1701550872
1701550873
复杂设计位于所有这些争论的核心，这也为指责达尔文提供了最后一个说辞。难道这整个观点不太过混沌了吗？既然没有人知道可能的生物体的种类数量，任何人怎么能说它们中无限小的一部分有眼睛呢？也许这个观点是循环论证的：人们称之为“适应性复杂”的东西就是人们相信，除了自然选择别无他法来进化的东西。正如诺姆·乔姆斯基写道：
1701550874
1701550875
所以这个命题是，自然选择是对实现一个功能的设计唯一的物理解释。确切地说，这不可能是对的。来看看我的物理设计，包括我具有正质量的特征。它实现了一些功能——比方说，使我没有漂移到外层空间去。坦白地说，它的物理解释与自然选择没有丝毫关系。同样一些不太基本的特征也是如此，你可以随意举出例子来。所以你不能确切地表示出你说的意思。所谓只要系统被选择来满足某个功能，那这个过程就是选择，对此我觉得很难给出一个不成为同义重复的解释。
1701550876
1701550877
关于功能设计的论断由于没有以准确的数字表述，确实留下一个怀疑的缺口，但对于所涉及的量多一点思考就弥补了这一缺口。选择不是用来单单解释有用性的，它是用来解释不大可能的有用性的。使乔姆斯基没有漂到外部空间的质量不是一个不大可能的条件，无论你怎样来衡量概率。“不太基本的特征”——随意举个例子，脊椎动物的眼睛——是不太可能的条件，无论你怎样衡量概率。拿一个抄网从太阳系里捞物体；回到10亿年前地球上的生命中取一些生物体的样本；搜集一些分子计算它们在物理上所有可能的结构；将人的身体分作一格一格一英寸的管子。再让我们算算样本里有多少比例的成员能够自己形成光学影像。我们将会看到，在这两个比例之间，会有在统计上有效的明确差异出现；而我们要对这个差异进行解释。
1701550878
1701550879
在这点上批评家可以说这个标准——看见与看不见——是后验的，在我们知道动物们能做什么后，概率预测就没有意义了。它们就像无论我碰巧被发到怎样一手牌，我都得不得不应付的极小概率一样。大多数物质坨不能看，但大多数物质坨也不能克隆，这里我把克隆定义为具有与我随意从地上拾起的石块完全一样大小、形状和组成的能力。
1701550880
1701550881
最近我参观了史密斯博物馆关于蜘蛛的一次展览。当我惊叹于瑞士手表般精确的关节，蜘蛛从吐丝器中抽丝时缝纫机般的动作，蜘蛛网的美妙时，我心中暗想：“怎么能有任何人看到这些还不相信自然选择呢！”就在那时，一个站在我旁边的人大声说道：“怎么能有人看到这些还不相信上帝呢！”我们俩对于需要解释的先验事实意见一致，但我们不一致的是如何解释它们。在达尔文之前很久，神学家如威廉·帕雷（William Paley）就指出，自然设计的鬼斧神工是上帝存在的证据。达尔文并没有发明要解释的事实，而是发明了解释。
1701550882
1701550883
但到底我们都惊叹于什么呢？每个人或许都会同意猎户座看上去像一个有带子的大家伙，但那并不意味着我们对“为什么星星把自己校准成有带子的人”需要一个特殊解释。但对于眼睛和蜘蛛表现出“设计”而猎户座没有“设计”的直觉可以被解释为显性标准。需要有一个异质的结构：一个物体的各部分或方面无法预言彼此的不同。也需要有一个一致的功能：不同部分的组织布置是为了使系统实现某种特殊效应——之所以特殊是因为对于缺少那种结构的物体是不大可能的，之所以特殊是因为它令某些人或某些事受益。如果你不能比描述那个结构更加经济简洁地陈述那个功能，你就没有设计。晶体不同于隔膜，隔膜不同于光色素，没有任何无指导的物理过程会将这三者存入同一个物体，更不用说对它们完美地校准了。但它们却有一些共同之处——都需要高保真的图像形成——这就解释了为什么它们被一同发现在一只眼睛中。相比之下，对于克隆石头，描述结构和陈述功能是相同的一件事。功能的概念什么也没有增加。
1701550884
1701550885
最重要的是，将适应的复杂性归因于自然设计不只是对于设计卓越性的认可，就像现代艺术博物馆里昂贵的设备。自然设计是关于设计起源的可证伪假说，需要繁琐的经验实证。记住它是如何工作的：复制因子之间的竞争。任何表现出设计的征兆，但不是源于一长列复制因子的东西不能由自然选择理论来解释，事实将反驳这个理论：缺少生殖器官的自然物种，昆虫像晶体一样从岩石中长出来，月球上的电视机，洋底裂沟中喷出来的眼睛，形状连挂钩和冰桶这样的细节都像宾馆房间的洞穴。另外，所有器官能够带来的好处，在最后都必须为了进行繁衍后代的任务而服务。一个器官的设计可以是为了看或吃或求偶或护理幼子，但最好别是为了自然的美、生态系统的和谐或是自我毁灭。最后，功能的受益者必须是复制因子。达尔文指出，如果马进化出马鞍子，他的理论就立刻被证伪了。
1701550886
1701550887
尽管有谣言和民间传说，但自然选择仍然是生物学解释的核心。生物组织只能被理解为适应、适应的副产品和杂音之间的相互作用。副产品和杂音不会排除适应，也不会让我们一筹莫展无法区分它们。这正是为什么生物组织如此令人着迷——是它们几乎不可能的适应设计——从而要求在自然选择的启发下对它们进行反向工程逆推。副产品和杂音因为它们被负面地定义为非适应，所以它们也只能通过反向工程逆推才能被发现。
1701550888
1701550889
对于人类智能来说也是如此。心智的重要能力，以及它们那些任何机器人都无法复制的杰作，都是自然选择的亲手作品。这并不意味着心智的每个方面都是适应性的。从低层次的特征如神经元的迟钝和嘈杂，到重大的活动如艺术、音乐、宗教和梦，我们都应当预料到其不是生物学家意义上的适应的活动。但这不是说我们对于心智如何工作的理解将会不完整或干脆就是错的，除非它与我们对于心智如何进化的理解相配合。这就是本章其余部分的主旨。
1701550890
1701550892
遗传算法的威力
1701550893
1701550894
我们所要讨论的第一个问题，是人脑为什么会进化？答案就在信息的价值中，大脑就是设计用来处理信息的。
1701550895
1701550896
每次你买报纸时，你都在为信息付费。经济学家解释了为什么应该这么做：因为信息传递的收益值得付费。生命是赌博中的机会。在岔路口往左拐还是往右拐，与瑞克待在一起还是与维克托一同离开，人们知道哪个选择都不能保证好运和幸福；人们所能做的只有碰运气。究其本质，生命中的每个决策都可以归结为买哪张彩票。比方说，一张彩票花1美元，有1/4的机会中10美元。平均来说，你每玩一次会净赚1.5美元（10美元除以4等于2.5美元，再减去1美元的买彩票成本）。另一张彩票价格1美元，有1/5的机会可以中12美元。平均下来，你每次会赚1.4美元。两种彩票数目相同，上面都没有标注中奖的概率。如果有人可以告诉你哪张是哪种彩票，你会付他多少钱？你至多可以付他4美分。没有信息的话，你将需要随机抽取，估计平均会赚1.45美元（一半时间1.5美元，一半时间1.4美元）。如果你知道哪张有更好的平均收益，你每次就会平均赚1.5美元，所以即使你付出4美分，你每次还会多赚1美分。
1701550897
1701550898
绝大多数生物体不买彩票，但每当它们的身体能够以不止一种方式运动时，它们都在投注选择。如果成本低于在食物、安全、求偶机会，以及其他资源方面的预期收益，它们应当会愿意“付费买”信息——这些“费用”包括组织、能量和时间。所有收益的评价方式都最终根据能否提高后代预期生存数量。在多细胞动物中，信息是由神经系统搜集的，并转化为能获益的决策。
1701550899
1701550900
更多的信息往往会带来更大的回报，并赢回额外的成本。如果一个财宝箱被埋在你家附近的某个地方，那么仅仅一条告诉它被埋在北半边还是南半边的信息就很有帮助，因为这节省了你一半的挖掘时间。告诉你它在哪个象限的信息会更有用，等等。坐标上有越多的数字，你就会越少浪费无效挖掘时间，所以你就会愿意付钱得到更多的信息，直到那一点已经非常接近，而不值得再花成本去做更小的细分为止。与之类似，如果你要破解一个密码锁，你拥有的每个数字都会减少需尝试的次数，因而节省的时间会抵消付出的成本。因此往往信息越多越好，直到收益递减的那一点，这就是为什么有些谱系的动物进化出越来越复杂的神经系统。
1701550901
1701550902
自然选择不能给生物体关于它所处环境的信息或是关于计算网络、小幽灵（后台程序）、模块、技能、表征或处理信息的心智器官的信息。它只能在基因之间选择。但基因构建了大脑，且不同的基因构建了以不同方式处理信息的大脑。信息处理的进化必须在螺母和螺栓层次，通过选择影响脑加工处理的基因才能实现。
1701550903
1701550904
许多种类的基因会为了更好的信息处理而成为自然选择的目标。修改过的基因会沿着脑室壁（脑中心的洞）产生不同数量的增殖单位，这会产生制造灰质的皮质神经元。其他的基因会允许增殖单位为不同数目的周期而分开，创造出不同数量和种类的皮质区域。借由移动一些化学物质轨迹和分子建构的路标等方式，用来连结神经元的神经轴可以被诱导往不同的方向上移动，进而完成将神经轴重新布线的目的。基因可以改变分子构成的锁钥结构，以便鼓励一些神经元和其他神经元进行连结。就像那个关于如何雕刻大象雕塑的老笑话中讲的（去掉所有看上去不像大象的部分），神经回路能够通过将程序设计为某种细胞和突触适时的自杀而塑造。神经元能够在胚胎发育的不同时点变得活跃，它们的激活模式，无论是自发的还是程序设计的，都可以在下游被解释为关于如何连线在一起的信息。许多这些过程在级联中相互作用。例如，增加一个区域的大小使得它能够在下游竞争中得到更好的位置。自然选择不关心脑加工过程如何怪异或是形成的脑如何丑陋。对修改的效果的评估，严格按脑算法指导动物的整体感知、思维和行动的效果。通过这些过程，自然选择能够构建一个功能更佳的大脑。
1701550905
1701550906
但随机变异的选择真的能改善神经系统的设计，还是会粉碎它，就像毁坏一个计算机程序中的字节一样，最后保留了没有被损坏的系统？计算机科学的一个新领域被称为遗传算法，它显示了达尔文主义的选择能够创造越来越智能的软件。遗传算法是复制出多个副本的程序，尽管有一些随机变异使得每个副本都略有一点儿差异。所有的复制品在解决问题时都有一场比赛，表现最好的才被允许为下一轮繁殖供给复制品。但首先，每个程序的各个部分都再次被随机变异，且成对的程序进行交配：每个都被一分为二，并相互交换半个。在经过许多轮的计算、选择、变异和繁殖后，幸存下来的程序往往比一个人类程序员所能设计的任何东西都要好。
1701550907
1701550908
与探讨心智演化更为相关的，是这个遗传算法在神经网络上的应用。我们可以将从模拟的感觉器官所得到的信息给一个网络作为输入，然后把网络的输出传递至模拟的肢体，再把这个网络放置在一个散布着“食物”及其他竞争网络的虚拟环境中。那些得到最多食物的网络在下一轮变异和选择之前留下了最多的复制品。变异就是连接权重的随机变化，有时伴随着网络之间的性别重新组合（交换一些它们的连接权重）。在早期迭代期间，“动物”——或者，就像有时它们被称为的，“有生命的物体”——在它们的领地内随意游荡着，它们偶尔会碰到一个食物。但随着进化，它们变为由一个食物呼啸而去。我们的确发现，当一整群神经网络是以演化的方式来调整它的内部的连结权重时，它们所表现出的效能通常都要高于单一网络自行进行学习所能够达到的效能。对于隐含多层级的网络尤其如此，这种网络是复杂动物，特别是人类一定具有的。如果一个网络只能学习，而不进化，那么环境的传授信号传播到隐含层时会被稀释得十分微弱，只能微弱影响连接权重。如果一群网络能够进化，即使它们不能学习，突变和交配的过程仍能直接地修改隐藏层当中的连结权重值，该网络能够在一瞬间拥有与最佳状态更为接近的连结重值组合。这也就是说，网络先天的结构是自然选择的结果。
1701550909
1701550910
进化和学习也可以同时发展，其天生结构在进化的动物也在学习。一群网络能够配置一个遗传学习算法，网络设计者通过猜测、沿袭传统或试错法构建的原始结构，被允许进化和修正。天生规格包括有多少个单位，它们是如何连接的，初始的连接权重是多少，以及在每个学习情境下权重应上下浮动多少等内容。模拟的演化过程将能够为网络在学习生涯中优先取得有利的地位。
1701550911
1701550912
因此，进化能够指导神经网络中的学习。令人奇怪的是，学习也能指导进化。还记得达尔文讨论的“有用结构的初始阶段”——那个半只眼睛有何好处的问题吧。神经网络理论家杰奥弗里·欣顿和斯蒂文·诺兰设定了一个残酷的例子。假设有一个被具有20个连接的神经网络控制的动物，每个连接要么是激活的（开）要么是中性的（关）。但除非20个连接都正确到位，否则神经网络无法发挥作用。不但有半个网络没用，就算有一个95%的网络也没用。在一个是从随机突变的方式来对神经网络的连结权重值进行设定的动物族群里，在大约每百万个（2020）有着不同基因组成的个体当中，才会出现一个拥有完全正确连结的变种个体。更糟糕的是，如果这个动物是有性繁殖的话，这种优势立刻就消失了，因为在终于找到权重的神奇组合后，它交换了一半出去。在这个模拟情境中，没有任何适应性网络进化出来。
1701550913
1701550914
那么现在考虑一群动物，它们的连接可以有3种形式：天生开启，天生闭合，或者可以通过学习设置为开启或闭合。变异决定了动物在出生时某个连接具有这3个可能性中的哪一种（开启、闭合，可学习）。在这些模拟中，平均一只动物有一半的连接是可学习的，另一半是开启或关闭的。个体是以下述的方法进行学习的：每个动物在一生中尝试着随机确定可学习的连接，直到它遇到了神奇组合。在真实生活中，这或许是弄明白如何捕捉猎物或敲碎坚果的方法；不管是什么，动物感觉到它的好运气后就保持着这些设置，停止了试错。从那时起，它就享受了更高的繁殖率。动物在生命中越早获得正确的设置，它具有更高繁殖率的时间就越长。
1701550915
1701550916
既然有了这些进化的学习者，或者学习的进化者，具有不到100%正确的网络就有了优势。以所有具有10个天生连接的动物为例，大约1000个中间的一个会10个连接都正确。（请记住100万个非学习的动物中只有一个具有20个天生连接都正确的动物。）这个禀赋良好的动物会具有通过学习其他10个连接而获得完全正确的网络；假如它只需要对1000种不同的状况进行学习，那么它就能有相当大的机会找出正确的网络。我只得到解答的动物将能够更早进行繁衍，因此也能更频繁地进行繁殖。在它的子嗣中，变异的优势使得越来越多的连接天生正确，因为拥有越多开始就正确的连接，就会花越少的时间来试错，终其一生仍没有学到的概率就越小。因此，在欣顿和诺兰的模拟中，网络进化出越来越多的天生正确的连接。然而，连接从来没有变成完全天生的。随着越来越多的连接被修复好，修复剩余连接的选择压力逐渐减少，因为只需学习少量的连接使得每个生物体都肯定能够迅速学会。学习导致天生能力的进化，但又不是完全天生。
1701550917
1701550918
欣顿和诺兰将他们的计算机模拟仿真结果发到一家期刊，但他们被告知这消息在100年前就被先行登出了。心理学家詹姆斯·马克·鲍德温（James Mark Baldwin）曾提出，学习能够以这样的方式指导进化，创造出一种拉马克式进化幻象而无须真的有拉马克式进化。但没有人证明过这个被称为“鲍德温效应”的观点是否真的有效。欣顿和诺兰展示了为什么它能够有效。学习的能力将“从干草垛里寻找针”的进化问题调整为“当你接近了这根针时，会有人告诉你”。
1701550919
1701550920
鲍德温效应很可能在大脑的进化中发挥了主要作用。与标准社会科学模型相反，学习能力并不是人类在进化历史上晚近时期才达到的一个顶峰。除了最简单的动物之外，几乎所有的动物都能学习。这些就是为什么像果蝇和海蛞蝓这样心智不复杂的生物成为神经科学家被试的原因了。如果多分子动物的早期祖先就有了学习能力，它可能就引导着神经系统向专业化回路的进化，即使这些回路结构是如此复杂，以至于光靠自然选择不足以解释它们出现的原因。
1701550921
[
上一页 ]
[ :1.701550872e+09 ]
[
下一页 ]