1701067200
1701067201
与此类似，蚂蚁搜寻食物时也使用并行级差扫描策略：开始时许多蚂蚁随机寻找食物。一旦在某个方向发现了食物，就会分派更多的系统资源（蚂蚁），通过前面描述的反馈机制，进一步探测这个方向。路径得到的探测资源不断通过其相对绩效——所发现食物的数量和质量——进行动态调整。但是，由于蚂蚁数量很多，再加上具有随机性，绩效不好的路径也会继续探测，当然分派的资源会少得多。谁知道呢，说不定就能发现更好的食物源。
1701067202
1701067203
在细胞代谢机制中，微粒化探测是由代谢途径实现的，每条途径执行特定的任务。代谢途径的反应速度受其本身和其他途径的反馈影响。反馈通过分子浓度变化的形式体现，从而使得各途径的相对速度可以不断根据细胞的当前需求进行调整。
1701067204
1701067205
此外，系统微粒化的特性不仅使其能探测各种不同的路径，同时也使得系统能够连续地调整探测路径，因为采取的动作都相对较小。而如果更加粗粒化，就很有可能在没有绩效的探测路径上浪费时间。因此，探测的微粒化特性使得系统能根据其获得的信息连贯地对探测进行调整。不仅如此，微粒化系统天生具有冗余度，因此即使有个体组分不能可靠工作，获取的信息也只是统计性的，系统还是能正常运转。冗余度使得对信息有许多独立的采样，而且只有大量组分采取同样的微粒化行动时才会产生效果。
1701067206
1701067207
分散探测与集中行动之间的互动
1701067208
1701067209
在三个例子中，根据系统的需要，随机分散探测与集中行动之间不断进行互动。
1701067210
1701067211
在免疫系统中，分散探测是通过带有各种受体、尝试匹配可能抗原的淋巴细胞群体的不断变化进行。集中行动则是让成功匹配的淋巴细胞产生后代，集中应对特定形状的抗原。
1701067212
1701067213
蚂蚁搜寻食物时是由蚂蚁随机移动、四处寻找食物来进行分散探测，在集中行动中则是蚂蚁循着信息素轨迹活动。
1701067214
1701067215
在细胞代谢中，作为分散行动的分子随机探测则与由化学浓度和基因调节控制的集中激活或抑制结合在一起。
1701067216
1701067217
对于所有的适应性系统，在两种探测模式中保持适当的平衡都是关键 [177] 。而最优的平衡点随时间不断变化。开始时所知的信息很少，探测基本是随机分散的。随着信息增多并产生影响，探测逐渐变得具有确定性，集中于对系统的感知进行响应。简而言之，系统既要探测信息，又要对信息加以利用，不断调整适应。在分散探测和集中行动之间进行平衡可能是适应性和智能系统的共性。例如霍兰德就曾用这种平衡解释遗传算法的工作原理。
1701067218
1701067219
信息是如何获得意义的
1701067220
1701067221
信息如何获得意义（有些人称为目的性），这是哲学的一个永恒话题。对于哲学家们的看法我无从置评，但是要想理解生命系统中的信息处理过程，我们必须面对这个问题。
1701067222
1701067223
在我看来，意义与生存和自然选择密切相关。如果事件影响到某个生物的生存或繁衍能力，那么事件对生物就具有某种意义。总之，事件的意义是如何应对事件的依据。事件对生物免疫系统的意义是其对生物适应度的影响。（我在这里非正式地使用适应度一词。）这些事件对免疫系统有意义是因为它们告诉免疫系统该如何应对，以提高生物的适应度——对于蚁群、细胞以及其他生物的信息处理系统也是一样。聚焦于适应度是我理解意义的概念，并将其应用到生物信息处理系统的一条途径。
1701067224
1701067225
但是在前面描述的复杂系统中，并不存在中央控制或领导者，那么是谁或是什么在觉察当前情势的意义 [178] ，然后据此做出适当的反应呢？这个问题实际上问的就是什么构成了生命系统的意识或自我意识。对我来说，这个问题是复杂系统研究和整个科学最深的谜团。这个谜团是许多科学和哲学书的主题，但是至今还没有让人完全满意的答案。
1701067226
1701067227
将生命系统视为在进行计算的观点有个有趣的副产品：它激发了计算机学家编写程序模仿这类系统来完成真实任务。例如，免疫系统的信息处理思想引出了所谓的人工免疫系统 [179] ：保护计算机免受病毒和各种入侵者攻击的适应性程序。类似的，蚁群启发了所谓的“蚁群算法 [180] ”，模拟蚂蚁释放信息素和转换工作的原理来解决移动电话路由优化和货运调度优化等困难问题。下一章我还将介绍我与我的博士导师合作研究的人工智能程序，这个工作是受包括细胞代谢在内的全部三个系统的启发。
1701067228
1701067230
第13章 如何进行类比（如果你是计算机）[181]
1701067231
1701067233
容易的事很难
1701067234
1701067235
有一天，我对8岁的儿子杰克说：“杰克，把袜子穿上。”他把袜子顶到头上，“你看，我把袜子穿上了！”他觉得很好玩。而我则意识到他的搞怪行为说明了人类和计算机之间一个很大的区别。
1701067236
1701067237
“把袜子穿到头上”的玩笑之所以好笑（至少对8岁的孩子来说是这样），是因为它违反了我们都知道的常识：人类的大部分言辞原则上讲都有些模棱两可，但是当你和别人说话时，他们还是知道你的意思。如果我对我丈夫说：“亲爱的，你知道我的钥匙在哪里吗？”如果他仅仅回答说“知道”，我会很恼火——显然我的意思是“告诉我，我的钥匙在哪里”。当我最好的朋友说她感到在工作中寸步难行时，我回应说“心有同感”，她会知道我的意思不是说我觉得她的工作寸步难行，而是说我自己的工作。这种相互理解就是所谓的“常识”，说得更正式点是“对上下文敏感”。
1701067238
1701067239
而现代计算机则对上下文一点也不敏感。我的计算机有一个最新的垃圾邮件过滤器，有时候却区分不出带有V！a&®@这样的“单词”的邮件有可能是垃圾邮件。最近《纽约时报》还报道，记者现在都在学习如何根据搜索引擎的特点而不是从读者的角度来设计标题：“一年前，《萨克拉门托蜂报》 [182] （Sacramento Bee）改变了网上的版面标题。‘房地产’换成了‘商品房’，‘景致’换成了‘生活格调’，餐饮信息在纸版上是‘美食’，在网络版上则是‘美食/餐饮’。”
1701067240
1701067241
当然，并不是说计算机干什么都很蠢。在一些特定的领域它们已经变得相当聪明。计算机控制的汽车现在能自己穿越崎岖的沙漠。计算机程序在对一些疾病的诊断上能胜过医生，在解复杂的方程时能胜过数学家，下棋能打败象棋大师。人工智能（AI）领域这种让人振奋的例子数不胜数。计算机学家霍维茨（Eric Horvitz）说：“在会议上你会听到人们说‘人类级的AI’， [183] 他们说起来毫不脸红。”
1701067242
1701067243
呵呵，也许是达到某些人的水平。不过还是有些事情计算机做不了，比如理解人类的语言，描述一张照片的内容，或是像前面讲的使用常识。明斯基（Marvin Minsky）是人工智能的先驱之一，他曾简明扼要地总结AI的悖论：“容易的事很难 [184] 。”计算机能做许多人类认为需要很高智商的事情，同时它们却又做不了三岁小孩都能做的事情。
1701067244
1701067246
进行类比
1701067247
1701067248
有一个很重要的能力现在的计算机还不具备，那就是进行类比。
1701067249
[
上一页 ]
[ :1.7010672e+09 ]
[
下一页 ]