自然王国与人类建设的人工国家融为一体。机器是生物化的；生物学是工程化的。这一趋势正在验证一些古老的隐喻——将机器比作生物，将生物比作机器。如今，那些古老的隐喻不再只是诗意的遐想，而是成为现实。

因为我们自己创造的世界变得太复杂了，我们必须帮助自然世界了解如何管理它。这意味着，为了确保所有的正常运行，我们最终创造的环境越机械化，我们可能就越需要生物化。我们的未来是技术性的，但这并不意味着未来的世界将是一个灰色和寒冷的钢铁世界。相反，我们的技术指导的未来是一种新的生物文明。

钟表般的精确逻辑，即机械逻辑，只能用来构建简单的设备。真正复杂的系统，如细胞、草原、经济体或大脑（无论是自然的还是人工的），都需要真正的非技术逻辑。我们现在意识到，除了生物逻辑之外，没有一种逻辑能让我们组装维设备，甚至不可能组装一个可操作的大型系统。

这是一个由白痴选举的白痴选举大厅，但它的效果非常惊人。这是民主制度的真正本质，是一种完整的分布式管理。

惠勒在1911年写的一篇爆炸性短文中断言，无论从哪个重要和科学的角度来看，昆虫群体不仅与有机体相似，而且与有机体相似。他写道：就像一个细胞或一个人，它表现为一个一元的整体，在空间中保持自己的特征，以抵抗解体……既不是事物，也不是概念，而是持续的波涌或过程。”

这是一个由两万群流氓组成的整体。

由于一定时间的延迟反馈。这些隐藏的信号扰乱了群体的思维，导致积极。

一位17世纪的无名诗人写道：……成千上万条鱼像巨兽一样游动，波浪向前。它们就像一个整体，似乎受到不可抗拒的共同命运的约束。这种协议从何而来？

一只鸟不是的大鸟。科学报道记者詹姆斯·格雷克写道：无论一只鸟或一条鱼的运动多么流畅，它都不能给我们带来像玉米地上的燕八哥或数百万鲫鱼一样的冲击……高速电影显示，转向动作以波形传感的方式以1/70秒左右的速度从一只鸟传递到另一只鸟，比单只鸟反应快得多。鸟远非鸟的简单聚合。

《蝙蝠侠归来》中有一个场景，一大群黑色蝙蝠穿过洪水隧道涌向纽约市中心。这些蝙蝠是电脑做的。动画画家先做蝙蝠，给它一定的空间自动扇动翅膀；然后复制几十只蝙蝠，直到它们成群结队。之后，让每只蝙蝠独自在屏幕上飞行，但遵循算法中植入的几个简单规则：不要击中其他蝙蝠，跟上你旁边的蝙蝠，不要离球队太远。当这些算法蝙蝠在屏幕上运行时，它们就像真正的蝙蝠一样成群结队。

克雷格是群体规律·雷诺兹发现了它。他在图像硬件制造商Symbolics工作的计算机科学家。他有一个简单的方程，通过调整各种力——多聚力，少延迟——雷诺德可以让群体的动作形式像活蝙蝠、麻雀或鱼。

雷诺兹的简单算法生成的群体是如此真实，以至于当生物学家回顾他们的高速电影时，他们得出结论，真正的鸟类和鱼类的群体行为必须来自一套类似的简单规则。群体曾被看作是生命体的决定性象征，某些壮观的队列只有生命体才能实现。如今，根据雷诺兹算法，无论是有机的还是人造的，群体都被视为一种自适应技能。

惠勒认为，集群形成的超级有机体是从大量聚集的普通昆虫中出现的。他指出，这种出现是一种科学、技术和理性的解释，而不是神秘或炼金术。

惠勒认为，这种出现的概念为两种不同的方法提供了一种调和将其分解为部分和将其视为一个整体的方法。当整体行为从各个部分的有限行为中定期出现时，身心、整体和部分的二元性就真正消失了。然而，当时，人们不知道这种超越原始属性是如何从底层出现的。现在还是这样。

惠勒团队知道，涌现是一种非常常见的自然现象。与之相对应的是日常可见的普通因果关系，这是由A引起的B,B引发C，或者2 2=这种因果关系。化学家引用普通因果关系来解释硫原子和铁原子化合成硫化铁分子的现象。当时的哲学家C·劳埃德·摩根说，这个概念的出现是一种不同类型的因果关系。在这里，2 2不等于4，甚至不可能意外等于5。在出现的逻辑中，2 2=苹果。涌现——虽然看起来有点跳跃(跳跃)——最好的解释是，它是事件发展过程中方向的质变，是关键的转折点。这是摩根1923年作品《涌现式进化》中的一段话。这是一本非常勇敢的书，然后引用了布朗宁的一首诗，它证明了音乐是如何从和弦中出现的：

我不知道人类除了音乐还能有什么更好的天赋。因为他从三个音阶(三和弦)中构建的不是第四个音阶，而是星星。

我们可以声称，正是大脑的复杂性使我们能够从音符中提炼出音乐——显然，木疙瘩是不可能理解巴赫的。当我们听巴赫的时候，所有充满我们身心的巴赫气息都是一幅诗意的画面，恰当地展示了有意义的模式是如何从音符和其他信息中出现的。

以小蜜蜂身体为代表的模式只适用于其十分之一克的小翅室、组织和外壳。蜂巢的身体将工蜂、雄蜂、花粉和蜂窝组成一个统一的整体。一个沉重的
50磅的蜂巢机构来自蜜蜂的个体部分。蜂巢有很多东西是它所没有的。一个大斑点的蜜蜂大脑只有6天的记忆，整个蜂巢的记忆时间是3个月，是蜜蜂平均寿命的两倍。

这里有一个关于生活系统的普遍规律:低层次的存在无法推断高层次的复杂性。无论是计算机还是大脑，无论是哪种方法——数学、物理还是哲学——如果不实际运行，就无法揭示融入个体部分的出现模式。只有实际存在的蜂群才能揭示蜂群特征是否融一个蜜蜂体内。理论家说：了解一个系统所包含的出现结构，最快、最直接、最可靠的方法就是没有捷径可以真正表达一个复杂的非线性方程来揭示它的实际行为。因为它隐藏了太多的行为。

潘菲尔德对处女地活脑的探索给人留下了根深蒂固的印象：大脑半球就像一个优秀的记录装置，其精彩的回放功能似乎比流行的留声机要好。我们的每一个记忆都准确地刻在自己的光盘上，忠实地由公正的大脑归档，并按下正确的按钮，就像自动点唱机中的歌曲一样。

然而，仔细检查潘菲尔德实验的原始记录会发现记忆不是一个非常机械的过程。一位29岁的妇女在潘菲尔德刺激左颞叶时说：有什么东西从某个地方来到我身边。是一个梦。四分钟后，当刺激完全相同时：风景似乎与刚才不同…刺激附近的点：等等，什么东西从我身上闪过，我梦见了什么。第三个刺激点——在大脑的更深处，我一直在做梦。我一直在看东西——我一直在梦东西。”

这些话所说的与其说是昨天从记忆档案馆底层文件架上翻出来的凌乱再现，不如说是梦幻般的模糊闪现。这些过去经历的主人把它们当作零碎的半记忆片段。它们有生硬的拼凑色彩，漫无目的地漂浮；梦诞生了——那些关于过去、无中心的故事被重组成了梦中的拼贴画。没有似曾相识的感觉，也没有当时的情况就是这样的强烈意识。没有人会被这些重播蒙蔽。

现代认知科学更倾向于一种新的观点：记忆就像是由储存在大脑中的许多离散和非记忆碎片汇总而来的事件。这些半意识碎片没有固定的位置，分散在大脑中。它的存储方式在不同的意识之间有本质的不同——掌握洗牌技能和对玻利维亚首都的理解是以完全不同的方式组织的——人与人之间会有所不同，上次和下次会有所不同。

由于可能的想法或经验比大脑中神经元的组合更多，记忆必须以某种方式组织，以尽可能容纳超过其存储空间的想法。它不可能为过去的每一个想法准备一个架子，也不可能为未来可能出现的每一个想法预留一个位置。

我们的记忆(以及我们的蜂群思维)是以同样模糊和偶然的方式创造的。要（在记忆中）找到跳动的流星，我的意识首先抓住了移动的光线索，然后收集了一系列与星星、寒冷和颠簸有关的感觉。创造出什么样的记忆，有赖于最近我往记忆里塞入了什么，也包括上次重组这段记忆时所加进去的感觉或其他事情。这就是为什么每次回忆都有一些细微的不同，因为每次都是真实意义上完全不同的经历。感知行为与记忆行为相同。两者都将许多分布的碎片组合成一个自然出现的整体。

认知科学家道格拉斯·霍夫施塔特说：记忆是高度重建的。在记忆中搜索，需要从大量事件中选择什么是重要的，什么是不重要的，强调重要的，忽略不重要的。这种选择的过程实际上是感知。霍夫施塔特对我说：我非常非常相信，认知的核心过程与感知密切相关。

在稀疏的分布式网络中，记忆是一种感知。记忆行为和感知行为在一个非常巨大的模式下集中探索所需要的一种模式。我们在回忆的时候，实际上是重现了原来的感知行为，也就是说，我们按照原来感知这种模式的过程，重新定位了该模式。

并行分布式计算非常适用于感知、视觉和仿真领域。并行机制处理复杂性的能力要好于以体积庞大、运算速度超快的串行计算机为基础的传统超级计算机。在采用稀疏分布式内存的超级计算机里，记忆与数据处理之间的差异消失了。记忆成为了感知的再现，与最初的认知行为没有什么区别。两者都是从一大堆互相连接的部件中涌现出来的模式。

不管我们在何时拔掉塞子，漩涡都会无一例外地出现。漩涡是一种涌现的事物——如同群一样，它的能量及结构蕴涵于群体而非单个水分子的能量和特性之中。不论你多么确切地了解H2O(水的分子式)的化学特征，它都不会告诉你任何有关漩涡的特征。一如所有涌现的事物，漩涡的特性来源于大量共存的其他个体;在之前所举的例子中，是满满一槽的水分子。一滴水并不足以显现出漩涡，而一把沙子也不足以引发沙丘的崩塌。事物的涌现大都依赖于一定数量的个体，一个群体，一个集体，一个团伙，或是更多。

科学界早就认为大量个体和少量个体的行为存在重大差异。群聚的个体孕育出必要的复杂性，足以产生涌现的事物。随着成员数目的增加，两个或更多成员之间可能的相互作用呈指数级增长。当连接度高且成员数目大时，就产生了群体行为的动态特性。——量变引起质变。

有两种极端的途径可以产生“更多”。一种途径是按照顺序操作的思路来构建系统，就像工厂的装配流水线一样。这类顺序系统的原理类似于钟表的内部逻辑——通过一系列的复杂动作来映衬出时间的流逝。大多数机械系统遵循的都是这种逻辑。

还有另一种极端的途径。我们发现，许多系统都是将并行运作的部件拼接在一起，很像大脑的神经元网络或者蚂蚁群落。这类系统的动作是从一大堆乱糟糟且又彼此关联的事件中产生的。它们不再像钟表那样，由离散的方式驱动并以离散的方式显现，更像是有成千上万个发条在一起驱动一个并行的系统。由于不存在指令链，任意一根发条的某个特定动作都会传递到整个系统，而系统的局部表现也更容易被系统的整体表现所掩盖。从群体中涌现出来的不再是一系列起关键作用的个体行为，而是众多的同步动作。这些同步动作所表现出的群体模式要更重要得多。这就是群集模型。

这两种极端的组织方式都只存在于理论之中，因为现实生活中的所有系统都是这两种极端的混合物。某些大型系统更倾向于顺序模式(如工厂)，而另外一些则倾向于网络模式(如电话系统)。

我们发现，宇宙中最有趣的事物大都靠近网络模式一端。彼此交织的生命，错综复杂的经济，熙熙攘攘的社会，以及变幻莫测的思绪，莫不如此。作为动态的整体，它们拥有某些相同的特质：比如，某种特定的活力。

以下是分布式系统的四个突出特点，活系统的特质正是由此而来：

• 没有强制性的中心控制
• 次级单位具有自治的特质
• 次级单位之间彼此高度连接
• 点对点间的影响通过网络形成了非线性因果关系

群系统的好处：可适应、可进化、弹性、无限性、新颖性

• 可适应——人们可以建造一个类似钟表装置的系统来对预设的激励信号进行响应。但是，如果想对未曾出现过的激励信号做出响应，或是能够在一个很宽的范围内对变化做出调整，则需要一个群——一个蜂群思维。只有包含了许多构件的整体才能够在其部分构件失效的情况下仍然继续生存或适应新的激励信号。
• 可进化——只有群系统才可能将局部构件历经时间演变而获得的适应性从一个构件传递到另一个构件(从身体到基因，从个体到群体)。非群体系统不能实现(类似于生物的)进化。
• 弹性——由于群系统是建立在众多并行关系之上的，所以存在冗余。个体行为无足轻重。小故障犹如河流中转瞬即逝的一朵小浪花。就算是大的故障，在更高的层级中也只相当于一个小故障，因而得以被抑制。
• 无限性——对传统的简单线性系统来说，正反馈回路是一种极端现象——如扩声话筒无序的回啸。而在群系统中，正反馈却能导致秩序的递增。通过逐步扩展超越其初始状态范围的新结构，群可以搭建自己的脚手架借以构建更加复杂的的结构。自发的秩序有助于创造更多的秩序——生命能够繁殖出更多的生命，财富能够创造出更多的财富，信息能够孕育更多的信息，这一切都突破了原始的局限，而且永无止境。
• 新颖性——群系统之所以能产生新颖性有三个原因：(1)它们对“初始条件很敏感”——这句学术短语的潜台词是说，后果与原因不成比例——因而，群系统可以将小土丘变成令人惊讶的大山。(2)系统中彼此关联的个体所形成的组合呈指数增长，其中蕴藏了无数新颖的可能性。(3)它们并不强调个体，因而也允许个体有差异和缺陷。在具有遗传可能性的群系统中，个体的变异和缺陷能够导致恒新，这个过程我们也称之为进化。

群系统的明显缺陷：非最优、不可控、不可预测、不可知、非即刻

原子是20世纪科学的图标。

网络是群体的象征。由此产生的群组织——分布式系统——将自我撒布在整个网络，以致于没有一部分能说，“我就是我。”无数的个体思维聚在一起，形成了无可逆转的社会性。它所表达的既包含了计算机的逻辑，又包含了大自然的逻辑，进而展现出一种超越理解能力的力量。

暗藏在网络之中的是神秘的看不见的手——一种没有权威存在的控制。原子代表的是简洁明了，而网络传送的是由复杂性而生的凌乱之力。

网络的低效率——所有那些冗余，那些来来回回的矢量，以及仅仅为了穿过街道而串来串去的东西——包容着瑕疵而非剔除它。网络不断孕育着小的故障，以此来避免大故障的频繁发生。正是其容纳错误而非杜绝错误的能力，使分布式存在成为学习、适应和进化的沃土。

一个网络群到处都是边，因此，无论你以何种方式进入，都毫无阻碍。网络是结构最简单的系统，其实根本谈不上有什么结构。它能够无限地重组，也可以不改变其基本形状而向任意方向发展，它其实是完全没有外形的东西。一个网络理论上可以包容多少个节点仍能继续运转?这些问题甚至都不会有人问起过。

我蜂箱里的小蜜蜂大约意识不到自己的群体。根据定义，它们共同的蜂群思维一定超越了它们的个体小蜜蜂思维。当我们把自己与蜂巢似的网络连接起来时，会涌现出许多东西，而我们仅仅作为身处网络中的神经元，是意料不到、无法理解和控制不了这些的，甚至都感知不到这些东西。任何涌现的蜂群思维都会让你付出这样的代价。

这个精巧的装置上没有任何一部分是掌管走路的。无需借助高级的中央控制器，控制会从底层逐渐汇聚起来。布鲁克斯称之为“自底向上的控制”。自底向上的行走，自底向上的机敏。如果折断蟑螂的一肢，它会马上调整步态用余下的五肢爬行，一步不乱。这样的转换不是断肢后重新学习来的;这是即时的自我重组。如果你弄废了成吉思的一条腿，还能走的其余五条腿会重新编组走路，就如同蟑螂一样，轻易地找到新的步态。

没有所谓的中央控制器来指导身体把脚放在哪里，或者跨过障碍时要把腿抬多高。实际上，每条腿都有权做些简单动作，而且每条腿都能独立判断在不同环境下该如何行事。举例来说，一个基本动作的意识是，“如果我是腿而且抬起来了，那么我要落下去”，而另一个基本动作的意识可描述为，“如果我是腿在向前动，得让那五个家伙稍微拖后一点”。这些意识独立存在且随时待机，一旦感知的先决条件成立就会触发。接下来，要想开步行走，只需按顺序抬起腿(这是唯一可能需要中央控制的地方)。一条腿一抬起来就会自动向前摆动，然后落下。而向前摆动的动作会触动其余的腿略微向后挪动一点。由于那些腿正好接地，身体就向前移动了。

动物(在进化过程中)的学习方式与此类似。布鲁克斯的移动机器人亦是如此。它们通过建立行为层级来学会穿越复杂的世界，其顺序大致如下：

• 避免碰触物体
• 无目地漫游
• 探索世界
• 构造内在地图
• 注意环境变化
• 规划旅行方案
• 预见变化并相应修正方案

布鲁克斯为机器人设计的分布式控制结构后来被称作“包容架构”，因为更高层级的行为希望起主导作用时，需要包容较低层次的行为。

如果把国家看成一台机器，你可以用包容架构来这么建造：

你从乡镇开始。先解决乡镇的后勤：基本工作包括整修街道、敷设水电管道、提供照明，还要制定律法。当你有了一些运转良好的乡镇，就可以设立郡县。在保证乡镇正常运作的基础上，你在郡县的范围内设立法院、监狱和学校，在乡镇的层级之上增加了一层复杂度。就算郡县的机构消失了，也不会影响乡镇照常运转。郡县数量多了，就可以添加州的层级。州负责收税，同时允许郡县继续行使其绝大部分的职权。没有州，乡镇也能维持下去，虽然可能不再那么有效率或那么复杂。当州的数量多了，就可以添加联邦政府。通过对州的行为做出限制并承载其层面之上的组织工作，联邦层级包容了州的一些活动。即使联邦政府消失了，千百个乡镇仍会继续做自己的地方工作——整修街道、敷设水电管道、提供照明。但是当乡镇工作被州所包容，并最终被联邦所包容时，这些乡镇工作就会显示出更强大的功效。被这套包容架构所组织起来的乡镇不但能够建造楼房，还可以设立教育体系，制定规则，而且会比原来更繁荣。美国政府的联邦结构就是一个包容架构。

大脑和身体的构建方式是相同的，自下而上。与从乡镇开始类似，你从简单行为——本能或反射——开始。先生成一小段能完成简单工作的神经回路，接下来让大量类似的回路运转起来。之后，复杂行为从一大堆有效运作的反射行为中脱颖而出，你也就此构建出第二个层级。无论第二层级生效与否，最初的层级都会继续运作。但当第二层级设法产生一个更复杂的行为时，就把下面层级的行为包容进来了。

以下是由布鲁克斯的移动机器人实验室开发出来的一套普适分布式控制方法：

• 先做简单的事。
• 学会准确无误地做简单的事。
• 在简单任务的成果之上添加新的活动层级。
• 不要改变简单事物。
• 让新层级像简单层级那样准确无误地工作。
• 重复以上步骤，无限类推。

人类有大脑，但它既非中央集权，也没有所谓的中心。“大脑有一个中心的想法是错误的，而且错得还很离谱。”丹尼尔·丹尼特这样断言。丹尼特是塔夫茨大学哲学系教授，长期鼓吹意识的“功能性”视角：意识的各种功能，比如思考，都来自不司职思考的部分。爬虫似的移动机器人所具有的半意识，就是动物和人类意识的极好样本。据丹尼特的说法，人体内没有一处是用来控制行为的，也没有一处会创造“行走”，没有所谓的灵魂居所。他说：“如果你仔细看看大脑内部，会发现里面其实空无一物。”

丹尼特正在慢慢地说服很多心理学家，让他们相信，意识是从一个由许许多多微渺而无意识的神经环路构成的分布式网络中涌现出来的。丹尼特告诉我：“旧的模式认为，大脑中存在一处中心位置，一座隐秘圣殿，一个剧场，意识都从那里产生。也就是说，一切信息都必须提交给一个特使，以使大脑能够察觉这些信息。你每次做出的有意识决定，都要在大脑峰会上得到最终确认。本能反射例外，它们是穿山而过的隧道，因而得以不参加意识峰会。”

心智社会听起来和心智的官僚主义似乎大同小异。实际上，如果没有进化与学习的压力的话，头脑中的心智社会就会流于官僚主义。然而正如丹尼特、明斯基、布鲁克斯等人预想的一样，一个复杂组织里愚钝的个体之间总是为了获得组织资源和组织认同而相互竞争又共存合作。竞争个体间的合作是松散的。明斯基认为，**智能活动产生于“几乎各自离散的个体，为了几乎各自独立的目的而结合的松散的联盟。”**胜者留存，败者随时间而消逝。从这层意义上来看，头脑并非垄断独裁，而是一个无情而冷酷的生态系统，在这里，竞争孕育出自发的合作。

心智的这种微混沌特性甚至比我们所能体会的还要深刻。很有可能，心智活动实际上就是一种随机或统计现象——等同于大数定律。这种随机分布式鼓荡生灭的神经脉冲群落构成了智力活动的基石;即使给定一个起点，其结果也并非命中注定。没有可重复的结局，有的只是随机而生的结果。某个特定念头的涌现，都需要借助一点点运气。

布鲁克斯写道：“包容结构实质上是一种将机器人的传感器和执行器连接起来的并行分布式计算。”这种架构的要点在于将复杂功能分解成小单元模块并以层级的形式组织起来。很多观察家津津乐道于分布式控制的社会理想，听说层级是包容结构中最重要和最核心的部分时，却很反感。他们会问，难道分布式控制不就意味着层级机制的终结吗?

当但丁一层层爬上天堂的九重天时，他所攀爬的是一座地位的层级。在地位层级里，信息和权力自上而下地单向传递。而在包容或网络层级架构里，信息和权力自下而上传递，或由一边到另一边。布鲁克斯指出，“不管一个代理或模块在哪一个层级工作，他们均生来平等…每个模块只需埋头做好自己的事。”

必须从简单的局部控制中衍生出分布式控制;必须从已有且运作良好的简单系统上衍生出复杂系统。

“我们更进一步地拓展了这个想法，”布鲁克斯说道，“并常常利用外部世界作为分布式部件间的交流媒介。”一个反射模块并非由另一个模块来通知它做什么，而是直接感知外部世界反射回来的信息，然后再通过其对外部世界的作用把信息传递给他人。“信息有可能会丢失——实际上丢失的频率还很高。但没关系，因为代理会一遍又一遍地不断发送信息。它会不断重复『我看见了。我看见了。我看见了』的消息，直到胳膊接收到信息并采取相应动作改变外部世界，该代理才会安静下来。”

实质上，对机器人来说(或者说对昆虫来说——布鲁克斯更愿这么表述)，并不存在外部世界的映像。没有中央记忆，没有中央指令，没有中央存在。一切都是分布式的。“通过外部世界进行沟通可以避免根据来自触臂的数据调校视觉系统的问题。”布鲁克斯写道。外部世界自身成为“中央”控制者;没有映像的环境成为映像本身。这样就节约下海量的计算工作。“在这样的组织内，”布鲁克斯说，“只需少量的计算就可以产生智能行为。”

那些脑子转得快的人发现，布鲁克斯的方案正是市场经济的绝妙写照：参与市场活动的个体之间并没有交流，他们只是观察别人的行动对共同市场所造成的影响(不是行动本身)。从千百位我从未谋面的商贩那里，我得知了鲜蛋的价格信息。信息告诉我(含杂在很多别的信息里)：“一打鸡蛋比一双皮鞋便宜，但是比打两分钟国内长途贵。”这个信息和很多其它价格信息一起，指导了千万个养鸡场主、制鞋商和投资银行家的经营行为，告诉他们该在哪里投放资金和精力。

布鲁克斯总结了设计移动式机器人的五条经验，其表述如下：

• 递增式构建——让复杂性自我生成发展，而非生硬植入
• 传感器和执行器的紧密耦合——要低级反射，不要高级思考
• 与模块无关的层级——把系统拆分为自行发展的子单元
• 分散控制——不搞中央集权计划
• 稀疏通讯——观察外部世界的结果，而非依赖导线来传递讯息

对布鲁克斯来说，躯体就意味着简洁、明了。没有躯体的智能和超越形式的存在都是虚妄的幽灵，给人以错觉。只有在真实世界里创造真实的物体，才能建立如意识和生命般的复杂系统。只有创造出必须以真实躯体而存活的机器人，让他们日复一日自食其力，才有可能发掘出人工智能或真正的智慧。当然，假如你意图阻止意识的涌现，那么只管把它与躯体剥离开来。

身体是意识乃至生命停泊的港湾，是阻止意识被自酿的风暴吞噬的机器。神经线路天生就有玩火自焚的倾向。如果放任不管，不让它直接连接“外部世界”，聪明的网络就会把自己的构想当做现实。意识不可能超出其所能度量或计算的范畴。没有身体，意识便只能顾及自己。出于天赐的好奇心，即便是最简单的头脑也会在面对挑战时，殚精竭虑以求一解。然而，如果意识直面的大都是自身内部的线路和逻辑问题，那它就只能终日沉迷于自己所创造出的奇思异想。

而身体——或者说，任何由感觉和催化剂汇集起来的实体——通过加载需要立即处理的紧急事务，打断了神智的胡思乱想!生死悠关!能闪避吗?!心智不必再去虚构现实——现实正扑面而来，直击要害。闪避!凭借以前从未试过、也从未梦想一试的一种全新的原创悟性，它做出了决断。

起初，人们也不是很清楚是否会容易地得到一个稳定的系统。皮姆曾以为，随机生成的生态系统可能会“永无休止地徘徊，由一种状态转为另一种状态，再转回头来，永远都不会到达一个恒定状态。”然而，人造生态系统并没有徘徊。相反，令人惊讶的是，皮姆发现了“各种奇妙的现象。比如说，这些随机的生态系统绝对没有稳定方面的麻烦。它们最共同的特征就是它们都能达到某种恒定状态，而且通常每个系统都有其独有的恒定状态。”

如果你不介意获得的系统是什么样子，那么要获得一个稳定的生态系统是很容易的。这很令人吃惊。皮姆说：“我们从混沌理论中得知，许多确定系统都对初始条件极其敏感——一个小小的不同就会造成它的混乱。而这种生态系统的稳定性与混沌理论相对立。从完全的随机性入手，你会看到这些东西聚合成某种更有条理性的东西，远非按常理所能解释的。这就是反混沌。”

为了补充他们在试管内的研究，皮姆还设立了计算机模拟试验——在计算机里构建简化的生态模型。他用代码编写了需要其它特定物种的存在才能生存下来的人造“物种”，并设定了弱肉强食的链条：如果物种B的数量达到一定密度，就能灭绝物种A。(皮姆的随机生态模型与斯图亚特·考夫曼的随机遗传网络系统相似。见第二十章)。每个物种都在一个巨大的分布式网络中与其它物种有松散的关联。对同一物种列表的成千上万种随机组合进行了运行后，皮姆得到了系统能够稳定下来的频度。所谓稳定，即指在小扰动下，如引入或移除个别物种，不会破坏整体的稳定性。皮姆的结果与其瓶装微观生物世界的结果是相呼应的。

按皮姆的说法，计算机模型显示，“当混合体中有10至20种成分时，其峰值(或者说稳定点)可能有十几到上百个。假如你重演一遍生命的进程，会达到不同的峰值。”换句话说，投放了同样的一些物种后，初始的无序状态会朝向十几个终点。而改变哪怕是一个物种的投入顺序，都足以使系统由一个结果变成另一个。系统对初始条件是敏感的，但通常都会转为有序状态。

皮姆告诉我，“你所面对的是一个已经历经了千万年的系统。仅仅开列一份丰富多样的物种清单也是不够的。你还必须有组合指南。”

生态系统和其他功能系统犹如帝国，毁掉容易，建起来难。大自然需要发展森林或湿地的时间，因为就连大自然也不能同时做好一切。温盖特所给予的那种帮助并没有违反自然规律。大自然一般都是利用临时的脚手架来完成自己的许多成就。人工智能专家丹尼·希利斯在人类的大拇指身上看到了类似的故事。借助拇指的抓握，灵巧的手使人类的智能更进一步，具备了制造工具的能力。但是一旦智能建立，手就没那么重要了。希利斯宣称，建立一个巨大的系统确实需要许多阶段，而这些阶段对于系统本身的运转并非必须（即一旦系统运作起来，这些阶段就变得可有可无了）。“锤炼和进化智能所需的辅助手段远比简单地停留在某个智能水平上要多得多。”希利斯写道。“人们在确信与其他四指相对的拇指在智能发展中的必要性的同时，也毫不怀疑现在的人类可以脱离开拇指进行思考。”

楠萨奇和其它森林收益递增的故事，以及来自斯图亚特·皮姆微观世界的数据报告，都印证了一个重要的经验，皮姆称之为“拼蛋壳效应”。我们能把失去的生态系统重新组合起来吗?是的，只要所有的碎片都还存在，我们就能将其还原。只是，不知道我们能否还能得到所有的碎片。也许陪伴生态系统早期发展的某些物种——正如助推智能发展的拇指——在附近已不复存在了。或者，在一场真正的灾难中，重要的辅助物种在全球灭绝了。完全有这样一种可能，曾经有一种假想的、到处生长的小草，对于北美大草原的形成具有至关重要的作用，但却在最后的冰河时期被一扫而空。随着它的逝去，蛋壳就不可能再还原了。“记住，两点之间并非总有一条路径可走。”皮姆说。

帕克德曾经有过这个令人沮丧的想法。“大草原永远不能完全复原的一个原因是有些成分永远消失了。也许没有大型食草动物，如古时候的乳齿象乃至过去的野牛，大草原是不会回来的。”皮姆和德雷克的工作还得出更可怕的结论：不仅要有合适的物种按恰当的顺序出现，而且还要有合适的物种在恰当的时间消失。一个成熟的生态系统也许能轻易地容忍X物种，但是在其组合过程中，X物种的出现会把该系统转到其它路径上，将其引向不同的生态系统。帕克德叹息道：“这就是创造一个生态系统往往要经过数百万年的原因。”

变色龙对自身影像变化的反应恰似人类世界对时尚变化的反应。从整体看来，时尚不正是蜂群思维对自身映像的反应么?

在一个紧密相连的二十一世纪社会中，市场营销就是那面镜子，而全体消费者就是变色龙。你将消费者放入市场的时候，他该是什么颜色?他是否会沉降到某个最小公分母——成为一个平均消费者?或者总是为试图追赶自己循环反射的镜像而处于疯狂振荡的摇摆状态?

变色龙之谜的深奥令贝特森沉醉，他继续向自己的其他学生提出此疑问。其中一名学生杰拉尔德·霍尔提出了第三种假说来解释这位镜中人的最终颜色：“变色龙会保持进入镜子反射区域那一瞬间的任何颜色。”

在我看来，这是最符合逻辑的答案。镜子与变色龙之间的相互作用或许是如此密切、迅捷，几乎没有发生适应调节的可能。事实上，一旦变色龙出现在镜子前，它可能丝毫也改变不了自己的颜色，除非由于外部诱因导致其变色或者其自身的变色程序出错。否则，镜子与变色龙组成的系统将凝固于其初始状态——无论那是什么颜色。

对于市场营销这样一个镜像世界来说，这第三个答案就意味着消费者的冻结。他要么只买其最初所用的品牌，要么什么也不买。

镜子上变色龙之谜的重要之处在于，蜥蜴与镜子形成了一个整体。“蜥蜴属性”和“镜子属性”融合为一种更复杂的属性——“蜥镜属性”——其行为方式与单一变色龙或单一镜子的行为方式都有所不同。

中世纪的生活是极端抹杀个性的。普通人对自己的形像只有模糊的概念。他们对独立人格和社会身份的认知是通过参与宗教仪式和遵循传统而达成的，不是通过行为反射。与此相反，当今世界是一个充满了镜像的世界。我们有无处不在的电视摄像机、每天都在进行的民意调查(如“百分之六十三的美国人离过婚”)，将我们集体行为的每一个细枝末节都反映给我们。持续不断的纸面记录——帐单、评分、工资单、商品目录——帮助我们建立了个人的身份标识。不远的将来，普及的数字化必将为我们提供更清晰、更快捷、更无所不在的镜子。每个消费者都将成为反射镜像与反射体，既是因，也是果。

希腊哲学家痴迷于链式的因果关系，研究如何沿因果链条溯本追源，直至找到最初原因。这种反向倒推的路径是西方逻辑的基础，即线性逻辑。而蜥蜴-镜子系统展示的是一种完全不同的逻辑——一种网状的因果循环。在递归反射领域，事件并非由存在链所触发，而是由一系列业因如奇趣屋般地反射、弯曲、彼此互映所致。与其说业因和控制是从其源头按直线发散，倒不如说它是水平扩展，如同涌动的潮水，曲折、弥散地释放着影响力。浅水喧闹，深潭无波;仿佛万物彼此间的关联颠覆了时空的概念。

自然生态系统中的控制轨迹也呈发散状溶入因果关系的界域。控制不仅分散到空间中，还随着时间而逐渐模糊。当变色龙爬到镜子上的时候，诱使其变色的业因便溶入到一个因果自循环的界域中。事物的推演不像箭那样直线行进，而是像风一样四散开来。

简而言之，大多数蝴蝶幼虫只吃一种特定的植物。举个例子，黑脉金斑蝶的幼虫就专吃马利筋，而马利筋似乎也只欢迎黑脉金斑蝶前来就餐。

埃尔利希注意到，从这个意义上说，蝴蝶的映像投入了植物，而植物的映像也投入了蝴蝶。为了防止蝴蝶幼虫完全吞噬自己的茎叶，马利筋步步设防，迫使黑脉金斑蝶“改变颜色”——想法子绕过植物的防线。这种相互投映仿佛两条贴着肚皮跳舞的变色龙。马利筋如此投入地进行自我保护，以抗拒黑脉金斑蝶的侵袭，结果反而变得与蝴蝶难舍难分。反之亦然。任何长期敌对的关系似乎都包容这样的相互依存。1952年，关注机器如何学习的控制论专家罗斯·艾希比写道：“[生物的基因模式]并没有具体规定小猫如何抓老鼠，但是提供了学习机制和游戏的旨趣，因此是老鼠将捕鼠的要领教给了小猫。”

约翰·汤普森在《互相影响和共同进化》一书中对“共同进化”做了一个正式定义：“共同进化是互相影响的物种间交互的进化演变。”实际上共同进化更像一曲探戈。马利筋与黑脉金斑蝶肩并肩结成了一个单系统，互相影响共同进化。共同进化之路上的每一步都使这两个对手缠绕得更加密不可分，直到一方完全依赖于另一方的对抗，从而合二为一。生物化学家詹姆斯·洛夫洛克就这种相拥状况写道：“物种的进化与其所处环境的演变密不可分。这两个进程紧密结合，成为不可分割的单一进程。”

在布兰德向贝特森提出镜子上的变色龙之谜题后，有关意识的失衡性成为了谈话的重点，两人转而顺着这个话题探讨了下去，最终得出了一个古怪的结论，相对于其他事物都有一个平衡点来说，意识、生命、智力、共同进化都是失衡的、意外的、甚至是无法理喻的。我们之所以看到智力和生命的不可捉摸之处，正是因为他们维持着一个远离平衡态的不稳定状态。较之宇宙间其他事物，智力、意识乃至生命，都处于一个稳定的非稳态。

蝴蝶和马利筋，犹如立足笔尖的铅笔，依靠共同进化的递归动态而立得笔直。蝴蝶拉扯马利筋，马利筋也拉扯蝴蝶，它们拉扯得越厉害，就越难以放手，直到整体的蝴蝶/马利筋逐渐形成一个独特的存在——一个鲜活的昆虫/植物系统便自我生成。

火星大气和土壤中的成分被太阳射线赋予能量，被火星核心加热，再被火星引力吸附，历经数百万年进入动态平衡。懂得了化学反应的一般规则，科学家就可以将星球当作一个大烧瓶里的物质来对它们的复杂反应作计算。化学家得出火星、金星以及其他行星的近似反应方程式之后，等号两边基本持平：能量、吸入成分;能量、逸出成分。通过天文望远镜、以及后来的实地采样获得的结果都符合反应方程式的预测。

地球却不同。地球大气中气体混合的路数不循常。经洛夫洛克查明，它们的不循常，是共同进化累积形成的有趣效果。

以氧气为例，它占地球大气的21%，造成地球大气的不稳定。氧气是高活性气体，能在我们称之为火或燃烧的激烈化学反应中与许多元素化合。从热力学角度来看，由于大气氧化了固体表面，地球大气中氧气的高含量理应快速下降才对。其他活性示踪气体，如一氧化二氮、碘甲烷也处于异常爬升的水平。氧气虽与甲烷共存，却根本不相容，更确切地说，它们太融洽了，以致于会相互引爆。令人费解的是，二氧化碳理应像在其他行星那样成为大气的主要成分，却仅仅是一种示踪气体。除大气之外，地球表面的温度及碱度也处于异乎寻常的水平。整个地球表面似乎是一个巨大、不稳定的化学变异。

在洛夫洛克看来，似乎有一种看不见的能量，一只看不见的手，将互动的化学反应推至某个高点，似乎随时都会回落至平衡状态。火星和金星上的化学反应犹如元素周期表那般稳定，那般死气沉沉。以化学元素表来衡量，地球的化学性质是不正常的，完全失去了平衡，却充满活力。由此，洛夫洛克得出结论，任何有生命的星球，都会展现奇特的不稳定的化学性质。有益生命的大气层不一定富含氧气，但应该突破规范的平衡。

那只看不见的手就是共同进化的生命。

无生命星球通过地质轮回来达到平衡。气体，如二氧化碳，溶入液体并经沉淀析出固体。溶入定量的气体之后达到自然饱和。固体在火山活动中经加热或加压，会将气体释放回大气层。沉降、风化、隆起——所有巨大的地质力量——也如强大的化学作用那样，打断或合成物质的分子链。热力学的熵变将所有化学反应拉到它们的最低能量值。臆想的炉子垮塌了。无生命星球上的平衡不太象恒温控制下的平衡，它更像碗里的水，处在等高的水平;当不能降得更低时就干脆处在同一个水平上。

沃尔纳德斯基将生命明确地比作石头镜子上的变色龙，这个说法得罪了两方人。他把活体生物所处的生物圈看作巨型的化工厂，激怒了生物学家。在他看来，植物和动物在矿物质环绕世界的流动中充当着临时化学容器的作用。“活体生物不过是岩石的一个特类…既古老又永恒年轻的岩石，”沃尔纳德斯基写道。活体生物是存储这些矿物的精美而脆弱的贝壳。有一次他谈到动物的迁移和运动时说，“动物存在的意义，就是为了帮助风和浪来搅拌发酵中的生物圈。”

冯·诺依曼发明了与游戏有关的数学理论。他将游戏定义为一场利益冲突，游戏各方都试图预测其他方的举动，并采取一系列的步骤，以解决冲突。1944年，他与经济学家奥斯卡·摩根斯特恩合写了一本书——《博弈论与经济行为》。他察觉到，经济具有高度共同进化和类似游戏的特性，而他希望以简单的游戏动力学来阐释它。举例说，鸡蛋的价格取决于卖方和买方彼此之间的预期猜测——我出价多少他才能够接受，他认为我会出多少，我的出价应该比我能承受的价位低多少?令冯·诺依曼惊讶的是，这种相互欺诈、相互蒙骗、效仿、映像以及“博弈”的无休止递归一般都能够落实到一个明确的价格上，而不是无限纠缠下去。即使在股市上，当有成千上万的代理在玩着相互预测的游戏时，利益冲突的各方也能迅速达成一个还算稳定的价格。

冯·诺依曼最感兴趣的是想看看自己能否给这种互动游戏找出最理想的策略，因为乍一看来，它们在理论上几乎是无解的。于是他提出了博弈论作为解答。位于加利福尼亚州圣塔莫妮卡市的兰德公司是美国政府资助的智库。那里的研究人员发展了冯·诺依曼的工作，最后列出了四种有关相互猜测游戏的基本变体。每一个变体各有不同的输赢或平局的奖励结构。这四个简单的游戏在技术文献中统称为“社会困境”，但又可以被看作是构造复杂共同进化游戏的四块积木。这四个基本变体是：草鸡博弈、猎鹿博弈、僵局，以及囚徒困境。

每一个复杂的自适应组织都面临着基本的权衡。生物必须在完善现有技能、特质(练腿力以便跑得更快)与尝试新特质(翅膀)之间作取舍。它不可能同时做所有的事情。这种每天都会碰到的难题便属于在开发和利用之间作权衡。阿克塞尔罗德用医院作了一个类比：“一般情况下你可以想见试用某种新药比尽可能发掘已有成药的疗效回报来得低。但假如你给所有病人用的都是目前最好的成药，你就永远无法验证新药的疗效。从病人个人角度来讲最好不要试用新药。但从社会集合体的角度出发，做实验是必要的。”开发(未来收益)与利用(目前稳赢的筹码)之比应该是多少，这是医院不得不作的博弈。生命有机体为了跟上环境的变化，在决定应该在多大程度上进行变异和创新时，也会作出类似的权衡。当海量的生物都在做着类似的权衡并且互相影响时，就形成一个共同进化的博弈游戏。

对于“伪神们”来说，从共同进化中获得的最有用的教训就是，在共同进化的世界里，控制和保密只能帮倒忙。你无法控制，而开诚布公比遮遮掩掩效果更好。“在零和游戏中你总想隐藏自己的策略，”阿克塞尔罗德说。“但在非零和游戏中，你可能会将策略公之于众，这样一来，别的玩家就必须适应它。”戈尔巴乔夫的策略之所以有效，是因为他公开实施了这个策略;如果只是秘密地单方面削减武器则会一事无成。

镜子上的变色龙是一个完全开放的系统。无论是蜥蜴还是玻璃，都没有任何秘密。盖亚的大封闭圈里循环不断，是因为其中所有的小循环都在不断的共同进化沟通中互相交流。从苏联指令式计划经济的崩溃中我们了解到，公开的信息能够保持经济的稳定和增长。

共同进化可以看作是双方陷入相互传教的网络。共同进化的关系，从寄生到结盟，从本质上来讲都具有信息的属性。稳步的信息交流将它们焊接成一个单一的系统。与此同时，信息交流——无论是侮辱、还是帮助，抑或只是普通新闻——都为合作、自组织，以及双赢结局的破土发芽开辟了园地。

在我们刚刚迈入的网络时代中，频繁的交流正在创造日益成熟的人工世界，为共同进化、自发的自组织以及双赢合作的涌现而准备着。在这个时代，开放者赢，中央控制者输，而稳定，则是由持续的误差所保证的一种永久临跌状态。

“均衡即死亡”，博格斯如是陈述。这个观点在生态科学圈内流行时间还不很长。“直到二十世纪七十年代中期，我们所有人都在前人学说的指导下工作，即生物群落正趋向不变的均衡，形成顶极群落。而今，我们看到，正是紊乱和多变真正给自然赋予了丰富的色彩。”

最早的模拟稳定性的论文中有一篇是加德纳和艾希比在1970年合作发表的。艾希比是一位工程师，他对正反馈回路的种种优点和非线性控制电路很感兴趣。他俩在电脑上为简单的网络回路编制出数百种变化，并系统地改变节点的数量和节点间的关联度。他们发现了惊奇的一幕：如果增加关联度至超过某一临界值，系统从外界扰动中回复的能力就会突然降低。换句话说，与简单的系统相比，复杂的系统更有可能不稳定。

二十世纪二十年代，超有机体在生物学家眼里可是个时髦词。用来描述在那时尚属新奇的想法：群集的干员(agent)协力行动，产生由整个群体控制表达的种种现象。就像点点霉斑将自身聚合为粘液菌，一个生态系统也能结合而成一个稳定的超组织(superorganization)——蜂群或森林。一片乔治亚州松树林的行为与单棵松树不同。得克萨斯州山艾树荒原也不同于单棵的山艾树，就像鸟群不是一只大鸟，它们是另一种有机体。动植物联合成松散的联邦，展现出一个有自己独特行为方式的超有机体。

克莱门茨的竞争对手，另一位现代生态学之父，生物学家格利森认为，超有机体联邦的观点过于牵强，很大程度上是人类内心的产物，试图能在各处发现模式。格利森反对克莱门茨的假设，他提出顶极群落仅仅是生物体偶然形成的联合，其兴衰取决于当地气候和地质条件。生态系统更似一个联合会而非社区——不确定，多元，包容，不断流变。

格利森是正确的。一个生态系统内各成员间的连接远比有机体内各成员间的连接更为易变和短暂。从控制论的角度看，像蝌蚪这样的有机体和淡水沼泽这样的生态系统之间控制方式的不同在于，单个有机体受到严格紧密的束缚，而生态系统则宽松自由，不受束缚。

用最普适的话来说，进化是紧密的网络，生态是松散的网络。进化性的改变像是强力束缚的进程，非常类似于数学计算，甚或思维活动。在这种意义上，它是“理智的”。另一方面，生态变化则像是低等智力的、迂回的过程，以那些对抗风、水、重力、阳光和岩石的生物躯体为中心。生态学家罗伯特·洛克利夫这样写道，“群落[生态学的]属性是环境的产物而非进化史的产物。”。进化是直接由基因或计算机芯片产生的符号信息流控制的，而生态则受控于不那么抽象，但更多杂乱无章的复杂性，这种复杂性来自于肉体。

出生环境恶劣的极地生物，必须随时应对大自然强加给它们的难以捉摸的变化。夜晚的严寒，白昼的酷热，春天融冰过后的暴风雪，都造就了恶劣的栖息环境。而位于热带或深海的栖息地相对“平稳”，因为它们的温度、雨量、光照、养分都持久不变。因此，热带或洋底的平和环境允许那里的物种摒弃以改变生理机能的方式适应环境的需要，并给它们留下以单纯的生态方式适应环境的空间。在这些稳定的栖息地里，我们大有希望观察到许多怪异的共栖和寄生关系的实例——寄生吞噬寄生，雄性在雌性体内生活，生物模仿、伪装成其他生物——事实也正是如此。

没有恶劣环境，生命就只能自己把玩自己，但仍然能够产生变异和新特性，无论在自然界还是人工仿真界，通过将生物投入恶劣而变化多端的环境都能产生更多的多样性。

这一课对于那些设法在电脑世界里创造仿真行为的众神