try ai
科普
编辑
分享
反馈
  • 涌现行为

涌现行为

SciencePedia玻尔百科
核心要点
  • 复杂系统的行为是其组成部分及其相互作用的函数,这意味着整体往往大于或不同于其各部分之和。
  • 正反馈和负反馈回路是自组织的引擎,无需中央控制器即可自发产生模式并形成稳定状态。
  • 宏观模式一旦形成,就可以施加“向下因果”,约束并指导创造它们的个体组成部分的行为。
  • 涌现是一个普适原理,它解释了从细菌菌落的模式形成到家庭系统动态和全球气候等迥然不同的尺度上的现象。

引言

鸟群如何在没有领头者的情况下完美、流畅地协同运动?数万亿没有心智的细胞如何合作形成一个会思考的大脑?答案在于科学中最深刻、最普遍的原则之一:涌现。这是一种现象,即个体组成部分之间简单的局部相互作用,在全局尺度上催生出复杂、出乎意料且通常优美的模式。它挑战了我们仅通过孤立地研究系统各部分来理解系统的还原论本能,揭示了真正的魔力在于它们之间的联系。本文将层层揭开这一迷人概念的面纱。在第一部分“原理与机制”中,我们将探索涌现的基本引擎,从在混沌中创造秩序的反馈回路,到令人脑洞大开的向下因果思想。随后,“应用与跨学科联系”部分将带领我们纵览科学图景,揭示涌现如何重塑我们对从癌症、人工智能到社会结构本身等一切事物的理解。

原理与机制

想象一下,你是一名试图改善病人流的医院管理者。你有两个出色的部门:一个每天能对100名病人进行分诊和稳定处理的急诊部(ED),以及一个每天能治疗和安排100名病人出院的住院病房。孤立来看,每个都是高性能的组件。那么整个医院的性能如何呢?一种简单的还原论冲动可能是将它们相加:100+100=200100 + 100 = 200100+100=200。但如果这两个部门是串联的,即每位病人都必须先经过急诊部然后才能被收治到住院病房,情况又会如何?

突然之间,系统的性能不再是其各部分之和,而是由管道中最窄的部分决定。医院的总吞吐量变成了 min⁡(100,100)=100\min(100, 100) = 100min(100,100)=100 名病人/天。住院病房的容量造成了瓶颈,导致病人积压在急诊部,这种现象在现实世界中被称为“急诊滞留”,是再熟悉不过的了。仅仅通过将​​相互作用​​从假设的并联设置更改为现实的串联设置,我们就在完全没有改变任何组件的情况下,将系统的性能减半。

这个简单的思想实验揭示了涌现的第一个也是最根本的原则:​​整体并非其各部分之和​​。它是各组成部分以及它们连接方式的函数。对涌现的研究,就是对这些连接及其产生的惊人且常常违反直觉的后果的研究。

创造的引擎:反馈与不稳定性

如果说相互作用是舞台,那么反馈就是在这个舞台上上演的戏剧。相互作用创造了因果循环,这些循环既可以稳定一个系统,也可以驱动它走向创新。这些循环是自组织的引擎,是模式和结构从个体组件的局部行动中自发产生的过程。

考虑两种基本类型的反馈。​​负反馈​​是卓越的稳定器。这是一种“越多则越少”的关系:恒温器越是感测到室温高于设定点,它就越努力地降温,从而抵消变化。这是平衡与稳态的原则。

另一方面,​​正反馈​​是变革的推动者,是创造的放大器。这是一种“越多则越多”的关系:一小片火苗烤干了旁边的木头,使其更容易着火,而这又会烤干更多的木头。这是爆炸性增长和不稳定性的原则。

孤立来看,正反馈导致失控行为,而负反馈导致静态的沉闷。但当它们交织在一起时,奇迹就可能发生。想象一锅化学汤,其中两种物质,“激活剂”和“抑制剂”,在其中扩散。激活剂具有正反馈——它能产生更多的自身。但它也产生抑制剂。抑制剂具有负反馈——它会抑制激活剂。现在,让我们加入一个关键因素:抑制剂的扩散速度远快于激活剂。

会发生什么呢?一个微小的随机涨落导致激活剂浓度出现一个小的峰值。正反馈开始起作用,激活剂峰值开始增长。但在此过程中,它也产生了抑制剂。由于抑制剂是快速扩散物,它会扩散到很大一片区域,形成一道“抑制护城河”,阻止附近其他激活剂峰值的形成。而激活剂作为慢速扩散物,则保持为一个局部斑点。这种短程激活和长程抑制在整个空间中不断重复,其结果是一种稳定的、自发的斑点图案——就像豹子皮毛上的斑点一样。这不需要蓝图,也不需要外部设计者。图案是通过反馈回路简单的局部舞蹈自我创造的。同样是这个原理,以各种不同的形式,可以解释沙丘的形成、星系的成团以及动物的领地模式。

整体不仅不同,而且主导一切:向下因果

这就引出了涌现最深刻、最令人脑洞大开的一个方面。由各部分相互作用产生的模式,并不仅仅是被动的副产品。一旦形成,这些宏观结构可以反过来对创造它们的那些组件施加因果影响。这被称为​​向下因果​​。

让我们回到生物学的世界。考虑一层上皮细胞,就像我们皮肤表面的那些细胞。每个细胞都有一个内部“罗盘”,其方向由一个角度 θi\theta_iθi​ 表示。通过与邻居的局部相互作用,每个细胞都试图使其罗盘与邻居对齐。这是一种局部正反馈的形式。在适当的条件下,这些局部的握手会导致一个全局共识:一个组织范围的排列,我们可以用一个宏观有序参数 ψ\psiψ 来衡量。

这个组织层面的方向 ψ\psiψ 是一个经典的涌现属性。它是整体的属性,而非任何单个细胞的属性。但惊人的部分在于:这个宏观方向 ψ\psiψ 继而可以决定每个单个细胞的行为。例如,当一个细胞准备分裂时,它分裂的轴线会受到整个组织方向的偏向影响。整体现在正在告诉部分该做什么。集体状态已成为一个新的现实层面,拥有自己的因果力量,引导着微观组分的行为。

我们在人类系统中也看到了同样的现象。在一个陷入功能失调的冲突循环的家庭中,个别成员可能都怀有最好的意图:一位家长试图“维持和平”,另一位试图“纠正不尊重”,而孩子则试图“避免说教”。然而,相互作用的模式本身变成了一个强大的涌现实体。这个模式,一个无人编写的悲剧剧本,创造了一个约束每个人选择的情境,无论他们个人的愿望如何,都将他们带回到冲突中。这个模式拥有了自己的生命,对家庭成员施加了向下因果。

看见无形之物:从部分到模式

科学家们如何让这些无形的结构变得可见?我们不能仅仅看着一百万个相互作用的细胞或人,就能直观地感知到涌现的秩序。我们需要一个“宏观镜”——一套概念和数学工具来衡量集体状态。

这涉及到定义​​宏观可观测量​​或​​有序参数​​。这些是摘要统计量,将微观细节粗粒化为一个有意义的整体度量。对于上皮组织,这是平均方向 ψ\psiψ。对于一个生长的肿瘤模型,我们不只是跟踪每一个癌细胞。我们定义一个集体属性,如​​肿瘤体积​​ V(t)V(t)V(t),也许是所有细胞联合占据的几何空间,或者是一个细胞密度超过某个阈值的区域。同样,​​免疫浸润​​不仅仅是免疫细胞与癌细胞的比例;它是一个空间度量,衡量有多少免疫细胞在定义的肿瘤体积内部 [@problem-id:3870389]。

这就是为什么依赖平均值的简单聚合模型常常会惨败的原因。一个使用平均感染率并假设每个人都与其他所有人混合(一种“平均场”假设)的大流行模型,将完全错失现实世界流行病的涌现现实:“拼凑式”的爆发模式,即疾病在一个社区爆发而另一个社区则不然,这是由社交网络的异质性和局部行为驱动的。使用一个平均主体,与计算一个多样化主体群体的平均行为是不同的。为了看到真正的涌现模式,我们常常必须先对个体进行建模,然后推导出集体行为——这是一种自下而上的方法,被称为​​基于主体的建模(ABM)​​。

可预测性的边缘

在涌现研究中,一个反复出现的主题是“意外”。支配各部分的简单规则与整体的复杂行为之间的联系,往往是远非显而易见的。

考虑一个土地利用的计算模型,其中每个“主体”都是一个农民,根据一个涉及作物价格、成本及其邻居行为的简单效用计算,来决定是否将一片森林转为农业用地。微观规则是直接的。然而,当你模拟一个由这些相互作用的主体组成的大片景观时,集体行为却绝不简单。当你缓慢提高全球作物价格时,景观起初可能变化很小,只有几个孤立的农场出现。然后,在跨过一个临界阈值后,系统会突然经历一次​​相变​​:零散的农场突然连接成一个广阔的、横跨大陆的网络,不可逆地改变了生态系统。

这种行为通常无法通过简单检视主体的规则来推断。系统表现出​​路径依赖​​和​​滞后现象​​——其当前状态取决于其整个历史。你无法在不了解其过去的情况下预测景观的未来。通常,了解这样一个系统将会做什么的唯一方法是构建它并观察它的演化。模拟本身就成了实验。

这并不是说所有的集体行为都如此神秘。一些涌现属性,比如简单盐的规则晶体结构,可以用一种平均化相互作用的“平均场”视角很好地理解。但是,那些最壮观、最具技术变革性的涌现现象——比如高温超导或蛋白质的复杂折叠——都源于​​强关联​​,即每个组件的行为都与其他组件有着极其精妙且非平凡的依赖关系,以至于平均场图景完全失效。

因此,涌现不是一个单一、固化的概念。它是一个行为谱系,一个在宇宙所有尺度上上演的、反复出现的创造奇迹。它是一个深刻而美丽的真理:从无心智的各部分之间简单的局部相互作用中,可以涌现出连贯、结构化且具有因果效力的整体,并且在非常真实的意义上,拥有它们自己的生命。

应用与跨学科联系

这种生命观,乃至宇宙观,自有其宏伟之处。从最简单的起点,从无数独立行动者盲目遵循的局部规则中,可以涌现出复杂度和美感都令人叹为观止的结构和行为。这不是魔术;这是创造的一个基本原则,一个我们称之为涌现的过程。在探索了这一原则的“如何”——即局部相互作用和反馈回路的运作机制——之后,现在让我们踏上一段旅程,去看看它的“何在”。这个思想在哪些地方改变了我们看待世界的方式?你可能会欣喜地发现,答案是无处不在。从我们植入微生物的电路,到我们社会的组织结构,涌现的视角揭示了一种隐藏的统一性,一条自下而上的创造力之线贯穿于现实的织锦之中。

工程生命与智能

几个世纪以来,我们的工程学一直是自上而下的,就像一位大师雕塑家从一块大理石中雕刻出一尊雕像。我们设计整体,然后规定每个部分的功能。但大自然通常是一位更谦逊的工程师。它设定简单的规则,让各个部分自行组织。今天,我们正在学习以同样的方式进行工程设计。

以合成生物学领域为例,科学家们正在成为微生物世界的设计师。假设你想教一个细菌菌落画一幅画,比如说,一个由红绿相间的环组成的“靶心”图案。你会怎么做?老办法可能是发明一个微型机器人,把每个细菌放在正确的位置。新方法则优雅得多。你设计两种细菌。一种是“发送者”,位于中心,不断泵出一种化学信号,该信号向外扩散,形成一个平滑的浓度梯度。另一种是“接收者”,遍布各处。在每个接收者细菌内部,你安装一个微型生物计算机——一个基因回路——它遵循一个简单的规则:“如果信号强,就发红光。如果信号中等,就发绿光。如果信号弱,就不发光。”没有任何一个细菌知道关于靶心的任何信息。它只感知其局部的化学环境并做出反应。然而,从这种简单的局部逻辑中,宏伟的、系统级的靶心图案在整个菌落中自发地涌现出来。我们没有命令这个图案;我们只是创造了它必然会产生的条件。

同样是这个涌现的挑战,在追求人工智能的过程中也时有出现,有时带来的后果则不那么受欢迎。当我们制造一辆自动驾驶汽车时,我们是在创建一个由相互作用的主体——感知系统、规划器、执行器——组成的系统。每个组件可能都按最高标准设计,并完全按照其规格完美运行。然而,当置于千变万化的真实世界中时,它们的相互作用可能会产生意想不到的涌现行为。一辆自动驾驶汽车可能正确识别了奇怪的雪天道路上的所有物体,但由于其感知和规划逻辑的涌现性相互作用,却做出了一个危险的决定。这不是传统意义上某个损坏部件的“故障”,而是一个功能正常的系统所产生的不受欢迎的涌现属性。工程师们为这个问题起了一个名字:预期功能安全(SOTIF),这是一个致力于驯服那些按所有传统标准衡量都工作完美的系统所产生的复杂涌现行为的领域。

人体电学:健康与疾病中的涌现

没有比人体更精妙的复杂适应系统了。它是一个由数万亿细胞组成的社会,每个细胞都遵循局部规则,却协同产生了会思考、有感觉的人这一涌现奇迹。因此,要理解健康与疾病,我们必须从系统和涌现的角度思考。

以我们的免疫系统为例。身体如何维持T细胞(我们免疫系统的哨兵)的稳定数量?这是一个精妙平衡的涌现现象。这些细胞需要生存信号,比如细胞因子IL-7,而这些信号在我们的淋巴器官的“生态位”中供应有限。这创造了一种动态竞争:细胞太少,IL-7就充足,促进增殖;细胞太多,竞争就变得激烈,导致细胞死亡。细胞数量自我调节到一个稳定的稳态水平。模拟这个过程的科学家必须谨慎选择他们的工具,因为不同种类的涌现需要不同的数学“显微镜”。一个常微分方程(ODE)可以捕捉到稳定细胞数量大小的时间涌现,前提是假设一切都混合均匀。一个偏微分方程(PDE)可以揭示涌现的空间模式,比如细胞波在组织中移动。而一个基于主体的模型(ABM),它对每个细胞进行单独模拟,可以向我们展示随机的、偶然的事件如何导致微团簇的涌现,或一个小细胞克隆的突然灭绝。

当这种微妙的平衡被打破时,后果可能是灾难性的。考虑癌症的进展。肿瘤不仅仅是一袋失控生长的无序细胞。它是一个不断演化的生态系统,能够经历可怕的涌现性转变。在很长一段时间里,一个小肿瘤可能被局限住,是一个原位病变。但随着它的生长,它会改变其环境——例如,创造出缺氧区域。这些变化作为一种压力,在某个临界阈值下,系统会发生突然的、质的转变,就像水突然结成冰一样。这种“相变”可能对应于肿瘤集体获得一种新的、致命的能力,比如突破其包围膜并侵入周围组织的能力,或者通过血管生成招募自身血液供应的能力。医生使用的癌症分期(TNM分期系统)不仅仅是随意的标签;它们试图捕捉系统中这些深刻的、涌现性的行为转变,这些转变对预后有着巨大的、非线性的影响。

甚至我们治疗疾病的方式也必须应对涌现。几十年来,药理学的梦想是“魔弹”——一种能击中单一特定靶点以治愈疾病的分子。但身体不是一个由独立部件组成的简单机器。它是一个由反馈回路组成的密集网络。当我们引入一种药物时,我们不只是拨动一个开关;我们是在扰动一个动态网络。网络会适应。一种药物可能会阻断一个受体,但系统可能会通过产生更多的该受体来响应,从而导致耐药性。这是一个由负反馈产生的简单涌现行为。理解药物的临床效果是药物与整个生物网络相互作用的涌现属性,这是一个名为系统药理学的新领域的基础,它对于设计更安全、更有效的药物至关重要。

社会有机体:从家庭到星球

涌现的原则可以向上扩展,从细胞一直到社会。人类群体不仅仅是个体的集合;它们是系统,它们的行为不能通过简单地将成员的心理加总来理解。

想一想一个家庭。在家庭系统理论中,家庭被视为一个情绪单元,一个努力维持稳定平衡或稳态的系统。一个成员的“症状”——比如一个青少年的惊恐发作——可能看起来像是一个个体问题。但系统观点可能会揭示,每当父母开始争吵时,这种惊恐发作就会可靠地涌现,而安抚孩子的危机起到了停止父母冲突的功能。这个症状是一个稳定了父母关系的涌现属性。如果治疗师只治疗青少年的惊恐并成功了,系统中潜在的紧张关系仍然存在。系统为了寻求其旧的平衡可能会适应,一个新的“症状”可能会突然在别处涌现——也许是年幼的弟妹开始拒绝上学。这种现象被称为症状替换,它是一个强有力的、且常常违反直觉的例证,说明了一个人类群体作为一个具有涌现属性的自组织系统在行动。

同样的动态也发生在更大的组织中。例如,一家医院不是一个线性的装配线,增加更多的员工或床位就能保证病人吞吐量的成比例增加。它是一个复杂适应系统(CAS)。它的性能是无数主体(医生、护士、病人)与受限资源之间相互作用的涌现结果。一个看似局部的瓶颈,比如麻醉后恢复室(PACU)满了,就可能造成一个非线性反馈回路,导致可完成的手术数量急剧下降。一项善意的新政策,比如更严格的感染控制协议,可能会对排班、病例选择,甚至员工为了应对新压力而临时发明的非正式变通方法产生连锁的、涌现性的影响。一个简单的组件级“修复”,比如提高电子健康记录中药物相互作用警报的敏感度,反而可能导致更多的用药错误。为什么?因为大量新的、通常不相关的警告会导致“警报疲劳”,这是一种涌现性的人机交互现象,过度劳累的临床医生开始忽略所有警报,包括那些至关重要的警报。

在最宏大的尺度上,整个国家的卫生系统乃至地球的气候都表现为复杂适应系统。地球的气候不是一个简单的恒温器。它是一个富含反馈回路的系统,比如冰-反照率反馈:融化的冰暴露了更暗的海洋或陆地,后者吸收更多的阳光,从而导致更多的变暖和更多的融化。由于这类反馈,系统具有记忆性,并可能表现出路径依赖或滞后现象。这意味着,在同样水平的太阳辐射下,地球可能存在于两种不同的稳定状态——一个温暖的状态和一个“雪球”状态。在这些状态之间转换不会是渐进的;它会涉及跨越一个“临界点”,导致一个突然且可能不可逆转的转变。这种戏剧性的、大规模的涌现行为无法用简单的静态模型捕捉;它们需要能够解释系统内部状态和反馈回路的动态模型。

一种新的观察方式

从细胞中蛋白质的精妙舞蹈,到一颗行星气候的变迁,涌现的故事就是创造本身的故事。它在力量和谦卑两方面都给了我们一课。力量在于,我们知道可以设计出能够自我构建的系统,能够从简单的开端生成新颖而复杂的结构。谦卑则来自于认识到,在任何复杂系统中——无论是生态系统、经济体还是社会——整体都真正大于其各部分之和。要引导、治愈或改善这样的系统,我们不能简单地自上而下地命令它。我们必须理解并影响局部的相互作用规则,然后退后一步,尊重那涌现出的丰富、不可预测且常常优美的行为。