财新传媒
位置:博客 > 王川 > 适应度地形和模拟退火 | 范式转移的随想 (五)

适应度地形和模拟退火 | 范式转移的随想 (五)

1.适应度地形 (fitness landscape),在不同的微观和宏观尺度上都有体现.
 
2.传统的分子生物学中的适应度地形的概念,是指在基因型 (genotype) 层面的突变,对物种在环境中的生存适应度的影响.
3.老虎和狮子因为肌肉的健壮和牙齿的锋利,曾经站在陆地生物中的适应度地形的顶峰.
 
4.但是智人通过语言的沟通,实现大规模群体合作,达到一个新的适应度地形的高峰,而把狮子老虎关到笼子里了.这就是适应度地形里的范式转移的典型例子.
 
5.人类的适应度提高,是在一个新的层面,智能-抽象-语言沟通-大规模协作-高效的生产关系-更高的生产力和计算能力/抽象能力 - 更大规模高效的协作, 得以实现.
 
6.适应度地形的死胡同,是指一个局部的高峰,而不是全局的高峰。从局部高峰朝任何方向进化,都必须经过很长一片的低谷,才可能去攀登全局的高峰.
 
7.大部分生物,个人,复杂系统,虽然曾经达到过某个局部高峰,因为无法跨越这一大片低谷,进而被新环境下涌现的全局高峰的新兴生物/系统所淘汰.
 
8.而原先在适应度地形的低谷处苟活的生物/个人/系统,则因为在正确的时间处于正确的位置,有可能迅速攀升到全局高峰.
 
9.全局高峰的概念,不是静态的。由于外部环境的改变,技术参数的改变,不断会有新的全局高峰和范式转移涌现出来.
 
10.防止陷入适应度地形的死胡同,不断自我进化, 适应新的环境,跟上新的范式转移,是一个非常非常重要的课题.
 
11.未来世界,适应度地形的动态变化,速度将远超大家想象。研究/理解/顺应趋势变化, 远比短期赚几个小钱重要的多得多。因为变化速度太快, 所以积累很多的领先者, 对于敢闯而没有思维桎梏的新人, 并不具有太大优势.
 
12.童年是人类进化在做 “模拟退火” (simulated annealing) 计算的一种方式. (原话来自加州大学伯克利分校心理学家 Alison Gopnik)
 
13.为了获得全局最优解,可以容忍局部的次优解的探索,是全局策略 (俗称 "下一盘大棋")的一个基本属性。“模拟退火”的算法本质,就是在状态空间搜索的过程中,开始大胆搜索,随后缓慢降低选择次优解的几率,直到最终定格在一个接近全局最优解的位置.
14.这类似金属冶炼中通过退火处理,释放材料的组织缺陷和残余应力,增加延展性和韧性. 温度慢慢降低时, 探索改变的几率慢慢接近于零.
 
15.大部分人早期成长历程,决定了其思维框架和定式,这相对于其早期成长环境是接近全局最优解. 但相对于新的巨变的环境, 可能往往格格不入.
 
16.要想获得新的全局最优解,就必须抛弃很多深入大脑的定式,强迫自己承受对于“次优解”的探索.
 
17.但大部分成人,已经没有能力,承受暂时的后退,换取新的“退火重生”。他们和冷冰冰而脆弱易断的金属,并没太大区别.
 
18.无法重新“退火重生”的障碍有三:一是思维框架里,根本不相信新环境下别的状态空间内存在好得多的全局最优解。二是无法承受暂时的,看似后退的变化,和周围人的社会压力,放不下面子。 三是情愿偏爱确定的短期蝇头小利,也不愿接受短期不确定但长期有可观概率的超高回报.
 
19.人们成长过程中的主要矛盾,将是日益丰富的思维框架/观察角度/可探索的状态空间,和患得患失/急功近利/缺乏想象力的直觉本能冲动之间的矛盾.
 
(未完待续)
推荐 1