按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
其环境发生着交换，这并不违背封闭系统的第二定律。但是，在从波耳兹曼到莫诺的统计解释中，生命的出现仅仅是一种意外的事件，是“在宇宙边缘”的局部宇宙涨落。
在复杂系统的框架中，生命的形成不是偶然的，而从耗散自组织意义上讲是必然的和合乎规律的。宇宙中，只有生命出现的条件（例如出现在行星地球上）才可能是意外的。一般地，生物学中将个体发生（有机体的生长）与种系发生（物种的进化）加以区别。在任何一种情形下，我们遇上的都是复杂的耗散系统。这种系统的发展，可以用远离热平衡的相变来解释，即由分子、细胞等等的非线性（微观）相互作用引起的（宏观）序参量的演化得到解释。生物系统（植物、动物等等）的形式用序参量来描述。亚里士多德关于自然目的的目的论，用相变的吸引子来解释。但是，这里不需要任何特殊的“生命力”或“目的力”。从哲学上看，生命的出现可以在非线性因果性和耗散自组织的框架中得到解释，尽管出于启发式的原因，它可能会使用目的论语言来描述。
我要向读者指出，生物大分子的前生物进化已经由曼弗雷德·艾根等人进行了分析和模拟。斯宾塞以复杂性增加为标志的生命进化思想，可以在耗散自组织理论中得到精确化。众所周知，图林分析了有机体数学模型，将其表示成复杂元胞系统。格里斯奇、迈恩哈特等人用关于细胞聚集的演化方程描述了有机体（例如软泥霉）的生长。对于阿米巴，当环境中细胞营养物处于某个临界值，其非线性相互作用引起了如软泥霉的宏观有机体的形成。序参量的演化对应于宏观有机体相变过程中的聚集形式。成熟的多细胞体可以解释为机体生长中的“目标”或（更好的）“吸引子”。
甚至生物群体的生态生长也可以运用协同学概念来说明。生态系统是复杂的耗散系统，包括植物或动物之间以及与其环境之间的相互的非线性代谢作用。两种群体与其营养源的共生，可以用3个耦合的微分方程来描述，爱德华·洛仑兹已经用这种方程描述了气象学中天气的发展。在19世纪，意大利数学家洛特卡和沃尔特拉描述了两个处于生态竞争中的群体的发展。两个复杂群体的非线性相互作用，由两个耦合的捕食者和被捕食者的微分方程来描述。该耦合系统的演化具有一个稳恒的平衡点。演化的吸引子是周期振荡子（极限环）。
复杂系统理论使得我们可以对自然界生态系统的非线性因果作用进行分析。自从工业革命以来，人类社会与自然界的生态循环结合得越来越紧密。但是，线性的传统工业生产模式使复杂的自然平衡受到重大威胁。人们假定自然界中拥有无穷无尽的能源、水源和空气等等，利用它们时也不会干扰自然界的平衡。工业会生产出无穷无尽的物品，而无需考虑如同臭氧洞或废物利用那样的协同效应。生命的进化转化成为了人类社会的进化。
第四章“复杂系统和心－脑的进化”，讨论了也许是最有思辨性的复杂系统的跨学科应用。在哲学史和科学史上，已经提出了多种多样的解决心－身问题的主张。唯物主义哲学家如德谟克利特、拉美特利等人主张，把精神还原为原子的相互作用。唯心主义者如柏拉图、彭罗斯等人则强调，精神是完全独立于物质和大脑的。在笛卡尔、艾克尔斯等人看来，精神和物质是相互作用、独立存在的实体。莱布尼茨信奉一种形而上的精神和物质的平行论，因为它们不可能进行物理性的相互作用。在莱布尼茨看来，精神和物质是在“前定和谐”中存在，如同两个同步的钟表。现代精神哲学家如西尔斯则捍卫一种进化自然主义。西尔斯争辩道，精神以意向性的精神状态为标志，它们是人大脑的生化作用的固有特征，因而不可能由计算机来模拟。
但是，复杂系统理论不可能归结为这些或多或少片面的主张。复杂系统探究方式是一种跨学科的方法论，适用于讨论诸如大脑这样的细胞器官的非线性复杂系统。精神状态的形成（例如模式识别、情感、思想）用大脑集合体的（宏观）序参量的演化来解释，序参量是远离热平衡的学习策略中由神经细胞的非线性（微观）相互作用造成的。具有精神状态的细胞集合体被解释为相变中的吸引子（不动点、周期的、准周期的或混沌的）。
如果大脑被看作一个神经细胞的复杂系统，那么它的动力学也就假定由神经网络的非线性数学来描述。例如，通过与应用于描述物理学、化学和生物学中模式形成的演化方程进行类比，模式识别也就解释成为一种相变。从哲学上看，我们就获得了一种跨学科的研究纲领，由此可以把神经计算的自组织解释为一种具有共同原理的物理学、化学和神经生物学演化的自然结果。正如在模式生成的情形，特定的模式识别（例如一张脸的原型）是用其特征集的序参量来描述的。一旦给出了属于该序参量的部分特征（例如脸的一部分），序参量就会完成其余的特征，使得整个系统以联想记忆方式起作用（例如在给出脸的一部分时重构出所贮存的脸的原型）。按照哈肯的役使原理，所识别的模式的特征相应于模式生成中受役使的子系统。
对于意识、自我意识和意向性的形成，情况又如何呢？在协同学中，我们必须对大脑的外部状态和内部状态进行区分。在感知和识别的外部状态，序参量相应于神经细胞集合体，代表着外部世界的模式。大脑的内部状态只是自参照状态，即只是包括精神状态的精神状态，而不包括外部世界的状态。在传统的语言哲学中，我们说人可以反映他们自己（自反映），也能够将外部世界的状况反映到他们自己的内部情感和意向（意向性）的状态之中。在新近的神经生物学研究中，科学家们推测，意识和自我意识作为自反映的神经实现，其形成取决于“元细胞集合体”产生速率的临界值。“元细胞集合体”即是代表了细胞集合体的细胞集合体，这细胞集合体又代表着细胞集合体，如此等等。这种假说（如果是成功的），只能解释诸如意识的形成特征的结构。当然，细胞集合体的数学演化方程并不能使我们获得与他人获得的感受不同的感受。在消极的意义上，科学是盲目的。但是，它也有积极的意义：个人的主体性得到了保留：非线性动力学的计算和计算机辅助的模拟原则上是有局限性的。
无论如何，复杂系统探究方式解决了一个传统的形而上学之谜。莱布尼茨曾经这样描述这个谜：如果我们把大脑想像为一台如碾磨机那样的大机器，我们可以进入其中的内部机制，我们将发现的只不过是如同嵌齿轮那样的一个个机器元件，而不可能找到什么精神，更不用说什么人的灵魂。当然，在微观水平上，我们只可能把神经元的发展描述为大脑中的脑部件。但是，在宏观水平上，复杂神经系统中的非线性相互作用引起了有一定序参量的细胞集合体的形成，而序参量是不可能用单个脑细胞的状态来验证的。整体并非部分之和。
显然，复杂系统探究方式对于心－身问题提供了解答，它们超越了传统的唯心主义、唯物主义、物理主义、二元论、相互作用论等等解答。对于所谓的自然智能和人工智能之间的区分，重要的是要注意，非线性复杂系统的原理并不取决于人脑的生物化学的作用。在大脑复杂系统是物理和生物进化产物的意义上，人脑是这些原理的一种“自然的”模型。但是，由人的技术生产出其他的（“人工的”）模型也是可能的，尽管它们的实现会遇到技术上和伦理上的限制。
第五章中，我们讨论“复杂系统和人工智能的进化”。在此描述了神经计算机和协同计算机的发展，并与图林机和基于知识的系统进行了比较。在协同计算机中，序参量方程允许一种新的（非霍布）学习方式，它是一种最大限度减少突触数目的策略。与旅晶型的神经计算机（如霍普菲尔德系统）不同，神经元并非阈值元件，而是执行一种简单的代数操作如乘法和加法。除了确定论的均匀性霍普菲尔德网络以外，还有所谓的波耳兹曼机，这是一种非确定论处理元件和分布知识表示的随机网络构造，数学上用能量函数来描述。与霍普菲尔德系统运用霍布学习策略不同，波耳兹曼机倾向于一种后向传播策略（威德劳－霍夫规则