凌通投资
首 页 / 价值联盟
确保彼岸值得生存的哲学(三)
作者:一只花蛤的博客 来源:新浪博客时间:2018-11-01 10:43:00


       免责条款:本站原创文章及转载文章观点及数据,本站均不保证其准确性,读者基于本站原创文章及转载文章所作出的决定与本站无关。


确保彼岸值得生存的哲学(三)

 

 

原创:姚斌    一只花蛤的价值投资
2018年6月30日 文/姚斌

约翰·霍兰的“永恒的新奇性”和基因算法

约翰·霍兰认为,经济学是圣塔菲致力于研究的“复杂的适应性系统”的一个最好范例。在自然界,这样的系统包括人脑、免疫系统、生态系统、细胞、发展中的胚胎和蚁群等。在人类社会,这样的系统包括文化和社会制度,比如政党和科学社团。事实上,一旦我们学会了如何辨认这些系统,这些系统就变得无处不在。但无论我们在什么地方发现这些系统,它们似乎都有某种至关重要的共性。

第一,每一个这样的系统都是一个由许多平行发生作用的“作用者”组成的网络。在人脑中,作用者是神经细胞;在生态系统中,作用者是物种;在细胞中,作用者是细胞核和粒线体这类细胞器;在胚胎中,作用者就是细胞等等。在经济中,作用者也许是个人或家庭;在商业圈,作用者就会是公司;在国际贸易中,作用者就是整个国家。不管我们怎样界定,每一个作用者都可以发现自己处于一个由自己和其他作用者相互作用而形成的一个系统环境中。每一个作用者都不断在根据其他作用者的动向采取行动和改变行动。正因为如此,所以在这个系统环境中基本上没有任何事情是固定不变的。一个复杂的适应性系统的控制力是相当分散,比如,在人脑中并没有一个主要的神经元,在一个发展的胚胎中也没有一个主要的细胞。这个系统所产生的连续一致的行为结果,是产生于作用体之间的相互竞争与合作,即使在经济领域也是这种情形。无论一个国家怎样调整银行利率、税收政策和资金供给,经济的总体效果仍然是千百万个人的无数日常经济决策的结果。

第二,一个复杂的适应性系统都具有多层式组织,每一个层次的作用者对更高层次的作用者来说都起的建设砖块的作用:比如一组蛋白、液体和氨基酸会组成一个细胞,一组细胞会组成生理组织,一组生理组织会形成一个器官,器官的组合会形成一个完整的生物体,一群不同的生物体会形成一个生态环境。在人脑中,一组神经元会形成语言控制中心,另一组神经元会形成行动皮层,还有一组神经元会形成视觉皮层。一组劳动者会以完全相同的方式形成一个部门,很多部门又会形成更高一级的部门,然后又形成公司、经济分支、国民经济、最后形成全球经济。复杂的适应性系统能够吸取经验,从而经常改善和重新安排它们的建设砖块。下一代的生物体会在进化的过程中改善和重新安排自己的生命组织;人在与世界接触中不断学习,人脑随之不断加强或减弱神经元之间无数的相互关联;一个公司会提升工作卓有成效的个人,为提高效率而重新安排组织计划;国家会签订新的贸易合同,或成为进入全球的联盟而重新结盟。在某种深刻而根本的层面上,所有这些学习进化和适应的过程都是相同的,在任何一个系统中,最根本的适应机制之一就是改善和重组自己的建设砖块。

第三,所有复杂的适应性系统都会预期将来。比如,对一个持续已久的经济衰退的预期会使个人放弃买一辆新车或放弃过一个奢侈的假期的计划,这样反过来又加深和延长的经济衰退。同样,对石油短缺的预期也能导致石油市场抢购和滥卖的巨浪,无论石油短缺的情况是否会出现和消失。但事实上,这种预期和预测的能力和意识并非只是人类才具有。从微小的细菌到所有有生命的物体,其基因中都隐含了预测密码。在这样或那样的环境中,具有这样的基因蓝图的生物体都能很好地适应。同样,一切有脑子的生物体,在自己的经验库中都隐含着无数的预测密码:在ABC的情况下,可能要采取XYZ的行动。每一个复杂的适应性系统都经常在做各种预期,这种预期都基于自己内心对外部世界认识的假设模型之上,也就是基于对外界事物运作的明确的和含糊的认识之上。而且,这些内心的假设模型远非是被动的基因蓝图。它们积极主动,就像计算机程序中的子程序一样,可以在特定的情况下被激活,进入运行状态,在系统中产生行为效果。事实上,你可以把内心的假设模型想象成是行为的建设砖块。它们就像所有其他建设砖块一样,也能够随着系统不断的吸取经验而被检验、被完善和被重新安排。

霍兰指出,复杂的适应性系统,总是会有很多“小生境”,每个这样的小生境都可以被一个能够使自己适应在其间发展的作用者所利用。正因为如此,经济界才能够接纳计算机编程员、修水管的工人、钢铁厂和宠物商店,就像雨林里能够容纳树獭和蝴蝶一样。而且每一个作用者填入一个小生境的同时又打开更多的小生境,这就为新的寄生者、新的掠夺者、新的被捕食者和新的共生者打开了更多的生存的空间。而这反过来又意味着讨论一个复杂的适应性系统的均衡根本就是毫无意义的:这种系统永远也不可能达到均衡的状态,它总是处在不断展开,不断转变之中。事实上,如果这个系统确实达到均衡状态,达到稳定状态,它就变成了一个死的系统。在同样的意义上,根本就不可能想象这样的系统中的作用者会永远把自己的适存性或功用性等做“最大化”的发挥。因为可能性的空间实在是太大了,作用者无法找到接近最大化的现实渠道。它们最多能做的是根据其他作用者的行为来改变和改善自己。

总之,复杂适应性系统的特点就是“永恒的新奇性”。各种作用者、建设砖块、内在假设模型和永恒的新奇——所有这些概而言之,毫不奇怪地会使复杂适应性系统非常难以用常规的理论机制来分析。大多数像计算机或线性分析等常规技术非常适于用来描述在不变的环境中不变的粒子,但如果要真正深刻地理解经济或一般性的复杂的适应性系统,就需要数学和可以用来强调内在假想模型、新的建设砖块和多种作用者之间相互关联的繁杂大网的计算机模拟技术。有意思的是,霍兰的“永恒的新奇性”恰好是布莱恩·阿瑟收益递增率经济学所要阐述的东西。而“小生境”又恰好是斯图尔特·考夫曼自动催化组所要深究的问题。这些概念之间形成了一种勾连往复的印证关系。

传统经济学总是将经济作用者假设成永远聪明,在任何情况下总是能够做出准确无误的最佳选择。在博弈游戏的数学法则中,任何有限的、两人对抗的、结局为零的游戏,比如国际象棋,都有一个最优化的解。这就是,有一种选择走棋的方法能够允许执黑子的和执白子的双方棋手都能走出比他们所做的其他选择要更好的棋步。当然,在现实中没人知道这个解,也没有人该如何找到这个解。但经济学家所谈论的这些理想化的经济作用者却能立刻就找到这个解。当国际象棋一开始,两军对垒,这两个棋手就能够在脑海中构想出所有的可能性,能够倒推出所有可以逼败对方的可能得棋着。他们能够一遍遍地反推棋步,一直算计到所有的可能性,然后找到开始布局的最佳起步。这样,就没有必要实际去下象棋了。不管是哪一方棋手掌握的理论优势,比如执白子的旗手,反正知道自己总是会赢,就可以立即宣告胜利。而另一个旗手知道自己反正总是会输,那就可以立即宣告失败。

现代信息之父克劳德·香农曾经估算国际象棋棋步的总数,他得出的答案是:10的120次方。这个数字大得无法比喻。自从大爆炸到现在的时间用微秒计算,也还没有这么多微秒。在我们肉眼可见的宇宙中也没有这么多的基本粒子。没有任何一种计算机能够算到所有这些棋步,当然这更不是人脑所及的。人类棋手只能根据实际经验来判断在什么情况下采取什么战略为最佳,就是最伟大的国际象棋高手也不得不断探索棋路,就好像掉进一个深不见底的黑洞,只能靠一个微弱的灯笼探路而行。国际象棋是一个只有很少几条游戏规则的游戏,但令人无法置信的是,在国际象棋中永远不可能有相同的两局棋,棋路的可能性无穷无尽。因此,霍兰将国际象棋称之为“开放”的系统:它的可能性是无穷无尽的。几条简单的规则就可以产生整个世界变幻无穷的行为表现,这就是“突现”或“涌现”。观察宇宙规律所囊括的各个方面,出人意料的可能性简直是无穷无尽的。这就是为什么是宇宙在一个极端上十分易于理解,而在另一个极端上却永无可能理解的道理。

对霍兰而言,进化和学习似乎与游戏非常相似。在这两种情况中,都有一个作用者在与自己的环境对抗,为自己的继续发展争取足够的条件。在进化中,所获得的报酬就是生存,一个让作用者将基因遗传给下一代的机会。在学习中,所获得的是某种奖赏,比如食物、愉悦的感觉、或情感的满足。在这两种情况下,所获或所缺都是给予作用者一种反馈,以利于它们改进自我表现:如果作用者想获得使自己“适应”的能力,就不得不采取能够获得丰厚报酬的策略,放弃其它策略。这就好像下跳棋,跳棋下法的程序正是利用了这种反馈:它可以随意不断吸取经验和更多地了解对方而经常改变战术。游戏的这一相似性似乎可以解释任何适应性系统。在经济中,所获是金钱;在政治中,所获是选票。在某种程度上,所有这些适应性系统从根本上都是一样的,这反过来又意味着,所有这些系统从根本上就像下跳棋或象棋一样:可能性的空间大得难以想象。一个作用者不断改进下棋技术,这就是适应。但想要寻找到游戏的最佳化和稳定的均衡点,就好比下国际象棋一样,根本就无法穷尽其无限的可能性。所以,均衡意味着结束。进化的实质是旅程,是无穷无尽地展现出来的惊异。

进化所能达到的是不断改进,而绝非尽善尽美。进化论的整个概念没有任何经验可循,也没有任何导向。一代代物种是通过突变和两性基因的随机重组,通过尝试和错误,探索于可能性的空间。而且这一代代物种并不采取逐步逐步的方式搜索于基因组合的可能性之中,而是采取齐头并进的搜索方式:物群中的每一个成员的基因组合都略有不同,所搜索的空间略有不同。如果一个基因群有足够的统一性和稳定性,那么这个基因群通常就可以作为更大的基因群的建设砖块。细胞结合形成生理组织、生理组织结合形成器官、器官组合形成生物体、生物体组合形成生态系统,等等。这就是“突现”的全部意义:一个层次上的建设砖块组合成更高层次上的建设砖块。这是这个世界最根本的规律之一,这一规律也表现在所有复杂的适应性系统之中。鲸鱼和红杉这样的庞然大物是由无数个微小的细胞组成的,因为总是先要有细胞,才可能形成庞然大物。通用汽车将自己分为无数个部门和子部门,是因为通用汽车公司的主管不希望公司的五十万雇员都直接来向他报告。设计优良的等级制度是避免让任何一个人疲于应付会议和备忘录的前提下实施实际工作的最佳方式。这个等级分明的建设砖块结构能够彻底改变系统的学习、进化和适应能力。

这样,霍兰就解开了多基因之谜的关键所在:进化过程中的放弃和尝试并不只是为形成一个优良的动物,而是在于发现优良的建设砖块,并将这些建设砖块结合在一起,从而产生许多优良的动物。于是,霍兰的“基因算法”就诞生了。基因算法简要表述如下:首先,让计算机产生一群数量约为100个数字的染色体,其中包含大量的随机变量。其次,把现有的问题当做每一单个的染色体,把问题当做计算机程序来运作,用这种方法进行测试。个体的强健程度越高,被基因算法选择出来,得以将自己的基因遗传给下一代的机会就越大。其三,将所选择的个体当做具有足够繁殖能力的染色体,使它们相互交配,从而繁衍新的一代,让剩余的染色体自行消亡。最后,通过这种基因交换繁衍出来的下一代之间又会继续相互竞争,同时在新一代的循环中,与它们的父母也发生竞争。没有两性之间的基因交换,物种发展就会进入停滞状态。低劣的物种会自然消亡,但优良的物种也绝不会发生任何改良。但有了两性之间的基因交换,新一代就会相似于它们的父母,但又有所不同,有时会比它们的父母强些。当发生这种情形的时候,被改良的物种就会获得普及的大好机会,从而显著地改良自己所属的整个物种群。自然选择法提供了一种向上进取的机制。

至此,霍兰已经证明了基因算法的基本定理:在繁衍、交叉和突变之中,几乎所有具有超常强健性的紧密基因群都能够在物种中成指数比例地发展。

 

 

 


分享到:
阅读数:
责任编辑:人在旅途