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！
茉础⑺春涂掌鹊龋盟鞘币膊换岣扇抛匀唤绲钠胶狻９ひ祷嵘鑫耷钗蘧〉奈锲罚扌杩悸侨缤粞醵椿蚍衔锢媚茄男вΑＩ慕晌巳死嗌缁岬慕！�
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），采用具有隐含神经元的多层网络。
一般说，学习算法的目标在于通过自组织来减少大脑的内部世界模型与真实环境之间的信息－理论测量的差距。人们最近对于神经网络领域兴趣的恢复，主要是受到统计力学和非线性动力学技术的成功运用的鼓舞，这些成功运用的领域包括固体物理学、旋晶物理学、化学平行计算机、光学平行计算机以及——在协同计算机的情形——激光系统。另外的原因是，计算资源和技术水平的最新发展，使得对非线性系统进行计算处理越来越可行。从哲学上讲，认识论的传统课题，如感知、想像和认知，都可以在跨学科的复杂系统框架中进行讨论。
复杂系统探究方式的一个重要应用是神经仿生学和医学。人脑不仅是一台作为自然界进化产物的脑计算机，而且也是我们身体的一个中心器官，它需要医学上的治疗、康复和保健。例如，神经手术这个医学分支，专注于保持人的精神的生物载体的健康。神经仿生学的一个基本目标是关注未来的脑－心体的健康。近年来，器官移植中引入了新的诊断手段和技术设施，它们建立在从复杂动力学系统看待大脑所获得的新见解的基础上。因而临床治疗的变化是不可避免的。神经病和心理疾病可以解释成高度敏感的非线性系统中的复杂状态。甚至医学治疗也必须考虑到这个复杂器官的高度敏感性。另一种更为思辨性的新技术是电脑化空间。感知、情感、直觉和幻想可以是人工神经网络的产物吗？虚拟现实已经成为现代文化哲学中的一个关键词。
在经历了从物质、生命、心－脑和人工智能的运动之后，本书的第六章《复杂系统和人类社会的进化》进行了黑格尔式的大综合。在社会科学中，人们通常严格地区分生物进化和人类社会史。原因在于，民族、市场和文化的发展被认为由人的意向性行为所引导，即人的决策是以意向、价值等等为基础的。从微观的角度看，我们当然可以观察到带着其意向、信仰等等的一个个的个体。但是从宏观的角度看，民族、市场和文化的发展就不仅仅是其组成部分之和。我们知道，政治和历史中的单极因果关系是错误的、危险的线性思维方式。对于处理复杂系统甚至包括人文领域这样的复杂系统，协同学表现为一种成功的策略。为了以跨学科方式运用协同学，显然不必将文化史还原成生物进化。与任何还原论的自然主义和物理主义相反，我们承认人类社会的意向性特征。因此，复杂系统探究方式可以是一种沟通自然科学和人文学科、消除其间隔阂的方法，斯诺曾在著名的《两种文化》中批评过这种隔阂。
在复杂系统框架中，人群的行为用（宏观）序参量的演化来解释，（宏观）序参量是由人们或人类的子系统（国家、组织机构等等）的非线性（微观）相互作用引起的。社会的或经济的有序用相变的吸引子来解释。阿伦等人分析了城市区域的生长。从微观的观点看，城市区域的生长中，群体演化在数学上是用耦合的微分方程来描述的，微分方程的项和函数涉及每一地区的能力、经济生产等等。整个系统的宏观发展用计算机辅助作图示意出来，包括了工业化中心、娱乐中心等等的变化，它们是由其中的一个个城市区域的非线性相互作用引起的（例如，交通、通信等等的远近不等带来的优势和劣势）。此协同学模型的一个基本结论是，城市的发展不可能以每个人的个人自由意志来解释。尽管每个区域中的人们的行动都有其个别的意向性、计划性等等，但是全局的发展趋势却是非线性相互作用的结果。
协同学的另一个跨学科应用的例子是维德里希的迁移模型。他区分了社会中微观水平上的个体决策和宏观水平上的动力学集体过程。具有随机涨落的概率性宏观过程用人类社会构型的主方程来描述。一个社会构型中的每一组元都涉及到一个具有特征行为矢量的子群体。社会中迁移的宏观发展可以用计算机辅助作图来示意，其中的混合、聚居、漫游和混合中心的变化，都是由社会子群体的非线性相互作用引起的。�