目录

1. 理解自然界和人工界

一门自然科学是关于世界上某一类事物——物体或现象——的知识体系：关于这些事物的特征和性质；关于它们的行为和相互作用。
自然科学的中心任务是化令人惊异的事物为易于理解的常情：它要标明，如何正确地看待，复杂性不过是遮蔽着简单性的外表；它要发现隐藏在表面的混乱状况之后的规整模式。

诚然，每门学科都是该学科看待「世界」的方式，不同学科下不同的视角。而这门学科的任务就是用在该学科的角度下抽象世界的本质。

要涵盖体现了人类目标和自然法则的物体和现象，就必须具备将二者联系在一起的手段，这些手段的性质及其对某些知识领域——经济学，心理学，尤其是设计学——的隐含意义，是本书所关注的中心问题。

1.1 人工界

• artifical 的定义：
  • 由人工而不是由自然产生的；不真实的或不自然的；矫揉造作的，虚假的，虚构的，假装的，虚伪的，冒充的，假造的，捏造的，不自然的。
• 区分人工物与自然物的四个方面（人工科学的范围）：
  • 人工物经由人综合而成
  • 人工物可以模仿自然物的外表而不具备被模仿自然物的某一方面或许多方面的本质特征
  • 人工物可以通过功能、目标、适应性三方面来表征
  • 在讨论人工物，尤其是设计人工物时，人们经常不仅着眼于描述性，也着眼于规范性

1.2 作为泛型的环境

欲达到目的或适应目标，涉及以下三者之间的相互关系：

• 目的或目标
• 人工物的性质
• 人工物的工作环境

自然科学影响：性质和工作环境。

人工物可以看成是「内部」环境（人工物自身的物质和组织）和「外部」环境（人工物的工作环境）的接合点——「界面」。

整个自然界是按不同的「层次」组织的。

内外环境的划分能给人带来很大方便。
第一个好处：只要对内部环境做极少的假定，我们经常就可根据对系统目标与系统外部环境的了解来预测行为。
第二个好处：一个特定系统能否实现特定的目标或能否适应环境，只取决于外部环境的几个特征，而与外部环境的细部无关。适应系统的这种性质称为 “体内平衡”。

可以通过各种方式实现对于外部环境的准独立性：消极的隔离、反应性的负反馈、预测性的适应，或几者的综合。

最好的情形是：表征系统的主要性质及其行为，对外部和内部环境的细节都无需详述。

系统行为不仅要对任务环境作出部分响应，还要对内部系统的限制性作出部分响应。

1.3 通过模拟获得理解

模仿之所以是可能的，是因为不同的物质系统可以被组织的表现出几乎一样的行为。

• 模拟不会比作为模拟的组成部分的假定更好
• 计算机只能做程序让它做的事

从顶层开始到尚未建成的基础自上而下建造科学摩天楼的方法之所以可能，是因为每一层次上的系统行为只依赖对下面一个层次上的系统进行的非常粗略、简化和抽象的特征概括。

1.4 作为人工物的计算机

能否就一个系统构造一门数学理论，能否模拟那一系统，并不依赖于对支配系统元件的自然法则是否已有一种管用的微理论。
而要理解系统，必须先把它们造出来并观察其行为。因为即使那些对复杂系统熟悉的人当中，也没有谁能对理论如何预见结果的问题说出非常具体的意见。
也就是说，计算机既可以是数学的，也可以是经验的。

计算机的行为很大程度上受一些简单的普遍法则支配，计算机程序表现出的复杂性在相当程度上是环境（程序正试图使自己的行为适应它）的复杂性。
因此，计算机模拟成为深化对人类行为认识的工具。

这部分主要是说计算机与本身的构造并无太多关联，更多的是对复杂环境的交互和适应。

1.5 符号系统：合理的人工物

一个重要观点：无论计算机还是人脑，都是符号系统。
一个重要假设：智力是符号系统的产物。
一个重要前提：理性是非常有限的，会受到内部环境的限制，以及符号系统特征的限制。

2. 经济合理性：适应性的手段

经济学关心的是分配稀缺资源的完成质量如何。
经济学非常好地说明，外部环境与内部环境是如何相互作用的。尤其是智力系统对其外部环境所做的调整（它的本质合理性）是如何通过知识和计算，受其发现特定适应行为的能力（它的过程合理性）的限制。

2.1 经济活动者

内部环境：收入与支出差最大化
外部环境：成本和收入曲线确定了外部环境（内外的边界是企业家的体表）

存在不确定性时，利润最大化就变为 “利润对风险效用函数” 最大化。

大大简化了的 OR（运筹学）VS AI（往往表现为试探搜索的形式，可找到 “足够好” 的、令人满意的决策；但不一定是最优的）

最优化有一个要求是满意化不需要的，就是所有方案都须用一个效用函数来测度。

效用函数 VS 满意温度计
满意温度计：不限于取正值，而是有一个零点（最低满足度）；一段时间后倾向于回归零点。
愿望水平：愿望水平与实际对比，超过则满意。为满意化提供了计算机制。如果某个维度达不到愿望水平，则进行搜索直到找到一个令人满意的新方案。采用这些机制的选择理论承认人的计算能力是有限的。

主要对比了运筹和 AI，最优和满意，对应的效用函数和满意温度计，因为存在不确定性、人的有限理性及人类选择的多变性和易变性，很难找到 “最优解”。

2.2 市场与组织

经济学更加关注：市场——协调众多的经济活动者的决策与行为。

一般的说法中：资本主义国家主要依赖市场进行协调；社会主义国家主要依赖层级组织和规划进行协调。这种说法过度简化，忽视了双方都采用的投票表决过程，忽视了现代 “市场” 社会中大型组织的极端重要性。

公司本身是一种层级组织，在美国经济中大约 80% 的人类活动发生于企业和其他组织的内部环境，而非市场的外部的、组织之间的环境。因此需要给予组织不亚于市场的关注。

我们一直以来都忽视了这一点：其实大部分的人类活动依然发生在层级组织和规划中。当然也不能说两种市场没有区别，我们可以把市场和组织看做水和船的关系，船相对水独立，水的流动方式取决于采用市场经济还是层级规划。我们的国情决定了我们很难让水随意自由地流动。

2.2.1 看不见的手

经济学中看不见的手就是 “市场机制”，只要满足价格自由波动，经济系统就会达到均衡。

• 市场与优化
  “笨拙的” 买卖实验结果与古典意义的理性市场趋于均衡的速度一样，颠覆了就价格机制所做的断言（价格机制的作用是清空市场，需要满足完全市场、利润或效用最大化假设，有了这些假设则会达到帕累托最优，而最优性又不大使人信服。），不需要最优化假定也能实现市场清空，从而也不需要市场产生帕累托最优。“奇迹并非在于市场能实现最优（并没有），而在于它们通常是清空的”。

  言下之意，不需要价格机制（也不需要完全市场、利润或效用最大化）一样能让市场清空，达到满意而非最优（最优并不有效，而且还达不到）。

• 没有规划者的秩序
  人体或生态系统是自我调节的，可以用反馈环来解释自我调节，而不是中央计划与指导机构来解释。但这种关于无须中央指导的自我调节的直觉认识没有移用到人类社会的人工系统中来。

• 苏东解体告诉人们，没有一个平稳运行的市场，现代经济体无法良好运转。而这些经济体在苏东解体之后的差劲表现又告诉人们，没有有效的组织，它们依然无法良好运转。

  • 市场的平衡功能：避免了给中央计划机构加上计算重负。哈耶克对市场机制的辩护也不是说通过市场机制可以实现最优，而是说人的内部环境受到了限制——人的计算能力是有限度的。
  • 但也不能将所有的经济活动都交给市场力量支配。

注：“笨拙的” 买卖实验：在实验的市场中，被模拟的实验双方都是笨蛋，卖方只知道一个最低价，低于此价不出手；买方只知道一个最高价，高于此价不买进。

2.2.2 不确定性与预期

不确定性的存在促使人们采用稳健的适应程序，而不采用只在对精确了解的环境作用进行细致调整后才能很好地发挥作用的策略。

• 预期
  要精确控制系统，需要正馈控制（对未来的预测为基础）和反馈控制（帮助纠正过去的失误）。而预期又对稳定有破坏作用，如投机泡沫。
  在不完全竞争市场，相互预期（如每家公司都在猜测竞争者的心思）可能让 “理性” 的定义都成了问题。

• 博弈论
  Augustin Cournot 着手构造理论解决两个公司组成的市场中进行合理选择的问题，他假定 “智慧有限”。冯诺依曼和 Morgenstem 1944 年发表了《博弈论和经济行为》。但博弈论离解决问题还差得很远。它只是表明，在利益对立、涉及多人的情况下，要想指出合理的行动有多么困难。
  囚徒困境证明互利策略不牢靠，即使重复过程，只要时机安排巧妙，试图合作的努力依然不牢靠。但在实际的实验中，合作行为相当频繁，针锋相对策略几乎总是比其他策略产生更高的回报。Roy Radner 证明，如果游戏者追求令人满意的而不是最优的赏格，那么合作方案也许是牢靠的。
  囚徒困境只是无数理性悖论之一，只要不同的活动者目标之间完全冲突或局部冲突时都会出现理性悖论。而古典经济学为了避开这些悖论，就只专注分析两种情形：垄断与完全竞争。人对复杂相互作用的可能场景进行计算的能力十分有限，从而避免了相互猜测的无限回归。也似乎正式由于这个原因才使得市场制度远在垄断和完全竞争之外仍是可用的（虽不是最优的）。
  博弈论证明了：在相互竞争的行动者拥有在相互斗智方面的无限计算能力的情况下，理性实质上是不可定义的，但是在有界理性的世界（如现实世界）中，问题不那么严重。

• 理性预期
  理性预期 --> 适应性预期：行动者根据身边所展开的事件，逐渐学习了解其环境。

适应性预期？是不是意味着强化学习可以不追求 “最优”，而是追求 “最适应”？而这虽然不一定达到 “最优”，却能达到 “满意”？那我们该如何定义 “适应”？
“适者生存”，一切都是评价，“适者” 是那种更加适应环境（现在的和未来的），这类似于：遗传算法的适应性和多样性。

总的来说，目前对实际经济系统动态过程的了解是不完善的，是不是可以返回到卡托纳（George Katona）所提倡和实践的用以研究期望形成过程的经验方法（如实验经济学）。

2.2.3 企业组织

• 组织-市场边界
  组织边界经常是可变的或不确定的这一事实正好证明了，市场优势和组织优势之间往往存在着近似的平衡。
  新制度经济学认为组织的作用是降低交易成本，但另一方面激励和监督员工又发生了新的成本。
  这种解释忽视了组织内部有机会进行分散化决策，而机会又取决于员工对组织的忠诚度，取决于其对组织目标的认同。组织目标则来源于忠诚度和组织所处的局部信息环境。

• 分散化
  我们可以认为，决策的产生是执行一个巨大的计算机程序的结果，每一个子程序都有自己的特定任务，只依赖于局部信息源，不需要任何一个人或群体在决策的所有方面都是专家。

• 外部性
  外部性有时被用来论述组织相对于市场的存在依据。外部性导致大公司不太情愿让分部之间的交易完全由内部市场支配，因此内部市场价格为监管价格或协议价格，而非竞争价格。

• 不确定性
  不确定性时常使社会系统感到，用等级制而不是用市场来进行某些决策是很有吸引力的。面对不确定状况，通过相互约定的假定或参数来实现的标准化和协调也许比预测更有效。如对来年产品销量的预测，需要多个部门，而不是独自进行。通过管理机制，由组织吸收不确定性也许是最有效的出路。

意思是：企业组织相对市场能够解决分散化、外部性和不确定性的问题。也正是因为市场力量不能完全解决这些问题，所以组织应运而生。

2.2.4 组织忠诚与认同

为什么如此多的人类活动发生于组织内部的关键原因：人们对于自己所属的群体，包括组织，会产生忠诚心理，而且往往是很强的忠诚心理。

• 认同的结果
  组织忠诚（认同）既是动机性（愿意为群体目标努力，群体目标变成了个人目标）的，又是认知性的（作为有界理性动物无法招架复杂的世界，即各种组织体系，就形成简化图景：从所在组织的特定视角、利益和目标来看待世界）。
  认同感所唤起的分外的努力是组织有效性的一个重要又关键的源泉，也是在组织内而不是在市场上开展经济活动的一个主要原因。
• 认同的进化基础
  “利他行为与进化论的基本主张（生物进化是为了增强自己的适应度）相矛盾的。”这一观点是错误的。
  有界理性 -> 接受来自自己所属社会群体的信息和建议 -> 增强自己的有限知识和技能 -> 顺从者与不顺从者相比有更大的适应优势。即使顺从行为会被 “赋税”（对个人不利但对群体有利的行动），只要赋税能抵消顺从的好处，结论依然成立。
  尽管顺从行为一般而言是对个体有利的，但顺从所导致的某些行为从加强组织的适应度意义上说属于利他行为，而这一利他行为是组织效力的一个重要因素。

2.2.5 小结：市场与组织的作用

• 凡是相互依赖的各种活动最好以协调的方式来开展以消除个体之间相互斗眼的必要性的场合，就是组织的用武之地；
• 组织忠诚和认同提供了这样一种人类动机，它使得组织有生命力，并缓解了公共产品问题（个体努力不能与所得紧密挂钩时就会出现这种问题）；
• 无论是组织还是市场，为了解决人类有界理性的问题，都是这样来安排决策，使得决策的诸多步骤都可以基本上依赖于决策个体在局部即可获得的信息。

2.3 进化模型

进化过程不仅对于解释组织忠诚度有意义，而且有助于描述和解释经济体制的历史发展。
最简单的进化图式取决于两种过程：

• 产生者：产生变种（如遗传突变和染色体互换）
• 考验：剔除新产生的变种（如自然选择）

2.3.1 关于经济人的另类理论

之前对个别公司行为给出的说明认为：适应通过理性活动者进行的选择实现，而不是通过对活动者进行自然选择实现的。
辩解说，自然选择也隐藏着最大化（最优化？最满意？不重要），因为在一个竞争的世界里，只有那些像追求最大化一样做决策的人才能生存。
西蒙认为：只有当经过深思熟虑的理性适应这样的过程能够像自然选择过程一样可靠地导致同样的系统均衡状态，这种做法（自然选择）才是合理的。

这意思是，需求决定供给，供给也可以创造需求么？
何为 “适”，我们选择的就是 “适”？
但这些都有个前提，那就是这样的过程能够可靠地导致均衡（而不是偶然事件）？

2.3.2 局部极大与全局极大

经济事务的世界充满了局部极大点：每一个子系统都最优地适应于围绕它的其他子系统，但是该系统的均衡是局部的，而且远次于进化爬山法所不能达到的远期均衡。

事实上，极有可能我们一直都在局部极大值，而全局极大值远远还没达到。

2.3.3 进化的近视性

达尔文的进化是近视的。
这种从一个状况到另一个状况的 “渐进式” 改善（相对于当前环境变得更 “适合”）并不能说明这一过程正通向个体适应力的某个全局极大值点，这无论对每一个个体还是几个个体一起。
如果要考察这种系统（其环境中有多个局部极大值点），则除非我们对该系统进化的方法和历史有所了解，否则无法理解这个系统，也没有任何说得过去的道理将这种系统看成是 “最适的”。

所以，其实现有的生态系统本来就不一定是全局极大值，极有可能是局部极大值。
那全局极大值是否一定存在呢？如果存在，我们应该怎么找到它？

这不仅仅是原则上反对将登山法和最优化混淆起来，在一个主要靠登山法发展的系统中，也许很难从一个已经到达的局部最高点转到另一个虽已在望、但隔着一条深谷的另一个局部最高点。

所以，我们目前深度学习基于的 Gradient Descent 其实有一些漏洞，不过这种漏洞被 SGD 减弱，但其实并没有改变其 随机 的本色。也许，如果在 SGD 上有一层上帝视角的引导，可以获得全局极大值，但既然知道了这个上帝视角，又怎么会需要 Gradient Descent，直接求救就 ok 了。
甚至强化学习也是一种 Gradient Descent，得到的可能一直都是局部极大值，但我们真的需要全局极大值吗？

另外，西蒙举了英制度量系统向公制度量系统转变的例子，如果从开始选择的时候就对两种系统都熟悉，那毫无疑问会选择公制度量，但如果未来的收益要按某利率贴现，那么一旦某种系统被采纳，转到另一种在经济上可能永远不会合算。
这个例子类似制度依赖（其实在我看来就是一个问题）。所以，我更加迷惑于 “适” 究竟是什么？貌似是既有自然的选择，也有个体的选择，是两者互动的结果。

这又和遗传算法中的适应性与多样性一样：

• 多样性让结果扩散开来（各个区域都有）
• 如果有 “鸿沟”，多样性同样能让结果扩散，如果取消多样性则收敛锁定至最优区域。

对深度学习的启示是：learning rate 在一个 epoch 里下降（模拟退火），每一个 epoch 开始时重新置为初值。然后是一定要 SGD，尤其是在不同的 epoch 上。

因此，从经济系统正在进化这一事实，并不能得出结论：系统已达到或可能达到的位置与完全竞争理论求得的均衡有任何类似之处。

所以，最优从进化的角度来看也有一些问题。

生态系统中，每一种物种适应由其他物种组成的环境的同时，该环境也在与那一物种同时进化。
这种系统的进化与未来，只有通过其历史方能知晓。

因此，每个系统都是独一无二的，可能并没有真正的最优或全局极大值，因为那是个体与环境互动的结果，有客观也有主观。如果没有上帝视角，那也许当下走的路就是最好的路。历史，不可能被更改，无论什么样结局的历史都有其魅力所在。最优可能永远只是马后炮，或者是运气使然，又或者是洞悉未来（先验基础上的概率估计）？莫非，只要有足够的先验就足以获得最优？那么如何操作呢？

2.3.4 经济进化的机制

公司和生物物种对各自环境的适应都是试探搜索的例子，因而也是局部最优化（或寻求满意）的例子，那机制是什么？生物学的观点：机制存在于基因内部，基因通过成功复制自己表现其适应度。那么公司呢？

标准化的操作程序就是日常决策的算法，一代代相传。

• 进化产生者：由对上述算法创新与变更过程组成。
• 适应度考验：改变算法之后的盈利和增长率。

经济进化与生物进化的不同：可以从其他公司处借用成功算法。

因此，公司和经济体的进化并不导致任何易于预测的均衡状态，更别说优化了。这是一个复杂的过程，或许是无限持续下去的。因此，考察其历史或许才能对之有较好的理解。

任何动态系统从一模一样的起点出发，往往遵循不同的路径。因此均衡状态对于经济体现状和未来，不能告知我们多少东西。

这除了最优和满意之辩外，我们还可以看到一丝哲学的影子。

• 优化的思想是总有个确定的标准答案在那里，只是我们没找到（所以，我们做无数次重复试验，用极大似然去估计可能的概率分布？）。
• 满意的思想是得看你掌握了多少“先验”知识，对“先验”的足够把握能够让你对事情看得更清楚、理解得更深刻些。

2.4 人类社会

李嘉图版本的经济学对人类不抱多大希望；但事实上，古典经济学对人类的描述是：他们在个别地和集体地解决无比复杂的资源分配最优化问题。
但需要注意内部环境的限制——信息处理的限制。同时还必须兼顾经济决策者有意识的理性行为和无计划但具有适应性的进化过程。

2.5 小结

这章主要讲了内外部环境的相互作用，由于不确定性和有限理性，最优化并不存在，甚至不需要存在，只追求最满意一样能让市场出清。组织为了解决人类有界理性问题而存在，它通过协调各种相互依赖的活动以消除个体之间冲突。经济系统在进化过程中是 “短视” 的，它没办法得到全局最优，所以只能追求满意；而且该过程中，有意识的理性行为和无计划但具有适应性的进化过程是共同存在，且相互纠缠在一起。

运筹学与 AI 加强了经济活动者的程序合理性，帮助他们更好地决策。
市场和组织这样一些社会系统促进合作行为，同时节约使用一种关键性的稀缺资源：人类处理复杂情形和大量信息的能力。

第三章将讨论解决问题过程和一般认知结构，第四章则集中讨论记忆和学习过程。考察人脑如何工作，考察人类理性的限度，以便深入理解程序合理性的手段。

这种手段是指运筹学、人工智能以及类似的市场和组织？
这种观点的对应可见：西蒙_人工科学_第二章分享.md

• 运筹 VS 人工智能
• 市场 VS 组织
  • 市场机制 VS 企业组织（动词）
  • 理性预期 VS 适应性预期

3. 思维心理学：将智慧嵌入自然

蚂蚁找家的路径之所以歪歪扭扭而不是一条直线，因为它大致知道家的位置，但无法预见所有的障碍，遇到一个障碍就应付（比如绕过）一个。

如果设计一个类似的自动机，它的行为与蚂蚁的行为有多大的不同？
一个假设：一只蚂蚁，若视作行为系统，是很简单的。它的行为随时间而表现出的表观复杂性主要是它所处环境的复杂性的反映。

检验假设的方法：
看看是否只要赋予蚂蚁的适应系统一些很简单的性质就能解释它在给定的或类似的环境中的行为。

这一假说的真伪与蚂蚁是简单系统还是复杂（更微观的角度）系统不应当有关系。
内部环境的微观细节也许与蚂蚁的行为基本无关（就行为与外部环境的关系而言）。

因此，自动机虽然在微观层次上与蚂蚁完全不同，但却可以模拟蚂蚁的大致行为。

将假设中的 “蚂蚁” 替换为人：
人类，若视作行为系统，是很简单的。我们的行为随时间而表现出的表观复杂性主要是我们所处环境的复杂性的反映。

两个限制：

• 不考察 “完整的”人 ，只讨论 “思想着的人”。即只分析认知行为，而不是总体行动。（西蒙坚信对完整的人也成立，只是为了分析更加稳健。）
• 记忆与其说是机体的一部分，还不如说是机体要适应的环境的一部分。

一个思想着的人是一个适应系统；人的目标确定了他的内部与外部环境的界面，后者包括他的记忆库。
由于他的适应性很强，他的行为所反映的主要是外部环境（就目标而言），只揭示了一点点内部环境（使人能够思想的生理机制）的限制性。

证据：思想着的人的内部环境 “固有” 性质中，只有几条限制着思想对问题环境的形状做出适应性变化。思维过程和解决问题行为的其余一切都是人工的——都是习得的，都可以通过发明更好的设计及将这些设计存储于记忆中而得到改善。

我对此的理解：人类智能更多地体现在对所面临环境的反映上，至于内部的复杂机制其实并无多重要。比如 “狼孩” 的例子，他的智能可能就体现在 “狼” 所面临的环境上。而 “记忆” 也正是环境的一部分。
当然，另一方面，我觉得人之所以有这些 “内部环境”，才有可能像 “人” 一样适应环境的变化。换做其他生物，可能无论怎么努力、怎么设计都无法达到人类的效果。

3.1 作为人工科学的心理学

人们如何求解：“DONALD + GERALD = ROBERT” 这样的问题？

3.1.1 搜索策略

大大减少搜索的一个方法是系统配对 --> 寻找直接矛盾。
策略越复杂，需要的搜索越少。
一旦选定了策略，搜索路线就仅仅取决于问题结构，而不取决于解题者的任何特征。

如果观察一个人或自动机在这一问题环境里运算，我们可以了解到：

• 他接下来采取的策略
• 记忆能力与过程精确性的限度
• 过程的速度
• 在各种可能策略中他能获得哪几种以及在什么情况下获得

3.1.2 绩效的限度

讨论行为所揭示出的界限和限度是什么，意味着给人在各种任务环境中的绩效提供了一个唯一前后一致的解释。

3.2 概念获得速度的限度

N 维刺激物实验告诉我们：

• 人并不总能自己发现一些巧妙的策略，虽说教会他们这些策略很容易。
• 人并没有足够的手段将信息存储在记忆里以使自己能采用高校策略，除非降低展示刺激物的速度，或允许采用帮助记忆的外部手段。

如果教会受试者高效策略并给出多出几倍时间做响应，受试者可能采用高效策略。
这一结果的前提是：人受目标指导的行为在相当大程度上只是反映了行为发生的环境的形状；只需对人的信息处理系统的特征有个粗略的了解，便可预言该系统的行为。

策略知识与短时记忆的有限容量同时影响实验结果。

3.3 记忆的参量——每块 8 秒

心理学典型的实验范式关心的是检验假设而不是估计参量，而且在选择对理论最有意义的行为测度单位时一点都不谨慎。
长时记忆的固结所需的 8 秒钟只是为了扩充网状结构，而以专家的长时记忆中已经存在的图像的形式向特定位置增添信息只需一两秒。

3.4 记忆参量—— 7 块还是 2 块

一般能记住 7 件，中间插入其他任务，下降为 2 块。
事实上，如果没有重新编码，就只能记住 2 件，看似记住很多的都是 “超载” 在长期记忆里（而且如果中间被打乱，也就只能记住前 2 件）。
对在其领域已经获得检索或模板的专家，就能记住所有，并且所需时间非常短。

这些实验结果告诉我们：学习/记忆就应该让知识点往已有的体系上扩充、叠加，否则即使你当时记住/学会了，过段时间也忘了。所以，知识应该是一张网，而不是一个个离散的点；学习应该是一个织网的过程。如果没网怎么办？抽象。

3.5 记忆的组织

3.5.1 刺激物的组块

字母组成块的情况下，记忆时间约为记忆 1 个字母所需时间的一半。
字母表以短的子序列组成的序列的形式储存；子序列往往相应于实验者呈现的块，或那些块的子块；如果让受试者自己组块，他们往往偏好三四个字母的块。

3.5.2 视觉记忆

记忆和思维在何种意义上表现了刺激物的视觉特征？
幻方的例子说明：被存储图像的组织方式与照片很不一样。or 被存储图像是一个表结构。
摆象棋例子说明：信息以关系的形式存储，而不是对格子进行扫描。

许多视觉化现象并不依赖于构成视觉化现象的基础的神经学，却可以根据记忆的组织的非常一般和抽象的特点加以解释和预言——这些特点与我们为机械学习和概念获得现象构造信息处理理论而假设的特点基本相同。
假说：记忆是表结构（其组成部分也可以是表）的组织，这种结构包括描述性部分（二项关系）和短表（三、四个元素）部分。

3.5.3 脑海

上述实验不仅与视觉长期记忆有关，也与脑海（我们储存和处理心智图像的短期记忆）有关。在脑海中，我们经常可以用 “所见” 代替推理。

3.6 处理自然语言

从历史上说，现代转换语法理论和认知的信息处理理论诞生自同一母体。
从概念上讲，都是以对人类心智的同一看法为基础的。（计算机的灵魂是程序。）

两个领域之间有大量的相互借用：

• 都以按层次组织的表结构为记忆组织的基本原理；
• 都关心串行运算的处理器如何能将符号串转化成表结构或反过来。

3.6.1 语言处理中的语义学问题

语言学的进步所必须把握的主要方向之一，是发展一种合适的语义学以补充句法。

之前的记忆组织原理可以作为讨论语言串和二维视觉刺激物（或其他非语言刺激物）的内部表象的基础。

句法 + 语义。句法是描述性部分，语义是短表？

句法歧义的例子说明只要一幅图画就能用以消歧。而反过来给定一幅图也应能说出对应的句子（已经掌握相关的词汇和语法时）。
语言串和其他类似的刺激物采用的按层次组织的表结构如何可以解释语言和“意义” 在人头脑中的会合，可以用记忆结构来解释。

以上例子说明了 3.5.2 假说：记忆是表结构（其组成部分也可以是表）的组织，这种结构包括描述性部分（二项关系）和短表（三、四个元素）部分。

“人生来具有习得和使用语言的能力” 与 “语言是人工色彩最强的，因而也是人的所有创造物之中最能反映人的特征的” 并不矛盾。

• 前者断言存在一种内部环境限制人所能进行的信息处理的种类。语言结构揭示了这些限度，这些限度反转来又揭示了人类信息之间存在的共性。
• 后者断言内部环境对适应性、对可能的语言所加的限制是对组织的非常一般的限制，不是对句法的非常特殊的限制。这些限制不仅施于语言，也施于通过外界刺激所得到的经验的其他每种内部表现方式。

沃夫假说：唯有可表达的才是可思想的。
如果之上观点正确：“唯有可思想的才是可表达的” 也一样正确。

前者就是乔姆斯基的语法论观点。NLP 领域的 GF - Grammatical Framework 正是基于此。
后者对语言的灵活性、可变性做出解释，这种特性不光表现在对语言产生限制，也对从外界获取经验的内部表现方式产生限制。也就是说语言的各种可能性不是仅仅体现在语言层面，也体现在人的记忆和认知层面。

这里的观点在我看来其实已经把语言的关键点了出来，即：句法 + 思想，也就是基本的格式与要表达的意思。举个例子，有人说：“饿，饭”，我们大概能懂他意思是 “饿了，想吃饭”；但这句话并不符合严格的句子语法。而他这么说可能是他不懂如何用正确的语言表达，也可能是他听到别人这么说了就搞到了一份食物。或者他可能说 “饭吃我”，语法没问题，词也没问题，意思却不对，但其实我们都能懂。这种现象是普遍存在的。所以说，语法能力可能是天生的，但不同的内部环境对可能的语言和外部环境所做出的调整是非常灵活多样的。

3.7 结论

本章最初的论点：一个人，若视作行为系统，是很简单的。他的行为随时间而表现出的复杂性主要是他所处环境的复杂性的反映。这一假说基于第一章的论点：“行为要与目标适应，因此，行为是人工的；因此，行为只能揭示出行为系统的那些限制了适应性的特征。”

人在解算术码难题、获得概念、记忆、向短时记忆存放信息、处理视觉刺激信号和完成自然语言的任务等例子都支持这一论点。实验表明：在从事不同任务时，人类信息处理系统的组织具有一般的共性。

人类信息处理系统基本是序贯进行的：一次只能处理几个信号；正被处理的符号必须存放在特别的、容量有限的记忆结构中；该记忆结构中的内容可迅速变化。
在采用高效策略的能力方面受到的最大限制源自：短时记忆结构的存储能力太小（7块）；将一块信息从短时记忆转移到长时记忆所需时间相对较长（8秒）。

当从主要运用中枢神经系统的短时记忆能力与序贯处理能力的任务转向涉及被储存的检索任务时，就遇到了对适应性的新限制。对视觉理解和需要使用自然语言的任务的研究越来越清楚地表明：记忆确实是以联想方式组织的，这种 “联想” 的性质与计算机的 “表结构”（记忆是表结构（其组成部分也可以是表）的组织，这种结构包括描述性部分（二项关系）和短表（三、四个元素）部分。）相像。

---

对来自联结模型的挑战的审查：

• 虽然在感官内有大量并行，但刺激被识别后，序贯处理过程被短期记忆的小小容量所增强，随后的处理阶段都启用短期记忆。
• 在处理运动信号时也有少量并行处理，但仅当初始信号通过短期记忆瓶颈后才发生。
• 在符号层次上处理的序贯性，对于低一个层次上符号处理的神经实施之序贯性或并行性的程度，什么也没说。
• 大脑中可识别的并行神经活动的一大部分，很可能只是记忆的被动维护，而主动处理过程基本是局域化和序贯的。

联结论迄今还未能表明复杂的思维和解决问题过程也可以用并行联结结构来建模，且也未证明实验观察到的同时进行的认知活动面临的极限也能用联结模型来表征。

---

我们在内部把信息处理心理学（本章关于心智的讨论）与生理学（如为什么短时记忆限于7块？）联系了起来；在外部任务环境方面，我们将心理学与搜索大的组合空间的一般理论结合起来。

后者是第 5 章的内容，因为设计理论就是搜索的一般理论。在此之前需先讨论设计者使用的大量信息是如何储存在人的心智中的，又是如何取出的（第 4 章）。

4 记忆与学习：作为思想环境的记忆

第三章关于人的思维过程是简单的主要是过程的简单性（只需设定几个基本的符号处理程序就可以理解行为）和思想构造的简单性（思想的顺序性和短时记忆的有限性）。
在转向语义丰富的领域时，就产生了简单性与复杂性的新问题。西蒙认为，依然支持简单性假说，较大的记忆库不一定意味着较大的复杂性。

4.1 语义丰富的领域

人工系统内外环境的边界划分有某种任意性。如第二章讨论经济行为时，将本可以看作内部环境的 “费用函数” 看作公司试图去适应的外部环境的一部分。

用类似观点看一个解决问题的人，他解决问题的基本工具是上一章描述的那种小的信息处理系统。其外部环境由两大部分组成：

• 感官作用的 “实在世界”
• 关于这一世界的大量信息（正确的和不正确的），储存在长期记忆中，可通过识别或联想检索出来。

处理器解决难题型问题时，记忆所起作用有限，是问题的结构而不是记忆的组织驾驭着解题搜索方向。
处理器解决语义丰富问题时，一大部分解题搜索发生于长时记忆中并受在那里发现的信息的指导。

该观点与维特根斯坦的观点非常一致：关注最基本的概念、简单的命题。越是简单我们不假思索确定的命题（如 “我有两只手”），越是需要分析判断（因为我们所熟知所习以为然的东西 AI 他不知道）。
详见：人工智能哲学笔记 | Yam 拆弹机器人和颜色不相容部分。

4.1.1 长时记忆

可以将记忆看作一本大百科全书或图书馆，信息按主题（咨询中心）储存，大量采取相互参照方式（联想式联系），并且具有一个通过多重著录帮助人们在很多词条中直接找到标题的详尽索引（识别能力）。

医学诊断时，直接识别（某一症状的呈现几乎立刻使医生做出某病也许是其原因的假设）与搜索过程（第三章的解题任务类似的过程）交替进行。

4.1.2 直觉

大部分直觉飞跃都是识别行为（对弈的例子）。

这个是不是类似于《思考快与慢》中的部分观点？但肯定和维特根斯坦的观点类似。
我们生活中大量采用 “识别” 处理事务，我想这也是贝叶斯很普适的一个原因。

4.1.3 多少信息？

10 年内可以掌握 50000 块大小的知识量能达到第一流的专业水平。当一个领域发展到不可能在 10 年上下获得纯熟的专业活动所需要的知识时，专业化程度通常将增加，从业人员将更多地借助书籍和其他外部参考手段（如建筑学）。不应当认为，人类知识的每一进展都使专业人员必须掌握的信息量增加了。相反，科学上的一些最重大的进步，是发现和检验了一些能将大量事实归到几条一般原理之下的有力的新理论。

在知识的精致化与通过理论将知识压缩成更加简略的形式这两种趋向之间一直存在着竞争。

归纳、抽象。不是知识太多，而是抽象太差。

4.1.4 为处理的记忆

从识别到处理（技能）。

专门化的知识或技能留驻在长时记忆这一外部环境中，等待着被用于控制和指导解题搜索的一般过程。

4.2 理解与表现

解决问题必须先理解该问题。

饮茶仪式的例子，事实上是一个抽象问题，要理解该问题就需要将抽象的内容从自然语言的陈述中摘取出来。

4.2.1 一个有理解力的程序

“理解” 分两阶段：

• 先对问题指令的句子进行语法分析：根据线性词串推断出隐含着的词组和从句的层级结构。
• 然后根据经过语法分析的句子摘取出的信息构造一个表象：对经过语法分析的句子进行考察，以期发现提到了哪些宾词和宾词集，提到了宾词的哪些性质，这些性质间的关系是什么，哪些谓词与关系描述了状态，哪些描述了步骤，目标状态是什么。

从原理上说，这样的程序能够为实际上任何一种不需现实世界的知识便可被理解的难题型问题构造表象，因为任何这样的问题都可依照宾词、宾词的关系及这种关系的变化来描述。

4.2.2 理解物理学

理解语义丰富领域的问题就要求具备该领域的基本知识。
对问题陈述的句子进行语法分析时，除了确认宾词和关系并加以适当的表现外，还涉及到如特殊种类的宾词与其图式被遗弃识别等。

静力学的例子。代表性系统：艾萨克。物理学知识以两种形式储存在该程序里：一是组元图式，它指导着表现问题状态（问题图式）的过程，二是产生平衡方程（即静力学定律，与 “理解” 一类程序中创造操作符的过程相应）的程序。

对比而言：

• 理解必须凭空创造出自己的问题表述与操作符，只受问题指令中信息的指导。
• 艾萨克则必须注意问题陈述中提及的事物与存贮器中储存的图式与物理定律是否相符。

更精致的系统应该具备两种能力：

• 一个组元（相当于 “理解”）在遇到新的问题领域时会产生状态表象并将这些作为图式集储存下来。
• 另一组元（相应于 “艾萨克”）将努力应用已储存的表象来解释呈交给它的新问题。

Memory，先验

4.2.3 规模与简单性

随着对更多事物知识的增加，存储库也在增大。然而不管存贮器达到多大容量，它仍由同样的基本组元构成，按照同样的原理组织和索引，由基本形式相同的程序进行操作。可以说系统由于规模增加而变得复杂了，也可以说它仍然是简单的因为它的基本结构未变。

最好把人的记忆看作发生着人的思想过程的环境的延伸，而不要看作是思想过程复杂性的增加。

整个系统的了不起之处在于：记忆使系统能在广阔范围内的不同任务领域里有效地工作，而使用的基本设备与理解和解决饮茶仪式问题或物理学中的简单静力学问题时采用的设备是相同的。

4.3 学习

认知系统的简单性包括记忆基本参量和第三章描述的一般搜索和控制过程。除此之外，“学习” 过程带来了长时记忆的适应性。假说：学习过程是不为他物所动的推动者，可以简单用恒定的方式解释变化过程。

在一系统中，凡任何变化使系统适应环境的能力产生了或多或少的永久性的改变，这种变化就是学习。

学习可以简化为几个基本类，与认知系统的几个主要组元相对应。

• 上节的 “理解” 程序：获得信息（储存的数据结构）和获得技能（储存的程序）
• EPAM：感知辨别的学习

4.3.1 理解式学习

关于机械学习和有意义学习的区别：

• 部分是标引问题：有意义的材料以某种方式被标引了
• 部分是冗余问题：有意义的材料荣誉储存，任一小部分忘记了可以根据余下部分重新构造出完整的材料
• 部分是表现问题：有意义的材料以程序而不是数据的形式存储，或者如果以数据形式存储，那么是以使通用解题程序和其他程序能方便利用它们的形式加以表现的

4.3.2 产生系统

一个产生系统是任意多个产生过程的集合。每一产生过程由一组检验或条件、一组行动组成。条件→行动。

模拟人的认知行为的系统由两种产生过程构造而成：

• 一种是对短时存贮器内容的检验（受短时存贮器中目标符号控制的系统叫 目标驱动 的）
• 一种是对外界的感知检验（受感知产生过程支配的系统叫 刺激或资料驱动 的）

赋予产生系统学习能力——适应性产生系统。

4.3.3 从例子中学习

安德森的计算机辅导系统和中国的书面学习材料都是从示例中学习，支持尼夫斯提出的关于生产过程对人类学习的意义的观点。

通过 “干” 进行学习，如安扎尔与西蒙为河内塔难题编写的 “干中学” 图式，通过连续几遍地解决该难题，逐渐掌握一个有效的通用战略。。

规划问题？遗传算法？
The theory of learning by doing.
By Anzai, Yuichiro,Simon, Herbert A.
Psychological Review, Vol 86(2), Mar 1979, 124-140

4.4 发现过程

发现新知识的系统与学习系统所采用的程序类似。

4.4.1 无目标的解决问题过程

某事物被发现了的检验方式是：不能有把握地预测到的某项新事物涌现了出来，而且该事物具有某种价值或趣味。

执行完成字母系列任务的程序，其中心思想是利用假说产生器来搜寻数据中的模式，再利用探测到的模式存在的迹象来指导进一步的搜寻——不过是 试探式搜索法。

AM：发现新概念和关于这些概念的有趣猜想。第一个具有发现能力的系统。

4.4.2 重新发现经典物理学

培根：第二个具有发现能力的系统。给定两组数据，如果发现一组数据随另一组数据单调变化，就检验比值使否不变。如果成功了就发现了数值之间的定律关系；如果失败了也已经定义了一个新变量，可将此变量加到其他变量上，再重复这一过程。它并不需要大量的搜索。

AM 和 培根以及其继承者使我们有理由相信：发现过程并未给人类认知过程导入新型复杂性。

4.4.3 找到新的问题表象

解决问题的第一步：创造关于这个问题的表象——解决方案之搜索得以发生的问题空间。

• 大多数问题从记忆中检索已储存、以往场合应用过的表象，或稍作修改
• 与之前碰到的任何问题空间都不相符，任务将会变得艰巨

比如：牛顿发现万有引力定律，因为他找到了一个新的表象——微积分。

这有点类似于看问题的角度，或者说认知新的层面。

观察受试者求解肢解棋盘问题，在发现新表象问题上给了我们一些重要启示（第一步）：注意焦点是成功的关键——关注面临情景之于问题相关的具体特征，然后构造一个问题空间，它要纳入这些相关特征，舍弃掉不相关的特征。

4.5 结论

关于记忆的发现让我们仍然可以坚持认为：人类，若视作行为系统，是很简单的。人类的行为随时间而表现出的表观复杂性主要是其所处环境的复杂性的反映。。。

信息以数据和程序的形式存储着，标引得很完善，以便在遇到合适刺激物时取出。这种信息使简单的基本信息处理系统能利用储存着信息与策略的一个大贮藏库，解释了基本信息处理行为中显现出的复杂性。

该复杂性非问题本身复杂性，而是千百年来进化而来的一系列看似简单的处理过程（如拆单机器人的例子）。

内部环境（即硬件）是简单的，复杂性从外部环境（包括通过感官所认识的世界和储存在长时记忆中的关于世界的信息）的丰富性中涌现。

用在如今 AI 的话题，人类并不需要设计任何算法，他仅仅通过感官感知+根据先验对感知的反馈就能解决绝大多数问题。而我们目前的 AI 所做的确实另一种类似 “DONALD + GERALD = ROBERT” 的复杂问题。
所以，感知和先验都很重要，但却是目前 AI 最不擅长的。首先，人类的感知是多角度、立体的，既有整体也有局部细节，机器很难达到这一点；其次，人类的记忆是无限的，且在特定任务需要的时候被 “唤起”，机器基本上做不到这一点；第三，遇到没见过的问题时，人类可以根据已有的知识进行推理，可以对看到的现象进行抽象然后与已有知识关联（这种关联更多是在意义层面）然后进一步推理，这些对机器来说都是巨大的挑战；而且，人类还有一些 “创造力”，这些创造力并不是机器的 “随机” 匹配，而是在大量先验和感知的不断叠加控制下的创造，就好比作诗，人类会让诗词符合基本格式要求，但其核心却是每个字背后的意义（意味着人类有一些 {字: 意义} 的映射），机器在这方面还很弱。
当然，以上思想可以对 AI 进行指导，提供一些参考。

5 设计科学：创造人工物

我们在内部把信息处理心理学（本章关于心智的讨论）与生理学（如为什么短时记忆限于7块？）联系了起来；在外部任务环境方面，我们将心理学与搜索大的组合空间的一般理论结合起来。
后者是第 5 章的内容，因为设计理论就是搜索的一般理论。在此之前需先讨论设计者使用的大量信息是如何储存在人的心智中的，又是如何取出的（第 4 章）。

这是第三章结束后的总结，所以本章主要侧重于将心理学与搜索大的组合空间的一般理论结合。

凡是以将现存情形改变成思想情形为目标而构想行动方案的人都在搞设计。但 20 世纪以来自然科学几乎将人工物科学从专业学院课程中驱逐，其根本原因是学术要获得较高地位，研究题目就必须是智力上硬性的、分析性的、可形式化的、可讲授的。而关于设计与人工物科学的许多内容都是智力上软性的、直觉的、非形式化的。因此需要一种关于设计过程的学说体系的设计科学，它是知识上硬性的、分析的，部分可形式化的、部分经验性的，可讲授的。

5.1 设计的逻辑——固定了的备择方案

自然科学关心事物是怎样的，设计关心的是事物应当如何，关心的是设计出的人工物以达到目标。那么适合于自然科学的论理形式是否也适合于设计？

5.1.1 命题性逻辑的悖论

设计的要求可通过普通的叙述逻辑的微小变动而得到充分满足，因此，一种特别的命令逻辑是不必要的。“不必要” 并不意味着 “不可能”，问题不在于是否存在，而在于设计是否需要，对于设计是否有用。

5.1.2 还原至叙述逻辑

最优化（设计实践）问题一旦形式化就成了标准的数学问题。这一形式化过程不用特别的命令逻辑，而是通过处理几组可能状态来实现的。

• 首先，考察满足外部环境限制的所有可能状态；
• 然后，从此集合中找出满足目标的其他约束条件、又使效用函数最大化的特定状态。

与 将目标约束条件和最大化的要求看作新的 “自然法则” ，把它们加到通过环境条件体现出来的现有自然法则上去 完全一样。

5.1.3 计算最优状况

两个关于设计科学课程的课题：

• 1 作为在已知备择方案间进行合理选择的逻辑框架的效用论和统计决策理论：若效用论要用于实际设计问题，则必须伴以实际可行的程序（现有程序能在某些领域击败人类主要是三个方面因素：惊人的计算能力，关于开局变化情况的大量 “书本” 知识，评价局势的精巧的准则函数）
• 2 实际求出现有方案中的哪个为最优的方法体系：线性规划、动态规划、几何规划、排队论和控制理论。

5.1.4 找出令人满意的行动方案

传统的工程设计应用不等式——对令人满意的绩效的描述——比应用极大极小值方法要多得多。

凡由于做不到最优而追求满意的所有各种情形都有一特征：虽然现有备择方案的集在某种抽象意义上是 “给定的”，但它偏偏在切合具体情况的意义上不是 “给定的”。如旅行商问题。

在许多追求满意的情形中，要搜索一个满足可接受性具体标准的方案的话，期望搜索范围取决于标准定得多高，而与有待搜索的空间总规模几乎完全无关。如在干草堆中搜索一根缝衣针所需时间取决于针的分布密度，而与草堆大小无关。

因此，当采用满意化方法时，可接受的备择方案的总体是否由一形式化的但不能实行的算法给出往往无关紧要。这一总体有多大往往也无关紧要。因此，满意化方法可延用至广阔范围里的设计问题，只要这些问题的备择方案集没有给定。

5.2 设计逻辑：找出备择方案

优化是经验性问题（能够使准则函数取最大值），确认满意方案（是否满足所有设计标准）是事实性问题。它们都没有提出新的逻辑问题。但搜索方案过程却不是。

5.2.1 手段——目的分析

任何目标寻求系统需满足通过两种渠道与外部环境联系：一是传入渠道或感官渠道，从环境接收信息；二是传出渠道或运动神经，作用于环境。那么系统就必须具备存储关于世界状况信息和关于行动信息的能力。能力的大小取决于在世界状况的特定变化与能带来这些变化的特定行动之间建立联系。比如婴儿早期就不具备将感官信息与行动联系起来的基本能力，只有当他开始获得经验，知道组成各种东西的元素关系时，才能有目的地作用于世界。

AI 同样如此，他要变得足够智能，必须对这个 “世界” 有一些了解，知道不同实体之间的基本联系，比如正常人有两条腿、两只胳膊、一个脑袋等等，这属于 “常识”。

5.2.2 搜索逻辑

备择方案搜索的一个特点是解决方案是由一个单元行动序列构成的。
解决问题者与现实世界很少完全叠加，因此现实世界中的解决问题系统和设计程序不仅是将单元方案装配成问题的解答，还得要搜索适当的装配件（路径组合）。在进行这种搜索时，不要将所有鸡蛋放在一个篮子里是高效的做法。

三个关于设计科学课程的课题：

• 3 改动标准逻辑以适应对备择方案的搜索。对满意化目标，所寻求的可能状态很少唯一，搜索的是实现目标的充分行动而不是必要行动。
• 4 目前状态与理想状态之间差别的并行分解的利用。
• 5 将搜索用的资源分配给备择的、已进行了部分探索的行动序列。（下一节内容）

5.3 作为资源分配方法的设计

设计过程通过两种方式与资源分配发生关系：

• 节约稀缺资源
• 避免耗费精力去走已被证明无效的探索路线

5.3.1 公路设计的例子

两个主要思想：

• 从非常一般的计划层次出发，循序渐进地使设计具体化，直到最后确定实际结构。
• 重视较高层次（发现 “相关带”）的计划，以此为基础决定在具体性较强的层次上实施哪些计划。

一个方案的 “前景” 由结果（如果将方案实施所产生的结果）的概率分布表示。

较高层次的方案评价的作用：

• 回答 “下一步应在哪里搜索？”
• 回答 “什么时候停止搜索，以某种解答作为令人满意的解答？”

5.3.2 指导搜索的方法

搜索过程可以看作寻求问题解答的过程；
但也可以更一般地将搜索过程看作关于问题结构的信息的收集过程，问题结构对于发现问题的解答最终是有价值的。

后者的意义在于，沿搜索树的任一特定分支获得的信息不仅可在产生它的情况下应用，还可在其他情况下应用。

5.4 设计的形态：层级结构

为什么可以指望用分层次的等级结构的方式来构造复杂结构？因为在任何复杂系统中都有一些单元完成着特定的子功能，这些子功能为总体功能做出贡献。

5.4.1 产生者——检验周期

设计过程：一、备择方案产生；二、根据一连串要求和约束条件检验这些方案。

5.4.2 作为风格决定者的过程

“风格” 如果有一半产生于对诸目标的轻重不等的强调，那么另一半则产生于关于设计过程的这些决策。从外向内设计建筑的建筑师与从内向外进行设计的建筑师造出的建筑大不一样，即使双方对满意化的建筑应当具备哪些特征的问题看法一致。

设计的形态、设计过程的形态与设计过程的组织都是设计理论的不可缺少的要素。于是有了另一项设计课程内容：

• 6 复杂结构的组织及其对设计过程的组织的隐含意义。

5.5 设计的表象

5.5.1 作为表象变换的解决问题过程

所有数学推导皆可简单地视为表象的变换，这些变换使原本真实但模糊的东西清楚起来——解决问题仅仅意味着要将问题表现得使解答方案明显可见。

5.5.2 空间表象

由于很多设计关心的是现实的欧氏二维或三维空间里的物体或排列，空间的表象与空间中事物的表象就必然是设计科学的一个中心论题。

5.5.3 表象的分类

理解任何类型现象的第一步，是了解这些现象包括哪些种类事物——即建立一门分类学。

对于表象，即便我们的分类不完全，仍能开始构造关于这些表象的性质的理论。比如编程语言中关于功能语言和面向目标的语言，指明了表象理论可以采取的一些方向。这就为我们关于设计理论课程最后一门课提供了材料：

• 7 设计问题的备择表象。

5.6 小结——设计理论中的论题

如果要使设计学在整个工程学中与自然科学并列，至少应包括：

设计的评价

• 1 评价理论：效用论、统计决策论
• 2 计算方法
  • 选择最优方案的算法，如线性规划计算法、控制理论、动态规划
  • 选择令人满意的方案的算法和试探法
• 3 设计的形式逻辑：命题逻辑和叙述逻辑

备择方案的搜索

• 4 试探搜索：系统分解与手段-目的分析
• 5 搜索资源的分配
• 6 结构和设计组织的理论：层级系统
• 7 设计问题的表现

5.7 设计在精神生活中的作用

第三章和第四章也是关于心理学的——尤其是人与其生物性的内部环境的关系。
本章强调了设计课程对自然科学课程的补充作用，但也可以看作是心理学的：不过是关于人类与复杂的外部环境的关系，他们在此环境中寻求生存与实现自己的目的。

音乐领域的例子中，可以发现很多学科之间围绕计算机进行着越来越多的交流。但这和计算机并没有直接关系，跨领域交流的能力来自：所有将计算机用于复杂用途的人，要么是用计算机进行设计，要么让计算机参与设计过程。结果，我们作为设计者，或设计过程的设计者，就不得不对设计所涉及的事物和设计过程中发生的事物表现出鲜明态度。

人——或至少人的智力要素——也许是比较简单的，人的行为的复杂性也许大半来自人的环境，来自人对优秀设计的搜索。如果这种观点成立，那么：在相当大的程度上，要研究人类便要研究设计科学。它不仅是技术教育的专业要素，也是每个知书识字人的核心学科。

5.8 小结

第三章和第四章是关于人与其生物性的内部环境的关系，本章是人与复杂的外部环境的关系。他们都可以看作是心理学的。
作者从设计科学课程的角度探讨其作为自然科学课程的补充应该包括的课题。这些课题包括：

• 1 评价理论：效用论、统计决策论
• 2 计算方法
• 3 设计的形式逻辑：命题逻辑和叙述逻辑
• 4 试探搜索：系统分解与手段-目的分析
• 5 搜索资源的分配
• 6 结构和设计组织的理论：层级系统
• 7 设计问题的表现

但作者最想表达的是设计科学的抽象作用：我们不应该只将其简单看作是一门科学，它更重要的作用体现在人的思维过程——我们进行判断、决定、选择和创造的过程，可以看作是人与外部环境的一种交互。而各种各样的跨领域交流只是它的一个副产品。让我们看看西蒙是怎么说的：

人——或至少人的智力要素——也许是比较简单的，人的行为的复杂性也许大半来自人的环境，来自人对优秀设计的搜索。如果这种观点成立，那么我们就能下一个结论：在相当大的程度上，要研究人类便要研究设计科学。它不仅是技术教育的专业要素，也是每个知书识字人的核心学科。

6 社会计划：进化着的人工物的设计

第 5 章概述了计划者和人工物创造者使用的一些现代设计手段。但在更早些时候，整个社会及其环境就已经被作为有待改造的系统了，它们大部分集中于政治和经济安排，但也有一些注重物质环境——如河流开发。

与设定的其他任务（如创立一个人道的社会或一个和平的世界）相比，登月实在要算简单的任务。差别在哪儿？

• 登月成功：只在一个方面复杂——技术能力
• 宪法传留：几经修改但基本骨架尚存。因为在此框架内运行的社会给我们多数人提供了广阔范围内的自由和高度舒适的物质生活。

两个例子都是有界理性的胜利。它们成功的必要条件是，成就的评价是根据限定的目标进行的。

• 登月：通过国家航空航天管理局已确认
• 宪法：先辈们的文件，一是求实精神，二是文件反映出他们已意识到了对重大人类事务的预见的局限性。宪法的多数起草者为这一人工物厘定了非常有限的目标——主要是在一有秩序的社会中维护自由。再者他们并没有假定新制度能造就新人，而是将他们所了解的男女人等的心理特征、他们的自私型和通情达理之处作为设计的约束条件之一。引用《联邦主义者》第 55 卷中措辞谨慎的话：“人类身上有某种程度的堕落性，因此对人类需要有一定程度的限制和不信任。同样，人性中存在着另一些品质，使得一定的尊重和信任是理所当然的。”

被一开头的内容深深吸引，我想我大概理解为什么西蒙能提出 “有限理性” 理论，以及为何他会在《人工智能》这本在普通人看来是讲述计算机的书中讨论这么多经济学内容，以及从设计谈到人类社会。这一切的根本是因为他始终关注人本身，他关注实用有效的东西，关注虽时过境迁但依然未改变的东西。他视野开阔，思想有高度，但又不乏实干，不乏对人的关注。
对于他的务实精神，可以通过以下内容看出一二 “在社会规模上设计人工物的计划要获得成功，也许要求在指定设计目标是要适度，别抱太大奢望，在为设计的目的而表现现实世界情形时要作大大的简化。即便限制了目标、简化了情形，通常也要克服诸多难关方能达到设计目标。”

本章的主题就是关于 “在社会规模上设计人工物的障碍和克服它们的某些手段。” 具体包括：

• 问题表现
• 应付数据不足情形的方法
• 客户的性质如何影响计划
• 计划者的时间与注意力限制
• 社会计划目标的模糊性与目标的冲突

6.1 设计问题的表象

与上一章结构较明确、规模中等的任务背景不同，当涉及社会设计时，表象问题具有一些新特征。

6.1.1 作为表象的组织

ECA 如果试图同时实行六个主张，就可能在该机构中和受援国当中产生大混乱。
所以与其说需要一个 “正确的” 认识，还不如说需要一个能为所有参加者所理解、会加速行动而不是阻止行动的认识。

6.1.2 找出限制性因素

传输电报的例子告诉我们在为设计问题选择表象的过程中，正确识别限制性因素有多么重要。管理信息系统例子的失败，因为设计者的目标是向管理者提供更多的信息，而不是保护管理者的注意力，不使之分散于无关的东西。一个适于信息稀缺的环境的设计表象，对于注意力稀缺的环境也许恰恰是错误的表象。

真正的设计问题不在于向人们提供更多的信息，而在于分配给他们用于接受信息的时间，使之只获得对其要做的决策来说是最重要、最相关的信息。这个任务不是设计信息分配系统，而是设计智能化的信息过滤系统。

我觉得这点非常精彩。曾有大型股份公司的工作经历，对其中的各种信息系统可谓是感触颇深，但领导其实仅仅用到其中极其微小的一部分，大部分看起来很美的功能根本就没有任何作用。
这个可以体现在很多方面，我想也是找到问题本质、站在用户角度的翻版吧。

6.1.3 无数字的表象

即使 “站得住脚” 这样看似的低标准，或许是我们一般能达到的最严格的标准。即便如此，要想组织力量解决问题，要想对 “应怎样评价建议的解决方案” 的问题获得一定程度的清晰认识，适当地表现问题或许仍然是极其重要的。
真正重要的东西不是数字，而是允许进行功能分析（即使算是定性的分析）的表现结构。

6.2 计划用的资料

并不是进行无数据的设计，而是将对数据质量的评价（或对数据缺乏质量的程度的评价）结合到设计过程当中去。

如果手头数据极差：对每一估计值都要说明其精确性如何。

6.2.1 预测

预测经常有两个很难满足的条件：

• 好的预测要么要求对待预测的现象有一理论认识，作为预测模型的基础；要么要求待预测现象是十分有规律的，以致可以对它们简单地外推。
• 拥有关于初始条件（做出外推的起点）的可靠数据。

罗马俱乐部的过：

• 末日日期不可信，就算可信也不重要。

我们不想知道灾难什么时候发生，而想知道如何避免灾难。——西蒙

罗马俱乐部的不及：

• 只强调了可能出现的一种时间路径，而没有注重可供选择的几种未来。

设计的数据问题的核心不是预测，而是为未来构造可供选择的场景，分析它们对理论误差和数据误差的敏感性。

同理，预测全球变暖的准确路径是一项吃力不讨好的任务。更可行、更有用的是制定一些可供选择的政策，在适当的时候推出这些政策可以减缓变暖速度，减弱其不良影响，并利用其正面效应。

集中资源分析系统的各种备择目标状态（边界），选择期望目标，如果目标实现的可能性对不可预测因素不是过分敏感，就可将注意力转向构造从现在通向期望的道路。

放在投资上就是，预测什么时候上涨下跌没有意义，更加可行的是分析一定额度的亏损是否是自己能够接受的，该公司股价是否有可能达到想要的价格。

对现在的决定没有影响的未来意外事件与设计无关。

6.2.2 反馈

有两个互补的应付外部环境变化的机制，往往比预测更有效：

• 使系统对环境不敏感的自体平衡：应付环境短期波动特别有效
• 对环境变化的追溯反馈调整

6.3 谁是客户？

专业角色定位有助于各专业技术发展，因为客户目标之外的影响在设计时不必考虑。这与有界理性是相容的。随着知识增长，专业人员角色开始复杂化，不得不考虑更多外部影响——超出客户关心范围的影响。

6.3.1 专业人员——客户关系

分析了建筑师、医疗、工程师在专业和客户之间的权衡。

6.3.2 作为客户的社会

一个组织或一个社会的成员不是被动的工具，他们自身也是设计者。
除了经济学外，社会计划和政策的讨论仍很少系统地考虑人们可能对计划作出的 “博弈” 型反应。比如设计新的交通设置而未预见到新设设施本身会在城区范围内引起人口重新分布。

6.4 社会设计中的组织

我们所拥有的源于组织：社会能够维持秩序（通过公共组织），能够高效生产（主要通过企业组织），能够维护高产所需的基础设施（主要通过公共组织）。
因此，任何社会设计课程中，组织设计都是亟待关注之事。组织是极其复杂的系统柜，它们与其他复杂系统有许多共同性质，如层级结构。

6.5 设计的时间期和空间域

6.5.1 贴现未来

对未来重要性随时空遥远成都衰减，保护自己后裔亲属的近视，都是我们适应性有限的表现，这一限制是内部环境造成的。经济学用利率来表达未来的贴现。但给未来相对现在重要性打折扣的系数与利率不同，我们对遥远未来不关心因为：（1）我们的行动对最近的将来的影响恐怕既预见不到，也无法计算；（2）这些影响在任何情况下都将是无形的而不是具体的。

主要与未来有关的是储蓄和消费，就储蓄而言，灵活性就是对不可预见事件最大的保险，然后会偏向于不会很快过时的知识。

6.5.2 时间视界的变化

三个问题（短期对石油的依赖，石油和天然气储量不足，燃料对气候的影响）被给予很大注意，主要原因是：我们用来给时空遥远时间打折扣的社会利率出现了真正的下降。除了连接起世界的网络和各国经济军事的互相依赖，更微妙的是人类知识的进步，尤其是科学的进步。科学大大延伸了我们的 “视界”（以前也有问题但是不知道）。

6.5.3 给进步下定义

三种定义：

• 在满足人类饮食、居住、健康等基本需求方面不断增长的成就。
• 人类幸福程度的平均增长。
• 考虑意图而不考虑结果。衡量的是道德进步，其总是与对共同价值——对现在和未来的人类的全部需要和要去一视同仁——做出响应的能力相联系。

6.5.4 注意力管理

注意力在短期、中期和长期是完全不同的，尤其是大规模的设计问题。

组织中常见的现象是关心 “眼前” 需要超过关心对新资本投资和新知识的需要。解决问题是创建独立的针对后者的机构，但又面临两个危险：一，随着人们不断求教最终被吸收进组织；二，完全隔绝可能堵塞反向渠道导致影响不了决策。

6.6 无最后目标的设计

无明确的标准，如何评价？第四章给出了某种答案：仅由最普通的试探法为指导对 “有趣性” 或 “新颖性” 的搜索是完全可实现的活动。

一种也许现实的对设计目标的看法：**设计目标的作用是促进活动，后者反转来又产生新的目标。**后面阶段是否与初始一致并不重要，每一步都产生新情况，而新情况为新的设计活动提供了起点。

6.6.1 出发点

最终目标的思想与我们预言或决定未来的有限能力是无法统一的，我们所称为 “最终” 目标的东西，事实上是我们将留给后继者选择初始条件的标准。
对后代来说，好的初始条件是：为未来的决策者提供尽可能多的备择方案，避免做出未来决策者无法逆转的重大决定。其次是，给下一代决策者留下一个更好的知识体系，更大的体验能力。

西蒙说要让后代以更多、更丰富的方式去体验世界。
这与我个人的部分人生使命不谋而合：“学习并运用知识技术，总结并感悟经历人生，解决人们问题困惑，改善工作生活现状。”更多地经历和体验这个世界也是一种活着的意义。

6.6.2 设计是有价值的活动

设计是一种智力的 “逛商店”。设计既是行动的工具，又是理解的工具。

6.6.3 社会计划与进化

无固定目标的社会计划与生物进化过程有许多共同之处。社会计划是近视的，其程度不亚于进化。

进化在长时段上是否具有方向性，这种方向能否看作进步，是两个不同的问题。社会同样如此。

科学与设计过程和人类社会的进化一样，都可能是没有止境的。只要对一些原始要素进行组合，就能创造出无尽的变化。

6.7 社会课程体系

扩充上一章设计课程体系，第七项 “设计问题的表现”。包括以下几种能力：构造作为问题表现的框架的组织，围绕限制因素建立表象，表现非量化的问题。

课程体系增加的六项新论题：

• 有界理性：在环境复杂性大大超过适应系统的计算能力的情形当中理性的意义。
• 计划用的资料：预测方法，预测和反馈在控制中的作用。
• 识别客户：专业人员-客户关系，作为客户的社会，作为博弈者的客户。
• 社会设计中的组织：社会设计主要由在组织中工作的人们所开展的，而且设计的一个重要目标就是型塑和改变一般意义上的社会组织，尤其是一些特定组织。
• 时间期与空间域：未来时间的贴现，进步的意义，注意力的管理。
• 无最终目标的设计：考虑未来能否灵活变化，作为目标的设计活动，进化系统的设计。

西蒙：我们的时代是人们动辄表达悲观情绪与忧虑的时代。不错，人类面临着许多问题。人类从来就面临很多问题，但是，过去对问题的意识或许并不总是有如今那么敏锐。如果我们能认识到，我们不必解决所有这些问题，也许我们就能更乐观一些。我们的根本任务——可以确信，这是个足够宏大的任务——很简单，就是保证留给未来的各种选择不减少，甚至再增加一些选择（通过创造新的物种和新的小生境）。要是我们不留给子孙后代同样多的冒险机会，同样多的从事新颖而有趣的设计的机会，他们是无从获得它们的。

6.8 小结

本章的主题是 “社会计划：进化着的人工物的设计”，西蒙从六个方面展开对 “在社会规模上设计人工物的障碍和克服它们的某些手段” 的讨论。具体包括：有界理性、计划用的资料、识别客户、社会设计中的组织、时间期与空间域、无最终目标的设计等。我们能从中明显感受到作者宽广的视野、开阔的思路、实事求是的精神和对各领域知识抽象迁移的能力。在这里我们看到了一个不一样的对设计问题的阐述，涉及到我们所知的方方面面，你可以用它来解决工作中的复杂难题，也可以用它来处理整个社会的重大问题。看到这里甚至给人一种 “世界=设计” 的感觉，而在文章最后，西蒙也对设计与现实矛盾表达了自己的看法，认为我们大可不必有太大压力，他的观点深刻而具有前瞻性：“我们的时代是人们动辄表达悲观情绪与忧虑的时代。不错，人类面临着许多问题。人类从来就面临很多问题，但是，过去对问题的意识或许并不总是有如今那么敏锐。如果我们能认识到，我们不必解决所有这些问题，也许我们就能更乐观一些。我们的根本任务——可以确信，这是个足够宏大的任务——很简单，就是保证留给未来的各种选择不减少，甚至再增加一些选择（通过创造新的物种和新的小生境）。要是我们不留给子孙后代同样多的冒险机会，同样多的从事新颖而有趣的设计的机会，他们是无从获得它们的。”

关于限制：真正的设计问题不在于向人们提供更多的信息，而在于分配给他们用于接受信息的时间，使之只获得对其要做的决策来说是最重要、最相关的信息。这个任务不是设计信息分配系统，而是设计智能化的信息过滤系统。

关于预测：我们不想知道灾难什么时候发生，而想知道如何避免灾难。设计的数据问题的核心不是预测，而是为未来构造可供选择的场景，分析它们对理论误差和数据误差的敏感性。

关于出发点：让后代以更多、更丰富的方式去体验世界。

7 复杂性面面观

后两章主要讨论复杂性问题对前述系统和现有重要大型系统结构和运行能带来什么启示。

7.1 复杂性的概念

• 一战后：整体论，“格式塔” 和 “创造性进化”；强烈的还原论味道，主张整体超越部分之和。
• 二战后：信息、反馈、控制论、一般系统；关注反馈与自体平衡（自稳）在维持复杂系统方面的作用。
• 当代：混沌、自适应系统、遗传算法、元胞自动机；关注产生和维护复杂性的机制，关注描述分析复杂性的工具。

7.1.1 整体论与还原论

整体论的强解释：

• 施用于生命系统：将其组成部分堆积在一起并不能产生这些事物，也不能解释其性质和行为
• 施用于心智：机器不能思考，思维所涉及的不仅仅是神经元的排列和行为
• 施用于一般复杂系统：系统新性质和子系统之间的关系在系统组元那里不存在，因此它要求 “突现”

在弱解释中，突现意味着复杂系统的组成部分的相互关系在这些组成部分相互孤立时是不存在的。

“弱突现” 表现为多种方式，在描述复杂系统时，引入一些新的理论概念来说明某些量是很方便的，那些量不能直接观察到，但是可以用可观察量之间的关系来定义。

其实是不是就是把组成部分之间的相互关系定义为新的概念？如例子中，电压和电池内阻作为理论概念不能直接测出来（作为黑箱处理），但可以利用欧姆定律根据电阻和电流推导出来的。当研究组元在整个系统中的相互作用时，组元的细节往往可以忽略。经济学中，研究密切相关的市场之间相互作用时，往往假定其他供求关系不变。其实这种思想体现在本书始末。
这是不是也是一种面向对象？

采用对突现的这一弱解释，我们就可以在原则上坚持还原论，尽管根据部分的性质知识严格推论出总体的性质不容易（从计算的角度说，往往还不可行）。由此，可以在复杂性的每一连续层次上构建近独立性理论，同时还可以构建中介理论，以说明每一较高层次怎样用低一层次的组元及其关系来解释。

这是通常的科学概念方式，从下向上构建，然而实际历史也完全可能是从上至下展开的。

7.1.2 控制论和一般系统论

控制论是伺服机构理论（反馈控制系统）、信息论和现代存储程序计算机的结合。
信息论用熵的减少来解释组织化的复杂性，系统从外源吸取能量并将其转化为模式或结构，就可以实现熵减。
在信息论中，能量、信息和模式都相应于负熵。

反馈控制需要的能力：识别目标，探测现状和目标之间的差距，采取行动消除差距。
研究作为 “总体” 的复杂系统，尤其是自适应目标导向的系统，同时从机理的角度对系统性质进行还原论的解释。

7.2 对复杂性的当前兴趣

动机是理解与把握世界上的一些大型系统——如环境、我们所创造的世界社会、生命体——的日益增长的必要性。

7.2.1 突变论

突变事件发生于一类特别的可以采取两种（或更多）不同的稳态的系统，当系统处于状态一时，系统参量的微小变化就会使系统突然转向另一种稳态——或进入一种变量无限增大的不稳态。

实际能分析的情形不多，早期应用都是对已经熟悉了的现象的事后解释。

7.2.2 复杂性与混沌

混沌系统是确定性的动态系统，只要对其初始条件有哪怕是些微的扰动，它们就会完全改变其路径。

难以数学处理 --> 新进展，运用计算机演示，用来重新认识很多领域：气象学家洛伦茨 20 世纪 60 年代 蝴蝶效应，特定物理系统事实上确实表现出混沌行为的实验证据（20 世纪 70 年代）

奇异吸引子：关于平衡的广义概念。在古典非线性理论中，一个系统可能达到稳定平衡，也可能在一个极限环内永久振荡。然而混沌系统还可能进入其状态空间的一个区域（奇异吸引子），并永远待在那里。在那里，运动不会停止，也不可预测，尽管这一运动是确定性的，但又显得是随机的。也就是说，若进入奇异吸引子时的方向略有差异，或是在奇异吸引子内部时稍受扰动，都会使系统进入完全不同的路径。如台球台的整个表面成了混沌行为的奇异吸引子。

7.2.3 突变世界或混沌世界中的理性

人们在设计反馈装置来 “驯服” 混沌方面已取得可观进步，做法为：混沌系统在奇异吸引子内运动时，将其局限在一个具有可欲性质的小范围内，这样的混沌就成了可容忍的噪声。

7.2.4 复杂性与进化

复杂性的突现——系统进化。

• 遗传算法
  生命体可以用一个特征清单或特征矢量来表示，进化根据对生存的适应度来评估这个矢量。特征及其组合在物种成员间的频度分布通过有性繁殖、交换、倒位和突变等发生着变化。自然选择使得有助于更强适应度的特征和特征组合繁殖的更快。
• 元胞自动机与生命游戏
  自繁殖系统

7.3 结论

本章主要简要概述了有关复杂性的各个方面，从一战后的：整体论，“格式塔” 和 “创造性进化”，到二战后的：信息、反馈、控制论、一般系统，再到当代的：混沌、自适应系统、遗传算法、元胞自动机。作为这个世界的一个关键特征，也是共同栖居在这个世界上的系统的关键特征。具有强烈特征的特定种类的复杂系统可以作为关注的重心，因为它们提供了理论思考和概括推广的支点。

8 复杂性的构造：层级系统

中心思想：复杂性经常采取层级结构的形式，层级系统有一些与系统具体内容无关的共同性质。层级结构是复杂事物的建筑师使用的主要结构方式之一。

8.1 层级系统

层级的划分，取决于任务或研究的目的以及认识的局限性。

8.1.1 社会系统

组织、家庭

8.1.2 生物系统和物质系统

系统广度：系统划分成的子系统的数目。

物质层级结构和生物层级结构多数是从空间角度描述的；而社会层级结构是看彼此的相互作用，根据相互作用的强度来定义层级结构。

8.1.3 符号系统

书籍、音乐、绘画等

8.2 复杂系统的进化

8.2.1 生物进化

简单元素进化成复杂形态所需要的时间，关键取决于潜在的中间稳定形态的数目与分布。对于 n 个元件的系统，装配所需时间与系统的层次数成正比。

信息量与进化速度不相关。稳定的中间形态的存在对复杂形态的进化有着巨大的影响。

8.2.2 多细胞生物的进化

多细胞生物的进化是经由作为单系统的细胞的增殖和特化，而不是经由对原为相互独立的子系统的组合。为迅速进化提供了潜势的不是由零件构成的装配件自身，而是要么由装配件要么由特化所产生的层级结构。

8.2.3 起到自然选择作用的解决问题过程

解决问题的过程需要选择性的反复试验法。标志着进展的线索在解决问题过程中起的作用与稳定中间形态在生物进化过程中的作用是一样的。人类的解决问题过程，都是反复试验法语选择的不同程度的组合。

8.2.4 选择性的来源

在考察解决问题系统的选择性的来源时，总可以将选择性与某种外界环境信息的反馈等同起来。

两种基本的选择性：

• 试探各种路径，记录下走过的结果并据此指导进一步的搜索。
• 先前的经验。与生物进化中的 “繁殖” 相应。

8.2.5 关于帝国与帝国的兴建

也是层级结构的复杂系统。

8.2.6 结论：层级结构的进化论解释

如果有稳定的中间形态，复杂系统就能快得多地从简单系统进化而成。作为结果而产生的这些复杂中间形态具有层级结构。

8.3 近可分解系统

在近可分解系统中，子系统间的相互作用很弱但不可忽略。

• 在近可分解系统中，每个单元子系统的短期行为与其他单位的短期行为近似无关；
• 长远说来，任一单位的行为仅以总体的方式取决于其他单元的行为。

热交换的例子。

8.3.1 社会系统的近可分解性

• 商品价格和数量；投入产出矩阵
• 部门边界

8.3.2 物理化学系统

分子系统都是近可分解系统，它们的短期动态过程与子系统的内部结构有关，长期动态过程与这些子系统的相互作用有关。

8.3.3 对层级结构广度的一些看法

要考虑的关键问题是两个（或几个）子系统的相互作用对这些子系统与其他子系统的相互作用的排斥程度。

如果一个系统的元素既有强反应能力又有弱反应能力，而强反应能力可通过元素的结合耗用掉，那么会形成子系统，直到进行强反应的全部能力在子系统的形成过程中耗尽。然后这些子系统将被较弱的二级键联系成较大的系统。

• 普通气体
• 水分子
• 天文学系统
• 社会系统，同物理系统：
  • 对大量子系统的同时相互作用一般存在着限制
  • 高频动态过程与子系统相关，低频动态过程与较大的系统相关（经理们负责的计划周期越长，位置越高）。

8.3.4 小结：近可分解性

层级结构具有近可分解性，单元内联系一般比单元间联系强。将层级结构的高频动态过程（包括单元的内部结构）与低频动态过程（包括单元间的相互作用）区分开来。

8.4 再谈生物进化

一个器官内的变化对生命体其他部分的影响，主要是通过改变那部分的产出量和其所需的输入量之间的关系（即其总体效率）。短期来说，各个单元（如个别器官）之运行与其他单元之运行细节几乎无关。

共同的细胞内过程发生于层级结构的细胞层次上，低于组织层次和器官层次。相应基因的运行活动与控制着特定器官内特化过程的那些基因几乎无关。

8.5 复杂性的描述

8.5.1 近可分解性和可理解性

将系统表现为层级结构所损失的信息比较少。属于系统不同部分的字部分仅以集总的方式相互作用——它们相互作用的细节可以忽略。

我们之所以能理解世界，是因为世界是层级结构的；或，世界之所以显现出是层级结构的，是因为它们的非层级结构的那些方面是我们既理解不了又观察不到的。

8.5.2 复杂系统的简单描述

如果一个复杂结构完全没有冗余，它就是自身的最简描述。冗余性呈现的形式：

• 层级系统通常由仅仅几种不同子系统组成，这些子系统可进行排列和组合；
• 层级系统往往是近可分解的；
  • 因此，对系统单元之间的相互作用进行描述时，只需考虑这些单元的总体性质。
  • 空世界假说：多数事物与多数其他事物仅有微弱联系；只需考虑所有可能相互作用的一小部分，就能获得一个过得去的对现实的描述。
• 通过合适的 “重新编码” 便经常能使存在于复杂系统的结构中但不明显的冗余性一目了然。简单序列与斜面球的例子。

8.5.3 状态描述和过程描述

对复杂系统的理解时可以利用的两种主要描述类型。前者表征了感受到的世界，提供了辨认物体的标准（往往是通过模仿物体的方式），后者表征了受到作用的世界，提供了将具备我们所期望的性质的物体生产出来的手段。

感受到的世界与受到作用的世界二者的区别确定了适应性生物的基本生存条件。生物必须逐渐搞清楚被感知世界的目标与过程世界的行动之间的相互关系。当这些关系被意识到并用言语表述出来时，就相当于我们通常所说的手段-目的分析：给定期望状态和现存状态，适应性生物的任务就是找到这两个状态的差别，然后找到消除该差别的相关过程。

要解决问题，就要使对同一复杂现实情形的状态描述与过程描述不断相互转换。“人类解决问题过程” 的活动基本是一种手段-目的分析。

8.5.4 自我复制系统的复杂性的描述

复杂性的进化并不意味着自我复制，然而如果一种特定的复杂形态的存在使与该形态很相像的另一形态的产生概率增大了，那么复杂系统与单元之间的平衡就会发生变化，向有利于生成复杂系统的方向移动。
RNA 是蛋白质的设计图，蛋白质是代谢的实现方法。

8.5.5 个体发生重演种系发生

如何理解？
解决复杂问题的一种方法是将复杂问题转化为以前解决过的问题。遗传程序可以改造，需要一个状态描述（比如 DNA）和一个简单的 “解释过程”，解释过程在一系列阶段上产生出发育成熟的生物体，发育的每一新阶段反映了操纵基因对前一阶段的影响。描述本身可以是层级结构的，或近可分解的；在多细胞生物体发育当中，较低层次控制着个体细胞的快速、“高频” 动态过程，较高层次的相互作用控制着慢速、“低频” 动态过程。遗传程序就是这样组织的。

这一概括性结论在生物学领域之外也可应用。
课程教授的例子，课程体系的修订令人痛苦且不能满足人们期望：在许多情况下，局部重演也许提供了通向高级知识的最迅速的路线。

8.5.6 小结：复杂性的描述

系统有多复杂或简单，关键取决于我们描述它的方式。要想简化复杂结构的冗余部分则必须找到正确的表现方式。
用过程描述替代状态描述在现代科学发展中起着重要作用，用微分方程组或差分方程的形式表达的动态定律，在许多情形中提供了对复杂事物进行简单描述的线索。如多细胞生物体的过程描述——一种遗传基因编码程序。

8.6 结论

要构建一门关于复杂系统的比较正规的理论，有一条路就是求助于层级理论。经验上：自然中观察到的大部分复杂系统都呈现出层级结构。理论上：可以期望在一个复杂性必然是从简单性进化而来的世界中，复杂系统是层级结构的。

层级系统在其动态过程中有一性质：近可分解性，即单元内联系一般比单元间联系强。将层级结构的高频动态过程（包括单元的内部结构）与低频动态过程（包括单元间的相互作用）区分开来。大大简化了层级结构的行为。

对复杂性进行描述时，其有多复杂或简单，关键取决于我们描述它的方式。要想简化复杂结构的冗余部分则必须找到正确的表现方式。用过程描述替代状态描述在现代科学发展中起着重要作用，用微分方程组或差分方程的形式表达的动态定律，在许多情形中提供了对复杂事物进行简单描述的线索。

• 其他观点
  • 高频动态过程与子系统相关，低频动态过程与较大的系统相关。
  • 空世界假说：多数事物与多数其他事物仅有微弱联系；只需考虑所有可能相互作用的一小部分，就能获得一个过得去的对现实的描述。
  • RNA 是蛋白质的设计图，蛋白质是代谢的实现方法。
  • 局部重演也许提供了通向高级知识的最迅速的路线。
  • 描述本身可以是层级结构的，或近可分解的；在多细胞生物体发育当中，较低层次控制着个体细胞的快速、“高频” 动态过程，较高层次的相互作用控制着慢速、“低频” 动态过程。

后记

这本书从头到尾看了半年，都是中午吃完饭到午休间抽时间看的，从十分钟到半小时不等；从头到尾也都记了笔记，大部分是摘录，也有一些自己的总结和观点。为什么采取这种方式读书呢？我觉得主要有几个方面的原因：第一，这本书太抽象了，很多地方需要仔细思考，一次看太多效果不理想，当然前提是你很想看这本书，很想从中得到一些东西，如果只是大概了解那就完全没必要了；第二，最近几年自学的东西非常多，有个很大的感慨就是学过的东西容易忘，可能是年纪大了记忆力下降了，当然更加可能的是学的时候就没有学透彻，哪怕你形成长期记忆了也不等于就透彻了。昨天和我的一位人生导师请教这个问题，他提到两点令我印象深刻、感触颇深，分别是：知识复利和底层基础。知识复利简单来说就是你学透彻一个东西了，或者哪怕某个东西你只在一定层面上学透彻了（比如只知道如何应用），以后碰到同样或类似的你就可以跳过，而不是不确定还需要重新看一下。底层基础是指对一些难度非常大的领域（比如算法证明），前提是要对相关的基础知识非常熟练，比如概率、线性代数、高等数学等等，要形成一种 Sense，否则即便当时看懂了也理解了，过段时间还是会忘记，因为那种懂和理解只是局部的，并没有在你的大脑中形成一种感觉。所以，我现在很喜欢记录（以前从来不干这事的，基本都能记住），学个啥都要记一下。这不光是为了加深印象，更重要的是方便回过头来看，我的所有发表的笔记都是方便自己平时查阅的，如果有了一点感想也会顺便更新到里面。所以，这更像是一个把别人的东西变成自己的东西的过程，虽然这个过程很漫长，但坚持下去我想总比每次查找原书要有效率的多，而且还能在一个点上不断沉淀。第三，很多书中都有一些非常令人难忘、且能引发人思考的观点，而我需要把这些观点重点记录下来，我甚至会针对这些观点单独写一些文章，这时候笔记的作用就很明显了，所以也是为了更好地学习，也算是一种 “笨办法”。

然后，说一下这本书。这本书是好还是不好，我觉得不同的人可能会有完全不同的观点，我理解这些观点，因为大家角度不同，这没什么对错。我从自己的角度稍微做一下简评。
首先，这本书很抽象。作者对经济学和计算机、数学都非常娴熟，很多观点只要一展开可能就是一个主题，但在这里被堆到一起讨论，比如从有限理性到智力系统的内外部环境，比如记忆的原理机制与自然语言处理乃至人工智能，比如生物学、社会学中的复杂系统与层级理论。内容综合性非常强，而且每块内容都非常简单，我想这也是本书难读（甚至有些枯燥）的一个原因。
其次，这本书观点很新颖。上面提到的很多跨学科的综合性观点在当时甚至现在都是非常创新的，尤其是针对 “设计科学” 这个主题，也可以说全书都在探讨 “设计” 问题，只不过他深入到方方面面，且是看起来完全不相干的方方面面。我想这也是他能同时获得诺贝尔经济学家和图灵奖的原因吧。
最后，作者非常谦逊。他的大部分时候并没有驳斥传统的观点，而是对其进行补充和完善，比如在描述市场机制时，用苏东解体前后的表现告诉我们平稳运行的市场和有效的组织必须同时满足，现代经济体才能良好运转，而不是只有前者。在分析理性预期时，他基于社会现实和传统经济学内部提出自己的质疑，用的基本都是 “可能、不那么、也许” 之类的词，他做的是对传统经济学的修正。
所以，我觉得这本书可能会有两个极端的评价，仁者见仁智者见智罢了，不过在我看来还是挺值得细细一读的。

太子长琴 于 2018 年 9 月 30 日

CHANGELOG

• 180930 创建