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