适应度地形和模拟退火 | 范式转移的随想（五）-兵无常势-财新网

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）

话题：