人工生命对哲学的挑战20111108.pptVIP

人工生命对哲学的挑战 20 世纪的计算革命为我们提供了崭新的探索自然奥秘的手段。这场方法论革命的产物之一就是计算机和生物学交叉的前沿学科：人工生命的诞生。人工生命不仅对我们传统的生命和智能观提出了挑战，而且提出了很多新的方法论问题。对这些观点和问题的研究不仅可以丰富我们的哲学思想，而且对这门学科本身的发展也具有重要的意义。 一、人工生命研究的兴起和基本思想 17世纪，伽利略创建了受控实验的科学方法(通过对某些影响实验结果的无关因素加以控制，系统地操纵某些实验条件，然后观测与这些实验条件相伴随现象的变化，从而确定条件与现象之间的因果关系)，这种方法是近代科学产生和发展的主要动力。它不仅产生了伽利略的运动学、牛顿的力学、法拉第的电磁理论等物理科学，而且产生了生理学、分子生物学等生命科学。可以肯定，这种方法仍然是推动现代自然科学向前发展的不懈动力。然而，现代科学的许多研究已经越来越多涉及到的是复杂的系统，这些系统涉及许多活动的主体(agents)，它们以多种方式不断改变自身的行为，这些行为很难用科学的旧规范进行测量和预测。 自20世纪中叶，特别是80年代以来，由于电子计算机的飞速发展，使我们拥有了一种新的工具，通过它，我们可以构造这些复杂的真实世界的硅替身。利用硅替身可以进行多种受控实验，来构造复杂的物理、生物、认知和社会系统的新理论。我们又一次“处在与伽利略时代的科学家们相近的位置上”。“我们不再被迫生活在假言性的阴暗世界中，或仅仅敲下实际系统的碎片，孤立地研究这些碎片，期望可以将这一大块片面的知识重新拼成对整体系统本身的理解。” 相反，“借助于刚刚得到的可以在计算机中创建各种情形下世界的新能力，我们可以与真实的复杂系统展开大量的‘假定’推测型游戏，再不必将系统划分为简单的子系统，也不必因为实验耗资过大、过于不现实，或者过于危险而干脆放弃实验。” “我们现在拥有了一种必要的工具，可以用来建立复杂系统的理论，这些理论最终可以与牛顿及其继承者所发展的用来描述简单质点系统的力学过程的理论相媲美。” 复杂科学研究中所用的理论工具 主要是微分方程和形式逻辑，以及以下一些工具： 在不确定条件下的决策技术 包括定性变量的量化(多维尺度、广义量化等)、经验概率的确定(数据挖掘、数据库中的知识发现、智能挖掘等)、主观概率的改进、案例研究与先验信息的集成等。 综合集成技术 包括系统的结构化、系统与环境的集成(全局和局部)、人的经验与数据的集成、通过模型的集成、从定性到定量的综合集成等。 整体优化技术 包括目标群及其优先顺序的确定、巨系统的优化策略(分隔断裂法、面向方程法、多层迭代法、并行搜索法等)、优化算法(线性规划、目标规划等)、离线优化与在线优化、最优解与满意解的取得等。 计算智能 包括演化计算(例如遗传算法、演化策略、演化规划、遗传程序设计等)、人工神经网络(例如EBP型、竞争型、自适应共振型、联想记忆型等)、模糊系统等。 非线性科学 目前非线性科学已由传统的动力系统理论(稳定性和分叉理论、混沌、孤子)和统计力学(分形、标度)延伸到多尺度、多体，以及非平衡系统中的复杂和随机现象的研究。而对非线性科学的压倒一切的挑战就是：对远离平衡的多体系统中的自组织结构的形成和功能，确认其关键的范式。 数理逻辑 即数学化的形式逻辑，包括经典谓词逻辑、广义数理逻辑(例如模型论、公理集合论、证明论、递归论等)、多值逻辑、模态逻辑、归纳逻辑等。 计算机模拟 人工生命(artificial life)、元胞自动机(cellular automata)、竞争与合作(co opetition)、大群模拟工具(swarm simulation toolkit)等。 美国的一些科学家率先认识到计算机对科学研究的这种革命性意义，他们在新墨西哥州的圣菲建立了一个利用计算机探索复杂性问题的研究中心:圣菲研究所(Santa Fe Institute，SFI)。圣菲研究所是一个跨学科的研究中心，自1984年成立开始，就致力于以计算机为工具研究各种复杂的自适应系统，包括一些复杂的社会系统、生物系统和行为系统等。 SFI成立的时间虽然不长，但许多新兴的交叉学科都是在这里孕育诞生的。计算机和生物学交叉的前沿学科——人工生命(Artificial Life，AL)就是其中之一。 人工生命虽然诞生于圣菲，但它智慧的种子可以追溯到阿兰·图灵(A. Turing)和约翰·冯·诺伊曼(John von Neumann)。图灵证明生物的胚胎发育可以用计算的方法加以研究，诺伊曼则试图用计算的方法描述生物自我繁殖的逻辑形式。到了20 世纪70和80年代，随着计算机速度大幅度提高以及个人计算机的普及，在康韦、沃弗拉姆等有关“生命游戏”研究的基础上，克里斯托弗·兰顿(Chri