成喧嚣的风暴,渐渐成长为有目的、有生命、不透明的黑色小云朵。在震耳欲聋的喧闹声里,幻影慢慢升入空中,留下空空的蜂巢和令人困惑的静谧。德国神智学学者鲁道夫·斯坦纳[4]在其另类怪僻的《关于蜜蜂的九个讲座》(Nine Lectures on Bees)中写道:“正如人类的灵魂脱离人体……通过飞行的蜂群,你可以真实地看到人类灵魂分离的影像。”

许多年来,和我同区的养蜂人马克·汤普森一直有个强烈的怪诞愿望,建立一个同居蜂巢——一个你可以把头伸进去探访的活生生的蜜蜂之家。有一次,他正在院子里干活,突然一个蜂箱涌出一大群蜜蜂,“像流淌的黑色熔岩,渐渐消溶,然后腾空而起”。由三万只蜜蜂聚结成的黑色云团形成直径20英尺(约6.1米)的黑晕,像UFO似的离地6英尺(约1.8米),正好在我们眼睛的高度。忽隐忽现的昆虫黑晕开始慢慢地漂移,一直保持离地6英尺的高度。马克终于有机会让他的同居蜂巢梦想成真了。

马克没有犹豫。他扔下工具迅速进入蜂群,光着的脑袋立刻就处在了蜜蜂旋风的中心。他小跑着与蜂群同步穿过院子,戴着蜜蜂光环,跳过一个又一个篱笆。此刻,他正跑步跟上那响声如雷的动物,他的头在它的腹部晃荡。他们一起穿过公路,迅速通过一片开阔地,接着,他又跳过一个篱笆。他累了,蜜蜂却不累,它们加快了速度。这个载着蜂群的男人滑下山岗,滑进一片沼泽。他和蜜蜂犹如一头沼泽魔鬼,嗡嗡叫着,盘旋着,在瘴气中翻腾。马克在污泥中拼命摇晃着,努力保持平衡。这时,蜜蜂仿佛得到某种信号,又加快了速度。它们除去了马克头上的光环,留下湿漉漉的他独自站在那里,“气喘吁吁,快乐而惊愕”。蜂群依旧保持着齐眼的高度,从地面漂过,好似被释放的精灵,越过高速公路,消失在昏暗的松树林中。

“‘蜂群的灵魂’在哪里……它在何处驻留?”早在1901年,作家墨利斯·梅特林克[5]就发出了这样的疑问:“这里由谁统治,由谁发布命令,由谁预见未来……?”现在我们已经可以确定,统治者并不是蜂后。当蜂群从蜂巢前面的狭小出口涌出时,蜂后只能跟着。蜂后的女儿负责选择蜂群应该何时何地安顿下来。五六只无名工蜂在前方侦察,核查可能安置蜂巢的树洞和墙洞。他们回来后,用圈子越缩越小的舞蹈向休息的蜂群报告。在报告中,侦察员的舞蹈越夸张,说明她主张使用的地点越好。接着,一些头目们根据舞蹈的强烈程度核查几个备选地点,并以加入侦察员旋转舞蹈的方式表示同意。这就引导更多跟风者前往占上风的候选地点视察,回来之后再加入看法一致的侦察员的喧闹舞蹈,表达自己的选择。

除去侦查员外,极少有蜜蜂会去探查多个地点。蜜蜂看到一条信息:“去那儿,那儿是个好地方。”它们去看过之后便回来舞蹈说:“是的,真是个好地方。”通过这种重复强调,大家中意的地点便会吸引更多探访者,由此又有更多的探访者加入进来。按照收益递增的法则,得票越多,反对越少。渐渐地,一个大的群舞会以滚雪球的方式形成,并成为舞曲终章的主宰。最大的蜂群获胜。

这是一个白痴有、白痴享、白痴治的选举大厅,其产生的效果却极为惊人。这是民主制度的真髓,是彻底的分布式管理。曲终幕闭,按照民众的选择,蜂群挟带着蜂后和雷鸣般的嗡嗡声,向着通过群选确定的目标前进。蜂后非常谦恭地跟随着。如果她能思考,她可能会记得自己只不过是个村姑,与受命(谁的命令?)选择她的保姆是血亲姐妹。最初她只不过是个普通幼体,然后由其保姆以蜂王浆作为食物来喂养,从灰姑娘变成了蜂后。是什么样的因缘选择这个幼体作为女王呢?又是谁选择了负责挑选者呢?

“是由蜂群选择的。”威廉·莫顿·惠勒[6]的回答解答了人们的疑惑。威廉·莫顿·惠勒是古典学派自然哲学家和昆虫学家,最早创立了社会性昆虫研究领域。在1911年写的一篇爆炸性短文(刊登在《形态学杂志》上的《作为有机体的蚁群》)中,惠勒断言,无论从哪个重要且科学的层面上来看,昆虫群体都不仅仅是类似于有机体,而就是一个有机体。他写道:“就像一个细胞或者一个人,它表现为一个一元整体,在空间中保持自己的特性以抗拒解体……既不是一种物事,也不是一个概念,而是一种持续的波涌或进程。”

这是一个由两万个群氓合并成的整体。

2.2 群氓的集体智慧

拉斯维加斯,一间漆黑的会堂里,一群观众兴高采烈地挥舞着硬纸棒。纸棒的一端是红色,另一端是绿色。大会堂的最后面,有一架摄像机摄录着疯狂的参与者。摄像机将纸棒上的彩色点阵和由制图奇才罗伦·卡彭特[7]设置的一套计算机连接起来。卡彭特定制的软件会对会堂中每个红色和绿色的纸棒进行定位。今晚到场的有将近五千人。计算机将每个纸棒的位置及颜色精确地显示在一幅巨大而详细的视频地图上。地图就挂在前台,人人都能看到。更重要的是,计算机要计算出红色和绿色纸棒的总数,并以此数值来控制软件。观众挥舞纸棒时,屏幕上显示出一片在黑暗中疯狂舞动的光之海洋,宛如一场朋克风格的烛光游行。观众在地图上看见的自己要么是红色像素,要么是绿色像素。翻转自己的纸棒,就能在瞬间改变自己所投映出的像素颜色。

罗伦·卡彭特在大屏幕上启动了老式的视频游戏“乒乓”。“乒乓”是第一款流行的商业化视频游戏。其设置极其简单:一个白色的圆点在一个方框里跳来跳去,两边各有一个可移动的长方形,模拟球拍的作用。简单地说,就是电子乒乓球。在这个版本里,如果你举起纸棒红色的一端,则球拍上移,反之则球拍下移。更确切地说,球拍随着会场中红色纸棒的平均数的增减而上下移动。你的纸棒只是参与总体决定中的一票。

卡彭特不需要作过多解释,因为出现在这场于1991年举办的计算机图形专家会议上的与会者们可能都曾经迷恋过“乒乓”游戏。卡彭特的声音通过扬声器在大厅中回荡:“好了,伙计们。会场左边的人控制左球拍,右边的人控制右球拍。假如你认为自己在左边,那么你就是在左边。明白了?开始!”

观众们兴高采烈地欢呼起来。近五千人没有片刻犹豫,玩起了乒乓大家乐,玩得还相当不错。球拍的每次移动都反应了数千玩家意向的平均值。这种感觉有时会令人茫然。球拍一般会按照你的意愿移动,但并不总是如此。当它不合你的意向时,你会发现自己花在对球拍动向作预判上的关注力堪比对付那只正跳过来的乒乓球。每一个人都清晰地体察到,游戏里别人的智慧也在起作用:一群大呼小叫的群氓。

群体的智慧能把“乒乓”玩得这么好,促使卡彭特决定加大难度。在没有提示的情况下,球跳动得更快了。参与者齐声尖叫起来。但在一两秒之内,众人就立刻调整并加快了节奏,玩得比以前更好了。卡彭特进一步加快游戏速度,大家也立刻跟着加快速度。

“我们来试试别的,”卡彭特建议道。屏幕上显示出一张会堂座位图。他用白线在中央画了一个大圈。“你们能在圈里摆个绿色的‘5’吗?”他问观众。观众们瞪眼看着一排排红色像素。这个游戏有点像在体育场举着广告牌拼成画面,但还没有预先设置好的顺序,只有一个虚拟的映象。红色背景中立即零落地出现了绿色像素,歪歪扭扭,毫无规则地扩大,因为那些认为自己的座位在“5”的路径上的人把纸棒翻成了绿色。一个原本模糊的图形越来越清晰了。喧闹声中,观众们开始共同辨认出一个“5”。这个“5”一经认出,便陡然清晰起来。坐在图形模糊边缘的纸棒挥舞者确定了自己“应该”处的位置,使“5”字显得更加清晰。数字自己把自己拼搭出来了。

“现在,显示4!”声音响起来。瞬时出现一个“4”。“3”,眨眼功夫“3”也显示出来。接着迅速地、不断地一个个显现出“2……1……0”。

罗伦·卡彭特在屏幕上启动了一个飞机飞行模拟器。他简洁地说明玩法:“左边的人控制翻滚,右边的人控制机头倾角。如果你们把飞机指向任何有趣的东西,我就会向它发射火箭。”飞机初始态是在空中。飞行员则是五千名新手。会堂第一次完全静了下来。随着飞机挡风玻璃外面的情景展现出来,所有人都在研究导航仪。飞机正朝着粉色小山之间的粉色山谷中降落。跑道看上去非常窄小。

让飞机乘客共同驾驶飞机的想法既令人兴奋,又荒唐可笑。这种粗蛮的民主感觉真带劲儿。作为乘客,你有权来参与表决每个细节,不仅可以决定飞机航向,而且可以决定何时调整襟翼以改变升力。

但是,群体智慧在飞机着陆的关键时刻似乎成了不利条件,这时可没空均衡众意。当五千名与会者开始为着陆降低高度时,安静的大厅暴发出高声呼喝和急迫的口令。会堂仿佛变成了危难关头的驾驶员座舱。“绿,绿,绿!”一小部分人大声喊道。“红色再多点!”一会儿,另一大群人又喊道:“红色,红色,红——色!”飞机令人晕眩地向左倾斜。显然,它将错过跑道,机翼先着地了。飞行模拟器不像“乒乓”游戏,它从液压杆动作到机身反应,从轻推副翼杆到机身侧转,设定了一段时间的延迟反馈。这些隐藏起来的信号扰乱了群体的思维。受矫枉过正的影响,机身陷入俯仰震荡。飞机东扭西歪。但是,众人不知怎么又中断了着陆程序,理智地拉起机头复飞。他们将飞机转向,重新试着着陆。

他们是如何掉转方向的?没有人决定飞机左转还是右转,甚至转不转都没人能决定,没人作主。然而,仿佛是万众一心,飞机侧转并离场。再次试图着陆,再次摇摆不定。这次没经过沟通,众人又像群鸟乍起,再次拉起飞机。飞机在上升过程中稍稍摇摆了一下,然后又侧滚了一点。在这不可思议的时刻,五千人同时有了同样坚定的想法:“不知道能否翻转360度?”

众人没说一句话,继续翻转飞机。这下没有回头路了。随着地平线令人眼花缭乱的上下翻转,五千名外行飞行员在第一次单飞中让飞机打了个滚。那动作真是非常优美。他们起立为自己长时间鼓掌喝彩。

参与者做到了鸟儿做的事:他们成功地结成了一群。不过,他们的结群行为是自觉的。当合作形成“5”字或操纵飞机的时候,他们是对自己的总体概貌做出反应。而飞行途中的一只鸟对自己的鸟群形态并没有全局概念。结队飞行的鸟儿对鸟群的飞行姿态和聚合是视而不见的。“群态”正是从这样一群完全罔顾其群体形状、大小或队列的生物中涌现出来的。

拂晓时分,在杂草丛生的密歇根湖上,上万只野鸭躁动不安。在清晨柔和的淡红色光辉的映照下,野鸭们吱吱嘎嘎地叫着,抖动着自己的翅膀,将头插进水里寻找早餐。它们散布在各处。突然,受到某种人类感觉不到的信号的提示,一千只鸭子如一个整体似的腾空而起。它们轰然飞上天空,随之带动湖面上另外千来只野鸭一起腾飞,仿佛它们就是一个躺着的巨人,现在翻身坐起了。这头令人震惊的巨兽在空中盘旋着,转向东方的太阳,眨眼间又急转,前队变为后队。不一会儿,仿佛受到某种单一想法的控制,整群野鸭转向西方,飞走了。17世纪的一位无名诗人写道:“……成千上万条鱼如一头巨兽游动,破浪前进。它们如同一个整体,似乎受到不可抗拒的共同命运的约束。这种一致从何而来?”

一个鸟群并不是一只硕大的鸟。科学报道记者詹姆斯·格雷克[8]写道:“单只鸟或一条鱼的运动,无论怎样流畅,都不能带给我们像玉米地上空满天打旋的燕八哥或百万鲰鱼鱼贯而行的密集队列所带来的震撼……(鸟群疾转逃离掠食者的)高速电影显示出,转向的动作以波状传感的方式,以大约1/70秒的速度从一只鸟传到另一只鸟,比单只鸟的反应要快得多。”鸟群远非鸟的简单聚合。

在电影《蝙蝠侠归来》中有一个场景,一大群黑色大蝙蝠一窝蜂地穿越水淹的隧道涌向纽约市中心。这些蝙蝠是由电脑制作的。动画绘制者先制作一只蝙蝠,并赋予它一定的空间,以使之能自动地扇动翅膀;然后再复制出几十个蝙蝠,直至成群。之后,让每只蝙蝠独自在屏幕上四处飞动,但要遵循算法中植入的几条简单规则:不要撞上其他的蝙蝠,跟上自己旁边的蝙蝠,离队不要太远。当这些“算法蝙蝠”在屏幕上运行起来时,就如同真的蝙蝠一样成群结队而行了。

群体规律是由克雷格·雷诺兹[9]发现的。他是在图像硬件制造商Symbolics工作的计算机科学家。他有一个简单的方程,通过对其中各种作用力的调整——例如多一点聚力、少一点延迟,雷诺德便能使群体的动作形态像活生生的蝙蝠群、麻雀群或鱼群。甚至《蝙蝠侠归来》中行进的企鹅群也是根据雷诺兹的运算法则聚合的。像蝙蝠一样,先一古脑地复制很多计算机建模的三维企鹅,然后把它们释放到一个朝向特定方向的场景中。当它们行进在积雪的街道上,就很容易地显现出推推搡搡拥挤的样子,不受任何人控制。

雷诺兹的简单算法所生成的群体是如此真实,以至于当生物学家们回顾自己所拍摄的高速电影后断定,真实的鸟类和鱼类的群体行为必然源自于一套相似的简单规则。群体曾被看作是生命体的决定性象征,某些壮观的队列只有生命体才能实现。如今根据雷诺兹的算法,群体被看作是一种自适应的技巧,适用于任何分布式的活系统,无论是有机的还是人造的。

2.3 非匀质的看不见的手

蚂蚁研究的先驱者惠勒率先使用“超级有机体”来称呼昆虫群体的繁忙协作,以便清楚地和“有机体”所代表的含义区分开来。惠勒受到世纪之交(1900年左右)的哲学潮流影响。该潮流主张通过观察组成部分的个体行为去理解其上层的整体模式。当时的科学发展正一头扎入对物理学、生物学以及所有自然科学之微观细节的研究之中。这种一窝蜂上的将整体还原为其组成部分的研究方式,在当时被看作是能够理解整体规律的最实际做法,而且将会持续整个世纪(指20世纪),至今仍是科学探索的主要模式。惠勒和他的同事们是这种还原观点的主要拥护者,并身体力行地写就了50篇关于神秘的蚂蚁行为的专题论文。但在同一时刻,惠勒还从超越了蚂蚁群体固有特征的超级有机体中看到了“涌现的特征”。惠勒认为,集群所形成的超级有机体,是从大量聚集的普通昆虫有机体中“涌现”出来的。他指出,这种涌现是一种科学,一种技术性的、理性的解释,而不是什么神秘主义或炼金术。

惠勒认为,这种涌现的观念为调和“将之分解为部分”和“将之视为一个整体”两种不同的方法提供了一条途径。当整体行为从各部分的有限行为里有规律地涌现时,身体与心智、整体与部分的二元性就真正烟消云散了。不过当时,人们并不清楚这种超越原有的属性是如何从底层涌现出来的。现在也依然如此。

惠勒团队清楚的是:“涌现”是一种非常普遍的自然现象。与之相对应的是日常可见的普遍因果关系,就是那种A引发B,B引发C,或者2+2=4这样的因果关系。化学家援引普遍的因果关系来解释实验观察到的硫原子和铁原子化合为硫化铁分子的现象。而按照当时的哲学家劳埃德·摩根[10]的说法,“涌现”这个概念表现的是一种与之不同类型的因果关系。在这里,2+2并不等于4,甚至不可能意外地等于5。在“涌现”的逻辑里,2+2=苹果。“对于‘涌现’——尽管看上去多少都有点跃进(跳跃)——的最佳诠释是,它是事件发展过程中方向上的质变,是关键的转折点。”这是摩根1923年的著作《涌现式的进化》中的一段话。那是一本非常有胆识的书,书中接着引用了布朗宁的一段诗,这段诗佐证了音乐是如何从和弦中涌现出来的:

而我不知道,除此(音乐)之外,人类还能拥有什么更好的天赋因为他从三个音符(三和弦)中所构造出的,不是第四个音符,而是星辰。

我们可以声称,是大脑的复杂性使我们能够从音符中精炼出音乐——显然,木头疙瘩是不可能听懂巴赫的。当聆听巴赫时,充溢我们身心的所有“巴赫的气息”,就是一幅富有诗意的图景,恰如其分地展现出富有含义的模式是如何从音符以及其他信息中涌现出来的。

一只小蜜蜂的机体所代表的模式,只适用于其1/10克重的更细小的翅室、组织和壳质。而一个蜂巢的机体,则将工蜂、雄蜂以及花粉和蜂窝组成了一个统一的整体。一个重达50磅的蜂巢机构,是从蜜蜂的个体部分涌现出来的。蜂巢拥有大量其任何组成部分所没有的东西。一个斑点大的蜜蜂大脑,只有6天的记忆,而作为整体的蜂巢所拥有的记忆时间是3个月,是一只蜜蜂平均寿命的两倍。

蚂蚁也拥有一种蜂群思维。从一个定居点搬到另一个定居点的蚁群,会展示出涌现控制下的“卡夫卡式噩梦”效应[11]。你会看到,当一群蚂蚁用嘴拖着卵、幼虫和蛹拔营西去的时候,另一群热忱的工蚁却在以同样的速度拖着那些家当掉头东行。而与此同时,还有一些蚂蚁,也许是意识到了信号的混乱和冲突,正空着手一会儿向东一会儿向西地乱跑,简直是典型的办公室场面。不过,尽管如此,整个蚁群还是成功地转移了。在没有上级作出任何明确决策的情况下,蚁群选定一个新的地点,发出信号让工蚁开始建巢,然后就开始进行自我管理。

“蜂群思维”的神奇在于,没有一只蜜蜂在控制它,但是有一只看不见的手,一只从大量愚钝的成员中涌现出来的手,控制着整个群体。它的神奇还在于,量变引起质变。要想从单个虫子的机体过渡到集群机体,只需要增加虫子的数量,使大量的虫子聚集在一起,使它们能够相互交流。等到某一阶段,当复杂度达到某一程度时,“集群”就会从“虫子”中涌现出来。虫子的固有属性就蕴涵了集群,蕴涵了这种神奇。我们在蜂箱中发现的一切,都潜藏在蜜蜂的个体之中。不过,你尽管可以用回旋加速器和X光机来探查一只蜜蜂,但是永远也不能从中找出蜂巢的特性。

这里有一个关于活系统的普遍规律:低层级的存在无法推断出高层级的复杂性。不管是计算机还是大脑,也不管是哪一种方法——数学、物理或哲学——如果不实际地运行它,就无法揭示融于个体部分的涌现模式。只有实际存在的蜂群才能揭示单个蜜蜂体内是否融合着蜂群特性。理论家们是这样说的:要想洞悉一个系统所蕴藏的涌现结构,最快捷、最直接也是唯一可靠的方法就是运行它。要想真正“表述”一个复杂的非线性方程,以揭示其实际行为,是没有捷径可走的。因为它有太多的行为被隐藏起来了。

这就使我们更想知道,蜜蜂体内还裹藏着什么别的东西是我们还没见过的?或者,蜂巢内部还裹藏着什么,因为没有足够的蜂巢同时展示,所以还没有显露出来?就此而言,又有什么潜藏在人类个体中没有涌现出来,除非所有的人都通过人际交流或政治管理联系起来?在这种类似于蜂巢的仿生超级思维中,一定酝酿着某种最出人意料的东西。

2.4 认知行为的分散记忆

任何思维都会酝酿出令人费解的观念。

因为人体就是一个由术有专攻的器官们组成的集合体——心脏负责泵送,肾脏负责清扫——所以,当发现思维也将认知行为委派给大脑不同区域时,人们并没有感到过分惊讶。

19世纪晚期,内科医生们注意到刚去世的病人在临死之前,其受损的大脑区域和明显丧失的心智能力之间存在着某种关联。这种关联已经超出了学术意义:神智错乱在本源上是属于生物学的范畴吗?1873年,在伦敦西赖丁精神病院[12],一位对此心存怀疑的年轻内科医生用外科手术的方式取出两只活猴的一小部分大脑组织。其中一例造成猴子右侧肢体瘫痪,另一例造成猴子耳聋。而在其他所有方面,两只猴子都是正常的。该实验表明:大脑一定是经过划分的,即使部分失灵,整体也不会遭遇灭顶之灾。

如果大脑按部门划分,那么记忆在哪一科室储存?复杂的大脑以何种方式分摊工作?答案出乎意料。

1888年,一位曾经谈吐流利、记忆灵敏的男人,慌恐不安地出现在朗道尔特博士的办公室,因为他说不出字母表里任何字母的名字了。在听写一条消息的时候,这位困惑的男人写得只字不差。然而,他却怎么也读不出所写的内容。即使写错了,也找不出错的地方。朗道尔特博士记录道:“请他看视力检查表,他一个字母也说不出。尽管他声称看得很清楚……他把A比作画架,把Z比作蛇,把P比作搭扣。”

四年后这个男人死的时候,他的诵读困难变成彻底的读写失语症。不出所料,解剖尸体时发现了两处损伤:老伤在枕叶(视力)附近区域,新伤则可能在语言中枢附近。

这是大脑官僚化(即按片分管)的有力证明。它暗示着,不同的大脑区域分管不同的功能。如果要说话,则由这个科室进行相应的字母处理;而如果要书写,则归那个科室管。要说出一个字母(输出),你还需要向另一个地方申请。数字则由另一幢楼里的另一个完全不同的部门处理。如果你想骂人,就要像滑稽短剧《巨蟒剧团之飞翔的马戏团》[13]里提示的那样,必须沿着大厅走另一头。

早期的大脑研究员约翰·休林-杰克逊[14]讲述了一个关于他的一名女病人的故事。这个病人在生活中完全失语。有一次,她所住病房的街对面有一堆倾倒在那里的垃圾着火了,这位病人清晰地发出了一个字——也是休林-杰克逊所听到的她讲的绝无仅有的一个字——“火!”

怎么会这样?他感到有点不可思议,难道“火”是她的语言中枢记得的唯一一个字?难不成大脑有自己的“火”字部门?

随着大脑研究的进一步深入,思维之谜向人们展示出其极具特定性的一面。在有关记忆的文献中,有一类人能正常区分具体的名词——对他们说“肘部”,他们就会指着自己的肘部,但非常奇怪的是,他们无力识别抽象名词——问他们“自由”或“天资”,他们会茫然地瞪着眼睛,耸耸肩。与此相反,另一类看上去很正常的人则失去了记住具体名词的能力,却能完全识别抽象的东西。伊斯雷尔·罗森费尔德在其精彩却太不引人注目的著作《记忆的发明》(e Invention of Memoryy)中写道:

有这么一个病人,当让他给干草下定义时,他回答:“我忘了。”当请他给海报下定义时,他说:“不知道。”然而,给他“恳求”这个词时,他说:“真诚地请求帮助。”说到“公约”,则回答:“友好的协定。”

古代哲学家说,记忆是个宫殿,每个房间都停放着一个思想。随着临床上一例例特别的健忘症被发现和研究,记忆房间的数量呈爆炸式增长,且无穷无尽。已经被划分为套间的记忆堡垒,又被分割为由极小的秘室组成的巨大迷宫。

有一项研究的对象是四个病人,他们能辨明无生命的物体(雨伞、毛巾),却会混淆生物,包括食品!其中一个病人能毫不含糊地谈论无生命的物体,但对他来说,蜘蛛的定义却是“一个为国家工作的找东西的人”。还有许多记录,是关于受过去时态困扰的失语症病人的。我听说过另一个传闻(我不能证实,但毫不怀疑),说患某种疾病的患者能够分辨所有食物,但蔬菜除外。

南美文学名家博尔赫斯在他的小说中杜撰了一部名为“天朝仁学广览”(Celestial Emporium of Benevolent Knowledge)的古代中国百科全书。其中的分类体系恰如其分地代表了这种潜藏在记忆系统下的怪诞不经。

在那本年代久远的百科全书中,动物被划分为:a)属于皇帝的,b)防腐处理的,c)驯养的,d)乳臭未干的小猪,e)半人半鱼的,f)赏心悦目的,g)离家的狗,h)归入此类的,i)发疯般抽搐的,j)不可胜数的,k)用驼毛细笔描绘的,l)除此之外的,m)刚刚打破花瓶的,n)远看如苍蝇的。

天朝分类法确实过于牵强,不过任何分类过程都有其逻辑问题。除非每一个记忆都能有不同的地方存放,否则就一定会有令人困惑的重叠。举例来说,一只喋喋不休的、淘气的小猪,就可能被归为上述类别中的三个里面。尽管可以将一个想法插入到三个记忆槽里,但其效率却非常低。

在计算机科学家试图创立人工智能的过程中,知识如何存入大脑,已经不仅仅是个学术问题了。那么,蜂群思维中的记忆架构是什么样的呢?

过去,多数研究人员倾向于认为,(记忆的存储)就如同人类管理其自制的文件柜一样,直观而自然:每个存档文件占用一个地方,彼此间有多重交叉引用,就像图书馆一样。活跃于20世纪30年代的加拿大神经外科医生怀尔德·潘菲尔德[15]通过一系列著名的精彩实验,将这种认为每条记忆都对应于大脑中一个单独位置的理论发展到了顶峰。潘菲尔德通过大胆的开颅术,在病人清醒的状态下利用电激探查其小脑活体,请他们讲述自己的感受。病人们能够回忆起非常生动的往事,而电激的最微小移动都能引发截然不同的想法。潘菲尔德在用探测器扫描小脑表面的同时,绘制出每个记忆在大脑中的对应位置。

他的第一个意外发现是,那些往事是可以重播的,就如同在若干年后播放录音机一般——“摁下重播键”。潘菲尔德在描述一位26岁妇女癫痫发作后的幻觉时用了“回闪”这个词:“同样的回闪出现了几次,都与她表亲的家或去那里的旅行有关——她已经有10到15年没有去那里了,但小时候常去。”

潘菲尔德对活脑这块处女地的探索使得人们形成了根深蒂固的印象:脑半球就好比出色的记录装置,其精彩的回放功能似乎更胜过时下流行的留声机。我们的每个记忆都被精确地刻划在它自己的唱片上,由不偏不倚的大脑忠实地将其分类归档,并能像自动点唱机中的歌曲一样,摁动正确的按扭就能播放出来,除非受到暴力的损伤。

然而仔细查看潘菲尔德实验的原始记录会发现,记忆并不是十分机械的过程。有一个例子,是一位29岁的妇女在潘菲尔德刺激其左颞叶时的反应:“有什么东西从某个地方朝我来了。是一个梦。”4分钟以后,当刺激完全相同的点时:“景色似乎和刚才的不一样……”而刺激附近的点:“等等,什么东西从我上面闪过去了,我梦到过的东西。”在第三个刺激点——在大脑的更深处,“我不停地做梦。”对同一点重复刺激:“我不停地看到东西——我不停地梦到东西。”

这些文字所谈及的,与其说是从记忆档案馆的底层文件架上翻出的杂乱无章的昨日重现,倒不如说是梦一般的模糊闪现。这些过往经历的主人把它们当作是零碎的半记忆片段。它们带有生硬的“拼凑”色彩,漫无目的地飘荡;梦境由此而生——那些关于过去的、星星点点的、没有中心的故事被重组成梦中的拼贴画。并没有所谓似曾相识的感觉,也没有“当时情形正是如此”的强烈意识。没有人会被这些重播所蒙蔽。

人类的记忆的确会不管用。其不管用的方式十分特别,比如在杂货店里记不起购物清单中的蔬菜或是干脆就忘掉了蔬菜这码事。记忆的损伤往往和大脑的物理损伤有关,据此我们猜测,记忆在某种程度上是与时间和空间捆绑在一起的,而与时间和空间捆绑在一起则正是真实的一种定义。

然而现代认知科学更倾向于一个新的观点:记忆好比由储存在脑中的许多离散的、非记忆似的碎片汇总起来而从中涌现出来的事件。这些半意识的碎片没有固定的位置,它们分散在大脑中。其储存方式在不同的意识之间有本质的不同——对洗牌技能的掌握与对玻利维亚首都的了解就是按完全不同的方式组织的,并且这种方式在人与人之间会有所不同,上一次与下一次之间也会有所不同。

由于可能存在的想法或经历要比大脑中神经元的组合方式多,因此,记忆必须以某种方式进行组织,以尽可能容纳超过其存储空间的想法。它不可能有一个架子来存放过去所有的念头,也无法为将来可能出现的每一个想法预留位置。

记得20年前在中国台湾的一个夜晚,我坐在敞篷卡车的后面,行进在满是灰尘的山路上。山上空气很冷,我穿上了夹克。我搭的是顺风车,要在黎明前到达山区一座高峰。卡车在陡峭黑暗的山路上一圈圈艰难地向上爬升,而我在清新的空气中仰望星空。天空如此清澈,我能看见接近地平线的小星星。突然,一颗流星嗖地滑落,因为我在山里的角度特别,所以看见它在大气层里跳动。它跳啊,跳啊,跳啊,像粒石子。

现在,当我回忆起这一幕时,那颗跳动的流星已经不再是我记忆的重播——尽管它是如此的生动。它的影像并不存在于我记忆中任何特别的地方。当我重现这段经历时,实际上对其重新进行了组合,并且每次回忆起来都会重新进行组合。所用的材料是散布在我大脑中的细小的证据碎片:在寒风中瑟瑟发抖,在崎岖的山路上颠簸前进,在夜空中闪烁的无数星星,还有在路旁伸手拦车的场景。这些记录的颗粒甚至更细小:冷,颠簸,光点,等候。这些正是我们通过感官所接收到的原始印象,并由此组合成了我们当前的感知。

我们的意识正是通过这许许多多散布在记忆中的线索创造了现在,如同它创造了过去一样。站在博物馆的一个展品面前,其所具有的平行直线让我在头脑中将它与“椅子”的概念联系起来,尽管这个展品只有三条腿。我的记忆中从未见过这样一把椅子,但它符合所有(与椅子)相关联的事物——它是直立的,有水平的座位,是稳定的,有若干条腿——并随之产生了视觉映像。这个过程非常快。事实上,在察觉其所特有的细节之前,我会首先注意到其所具备的一般“椅性”。

我们的记忆(以及我们的蜂群思维)是以同样模糊而偶然的方式创造出来的。要(在记忆中)找到那颗跳动的流星,我的意识首先抓住了一条移动的光的线索,然后收集一连串与星星、寒冷、颠簸有关的感觉。创造出什么样的记忆,有赖于最近我往记忆里塞入了什么,也包括上次重组这段记忆时所加进去的感觉或其他事情。这就是为什么每次回忆起来都有些微不同的原因,因为每次它都是真正意义上的完全不同的经历。感知的行为和记忆的行为是相同的。两者都是将许多分布的碎片组合成一个自然涌现出的整体。

认知科学家道格拉斯·霍夫施塔特[16]说道:“记忆,是高度重建的。在记忆中进行搜取,需要从数目庞大的事件中挑选出什么是重要的,什么是不重要的,强调重要的东西,忽略不重要的东西。”这种选择的过程实际上就是感知。“我非常非常相信,”霍夫施塔特告诉我,“认知的核心过程与感知的关系非常非常紧密。”

在过去20年里,一些认知科学家已经勾画出了创造分布式记忆的方法。20世纪70年代,心理学家戴维·马尔[17]提出一种人类小脑的新模型,在这个模型中,记忆是随机地存储在整个神经元网络中的。1974年,计算机科学家彭蒂·卡内尔瓦[18]提出了类似的数学网络模型。借助这个模型,长字符串的数据能随机地储存在计算机内存中。卡内尔瓦的算法是一种将有限数量的数据点储存进非常巨大的潜在的内存空间的绝妙方法。换句话说,卡内尔瓦指出了一种能够将思维所拥有的任何感知存入有限记忆机制的方法。由于宇宙中可能存在的思想要比原子或粒子更多,人类思维所能接触到的只是其中非常稀疏的一部分,因此,卡内尔瓦称他的算法为“稀疏分布记忆”[19]算法。

在一个稀疏分布式网络中,记忆是感知的一种。回忆行为和感知行为都是在一个非常巨大的模式可选集中探查所需要的一种模式。我们在回忆的时候,实际上是重现了原来的感知行为,也就是说,我们按照原来感知这种模式的过程,重新定位了该模式。

卡内尔瓦的算法是如此简洁清晰,以至于某个计算机高手用一个下午就能大致地实现它。20世纪80年代中期,在美国宇航局艾姆斯研究中心,卡内尔瓦和同事们在一台计算机上设计出非常稳定的实用版本,对他的稀疏分布记忆结构进行了细调。卡内尔瓦的记忆算法能做一些可媲美于人类思维的不可思议的事情。研究者事先向稀疏内存中放入几个画在20×20格子里的低画质数字图像(1至9)。内存保存了这些图像。然后,他们拿一个比第一批样本画质更低的数字图像给内存,看它是否能“回忆”起这个数字是什么。结果它做到了!它意识到了隐藏在所有低画质图像背后的原型。从本质上来说,它记起的是以前从未见过的形象!

这个突破不仅仅使找到或重现过去成为可能,更重要的是,当只给定最模糊的线索时,它也能够从无数的可能性中发掘出一些东西。对一个记忆体来说,仅仅能调出祖母的容貌是不够的,在不同的光线下以及从不同的角度去看祖母的样子时,它都应该能辨认出来。

蜂群思维是能同时进行感知和记忆的分布式内存。人类的思维多半也是分布式的,至少在人工思维中,分布式思维肯定是占优势的。计算机科学家越是用蜂群思维的方式来思考分布式问题,就越发现其合理性。他们指出,大多数个人电脑在开机状态的绝大部分时间里并没有真正投入使用。当你在计算机上写信时,敲击键盘产生的短脉冲会打断计算机的休息,但当你构思下一句话的时候,它又会返回到无所事事的状态。总体而言,办公室里打开的计算机在一天的大部分时间里都处于闲置状态。大公司的信息系统管理人员眼见价值几百万美元的个人电脑设备晚上在工作人员的办公桌上闲着,很想知道是否能够充分利用这些设备的全部计算能力。他们所需要的正是一个在完全分布式的系统中协调工作和存储的办法。

不过,仅仅解决闲置问题并不是分布式计算的主要意义。分布式系统和蜂群思维有其独特的优势,比如,对突然出现的故障具有极强的免疫力。在加利福尼亚州帕罗奥多市[20]的数字设备公司[21]的实验室里,一名工程师向我演示了分布式计算的优势:他打开装有公司内部计算机网络的机柜门,动作夸张地从里面拔掉了一条电缆。网络路由毫不迟疑地绕过了缺口。

当然,任何蜂群思维都有失灵的时候。但是,因为网络的非线性特质,当它确实失灵的时候,其故障可能类似于除了蔬菜什么食物都记得的失语症。一个有损伤的网络智能也许能计算出圆周率的第十亿个数位,却不能向新地址转发邮件;它也许能查出为非洲斑马变种进行分类这样晦涩难懂的课本文字,却找不出任何有关一般动物的合乎情理的描述。对蔬菜的整体“健忘”不太像局部的储存器故障,它更像是系统层面上的故障,据其症状推断,有可能是与蔬菜相关的某种特殊关联出现了问题——就像计算机硬盘中的两个独立但又相互矛盾的程序有可能造成一个“漏洞”阻止你打印斜体字一样。斜体字的存储位置并没有被破坏,但是渲染斜体字的系统进程被破坏了。

创建分布式计算机思维所遇到的一些障碍可以通过将计算机网络建立在一个箱体内的方法加以克服。这种经过刻意压缩的分布式计算也被称为并行计算,因为在超级计算机中的成千上万的计算机在并行运转。并行超级计算机不能解决“办公桌上闲置的计算机”问题,也不能将散布各处的计算能力聚合起来;并行运转是其本身和内部的一个优势,不过单为了这一点,也值得花一百万美元来制造一个单机装置。

并行分布式计算非常适用于感知、视觉和仿真领域。并行机制处理复杂性的能力要好于以体积庞大、运算速度超快的串行计算机为基础的传统超级计算机。在采用稀疏分布式内存的超级计算机里,记忆与数据处理之间的差异消失了。记忆成为了感知的再现,与最初的认知行为没有什么区别。两者都是从一大堆互相连接的部件中涌现出来的模式。

2.5 从量变到质变

满满一槽的水。当你拔去水槽的塞子,水就会开始搅动,形成涡流。涡流发展成为漩涡,像有生命一般成长。不一会儿,漩涡从水面扩展到槽底,带动了整个水槽里的水。不停变化的水分子瀑布在龙卷中旋转,时刻改变着漩涡的形状。而漩涡持续不变,就在崩溃的边缘舞动。“我们并非僵滞的死物,而是自我延续的模式,”诺伯特·维纳[22]如是写道。

水槽空了,所有的水都通过漩涡而流得一干二净。当满槽水都从槽里排入下水道后,漩涡的模式到哪去了呢?这模式又是从何而来呢?

不管我们在何时拔掉塞子,漩涡都会无一例外地出现。漩涡是一种涌现的事物——如同群一样,它的能量及结构蕴涵于群体而非单个水分子的能量和特性之中。不论你多么确切地了解H2O(水的分子式)的化学特征,它都不会告诉你任何有关漩涡的特征。一如所有涌现的事物,漩涡的特性来源于大量共存的其他个体;在之前所举的例子中,是满满一槽的水分子。一滴水并不足以显现出漩涡,而一把沙子也不足以引发沙丘的崩塌。事物的涌现大都依赖于一定数量的个体,一个群体,一个集体,一个团伙,或是更多。

数量能带来本质性的差异。一粒沙子不能引起沙丘的崩塌,但是一旦堆积了足够多的沙子,就会出现一个沙丘,进而也就能引发一场沙崩。一些物理属性,如温度,也取决于分子的集体行为。空间里的一个孤零零的分子并没有确切的温度。温度更应该被认为是一定数量分子所具有的群体性特征。尽管温度也是涌现出来的特征,但它仍然可以被精确无疑地测量出来,甚至是可以预测的。它是真实存在的。

科学界早就认为大量个体和少量个体的行为存在重大差异。群聚的个体孕育出必要的复杂性,足以产生涌现的事物。随着成员数目的增加,两个或更多成员之间可能的相互作用呈指数级增长。当连接度足够高且成员数目足够大时,就产生了群体行为的动态特性——量变引起质变。

2.6 群集的利与弊

有两种极端的途径可以产生“更多”。一种途径是按照顺序操作的思路来构建系统,就像工厂的装配流水线一样。这类顺序系统的原理类似于钟表的内部逻辑——通过一系列的复杂运动来测度出时间的流逝。大多数机械系统遵循的都是这种逻辑。

还有另一种极端的途径。我们发现,许多系统都是将并行运作的部件拼接在一起,很像大脑的神经元网络或者蚂蚁群落。这类系统的动作是从一大堆乱糟糟且又彼此关联的事件中产生的。它们不再像钟表那样,由离散的方式驱动并以离散的方式显现,更像是有成千上万个发条在一起驱动一个并行的系统。由于不存在指令链,任意一根发条的某个特定动作都会传递到整个系统,而系统的局部表现也更容易被系统的整体表现所掩盖。从群体中涌现出来的不再是一系列起关键作用的个体行为,而是众多的同步动作。这些同步动作所表现出的群体模式要更重要得多。这就是群集模型。

这两种极端的组织方式都只存在于理论之中,因为现实生活中的所有系统都是这两种极端的混合物。某些大型系统更倾向于顺序模式(如工厂),而另外一些则倾向于网络模式(如电话系统)。

我们发现,宇宙中最有趣的事物大都靠近网络模式这一边。彼此交织的生命,错综复杂的经济,熙熙攘攘的社会,以及变幻莫测的思绪,莫不如此。作为动态的整体拥有某些相同的特质:比如,某种特定的活力。

这些并行运转的系统中有我们所熟知的各种名字:蜂群、电脑网络、大脑神经元网络、动物的食物链、以及代理群集。上述系统所归属的种类也各有其名称:网络、复杂自适应系统、群系统、活系统或群集系统。我在这本书中用到了所有这些术语。

每个系统在组织上都汇集了许多(数以千计的)自治成员。“自治”意味着每个成员要根据内部规则以及其所处的局部环境状况而各自做出反应。这与服从来自中心的命令,或根据整体环境做出步调一致的反应截然不同。

这些自治成员之间彼此高度连接,但并非连到一个中央枢纽上。它们组成了一个对等网络。由于没有控制中心,人们就说这类系统的管理和中枢是去中心化分布在系统中的,与蜂巢的管理形式相同。

以下是分布式系统的四个突出特点,活系统的特质正是由此而来:

◎没有强制性的中心控制

◎次级单位具有自治的特质

◎次级单位之间彼此高度连接

◎点对点间的影响通过网络形成了非线性因果关系

上述特点在分布式系统中的重要度和影响力尚未经过系统地检验。

本书主题之一是论述分布式人造活系统——如并行计算、硅神经网络芯片,以及因特网这样的庞大在线网络等——在向人们展示有机系统的迷人之处的同时,也暴露出它们的某些缺陷。下面是我对分布式系统的利与弊的概述:

群系统的好处:

◎可适应——人们可以建造一个类似钟表装置的系统来对预设的激励信号进行响应。但是,如果想对未曾出现过的激励信号做出响应,或是能够在一个很宽的范围内对变化做出调整,则需要一个群——一个蜂群思维。只有包含了许多构件的整体才能够在其部分构件失效的情况下仍然继续生存或适应新的激励信号。

◎可进化——只有群系统才可能将局部构件历经时间演变而获得的适应性从一个构件传递到另一个构件(从身体到基因,从个体到群体)。非群体系统不能实现(类似于生物的)进化。

◎弹性——由于群系统是建立在众多并行关系之上的,所以存在冗余。个体行为无足轻重。小故障犹如河流中转瞬即逝的一朵小浪花。就算是大的故障,在更高的层级中也只相当于一个小故障,因而得以被抑制。

◎无限性——对传统的简单线性系统来说,正反馈回路是一种极端现象,比如扩声话筒无序的回啸。而在群系统中,正反馈却能导致秩序的递增。通过逐步扩展超越其初始状态范围的新结构,群可以搭建自己的脚手架借以构建更加复杂的结构。自发的秩序有助于创造更多的秩序——生命能够繁殖出更多的生命,财富能够创造出更多的财富,信息能够孕育更多的信息,这一切都突破了原始的局限,而且永无止境。

◎新颖性——群系统之所以能产生新颖性有三个原因:( 1)它们对“初始条件很敏感”——这句学术短语的潜台词是说,后果与原因不成比例——因而,群系统可以将小土丘变成令人惊讶的大山。( 2)系统中彼此关联的个体所形成的组合呈指数增长,其中蕴藏了无数新颖的可能性。( 3)它们并不强调个体,因而也允许个体有差异和缺陷。在具有遗传可能性的群系统中,个体的变异和缺陷能够导致恒新,这个过程我们也称之为进化。

群系统的明显缺陷:

◎非最优——因为冗余,又没有中央控制,群系统的效率是低下的。其资源分配高度混乱,重复的努力比比皆是。青蛙一次产出成千上万只卵,只为了少数几个子代成蛙,这是多么大的浪费!假如群系统有应急控制的话——例如自由市场经济中的价格体系,那么就可以在一定程度上抑制效率低下,但绝不可能像线性系统那样彻底消除它。

◎不可控——没有一个绝对的权威。引领群系统犹如羊倌放羊:要在关键部位使力,要扭转系统的自然倾向,使之转向新的目标(利用羊怕狼的天性,用爱撵羊的狗来将它们集拢)。经济不可由外部控制,只能从内部一点点地调整。人们无法阻止梦境的产生,只能在它现身时去揭示它。无论在哪里,只要有“涌现”的字眼出现,人类的控制就消失了。

◎不可预测——群系统的复杂性以不可预见的方式影响着系统的发展。“生物的历史充满了出乎意料。”研究员克里斯·朗顿[23]如是说。他目前正在开发群的数学模型。“涌现”一词有其阴暗面。视频游戏中涌现出的新颖性带给人无穷乐趣;而空中交通控制系统中如果出现涌现的新情况,就可能导致进入全国紧急状态。

◎不可知——我们目前所知的因果关系就像钟表系统。我们能理解顺序的钟表系统,而非线性网络系统却是道地的难解之谜。后者淹没在它们自制的困思逻辑之中。A导致B,B导致A。群系统就是一个交叉逻辑的海洋:A间接影响其他一切,而其他一切间接影响A。我把这称为横向因果关系。真正的起因(或者更确切地说,由一些要素混合而成的真正起因),将在网络中横向传播开来,最终,触发某一特定事件的原因将无从获知。那就听其自然吧。我们不需要确切地知道西红柿细胞是如何工作的,也能够种植、食用、甚至改良西红柿。我们不需要确切地知道一个大规模群体计算系统是如何工作的,也能够建造、使用它,并使之变得更加完美。不过,无论我们是否了解一个系统,都要对它负责,因此了解它肯定是有帮助的。

◎非即刻——点起火,就能产生热量;打开开关,线性系统就能运转。它们准备好了为你服务。如果系统熄了火,重新启动就可以了。简单的群系统可以用简单方法唤醒;但层次丰富的复杂群系统就需要花些时间才能启动。系统越是复杂,需要的预热时间就越长。每一个层面都必须安定下来;横向起因必须充分传播;上百万自治成员必须熟悉自己的环境。我认为,这将是人类所要学的最难的一课:有机的复杂性将需要有机的时间。

在群逻辑的优缺点中进行取舍就如同在生物活系统的成本和收益之间进行抉择一样——假如我们需要这样做的话。但由于我们是伴随着生物系统长大的,而且别无选择,所以我们总是不加考虑地接受它们的成本。

为了使工具具备强大的功能,我们可以允许其在某些方面有点小瑕疵。同样,为了保证互联网上拥有一千七百万个计算机节点的群系统不会整个儿垮掉,我们不得不容忍讨厌的蠕虫病毒或是毫无理由和征兆的局部停电。多路由选择既浪费且效率低下,但我们却可以借此保证互联网的灵活性。而另一方面,我敢打赌,在我们制造自治机器人时,为了防止它们自作主张地脱离我们的完全控制,不得不对其适应能力有所约束。

随着我们的发明从线性的、可预知的、具有因果关系属性的机械装置,转向纵横交错、不可预测、且具有模糊属性的生命系统,我们也需要改变自己对机器的期望。这有一个可能有用的简单经验法则:

对于必须绝对控制的工作,仍然采用可靠的老式钟控系统。

在需要终极适应性的地方,你所需要的是失控的群件。

我们每将机器向集群推进一步,都是将它们向生命推进了一步。而我们的奇妙装置每离开钟控一步,都意味着它又失去了一些机器所具有的冷冰冰但却快速且最佳的效率。多数任务都会在控制与适应性中间寻找一个平衡点,因此,最有利于工作的设备将是由部分钟控装置和部分群系统组成的生控体系统的混血儿。我们能够发现的通用群处理过程的数学属性越多,我们对仿生复杂性与生物复杂性的理解就越好。

群突出了真实事物复杂的一面。它们不合常规。群计算的数学延续了达尔文有关动植物经历无规律变异而产生无规律种群的革命性研究。群逻辑试图理解不平衡性,度量不稳定性,测定不可预知性。用詹姆斯·格雷克的话来说,这是一个尝试,以勾画出“无定形的形态学”——即给似乎天生无形的形态造型。科学已经解决了所有的简单任务——都是些清晰而简明的信号。现在它所面对的只剩下噪音;它必须直面生命的杂乱。

2.7 网络是21世纪的图标

禅宗大师曾经指导新入门的弟子以一种无成见的“初学者心态”悟禅。大师告诫学生,“要消除一切先入之见”。要想领悟复杂事物的群体本质,需要一种可以称为“蜂群思维”的意识。蜂群大师教导我们:“放下一切固有和确信的执念。”

一个深思熟虑的蜂群的看法:原子是20世纪科学的图标。

通行的原子标志是直白的:几个点循极细的轨道环绕着一个黑点。原子独自旋转,形成单一性的典型缩影。这是个性的象征——原子的个性,是最基本的力量基座。原子代表着力量,代表着知识和必然。它如同圆周一样可靠而规律。

行星似的原子图像被印在玩具上,印在棒球帽上。旋转的原子渐渐出现在公司的商标图案和政府的印章上,出现在麦片盒的背面,出现在教科书中,并且在电视广告中扮演着主角。

原子的内部轨道是宇宙的真实镜像,一边是遵守规则的能量核,另一边是在星系中旋转的同心球体。其核心是意志,是本我,是生命力;一切都被固定在其适合的旋转轨道上。原子那符号化的确定轨道以及轨道间分明的间隙代表了对已知宇宙的理解。原子象征着简单所代表的质朴力量。

另一个带有禅意的思想:原子是过去。21世纪的科学象征是充满活力的网络。

网络的图标是没有中心的——它是一大群彼此相连的小圆点,是由一堆彼此指向、相互纠缠的箭头织成的网。不安分的图像消褪在不确定的边界。网络是原型——总是同样的画面——代表了所有的电路,所有的智慧,所有的相互依存,所有经济的、社会的和生物的东西,所有的通信,所有的民主制度,所有的群体,所有的大规模系统。这个图标很具有迷惑性,看着它,你很容易陷入其自相矛盾的困境:没有开始、没有结束、也没有中心,或者反之,到处都是开始、到处都是结束、到处都是中心。纠结是它的特性。真相暗藏于明显的凌乱之下,要想解开它,需要很大的勇气。

达尔文在其巨著《物种起源》中论述了物种如何从个体中涌现而出。这些个体的自身利益彼此冲突,却又相互关联。当他试图寻找一幅插图做此书的结尾时,他选择了缠结的网。他看到“鸟儿在灌木丛中歌唱,周围有弹跳飞舞的昆虫,还有爬过湿地的蠕虫”;整个网络形成“盘根错节的一堆,以非常复杂的方式相互依存”。

网络是群体的象征。由此产生的群组织——分布式系统,将自我撒布在整个网络,以至于没有一部分能说:“我就是我。”无数的个体思维聚在一起,形成了不可逆转的社会性。它所表达的既包含了计算机的逻辑,又包含了大自然的逻辑,进而展现出一种超越理解能力的力量。

暗藏在网络之中的是神秘的看不见的手——一种没有权威存在的控制。原子代表的是简洁明了,而网络传送的是由复杂性而生的凌乱之力。

作为一面旗帜的网络更难相处,因为它是一面非控的旗帜。网络在哪里出现,哪里就会出现对抗人类控制的反叛者。网络符号象征着心智的迷茫,生命的纠结,以及追求个性的群氓。

网络的低效率——所有那些冗余,那些来来回回的矢量,以及仅仅为了穿过街道而串来串去的东西——包容着瑕疵而非剔除它。网络不断孕育着小的故障,以此来避免大故障的频繁发生。正是其容纳错误而非杜绝错误的能力,使分布式存在成为学习、适应和进化的沃土。

网络是唯一有能力无偏见地发展或无引导地学习的组织形式。所有其他的拓扑结构都会限制可能发生的事物。

一个网络群到处都是边,因此,无论你以何种方式进入,都毫无阻碍。网络是结构最简单的系统,其实根本谈不上有什么结构。它能够无限地重组,也可以不改变其基本形状而向任意方向发展,它其实是完全没有外形的东西。类鸟群的发明者克雷格·雷诺兹指出了网络这种可以不受打断而吸收新事物的非凡能力:“没有迹象表明自然鸟群的复杂性受到任何方式的限制。有新鸟加入时,鸟群并不会变得‘满载’或‘超负荷’。当鲱鱼向产卵地迁移时,它们那数百万成员的队伍绵延可达17英里。”我们的电话网络能够达到多大?一个网络理论上可以包容多少个节点仍能继续运转?这些问题甚至都不会有人问起过。

群的拓扑结构多种多样,但是唯有庞大的网状结构才能包容形态的真正多样性。事实上,由真正多元化的部件所组成的群体只有在网络中才能相安无事。其他结构,如链状、金字塔状、树状、圆形、星形等,都无法包容真正的多元化,以一个整体的形式运行。这就是为什么网络差不多与民主和市场意义等同的原因。

动态网络是少数几个融合了时间维度的结构之一。它注重内部的变化。无论在哪里看到持续不断的不规则变化,我们都应该能看到网络的身影,事实也的确如此。

与其说一个分布式、去中心化的网络是一个物体,还不如说它是一个过程。在网络逻辑中,存在着从名词向动词的转移。如今,经济学家们认为,只有把产品当作服务来做,才能取得最佳的效果。你卖给顾客什么并不重要,重要的是你为顾客做了些什么。这个东西是什么并不重要,重要的是它与什么相关联,它做了什么。流程重于资源。行为最有发言权。

网络逻辑是违反直觉的。比如说,你要铺设连接一些城市的电话电缆。以堪萨斯城、圣地亚哥和西雅图这三个城市为例,连接这三座城市的电话线总长为3000英里。根据常识,如果要在电话网络中加上第四个城市,那么电话线的长度就必将增加。然而,网络逻辑给出的答案截然相反。如果将第四个城市作为中心(让我们以盐湖城为例),其他城市都通过盐湖城相连,电缆总长就可以减少至2850英里,比原来的3000英里减少了5%。由此,网络的总展开长度在增加节点后反而得以缩短!不过,这种效果是有限的。1990年在贝尔实验室工作的黄光明[24]教授和堵丁柱[25]证明,通过向网络引入新的节点,系统所能够获得的最大节省大约为13%左右。在网络中,更多代表了不同的含义。

另一方面,1968年,德国运筹学家迪特里希·布拉斯[26]发现,为已经拥堵的网络增加线路只会使其运行速度更慢,现在我们称其为布拉斯悖论。科学家们发现了许多例子,都是说增加拥挤网络的容量会降低其总产量。19世纪60年代末,斯图加特的城市规划者试图通过增加一条街道来缓解闹市区的交通拥堵问题。当他们这样做了的时候,城市的交通状况更加恶化,于是,他们关闭了那条街道,交通状况却得到了改善。1992年,纽约在地球日关闭了拥挤的42街,人们曾担心情况会恶化,但结果却是,那天的交通状况实际上得到了改善。

还不止于此。1990年,三位致力于脑神经元网络研究的科学家报告说,提高个体神经元的增益——响应度——并不能提高个体检测信号的性能,却能提高整个网络检测信号的性能。

网络有其自己的逻辑性,与我们的期望格格不入。这种逻辑将迅速影响生活在网络世界中的人类文化。从繁忙的通信网络中,从并行计算的网络中,从分布式装置和分布式存在的网络中,我们得到的是网络文化。

艾伦·凯[27]是个有远见的人,他与个人电脑的发明有很大关系。他说,个人拥有的图书是文艺复兴时期个人意识的主要塑造者之一,而广泛使用的联网计算机将来会成为人类的主要塑造者。我们甩在身后的不仅仅只是一本本的书。一天24小时、一周7天的全球实时民意调查,无处不在的电话,异步电子邮件,500个电视频道,视频点播:所有这一切共同交织成了辉煌的网络文化、非凡的蜂群式王国。

我蜂箱里的小蜜蜂大约意识不到自己的群体。根据定义,它们共同的蜂群思维一定超越了它们的个体小蜜蜂思维。当我们把自己与蜂巢似的网络连接起来时,会涌现出许多东西,而我们仅仅作为身处网络中的神经元,是意料不到、无法理解和控制不了这些的,甚至都感知不到这些东西。任何涌现的蜂群思维都会让你付出这样的代价。

[1] 德谟克利特(Democritus,约公元前460~前370年):古希腊哲学家。

[2] 色诺芬(Xenophon,约公元前434~前355年):希腊将军,历史学家,著有《长征记》一书。

[3] 亚里士多德(Aristotle,公元前384~前322年):古希腊哲学家、科学家,亚历山大大帝的教师,雅典逍遥学派创始人。

[4] 鲁道夫·斯坦纳(Rudolf Steiner,1861.02.27~1925.03.30):奥地利社会哲学家,灵智学(anthroposophy)的创始人,讲究用人的本性、心灵感觉和独立于感官的纯思维与理论解释生活。

[5] 墨里斯·梅特林克(Maurice Maeterlinck,1862~1949):比利时剧作家、诗人、散文家。主要作品有剧作《盲人》、《青鸟》,散文集《双重的花园》、《死亡》、《蚂蚁的生活》等。191 1年,其凭借作品《花的智慧》获诺贝尔文学奖。

[6] 威廉·莫顿·惠勒(William Morton Wheeler,1865~1937):美国昆虫学家、蚁学家,哈佛大学教授。

[7] 罗伦·卡彭特(Loren Carpenter,1947~):电脑图形图像专家,皮克斯动画工作室创始人之一并担任其首席科学家。

[8] 詹姆斯·格雷克(James Gleick,1954.08.01~):作家、记者、传记记者。他的书揭示了科学技术的文化派别,其中3本分获普利策奖和国家图书奖的决赛资格,并被译成二十多种文字。

[9] 克雷格·雷诺兹(Craig Reynolds,1953.03.15~):仿真生命与电脑图形图像专家,1986年发明仿真人工生命“类鸟群”。

[10] 劳埃德·摩根(Lloyd Morgan,1852.02.06~1936.03.06):英国心理学家、生物学家和哲学家,比较心理学的先驱。

[11] 卡夫卡式噩梦:是德语小说家弗兰兹·卡夫卡在其作品中表现出来的一种毫无逻辑、茫然无从、琐碎复杂的精神状态。

[12] 西赖丁精神病院:West Riding Lunatic Asylum

[13] 巨蟒剧团之飞翔的马戏团(Monty Python's Flying Circus):1969年英国BBC电视台推出的一个电视滑稽剧。

[14] 约翰·休林-杰克逊(John Hughlings Jackson,1835.03.04~191 1.10.07):英国皇家学会会员,英国精神病学家。

[15] 怀尔德·潘菲尔德(Wilder Graves Penfield,1891.01.26~1976.04.05):加拿大神经外科医生、神经生理学家。

[16] 道格拉斯·霍夫施塔特(Douglas Richard Hofstadter,1945.02.15~):美国作家,从事意识思考及创造力方面的研究。侯世达是他的中文名。其著作《哥德尔、埃舍尔、巴赫》获得1980年普利策非小说类别奖。

[17] 戴维·马尔(David Courtnay Marr,1945.01.19~1980.1 1.17):英国神经系统科学家、心理学家。马尔整合心理学、人工智能及神经生理学研究成果,提出了视觉处理新模式,被公认为计算神经科学创始人。

[18] 彭蒂·卡内尔瓦(Pentti Kanerva):发明“稀疏分布记忆”算法。现为雷氏神经系统科学研究所研究员。

[19] 稀疏分布记忆:Sparse Distributed Memory

[20] 帕罗奥多市(Palo Alto):位于加州北部湾区地带,著名的斯坦福大学就位于该市。

[21] 数字设备公司:Digital Equipment Corporation

[22] 诺伯特·维纳(Norbert Wiener,1894.1 1.26~1964.03.08):美国数学家,美国科学院院士,控制论的创始人。

[23] 克里斯·朗顿(Chris Langton,1949~):美国生物学家,仿生领域开创者之一。1980年代他发明了术语仿真,1987年在洛斯阿拉莫斯国家实验室组织了第一次“生命系统的合成仿真国际会议”。

[24] 黄光明(Frank Hwang):毕业于台湾大学外语系,获美国纽约市大学管理学硕士、美国北卡罗莱那大学统计学博士。1967年进入贝尔实验室工作,达29年之久。1996年迄今任中国台湾交通大学应用数学系教授。

[25] 堵丁柱(Ding Zhu Du,1949~):中科院应用数学所研究员,1990年2月到美国普林斯顿大学作访问学者。一个多月后,即4月10日,他就和美国贝尔实验室黄光明研究员合作攻克了吉尔伯特-波雷克猜想,即斯坦纳比难题,被列为1989年~1990年度美国离散数学界和理论计算机科学界重大成果。堵丁柱现在是德州大学达拉斯分校计算机科学系教授。

[26] 迪特里希·布拉斯(Dietrich Braess):德国鲁尔大学数学学院教授。

[27] 艾伦·凯(Alan Kay,1940.05.17~):美国计算机科学家,以其面向项目的程序设计和视窗用户界面设计而著名。