听书笔记
这本书的作者梅拉妮·米歇尔，她是美国波特兰大学的计算机科学教授，圣塔菲研究所的客座教授。她的研究领域包括人工智能、机器学习、认知科学、复杂系统等。
复杂系统可以大致分为两类：一类是有生命的复杂系统，比如动物；另一类是没有生命的复杂系统，比如计算机。
在计算机科学中，蕴含着怎样的生命科学和进化原理？
在20世纪40年代，一些科学家就提出，计算机和动物有很强的相似性。我们可以把生命过程抽象化、机械化，然后用计算机来实现。用计算机来模拟生命的一些要素，比如新陈代谢、自我复制、进化、适应环境，等等。
扫地机器人就是利用遗传算法，自己来学习。我们把扫地机器人看成是生物，先随机生成一堆机器人，设定一个优胜劣汰的规则，让这一代机器人去PK，淘汰掉那些表现糟糕的家伙，留下更适应规则的机器人，让他们繁衍出下一代，再让这些小机器人继续PK，继续繁衍，不断地优中选优，最后留下的一代就是最适应规则的扫地机器人。这就是遗传算法的运行机制。
人工智能其实和遗传算法也有着千丝万缕的联系。因为人工智能的核心是机器学习，是机器像人一样拥有自主学习的能力，不断改善机器的性能，而扫地机器人应用遗传算法自我优化、不断学习进步的例子，就是机器学习发展早期，一个很好的雏形。
生物和自然界背后运行的原理，怎么会和计算机的程序算法如出一辙？
一个蚁群可以由几百万只蚂蚁组成。别看一只蚂蚁没什么了不起，这几百万只蚂蚁凑在一起，每一只蚂蚁都有着非常细致的分工，彼此之间高度协作。它们到底是怎么做到这些的呢？
答案就是：去中心化的群体协作。每一只蚂蚁，会根据洞穴周围的环境变化做出响应，和周围少数的蚂蚁相互交流。比方说，一只蚂蚁，如果它看到很多出去找食物的蚂蚁扛着吃的返回洞穴，那么它去帮忙找食物的概率就会增加；如果它看到很多同伴在挖洞穴，那它一起帮着挖的概率就会增加。蚂蚁之间通过触须和同伴交流，知道对方在做什么。这样，即便没有指挥、没有国王，它们也能随时发动大范围的协作，共同完成各种任务。
科学家受此启发，发明了一个理想化的复杂系统，给它取名叫“元胞自动机”，就是一大堆灯泡。比方说100个灯泡，排成十行十列，每个灯泡都跟它上下左右、左上右上左下右下的灯泡连接起来，这样一个灯泡连着周围8个灯泡。然后设定规则：如果一个灯泡周围的8个灯泡，亮的超过4个，那么这个灯泡就亮；反之，这个灯泡就不亮。
科学家多年来对元胞自动机进行了大量的研究，给它定义各种各样的规则，能够看到不同的结果。其中有一些状态就能够很好地模拟并解释蚁群中发生的群体性行为，还能进一步解释人类社会中所发生的很多现象。比方说每年的服装流行色是怎么来的？就是一个人先看看周围人的选择，然后从众的结果，再比如医学当中模拟肿瘤细胞的扩散过程、海上的石油泄露以后污染扩散的过程，等等。
这些过程和人类社会中，金字塔形状、从上而下、一层一层传播的过程不同，它们都是扁平化的，由大量微观个体自发形成的宏观现象。它们的共同之处在于，系统中没有总指挥，每个个体根据周围的小环境进行自主决策，结果在整体上却体现出宏观的有序现象。
我们究竟该怎样认识无处不在的复杂网络？
把网络想象成一个学校，一个网络由许多个小世界组成，在小世界内部，也就是班级内部，成员之间的关系很紧密，但是出了这个小世界，可能一个人跟外面的人就不太熟了，可是没有关系，只要这个小世界里，有一个善于交际的人，他认识一些其他班级的人，这样把这个社交达人看成是桥梁，就搭建起了两个班级之间所有人的关系网，也就是少数几个节点之间相连，把两个小世界连了起来。
对于整个网络来说，不同节点的地位是不平等的。社交达人，他们是中心节点，很多关系要靠他们来牵线搭桥；而一些朋友很少的人，他们对于整个关系网络来说就没那么重要。这样由少数的中心节点连接起来的网络，就叫做“无尺度网络”，少数节点很重要，多数节点没那么重要。一个复杂的网络，如果它是无尺度网络，那么想要了解它的结构，你只要了解其中的中心节点就能把握住整体的概貌。
1504425ylkk
你的声音很好听