1701065398
1701065399
费根鲍姆很吃惊，速度是一样的。他又检验了其他单峰映射，结果还是一样。所有人，包括费根鲍姆自己，都根本没有想到会是这样。发现这个结果后，费根鲍姆接着又从理论上解释了为何常数4.6692016具有普适性——对所有单峰映射都成立。这个数现在被称为费根鲍姆常数。常数的理论解释使用了一种复杂的数学技巧——重正化（renormalization）。重正化最初是从量子力学中发展出来，后来又被应用到另一个物理学领域：相变和其他“临界现象”的研究。费根鲍姆将其引入了动力系统理论， [31] 并成为理解混沌的基石。
1701065400
1701065401
后来发现这并不仅仅是数学现象。费根鲍姆做出这个发现之后，他的理论在多个物理动力系统的实验中得到了证实，包括流体、电路、激光和化学反应。在这些系统中都发现了倍周期分叉，也用类似的方法计算了费根鲍姆常数。在这些实验中很难准确测量分叉点的R值，但即使这样，实验得到的费根鲍姆常数也仍然在接近4.6692016的误差范围之内。这很让人印象深刻，因为费根鲍姆的理论在算出这个数时只涉及数学，没涉及物理。正如费根鲍姆的同事卡达诺夫（Leo Kadanoff）所说的，这是“一个科学家所能遇到的最好的事情， [32] 头脑中想到的东西在自然界中得到了完美的印证”。
1701065402
1701065403
气象这样的大尺度的系统很难直接做实验，因此没有人在大尺度系统中直接观察到倍周期分叉或混沌。不过，一些气象计算机模型 [33] 却表现出了通往混沌的倍周期之路，另外电力系统、心脏、行星等系统的计算机模型中也有类似发现。
1701065404
1701065405
关于这个故事还有一件让人吃惊的事情。同许多重要的数学发现一样，几乎在费根鲍姆做出他的发现同时，另一个研究小组也独立发现了这个规律。这个小组是法国科学家科雷特（Pierre Coullet）和特雷瑟（Charles Tresser），他们也用重正化技术研究了倍周期分叉， [34] 并且发现了单峰映射的普适常数4.6692016。费根鲍姆也许的确是第一个发现者，并且向科学界广泛而清晰地传播了这个结果，所以这个成就大部分被归功于他。不过在许多科技文献中，也称这个理论为“费根鲍姆—科雷特—特雷瑟理论”，称费根鲍姆常数为“费根鲍姆—科雷特—特雷瑟常数”。在书中还有几个这样的例子，都是在思想条件成熟时同时独立做出发现。
1701065406
1701065408
混沌思想带来的革命
1701065409
1701065410
在这一章我们看到，混沌的发现使得科学的许多核心原则被重新加以思考。这里我总结一下这些新思想，19世纪的科学家几乎没人会相信这些。
1701065411
1701065412
◆看似混沌的行为有可能来自确定性系统，无须外部的随机源。
1701065413
1701065414
◆一些简单的确定性系统的长期变化，由于对初始条件的敏感依赖性，即使在原则上也无法预测。
1701065415
1701065416
◆虽然混沌系统的具体变化无法预测，在大量混沌系统的普适共性中却有一些“混沌中的秩序”，例如通往混沌的倍周期之路，以及费根鲍姆常数。因此虽然在细节上“预测变得不可能”，但在更高的层面上混沌系统却是可以预测的。
1701065417
1701065418
总的来说，变化、难以预测的宏观行为是复杂系统的标志。动力系统理论为刻画其行为提供了数学词汇表，例如分叉、吸引子以及系统变化方式的普适特性。这些词汇在复杂系统的研究中频繁出现。
1701065419
1701065420
逻辑斯蒂映射是种群数量增长的简化模型，但是对其以及类似模型的详细研究却带来了对秩序、随机和可预测性的重新认识。这证明了理想模型（idea models）的力量——这些模型很简单，用数学或计算机就足以进行研究，但是又抓住了自然界复杂系统的本质。理想模型在这本书中，乃至整个复杂系统科学中都扮演了重要角色。
1701065421
1701065422
刻画复杂系统的动力学还只是理解它的第一步。我们还要理解这些动力系统如何被用在生命系统中以处理信息和适应环境变化。后三章会针对这些主题给出一些背景知识，然后我们再来看看从动力学中得到的思想如何与信息论、计算和进化结合起来。
1701065423
1701065425
第3章 信息
1701065426
1701065427
我认为，熵增定律 [35] ——热力学第二定律——在自然界的定律中具有至高无上的地位……如果你的理论被发现违背了热力学第二定律，你就一点希望都没有，结局必然是彻底崩塌。
1701065428
1701065429
——爱丁顿爵士（Sir Arthur Eddington），《物理世界的本性》（Te Nature of the Physical World）
1701065430
1701065431
讨论复杂系统时经常会说到“自组织”：例如，行军蚁搭建的桥；萤火虫的同步闪动；经济系统中相互维系的市场；干细胞发育成特定的器官——这些都是自组织的例子。与通常情形中的有序消退、无序（熵）增长相反，这里是有序从无序中产生。
1701065432
1701065433
复杂系统科学最关注的问题就是这种逆熵的自组织系统是如何可能的。不过要着手这个问题，还要先了解一下什么是“有序”和“无序”，以及人们如何看待对这种抽象性质的度量。
1701065434
1701065435
许多复杂系统学家用信息的概念来刻画和度量有序和无序、复杂性和简单性。免疫学家科恩（Irun Cohen）曾说，“复杂系统比简单系统更能接收、存储和利用信息”。 [36] 经济学家贝哈克（Eric Beinhocker）写道，“进化不仅只会用DNA耍把戏， [37] 对所有能处理和存储信息的系统也可以”。物理学家盖尔曼（Murray Gell-Mann）在讨论复杂系统理论时则说，“虽然它们的物理属性很不相同， [38] 但它们处理信息的方式却是类似的。这个共性也许是对它们进行研究最好的起点”。
1701065436
1701065437
但是“信息”到底是什么呢？
1701065438
1701065440
信息是什么
1701065441
1701065442
现在“信息”一词随处可见：信息革命、信息时代、信息技术（常常简化为IT）、信息高速公路，诸如此类。信息在口语中被用来泛指所有表示知识或事实的媒介：报纸、书籍，我母亲在电话里唠叨家里的亲人，还有现在大行其道的万维网。专业点说，信息描述了一大类现象，从在万维网上通过光纤传送的信号，到大脑中在神经元之间传递的微小分子。
1701065443
1701065444
在第1章中提到的那些复杂系统的例子无一例外都涉及以各种形式交流和处理信息。进入计算机时代后，科学家们开始想到信息的传递和计算不仅仅发生在电子电路中，在生命系统中也同样存在。
1701065445
1701065446
要理解这些系统中的信息和计算，首先当然要对信息和计算这两个术语的意义有精确的定义。两者都是到20世纪才在数学上被定义。让人吃惊的是，两者居然都是从19世纪末的一个物理难题发展而来，这个难题中有个非常聪明的“小妖”，它似乎不用耗费任何能量就能做很多事情。这个难题曾让物理学家们非常担心，以为他们的基本定律可能哪里错了。信息的概念是如何拯救这一切的呢？在了解这些之前，我们先要了解一点关于能量、功和熵等物理概念的背景。
1701065447
[
上一页 ]
[ :1.701065398e+09 ]
[
下一页 ]