《隐秩序》-第二章：适应性主体——摘录与评述

概要

1. 为了对跨学科的截然不同的CAS系统构建共同描述，霍兰首先给出对适应性主体的建模。
2. 在第一章抽取的七个基本点的基础上，霍兰构建了由执行系统、信用分派算法和规则发现算法三大部分组成的适应性主体模型。并分别展开了详细的阐述。

导读

本章共有48页，目录里只有章标题，没有节标题。笔者首先按顺序梳理了本章的各节内容，方便查阅和建立逻辑导图，然后基于该脉络展开对各小节的摘录与评述。

|页码 | 小节目的 | 主要内容 || --------- |:-------------:| ----------|| 40-41 | 提出问题 | 本章目标是为诸多不同领域的截然不同的适应性主体找到共同的描述，并概述了执行系统、信用分派和规则发现三个步骤。|
| 42-50 | 执行系统 | 执行系统用统一的方式描述不同种类主体的性能，而不考虑由于适应所产生的变化。 || 51-58 | 信用分配算法 | 根据主体的成功或者失败对于执行系统的相应部分赋予信用或给予责备，为此需要用到其它有关学习和适应的研究。|
| 58-77 | 规则发现算法 | 考虑对主体的性能进行变动，对新的选项分派低的信用。|
| 77-84 | 实例 | 囚徒困境中的主体、适应性主体与经济学。|
| 84-88 | 小结与展望 | 简要重述了基于执行系统、信用分派和规则发现的适应性主体建模，提供了一种构建CAS的通用语言，下一步是构建环境，允许适应性主体在其中进行相互作用和聚集。|

提出问题

在不同的、甚至是相同的系统里，主体之间呈现出真正的非相似性。例如，城市中的公司似乎与抗体没有多少共同之处，而生态系统的生物体与神经系统的神经元也根本不相像。如果不能给这些截然不同的主体抽象出统一的说明，跨学科的构建CAS并寻找一般理论就无从谈起。因此，本章目标就是抽取诸多不同领域的、截然不同主体间的共性，构建一个统一的模型。

为了回答上述问题，霍兰在本章中提出了一种统一的构建方式——即适应性主体模型由执行系统、信用分派，规则发现三个部分组成。

执行系统

在上一章，规则作为主体的描述方式，在本章，规则被严格作为定义主体的正规手段，它满足三个要求：

1. 规则必须使用单一的语法去描述所有的CAS主体。
2. 规则的语法必须规定主体间的所有相互作用。
3. 必须有一个可接受的程序用于适应性的调整规则。

霍兰采用最简单的一类IF-THEN规则，并在其基础上加入一些修改，使之足够强大，不仅为任何适应性主体提供简单的语法规则，并且能够为任何适应性主体建立可以在计算机上模拟的模型。

值得一提的是，IF-THEN规则被广泛应用于心理学（刺激-反应规则），人工智能（条件-行动规则）和逻辑学（产生规则）。

随后，霍兰提出了探测器输入+执行系统+效应器输出的模型，如下图所示：

HO-Performance System of A Frog ](https://gitlab.com/zb14zb14/blog_attachment/raw/7de5df92cfc8e117d817fc6084e7e08bd28d1653/Pictures/Hidden_Order/performance_system_1.JPG))

上述系统模型中，核心是将输入和输出的数据结构描述为消息：

1. 消息的标准描述：如果标准化消息的长度为L，则可能的消息集合M是所有长度为L的二进制字符串的集合。 例如，L=5时的某个消息为"00011"。
2. 探测器过滤输入信息，并编码为消息：主体需要过滤周边环境产生的、大量涌入的信息。探测器可以用于感知环境中的某种特殊性质，存在时为1，不存在时为0。由此，一组探测器可以将大量的输入信息编码，而编码后的消息能够传递的信息量与探测器数目呈指数关系。
3. 效应器对标准输出消息进行译码，采取相应行动：探测器对环境活动编码后，将消息输入给执行系统，后者输出标准化的消息给效应器。效应器进行译码，从而引发对应的动作。任何时刻，主体的全部反应有一组效应器产生。

在定义了输入输出的基础上，主体可以基于消息处理规则的建模：

1. 规则的标准描述：某条规则可以忽视某些消息，因此引入‘#’符号表征可以接受“在此位置上可以接受消息的任意值”。
2. 每个规则可以想象成为一个微主体：是一个消息处理工具，以消息为输入输出，根据IF-THEN形式，则有IF(有合适的消息) THEN(发出指定的消息)；
3. 多个规则之间可以相互作用：例如规则A是"IF(X) THEN(Send Y)"，规则B是"IF(Y) THEN(Do Z)"，那么规则A可以发送激活规则B的消息Y。

上述所提出的消息和规则的标准描述，提供了统一的、基于规则的技术手段，用于描述各种各样主体的行为了。到现在为止，执行系统中的规则还没有考虑由于适应环境产生的变化，但是已经能够提供两种重要的并行能力，体现在以下两个方面：

1. 消息作为积木——构建环境模型：每个规则作为一个微主体，是可以同时活动的，而主体外部看到的只有其中一小部分。因此，消息可以作为上一章提到的积木，构建复杂的模型。
2. 规则作为积木——应对恒新环境：主体要能够应付一个恒新的世界，因此不可能事先准备好某条规则，能够适应所能够遇到的每种情况。因此，主体可以将已经通过检验的规则作为积木，进行规则组合来描述和处理新的情况。例如，人体免疫系统有限的抗体如何对付各种可能的抗原。

Notes：当然，只有静态的规则是不够的，规则之间的地位也不是简单的对等的。比如现有的专家系统以及知识工程，在世界是恒新的这一客观事实面前，数据和知识量不断增长甚至爆炸，人工构建的规则即使进行组合也不够用，因此构建出来的AI泛化能力不够。

因此，规则之间的互动关系，以及规则本身都需要适应环境的动态变化，这其实对应的是DARPA新进提出的下一代具有环境适应(Context-Aware)的AI。对此，霍兰早在1995年就提出了一套形式化的方法，即接下来介绍的信用分派算法和规则发现算法。

信用分配算法

规则发现算法

实例

小结与展望

接下来两天，笔者将梳理和发布对“第三章：回声导致的涌现”的摘录和评述。