湧現

l 一粒小小的種子為何能夠長成紅杉、雛菊、豆苗等獨特的植物？

l 螞蟻個體的行為非常機械，為何蟻羣卻展現出非凡的靈活性？

l 國際象棋只有二十幾條規則，為何人們能不斷髮現新的走法？

l 機器為何能夠越人類在製造它時賦予它的能力？

上述現象揭示了這樣一個規律，即複雜的事物是由小而簡單的事物發展而來的，而這正是湧現現象的特徵。湧現現象產生的根本原因在於，事物各組成部分之間相互作用產生的複雜性，遠非個體行為的疊加可以相比，也就是我們常説的“整體大於部分之和”。

“整體大於部分之和”這一特性也成為湧現研究道路上的阻礙。許多哲學家和一些科學家堅定地認為對湧現的研究不可能還原為對明確定義的機制及其相互作用的研究。他們認為，機器的能力不可能超越人類在製造它時賦予它的能力。複雜自適應系統理論提出者約翰·霍蘭德藉助模型和還原思想，建立了研究湧現現象的普適框架，掃清了研究道路上的障礙，推動了複雜自適應系統、機器學習、人工智能等領域的長足發展。 ^[1] 

約翰·霍蘭德

★ 湧現理論奠基人，遺傳算法之父，複雜適應系統理論提出者，麥克阿瑟天才獎獲得者。

★ 聖塔菲研究所核心成員。曾任美國密歇根大學安娜堡分校心理學、電子工程和計算機科學教授。

★ 2015年，在密歇根安娜堡去世。 ^[2] 

序言 寫一本普通讀者能看懂的書

第1章 神秘的湧現現象

理解湧現

模型的作用

研究湧現道路上的困難

在研究湧現的道路上繼續前進

第2章 理解科學建模的遊戲與數字

國際跳棋與神經網絡

模型中的奧秘

棋類遊戲及規則

忽略細節的數字

熟悉的積木塊

抽象且具體的計算機模型

第3章 地圖、博弈論與計算機模型

博弈論

初露端倪的湧現

動態模型

動態的計算機模型，研究湧現的利器

第4章 會學習的國際跳棋程序

機器學習的困難

塞繆爾的解決方案

評估棋局

從評估到策略

機器棋手的學習過程

如何使學習過程運轉起來

改變權重，湧現能力的核心

權重改變引起的湧現結果

國際跳棋程序的啓示

第5章 神經網絡模型

神經元的特徵

為神經元建模

固定閾值的神經元網絡

國際跳棋程序與前饋神經網絡的區別

有關神經元的更多特徵

帶回路的神經網絡

無限期記憶

神經網絡模型中的湧現

關於神經網絡模型湧現問題的主要觀點

狀態與策略

確定模型的規則選取

第6章 普適理論框架

基於主體的模型

計算機模型的優勢

湧現與非線性

普適理論框架的基本要求

第7章 湧現的受限生成過程模型

機制的狀態

機制的相互作用與連接

作為受限生成過程的元胞自動機

第8章 國際跳棋程序與其他受限生成過程模型

國際跳棋程序的受限生成過程

神經網絡模型的受限生成過程

Copycat模型

第9章 受限生成過程模型的擴展

可變結構受限生成過程模型

受限生成過程的模擬示例

遺傳算法與可變結構受限生成過程模型

關於湧現的進一步理解

第10章 湧現中的還原論思想

受限生成過程中的新層次

重組元胞自動機

第11章 隱喻與創新

科學中的創新和創造

對隱喻的初步探討

隱喻與模型的關係

創新的培養

沒有捷徑的創新

詩歌與物理學的創造過程

結 語 不能停止的湧現研究

作為總結的結束語

作為研究起點的結束語

關於建模的兩個警告

關於湧現的進一步研究

湧現研究的幾個關鍵階段

湧現研究的長遠目標

參考文獻

譯後記 湧現的意義和作用 ^[2]