机翻中文版+解读

一、介绍

笔记摘要：

每个结果都应该有一个产生原因，但在涌现过程中惊讶的是，我们观察到了一个种没有明显原因的结果。

考虑具有涌现特性的世界，最深的奥秘来自我们身边的稀松平常的事物：幼苗、冰块、沙堆。如果不能很好的理解这些较为基础的尺度，那么在难以想象的高级或极端的尺度上就很难找到终极规律了。

简单的说就是先退后一步，看看日常物体的模式与相互作用，才能发现我们宇宙的本质。

涌现特性充满惊异和悖论：它们非常基本，但对我们又非常熟悉。

涌现是一种悖论：涌现的属性往往是不变的和变化的，恒定的和波动的，持续的和转变的，必然发生但又不可避免、不可预测的，依赖于和独立于它们所产生的系统。

悖论的产生主要是因为我们往往只能看到了复杂系统的一面，例如只考虑了微观或宏观层面，而不是同时考虑两者，或者只看到了系统或环境，而非同时两者。要理解一个具有多层次和多尺度的复杂系统是很困难的。

软件和硬件系统中不可预见的故障和意外是一种特殊的、不被希望出现的涌现形式。

所以我们要了解复杂系统中的涌现过程，以便创造出复杂而稳健的新形式系统，为错误的发生做好准备，尽可能防止失败。

涌现属性既是系统的一部分，同时又不是系统的一部分，它依赖于系统因为它在系统才能出现，但在一定程度上又独立于系统。涌现实体（属性或物质）产生于更基本的实体，但又是【新颖】的或【独特的】（不可还原的）。

社会性动物之间的自组织通常涉及一些涌现的 [技巧]：信息素技巧(pheromone trick,用信息素场标记感兴趣的物品）和结群技巧（flocking trick，呆在群体附近，但不要太靠近你的邻居）。这两个简单的技巧就导致了蚁群、白蚁堆、蜂群、鸟群、哺乳动物群和鱼群等生物种群的涌现。

由于真正的涌现属性是不可还原的，所以它们不可能被摧毁或分解——只能出现或消失。在这层意义上，它们似乎是不可毁灭（indestructible)的，并有可能是唯一实存的东西。根据上文可知涌现产生于基本的实体，这些事一切存在的根本，也是逐渐发展为复杂系统的必经之路，某种意义讲你是无法摧毁，阻断它的诞生，除非你开历史倒车，将一切抹杀，这不仅疯狂也不现实，有一条信息是，突现并非全是你不希望的，也有好的，符合你期望的，那么更具有可操作性方式是去影响，甚至“”修改”突现的最终效果；软件和硬件系统中不可预见的故障和意外是一种特殊的、不被希望出现的涌现形式。正如DuncanJ.Watts 所说：世界上最好的维护程序也不能确保预防那些还不知道存在的故障….…即使人们尽了最大努力，故障还是会发生。

二、定义和属性

2.1、定义

由于涌现是一个模棱两可的词，因此从一个明确的定义开始是必要的。在下文中，涌现的(emergent)和涌现(emergence)是这样定义的：

如果一个系统的属性不是其任何基本元素的属性，那么它就是涌现的。涌现是涌现的属性和结构在更高层次组织或复杂性上的显现。

《牛津哲学指南》将涌现属性定义为不可预测和不可还原的：一个复杂系统的属性被说成是【涌现】的，是因为尽管它是从表征较简单成分的属性和关系中产生的，但它既不能从这些较低层次的特征中预测出来，也不能被还原成这些特征。

《剑桥哲学词典》对描述性涌现和解释性涌现进行了区分。描述性涌现（Descriptive emergence)意味着[整体]（或更复杂的情形）的一些属性不能通过[部分]（或更简单情形）的属性来定义。

解释性涌现（Explanatory emergence)意味着系统中更复杂情况的规律，不能通过任何构成或共存规律从更简单或最简单情形中推导出来。

2.2、属性和标准

解释、还原、预测和因果关系等概念是深入理解涌现的核心。

Francis Heylighen 据此提出了以下关于涌现的分类标准：

• 所创建系统的多样性（如涌现系统的可能状态）；

• 外部影响的数量（在涌现过程中）；

• 维持系统身份的约束类型（完全的或条件的）；

• 层次的数量，多层次的涌现（一个层次，两个层次，或多个层次）。

不幸的是，这些属性并非完全独立：多层次的涌现过程肯定比单一层次还具有更高的多样性。

三、类别和分类

3.1、哲学分类法

查尔默斯(David J.Chalmers)区分了弱涌现(weak emergence)和强涌现(strongemergence)。

强涌现甚至在原则上不能从低层次领域的规律中推导出来，至于弱涌现则只是在低层次领域的属性和原则下的意外。Mark A.Bedau 在他的基础之上，增加了名义涌现的概念。名义涌现是一个系统中出现的宏观属性，而非微观属性。William Seager（SeagerDrafts)强调了两种涌现：良性的（benign)和激进的(radical）的。他所谓的「良性]或可接受涌现是指——我们能够找到一个描述性或解释性的方案，提供一种有用的速记符号来描述一个系统的行为，例如气体的压力和温度；他的激进涌现则大致对应于Bedau 和查尔默斯的强涌现。

在游戏设计中，我认为可以将良性的涌现使用HUD或是一些指示物、信息等表现元素清晰的告诉玩家，如果游戏中能将两种涌现打通，将强涌现可通过努力转化为良性的涌现，那就能达成《打破现实》中提到的“实现富有生产力的进步”

弱涌现是一个游戏设计者可以直接操控的层面，通过设定一系列基本的规则和机制，可以帮助游戏设计者创建出复杂且富有深度的游戏体验。同时，弱涌现的效果可以通过HUD或者其他信息提示等方式，直接展示给玩家，让玩家可以直观地理解和掌握这些规则，从而更好地参与游戏。最后，实现从强涌现到良性涌现的转化，是一个非常有挑战性的目标，但也是非常有价值的。这需要游戏设计者对游戏的规则和机制有深入的理解，并且能够通过某种方式，将这种理解传达给玩家。这可能需要一种新的设计思路，或者一种新的交互方式，但无论如何，这都是值得我们去探索和尝试的。

3.2、基本粒子分类法

原文中介绍了Yaneer Bar-Yam的基本粒子分类法，用以描述不同类型的涌现现象。这些类型基于"粒子"和"系统"的概念，区别于传统的主体和群体概念。

我来尝试用简单的语言解释这些类型：

Type A：涌现行为（从微观到宏观）

这个类型其实是个大类，其中包含了下面的Type O, Type 1, Type 2和Type 3。也就是说，这些类型都描述了涌现行为从微观到宏观的过程。

• Type O（孤立部分在整体中没有对应位置）

这就像你在一个大的拼图中，发现有一个小拼图块是孤立的，你无法找到它在整体中的对应位置。

首先是Type 0，也被称为名义涌现。这是一种玩家自行观察、研究就能发现的涌现，是部件分离对部件结合的产物。在游戏中，这通常是玩家基于游戏的宏观调查，找出最有价值的，最通用的模块进行升级与改进的过程。以《魔兽世界》为例，游戏中的背包插件，一键整理等，就是源于玩家对游戏丰富的资源和多种获取渠道的调查研究，这样的需求就是涌现的一种结果。

• Type 1（部分在整体有对应位置——弱涌现）

这就像你在拼图中找到了一个小拼图块的位置，这个小拼图块能明确对应到整体的一个部分。

其次是Type 1，这对应于弱涌现的概念。弱涌现是指在基础规则内发生的意外。在游戏中，弱涌现可以被设计出来，例如通过特定的游戏机制设计，让玩家在基于这些机制的行为中产生新的行为和策略。在《魔兽世界》的拍卖行中，玩家可以找到自己心仪的低价商品，或是将自己的商品高价寄卖得到买家的眷顾，这都可以被视为弱涌现的例子。

• Type 2（存在有集体约束的系综——强涌现）

这是一个更高级别的涌现，就像一个足球队，虽然每个队员都有自己的位置和任务，但他们之间必须相互协作，才能发挥整体的实力。

Type 2 涌现，也就是强涌现，它更具挑战性，涉及到的是一种复杂的集体约束。这种涌现通常需要更深层次的游戏系统理解和策略设计。例如，许多团队合作的多人在线游戏，如《DOTA2》和《英雄联盟》等，都需要玩家根据队友的选择和对方的阵容，选择合适的英雄和技能，这就需要对游戏的系统和规则有深入的理解，并能从中找出最优的策略。这样的涌现常常会导致战略和战术上的革新，给游戏带来更深的策略性和复杂性。

案例：《暗黑破坏神》从TYPE1~TYPE2

1. Build的概念：玩家通过搭配技能、装备、符文等资源，构建自己的角色，创造一种新的战术风格或战斗方式。这是一个基于游戏规则和设计的结果，但这个结果是由玩家自我组织、自我创造出来的，是一个涌现的过程。这种涌现相对简单，较容易预测，符合Type 1的定义（弱涌现）。

2. 大秘境玩法：当游戏增加新的挑战和目标（例如大秘境）时，原有的Build可能无法满足新的需求，玩家需要重新组织和搭配自己的战斗方式。而在多人组队的情况下，不同角色的配合和协同作战，将会产生全新的战术和策略。这个过程中，游戏的挑战和目标对于玩家的策略和行为产生了约束，这是一个更复杂的涌现过程，符合Type 2的定义（强涌现）。

这两个例子都很好地揭示了游戏涌现的本质：游戏提供了一个可以被玩家探索和挖掘的空间，而玩家通过他们的创造力和策略思考，创造出新的游戏方式和玩法。这种过程对于游戏的吸引力和持久性具有重要意义。

• Type 3（存在系统与环境的关系属性——强涌现）

这种涌现行为更复杂，就像一个生态系统，系统的特性不仅由系统内部的元素决定，还受到外部环境的影响。

Type 3涌现是一个更高级的涌现，它涉及到系统内部的复杂性，当一个系统具有足够的复杂性和自由度时，它可能会自发地形成新的结构和行为。这种新的结构和行为并不是由系统的外部环境或者参数设定直接决定的，而是由系统内部的动态演化和自组织产生的。

这种自我组织的过程，其实质是系统内部各个元素之间的相互作用和反馈，这些相互作用和反馈使得系统在一定的参数和条件下，自动地形成了稳定的结构和行为。这些新的结构和行为是系统本身复杂性和自由度的体现，也是系统内部元素之间相互作用和反馈的结果。

因此，Type 3涌现更准确地来说，是由系统的内部复杂性和自组织性引发的，而不是由外部环境直接引发的。

这类涌现独特之处在于是由系统内部的复杂性和自组织能力产生的，系统的各个部分不仅仅是在执行他们的特定功能，而是他们在一起形成了一个复杂的网络，在这个网络中，信息和影响可以在不同的部分之间流动和传播。

例如，单个细胞的行为受到其所在组织和器官的影响，而这些器官和组织的功能又受到其所在生物体的整体需求和状态的影响。游戏世界的人际吸引（上） 中也反应了一种突显性的社交环境，能增强游戏世界的人们相互吸引，其中说当需求、社会角色、性格结合都能呈现互补关系的时候，所产生的吸引力是非常强大的。社会角色有点类似单个细胞受所在组织与器官的设定；

Type B: 新系统类型的动态涌现

这是另一种形式的涌现，表示新系统的动态涌现。这就像一个计算机系统，它的功能和性能不仅取决于硬件和软件，还受到用户的使用方式和需求影响，从而形成新的系统类型。这种涌现形式，显得更加复杂和动态。

所以，这些类型涌现的分类方法，实际上是从不同角度和层次描述了复杂系统的涌现行为。从微观到宏观，从简单到复杂，涵盖了不同类型和形式的涌现现象。

Type B 的涌现，即新系统类型的动态涌现，涉及的是一个系统中全新的、未预期的机制和现象的涌现。换句话说，Type B 的涌现会产生一种新的、超越了原有系统规则和限制的系统状态或者行为。

开放世界与角色效应 ，这部分与涌现式设计有关，它的最大特点是，它会受到用户的需求以及使用方式影响。

3.3、元胞自动机分类法

tephen Wolfram 的四分类法：

Wolfram 根据元胞自动机的行为特征，将其分为四类：

1. 同质性（Homogeneous, Class I）：这类元胞自动机会迅速从任何初始状态演变到一个均匀的状态。

2. 周期性（Regular, Class II）：这类元胞自动机会从任何初始状态演变到一个包含简单结构或周期性模式的状态。

3. 混沌性（Chaotic, Class III）：这类元胞自动机会从任何初始状态演变到一个无规律或混沌的状态。

4. 复杂性（Complex, Class IV）：这类元胞自动机最为神秘，它们会从简单的初始状态演变出极为复杂的结构。

David Eppstein 的三分类法：

Eppstein 的分类法更为直观简单，他将元胞自动机分为以下三类：

1. 收缩不可能（Contraction Impossible, 负反馈）：这类元胞自动机不会收缩或者减少自身的规模或复杂度。

2. 膨胀不可能（Expansion Impossible, 正反馈）：这类元胞自动机不会扩张或者增加自身的规模或复杂度。

3. 胀缩都可能（Both Expansion and Contraction Possible, 负和正反馈）：这类元胞自动机既可能膨胀也可能收缩，它们的行为会根据初态和规则的不同而不同。

这两种分类方法都是根据元胞自动机的行为模式来分类的，每种分类方法都有自己的特点和应用场景。而在涌现性研究中，元胞自动机可以为我们提供很多有趣和深入的观察和思考。

四、新分类法

4.1、新分类法

作者提出了一个基于反馈类型、因果关系和效应整体结构的涌现分类法，它与Eppstein对细胞自动机的分类法相吻合。对涌现现象的理解和探讨，实质上是对于一个复杂系统内因果关系的研究，尤其是对于其表面效果背后隐藏的原因的追溯。

此分类法中，涌现现象被分为四种主要类型：

• Type I：简单/名义涌现，没有下向反馈，只存在前馈关系。这种涌现可以是有意（Intentional）或无意（Unintentional）的。

• Type II：弱涌现，包含下向反馈，可以是稳态或非稳态。它的主要特征是存在简单的正反馈或负反馈。

• Type III：多重涌现，具有多重反馈，包括条纹、斑点、冒泡型以及隧穿、自适应型等。多重反馈、学习和自适应对于这类涌现十分重要，它们通常出现在有许多反馈循环的复杂系统中，或有智能主体的复杂适应性系统中。

• Type IV：强涌现，特点是多级涌现和创造系统中的大量多样性。这种涌现形式负责产生更高层次的复杂性结构，其可能的状态数量多如天文数字。

在对涌现现象的研究中，反馈关系对于理解其机制起到关键作用。例如，Holland在讨论适应性系统中的涌现时强调，任何对涌现的研究都必须严肃地面对学习的角色。

Stephen Jones也提出了类似的分类法，他根据反馈关系将涌现现象分为一阶（只有前馈关系）、二阶（反馈关系）和三阶（协同反馈关系）。然而，Jones的分类法在描述强涌现方面存在缺失，而且其三阶分类并不明确，似乎包含了所有其它情况。他尝试引用控制论中的反馈形式来区分第二型涌现，但其在涌现情况下的解释力有待商榷。

4.2、不同的视角

此外也可以从其他角度，例如从生成过程的约束或角色的角度来确定分类：I型对应于固定的角色，II型对应于灵活的角色，Ⅲ型对应于新角色的出现和旧角色的消失，IV型对应于一个开启全新世界的新角色。另一种可能的分类是使用不同层次的预测性：I型的有意涌现是可预测的，II型的弱涌现原则上是可预测的（尽管并非每个细节），Ⅲ型的多重涌现是混乱的或完全不可预测的，IV型的强涌现在原则上是不可预测的。

所有类型的共同要素是边界、反馈或跳跃/跃迁。正如涌现这个名字所暗示的，某些东西的涌现总是有可能在一个系统的明确边界出现，并且通常会发生跳跃或跃迁到一个新的层次。此外，几乎所有有趣的涌现类型都涉及某种形式的反馈和一个或多个反馈回路：如Ib型中的尺度保持反馈（点-点），II型中的尺度交叉反馈（上-下），以及另外类型的多重反馈。

五、实例

5.1、第I型：没有自上而下反馈的简单涌现

在涌现的I型中，系统的整体行为可以由其各部分的行为规则简单地推导出来，而且这种涌现是可预测的，因为它并未涉及到从整体到部分的反馈机制。我们可以将这种涌现细分为两类：有意和无意涌现。

简单有意/名义性涌现

系统的整体行为是被明确设计的，每一个部分的行为规则在时间中是不会改变的。这意味着，无论系统的其他部分的状态如何，每一个部分的行为总是相同的。例如，一个钟表的功能就是由其各部分齿轮的互动而产生的。每个齿轮在钟表中扮演的角色是固定的，一旦被设定，就不会再改变。另一个例子是计算机程序中的各种对象和组件，它们的行为规则是在编程时就被确定的。这种有意涌现的特点是确定性和可预测性。

然而，这种有意涌现的方式也有其限制。首先，由于它们的行为是完全被设计的，这些系统对于环境变化的适应能力通常较差。其次，如果没有冗余的组件，一个部分的失效可能会导致整个系统的停止运行。

在我们的日常生活中，有许多例子都是这种有意涌现的，例如机器人的行动、程序的运行等。这种涌现在很大程度上依赖于我们对系统的精确控制和预测。我们设定系统中每一部分的行为规则，并期望这些规则的执行能产生我们所期待的整体行为。

无意涌现

在这种涌现中，大量相同的粒子（或元素、组件）的统计特性和宏观属性表现出新的、整体的行为。这些行为不能简单地归因于任何一个单独的粒子，而是整体的结果。例如，热力学属性（如压力、体积、温度）、网络的特性（如特征路径长度和聚类系数）、以及物理现象（如雪崩、波前或沙堆的坡度）都是这种涌现的例子。在这些系统中，大量的粒子以某种平均或统计的方式一起行动，产生了不能归因于任何一个粒子的新的宏观行为。

然而，简单的平均量（例如，所有人的平均收入）并不被视为涌现，因为这些量也可以应用于系统的一个部分（即，一个人的收入）。真正的涌现现象是那些只有在考虑到系统整体时才有意义的行为。

即使在这种涌现中，也可能存在类似于连锁反应或多米诺效应的反馈机制。一个粒子的状态改变可能引发另一个粒子的状态改变，从而引起一系列的状态改变，最终导致如波浪、连锁反应、级联和雪崩等宏观现象。

小结：

有意涌现：系统的每个部分都被赋予了特定的、固定的角色，这些角色在时间中是不会改变的。因此，系统的行为是确定和可预测的。

无意涌现：这种涌现是自然发生的，大量相同的粒子（或元素、组件）的统计特性和宏观属性表现出新的、整体的行为。这些行为不能简单地归因于任何一个单独的粒子，而是整体的结果。

热力学的很多属性（比如压力、体积、温度）都是无意涌现的现象，它们并不直接依赖于单个粒子的状态，而是由大量粒子的整体行为形成。

1. 压力：在封闭容器中，我们可以观察到气体的压力。这个压力其实是大量气体分子与容器壁碰撞的结果。每一个气体分子都在容器内随机地移动并与容器壁发生碰撞，每次碰撞都会对容器壁施加力。尽管单个分子的力非常小，但是考虑到容器内包含着大量的气体分子，这些分子的碰撞力加起来就形成了我们能观察到的压力。

2. 体积：在固体、液体、气体中，体积也是一种无意涌现的属性。例如，在一杯水中，单个水分子的体积非常小，甚至几乎无法测量，但是当大量的水分子聚集在一起时，我们就能观察到水的体积。

3. 温度：温度是另一种典型的无意涌现的属性。在微观层面，温度实际上是大量分子运动的平均能量。单个分子的能量随时都在变化，我们无法从单个分子的运动能量得知物体的温度。但是，当我们观察大量分子时，这些分子的平均运动能量就表现为温度。

爆米花可以被看作是无意涌现的例子，米粒内部的水分开始变热并转化为蒸汽，产生压力。一旦这种压力足够大，超过了玉米粒硬外壳的承受能力，玉米粒就会爆炸，形成我们所知道的爆米花。在这个过程中，你并没有特别规定或预设每一个玉米粒必须在某个特定的时刻或以某种特定的方式爆炸。每一个玉米粒爆炸的具体时刻和方式都取决于它自身的特性（如水分含量、外壳的厚度等）和环境因素（如加热的温度和时间）。这就像我们之前讨论的热力学性质那样，是一种无意涌现，涉及到大量个体的统计行为。

当然，你可以尝试通过控制加热的温度和时间来影响爆米花爆炸的情况。你可以通过设定特定的温度和时间，来试图得到理想的爆米花效果。但即使这样，你仍然不能精确控制每一个玉米粒爆炸的具体时刻和方式。因为每一个玉米粒都有其自身的特性，如它们的大小、形状、水分含量，以及它们的外壳厚度等，这些都会影响到它们爆炸的时间和方式。而且，你在烹饪过程中往往不能确保每一个玉米粒都被均匀地加热。因此，尽管你可以尽力控制加热的条件，但爆米花的爆炸过程仍然有一定的不可预测性和随机性，这就是所谓的无意涌现。

5.2、第II型：包括自上而下反馈的弱涌现

第II型涌现包括从宏观到微观层面的自上而下反馈。它涉及到了大规模的系统，这些系统由许多相互作用的独立实体组成，如一个鱼群。在这些系统中，有两个重要的相互关联的层次：微观层次（单个实体，比如一条鱼）和宏观层次（整个系统，比如鱼群）。在弱涌现中，这些单个实体的行为能导致整个系统展现出新的，通常无法预测的行为模式。这种新模式就是所谓的"涌现"现象，因为它们在系统的微观层次上并未直接规定，但会在整个系统的宏观层次上"涌现"出来。鱼群的行为就是一个很好的例子。每条鱼都有自己的行为，但是当许多鱼在一起的时候，会形成一种新的行为模式——鱼群，这种模式不能简单地由每条鱼的行为预测得出。更有趣的是，这种宏观层面的行为（鱼群）又会反过来影响每条鱼的行为，这就是自上而下的反馈。M.A.Bedau 对弱涌现的定义如下：如果一个宏观状态或属性只能从微观动态通过模拟得到，那么它就是弱涌现的。在弱涌现中，不像简单形式的名义涌现或意向涌现那样，只存在微观和宏观层次的唯一因果方向，它在两个方向上都有因果关系。有两种基本的互动形式会导致弱涌现：

直接交互（Direct lnteraction)：系统中的主体或实体直接相互作用，导致群体和集群的形成，再反过来影响主体或实体本身的行为。在系统中，直接交互是指一个实体（或者说是个体）直接影响另一个实体的行为。例如，在鱼群中，一条鱼可能会根据周围鱼的行为调整自己的方向和速度。这种行为改变是直接受到周围鱼的行为的影响，因此，我们称之为直接交互。值得一提的是，只有当单个主体能够区分不同尺度，反馈才有可能发生，例如：对微观物具有排斥效应，而对宏观物体具有吸引效应。（鱼儿之间需要保持距离防止碰撞，但又会被鱼群所以吸引，因为这么做是为了提升存活率）；

**间接交互（Indirect lnteraction)：**系统的主体或实体通过他们各自的行为改变整个系统和环境的状态，环境的变化再反过来影响主体或实体的行为。如果主体能够通过具有全局性和持久性影响的长期局部变化来操纵环境，如前面提到的信息素技巧（用费洛蒙场标记感兴趣的物品），或者如果它们几乎同步行动，从而使单个行动的效果成倍增加，那么间接反馈也是可能的。

社会系统中的人口迁移是间接交互的一个很好的例子。人口迁移的过程中，每一个个体（移民）通过自己的行为（移动）改变了整个社会系统和环境的状态（人口分布、文化习俗、经济状况等）。这种环境的变化反过来又会影响到新进入这个环境的个体和已经存在的个体的行为。

在间接交互中，主体通过对环境的长期局部变化来产生全局性和持久性的影响。另一种间接交互的形式是同步行动。当一个群体的成员几乎同时进行同样的行动时，单个行动的效果就能被放大。

混合方式

第一种是直接交互产生的群体或集群能够影响环境的状态。

第二种是通过环境的间接反馈导致群体形成的强化，比如一种社会仪式可以使一个群体凝聚为一个整体。

根据这两种不同的交互方式，我们可以进一步讨论两种不同类型的弱涌现：一种是消极或阻尼反馈导致的稳定形式，另一种是积极或放大反馈导致的不稳定形式。这些反馈机制可以导致一些社会现象，如流行短语、经济泡沫或公众对某一主题的关注等。

阻尼(damping)是指摇荡系统或振动系统受到阻滞使能量随时间而耗散的物理现象。船舶或漂浮的海洋结构物在波浪中作摇荡运动时，阻尼主要是黏性阻尼、兴波阻尼等外部阻尼。

阻尼的作用

1、阻尼有助于减小机械结构的共振振幅，从而避免结构因动应力达到极限造成结构破坏。

2、阻尼有助于机械系统受到瞬时冲击后，很快恢复到稳定状态。

3、阻尼有助于减少因机械振动产生的声辐射，降低机械性噪声。许多机械构件，如交通运输工具的壳体、锯片的噪声，主要是由振动引起的，采用阻尼能有效的抑制共振，从而降低噪声。

4、可以提高各类机床、仪器等的加工精度、测量精度和工作精度。各类机器尤其是精密机床，在动态环境下工作需要有较高的抗震性和动态稳定性，通过各种阻尼处理可以大大的提高其动态性能。

5、阻尼有助于降低结构传递振动的能力。在机械系统的隔振结构设计中，合理地运用阻尼技术，可使隔振、减振的效果显著提高

消极或阻尼反馈：在这种类型的反馈中，系统对变化有一种稳定的倾向。当系统偏离它的平衡状态时，会产生一种力量推动系统回到原来的状态。积极或放大反馈：与阻尼反馈相反，放大反馈是一种使系统偏离原始状态的力量。当系统发生变化时，这种反馈会进一步加强这种变化，使得系统更加偏离原始状态。例如，社会上的某种新潮流或者新趋势，一旦被一部分人采纳并传播，就可能迅速在社会中蔓延，这就是放大反馈的效果。

a）弱涌现（稳定的）

"自下而上"和"自上而下"的过程共同作用，形成了稳定的系统结构。它们实际上是在一种动态平衡中，相互制约，相互激励，使得系统能在变化中保持相对的稳定。

“自下而上”的过程主要是指系统中的各个组成部分（个体）通过自主的行动和交互产生出新的行为和结构。这一过程强调个体的主观能动性和创新性，每个个体都可以根据自己的情况和判断进行行动，并通过与其他个体的交互影响整个系统。这样的过程可能会带来很大的多样性和变化，可以看作是系统创新和进步的源泉。

然而，如果只有这种"自下而上"的过程，系统可能会变得混乱，没有共同的方向和目标。这时候，就需要"自上而下"的过程来进行约束和引导。需要自上而下的统一性和「利用」产生于「约束性]的自上而下反馈过程，它对组成部分或主体施加了约束——类似于「同侪压力]，迫使他们调整自己的行为或成为某种角色。

这两个过程是相辅相成的，它们共同构成了系统的动态平衡，使得系统既能够进行创新和变化，又能够保持稳定和协调。

（稳定的弱涌现，自下而上正反馈与自上而下负反馈的平衡）

蚁群中的蚂蚁由于不同的个体环境和随机影响探索各个方向。然而它们却有一个集体目标，并被迫遵循自己的信息素轨迹。鸟群中的鸟儿向不同的方向飞去，以避免碰撞，但同时又紧紧地靠在一起，试图与邻居的速度相匹配，并转向所认为鸟群的中心。万维网（WWW)反映了世界人口的巨大多样性。正如 Flake等人所说，「数以百万计的个体独立运作，拥有不同的背景、知识、目标和文化，他们在网上发布信息]。这种多样性被W3C和其它联盟（HTML、HTTP等）的统一标准和约束所平衡。

在经济活动和自由市场中，商品的最佳定价涌现自遵守当地商业规则和供需定律的主体间互动。它基于负向稳定的反馈：高需求或资源供应不足导致高价格，高价格反过来减少需求，增加资源。低需求或资源供应过剩导致低价格，低价格反过来增加需求，减少资源。因此，需求是通过负反馈来改变的，直到达到部分平衡。供需定律假定市场是完全竞争的（没有行动者有足够力量能直接影响价格），且主体的行为是理性的，但情况并非总是如此。一个只模仿别人的人行为就不是理性的，即他的行为不是最优的。例如，他将支付一个并不充分或适当的产品价格。

供求定律是市场价格变化的基本规律。当需求变化率大于供给量变化率时，价格上升；当需求变化率小于供给量变化率时，价格下降。需求的变动方向与市场价格变动方向相同；供给量的变动方向与市场价格变动方向相反。

b）弱涌现（不稳定的）

当每个人都试图根据别人的行动来做决定时，集体就可能无法正确聚合信息，导致正反馈回路和相互强化出现。这个描述的是一种“羊群效应”的社会现象。这个过程就像一个雪球滚下山坡，越滚越大。开始只是少数人的行为，但因为大家都在模仿，所以这种行为就被放大，变得越来越普遍，形成了一种集体行为。这就是正反馈的效应：原始的信号被不断放大，最后可能会达到一个非常极端的状态。然而，如果这种集体行为并不基于正确的信息或理性的决策，那么就可能导致整个社会做出错误的决策。例如，股市的疯狂炒作，或者某种没有科学依据的健康观念被广泛接受等。这就是“集体无法正确聚合信息”的意思。

潮流追随者（trend follower)只是模仿别人，而非真正去评估事物的价值。他失去了与现实的联系，就像最后终将跟随的泡沫一样——如果所有其他人也这么做的话。泡沫会随着字数增长而爆炸或消失。爆发阶段的代价是随后倦怠阶段：金融泡沫破裂并以崩溃告终，文化时尚以过度饱和告终，政治革命以政治冷漠告终。

正反馈循环有好有坏，需要正确看待，正反馈同样可以推动积极的变化，例如：学习和教育中，正反馈循环也起着重要的作用。例如，一个人学习的越多，他或她就能越有效地吸收新的信息和技能，从而进一步提高学习的效率和效果。虽然它可能会导致系统的不稳定性和剧变，但是如果这个过程被妥善地管理和引导，正反馈循环同样可以是一种强大的推动积极变化和创新的力量。

好的地点吸引了有趣的公司，而有趣的公司使地点变得更好。这是导致班加罗尔或硅谷等经济集群和高科技区出现的因素之一。相反，一个地区的生活条件差(暴力增加，使用武器和毒品），导致中产阶级的迁移，中产阶级的迁移又会使情况加剧恶化，这导致了贫民窟和贫民区的形成。

这种正反馈过程在经济中也被称为 [收益递增]（increasing returns)。VHS磁带、IBM个人电脑、QWERTY键盘、DOS和Microsoft Windows通过相同路径依赖的正反馈过程完全占领了整个市场。

重点信息

"模仿弱涌现（不稳定）中的有用反馈"指的是，模仿其他人或系统在不稳定环境中的成功策略，以获得优势。这里的"有用反馈"可能包括各种行为、策略或决策，这些行为、策略或决策曾在不稳定的环境中被证明是有效的。

"若要可持续存在（变成稳定，至少要持续稳定一段时间），往往需要在兼容性和数据交换非常重要，且获取、安装和学习使用新技术成本很高的市场中"，这个描述主要是说，如果一个新的技术或产品想要在市场中稳定存在，那么它需要在某些特定的市场条件下才可能实现。

这些特定的市场条件包括：

1. 兼容性：新的技术或产品必须与已有的设备或系统兼容，这样用户才可能愿意购买和使用。

2. 数据交换的重要性：在很多场景下，例如社交网络、电子商务等，数据的互通性是非常重要的。如果一个新的技术或产品能够使数据更容易地在不同的系统之间流通，那么它就更可能被市场接受。

3. 获取、安装和学习使用新技术的成本：如果这些成本太高，那么用户可能会选择坚持使用现有的技术或产品，而不愿意接受新的。相反，如果新的技术或产品能够显著降低这些成本，那么它就有可能在市场中取得成功。

这些因素一起决定了一个新的技术或产品能否在市场中成功和持续存在。如果这些条件得到满足，那么新的技术或产品就可能通过正反馈机制，吸引越来越多的用户，从而在市场中取得主导地位。这种现象在经济学中被称为“网络效应”（Network Effect），即一个产品或服务的价值随着使用它的用户数量的增加而增加。

5.3、第III型：有大量反馈的多重涌现

a)条纹、斑点、气泡——多重反馈的涌现

"激活-抑制剂"系统是反应-扩散系统的一种，这个概念是源于Alan Turing在1952年提出的一个理论模型。在这个模型中，两种或两种以上的物质以不同的速度在空间中扩散，并且通过相互的化学反应来改变自己的浓度。其中，某些物质起到"激活"的作用，能够加速某些反应的发生，这通常会引起正反馈。而其他的物质则起到"抑制"的作用，能够减缓某些反应的发生，这通常会引起负反馈。这种短程正反馈和长程负反馈的相互作用，形成了一个动态平衡的状态，从而导致各种复杂和美丽的模式的形成。

游戏设计与囚徒困境

有两种类型的玩家：合作者（始终选择合作）和叛逃者（始终选择背叛）。游戏的结果取决于玩家与其近邻的互动，通过这种方式，模型试图模拟一种现象，即一个系统中的正反馈和负反馈如何导致复杂的行为和模式的出现。这个模型表现了囚徒困境中的一个关键问题，即个体最优的选择并不一定能够导致集体的最优。

合作者和叛逃者的收益机会确实存在不平衡。在叛逃者占主导地位的环境中，合作者的收益机会降低，而在合作者占主导地位的环境中，叛逃者的收益机会升高。反映了囚徒困境的核心特征：单方面的叛逃行为会带来较大的短期收益，但如果每个人都选择叛逃，那么所有人的长期总收益将会降低。

可以很轻易的看出，合作者占主导地位的环境中，叛逃者的增加不需要额外的助力，会自然形成转化。但是，叛逃者占主导地位的环境中，假如不加以约束与平衡，生存者将逐渐消失，环境将不再稳定，简单的说，两种情况之间相互转换是不对称的！不管它就会产生一边倒的局面，而不是一种相互制约，平衡的状态；

这正是很多游戏设计师和社会科学家关注的问题。设计一个可以在囚徒困境或相似情况下平衡合作者和叛逃者的机制，确保合作者在叛逃者多的情况下仍然有足够的激励去合作，是非常重要的。

原论文中没有给出具体的方法，但是提供了一条不错的思路与想法：当"合作者"的集群变大时，"叛逃者"能利用"合作者"，从而使得"叛逃者"的条件变得越来越好，这就是一个正反馈过程。反之，"合作者"则通过互相支持和加强，限制了"叛逃者"的发展，这就是一个负反馈过程。

在现实生活中，有些真实的案例倒是可以思考一下，比如股票。

投资者在股票市场的行为模式，常常被比喻为囚徒困境游戏中的“合作者”和“叛逃者”。对于追求短期利益、高风险高回报的投资者——我们称之为“叛逃者”，他们往往能在市场短时间内获取显著的收益。但他们也像是被猎人瞄准的猎物，随时可能成为市场的牺牲品。

相对地，“合作者”则是那些睿智且稳健的投资者，他们寻求长期稳定回报，注重公司的基本面如营业收入、利润、现金流等，他们的投资行为更像是行业大佬，具备高度的市场敏感度和抗风险能力。

然而，市场的残酷在于，投资者的身份标签并不是固定的。在市场上，每个投资者都可能从“叛逃者”变为“合作者”。当叛逃者越来越多，市场可能会过热，引发股价泡沫。当这个泡沫破裂时（通常是由一些投资者开始大量卖出股票引发），那些未能及时转变角色的叛逃者就会损失惨重。

在这个游戏中，投资者需要掌握投资策略，并及时调整自己的角色，以适应市场的变化。如果你能敏锐地洞察市场的走势，甚至能预判到泡沫的破裂，那么你就可以在大多数人贪婪的时候选择恐惧，从而规避风险，保护自己的投资利益。这是一场关于谋略、预知和调整的游戏，没有绝对的赢家，只有恰当的角色转变者。

b)隧穿——具有多重反馈的适应性出现

复杂性缓慢或突然发生的原因有很多。如果某样东西出现得非常迅速或突然，那么它之前往往被某种障碍或屏障所阻挡了，例如，某种堵塞物、某种教条，一个屏障或一个系统边界。

正如我们地球历史所显示，这样的一个系统的演变不是线性的，平滑的和连续的过程。它的特点是突然的、不稳定的变化和复杂性的跃迁。

原文中指出，只有在像大规模灾难这样的重大事件打破并减少这些适应度屏障，或者生物主体有能力穿越它们时，进化才会发生。

适应性和进化系统中这种形式的出现与环境中的（大规模）灭绝和戏剧性或灾难性事件直接相关。自然系统中的灾难性事件可以是彗星或小行星撞击、火山、地震、冰期、干旱或洪水。如果存在不可预测、既不太常见也不太罕见的灾难性事件或波动，那么这些灾难可以促进进化和加速适应。因此，这种涌现形式可以称为适应性涌现。它是b型涌现的一个例子，出现在具有多重反馈和许多约束生成过程的复杂自适应系统（CAS）中。它与全新角色的出现以及已经存在的「生态]生态位的巨大变化有关。

复杂自适应系统(Complex Adaptive Systems，简称CAS)是一种自组织、自适应的复杂系统，它包括多个行为和交互模式复杂的成员。这些系统在时间和空间上都表现出复杂的行为，例如混沌、不可预测性、出现性（emergence）和自组织等特性。

"适应度屏障"（fitness barrier）是进化生物学中的一个概念。简单来说，这个概念是指一个物种在进化过程中遇到的阻碍，这种阻碍使得物种难以改变或者进化到新的适应环境的状态。

适应度屏障可能由多种因素构成

例如1：基因链，如果一个物种的某种变异对其生存和繁衍有所帮助，但需要经过一系列中性或者不利的变异才能达到，那么这些中性或不利的变异就构成了一个适应度屏障。

例如2：物种的生存环境，如果一个物种的生存环境突然发生改变，新的环境对物种的生存构成挑战，而物种的基因并未适应新的环境，那么这种情况下的环境就构成了一个适应度屏障。

IIIb型涌现也是突发的科学与心智革命的原因。在「心智革命」之前,通常存在一种对新行动或见解的精神障碍--意义上的不协调感或抑制行动的无意识审查。对人类或主体代理来说,每一个新情况都是一个认知上的难题或问题。如果它不能通过思考和推理得到解决,它就有可能变成一场灾难。因此,每一个心理障碍就像一个小的认知灾难,如果障碍突然被克服,就会产生一个新的见解和雪崩式的神经活动(或大笑)。托马斯库恩提出的科学革命：会有一种障碍(通常是由旧理论约束造成的)阻止新理论的发现，直到这个障碍被一种新范式所克服，从而导致科学活动和出版物I的雪球式发展。

隧穿，具有多重反馈的CAS突破适应度挑战实现复杂性跃迁的几种模式

5.4 第IV型：强涌现性和随附性

强涌现可以被定义为在更高层次的组织或复杂性上出现的涌现性结构，这些结构拥有真正的新特性，即使在原则上也不能还原为基本部分和组件的属性和规律的累积效应。例如生命是基因、遗传密码与核酸/氨基酸的强涌现属性，总体而言文化则是模因（memes）、语言和书写系统的强涌现属性。与某些哲学理论相反，这种定义下的强涌现不一定要违反任何物理定律。强涌现一词有时会被用来描述魔法、不科学或超自然的过程，这显然是一个必须加以纠正错误的观念。

“累积效应”在这个语境下可能是指从一个系统的基本组件和它们的相互作用中预测出该系统的整体行为。

"相关性屏障"（Barrier of Relevance）是由罗伯特·劳林（Robert B. Laughlin）在他的书中提出的一个概念，这个概念来自他的研究，他是一位诺贝尔物理学奖获得者，他的工作主要集中在凝聚态物理上。

在劳林的观点中，许多物理现象并不需要理解其微观细节，我们只需要考虑其宏观表现或中尺度层面的行为。这就是他所说的“相关性屏障”，即我们只需要关注那些对我们问题的理解起决定性作用的部分，而可以忽略那些在特定层面上没有相关性的信息。

他主张，即使微观层面的细节被改变或替换，只要这些改变不影响中观或中间层面的表现，那么宏观层面的表现也将保持不变。这一理论在凝聚态物理中的许多现象，例如超流体和超导体等，都得到了验证。

一个简单的类比是，如果你看一个照片，你可以识别出照片中的人和物，尽管你可能无法看清照片中的每一个像素点。在这个例子中，每个像素点就像微观层面的粒子，而你识别照片的能力就是在宏观层面上。即使某些像素点发生了变化，只要这些变化不影响你识别照片的能力，你仍然可以识别出照片中的内容。这就是“相关性屏障”的概念。

根据**兰道尔-惠勒-劳埃德极限（Landauer-Wheeler-Lloyd limit）**的说法，底层物理学对高层的武力状态时不起作用的，或者说会受到约束或者限制；这是因为涉及的可能的状态和交互方式数量之大，超过了我们可以处理的信息量。即使我们理解了底层的物理定律，也无法完全预测出宏观层面的行为，这就是所谓的“超决定性”的限制。

一个缺信心的规则或规律即便很简单并且被压缩，如果计算需要长达几十亿年，也是毫无意义的，。可是这也不代表完全不可能，因为它只是制约了局部的、低层次的规律的决定性，而不是全局的，高层次的行为，它无法阻挡强涌现性；

进化系统的两种基本形式

其一，生命的出现

生物进化，基因，遗传复制子，遗传密码真正的蛋白质通常包含n=60到n=100个氨基酸。现有的20个氨基酸可以排列成20n个不同的序列，这接近兰道尔-海勒-劳埃德的极限10^120。由于蛋白质中的氨基酸是由核苷酸碱基对的三个字母词或密码子（CCG、UGA、CAA、AUG...….)指定的，所以同样的论点也适用于基因中的碱基对。由于通过变异和重组的不断变化，它检查并放弃了大量的不成功的尝试。这里的重点是，不可能将生物体的行为（基于基因和蛋白质）以某种方式纳入原子物理学的规律。

其二，文化的出现

英语中，一个平均的词大约有7个字符，一个句子大约有7个词，因此一个句子可以由约2649个不同的序列组成。然而，并非所有的序列都是有效的。尽管只有大约10万个英语单词，但是如果我们考虑超过25个单词的长句子或段落，那么可能的组合数量将接近兰道尔-惠勒-劳埃德极限10^120，这种巨大的组合数量，阻碍了低层次生物规律对社会和文化现象的直接控制。

这两种形式是最重要的几种「涌现]。第一种，生命和遗传密码的起源，触发了遗传和生物进化。第二种，文化和语言的起源，引发了记忆学和文化进化。生命和文化的两个基本单位分别是细胞和社会。前者基于遗传密码和DNA，后者基于普通语言和书写系统。强涌现可以被看

小结

这两种形式是最重要的几种「涌现]。第一种，生命和遗传密码的起源，触发了遗传和生物进化。第二种，文化和语言的起源，引发了记忆学和文化进化。生命和文化的两个基本单位分别是细胞和社会。前者基于遗传密码和DNA，后者基于普通语言和书写系统。强涌现可以被看做是从一个进化系统到另一个系统的过渡，因此也是一种奇点突破。

简单地说，当我们说A随附于B时，我们是指A的状态或特性取决于B的状态或特性。换句话说，如果所有的B都相同，那么所有的A也必须相同。这就是为什么我说高层次现象（比如心理状态）随附于低层次现象（比如大脑的生物化学过程）：如果你改变了低层次的生物化学过程（B），那么高层次的心理状态（A）也会改变。

然而，这并不意味着高层次现象总是由底层现象直接决定。换句话说，低层次现象的改变可能导致高层次现象的改变，但并不一定是唯一的或直接的因果关系。高层次现象可能还受到其他高层次现象的影响，而且这种影响可能更为直接和显著。这就是为什么我说高层次现象“随附”在底层现象上，但并不直接受其控制。

最后的全篇小结

本文针对不同类型的涌现进行了全面的分类，将其划分为四个基本类别。

I型描述了没有自上而下反馈和自组织的简单涌现，尤其是复杂机器中的有意涌现。

II型包括经典的具有自上而下反馈和自组织的弱涌现。在这一类型中，还进一步区分了稳定和不稳定的形式。

Ⅲ型涵盖了在更复杂的适应性系统中，由于进化通过多重反馈和适应而产生的所有形式的涌现。最后V型刻画了进化中所有形式的强涌现的特征。由此强涌现这一术语可从任何神奇或不科学的含义中解放出来。（见表2）如果选择可预测性而非反馈作为主要的分类特征，那么以上类别可保持不变——无论考虑可预测性程度、反馈类型、因果关系形式，抑或受不同种类约束的生成过程或作用，都无关紧要。这种分类若用可预测性来具体说明则是：型的有意涌现是可预测的，与固定的角色相对应；

II型的弱涌现在原则上是可预测的（尽管并非每个细节），与灵活的角色相对应；Ⅲ型的多重涌现往往是混沌或完全不可预测的，与新角色的出现和旧角色的消失有关；

而V型的强涌现则在原则上是不可预测的，因为它开启了一个具有全新角色的全新世界。涌现是一个创造性的、偶然的、且往往不可预测的过程：涌现越强，涌现的属性、模式和结构就越不可预测。（见表1）有可能还存在具有其它「多重反馈]形式的第Ⅲ型涌现，但迄今为止还没有人提及。具有多种形式反馈的系统往往非常复杂，难以理解。具有延时反馈的系统可以显示出诸如混沌的行为。

如果你想发现新形式的涌现，这是一个值得关注的点。本文提出的涌现分类法并不是一个全面的理论，而是在正确的方向上迈出的第一步，以便人们更深入、更好地理解复杂系统中的各种现象。就像复杂性难以定义一样，有些东西如果难以描述就是一种复杂性，因此涌现也很难用模型或理论来完全捕捉，因为在涌现过程中，新的实体会出现，它们就受自己的规律支配。