第五章　游戏高手
　　根据议程安排，经济学研讨会的第二场发言从会议第一天的午饭之后开始，安排了
整个下午的时间。发言的题目是《作为适应性过程的全球经济》，发言人是来自密西根
大学的约翰·荷兰德（John H．Holland）。
　　阿瑟已经做完演讲，现在已有精力对这个发言发生兴趣了。这倒也不只是因为这个
发言的题目听上去很有意思。约翰·荷兰德是那年秋天研究所的访问学者之一，他们俩
被安排住在同屋，但荷兰德在会议开始的前一天深夜才赶到桑塔费，那时阿瑟正在修道
院最后一遍遍地斟酌他的发言，根本无暇顾及这个新来者。关于荷兰德，他所知道的就
是，他是一个计算机专家，根据研究所的评价，是一个“非常好的人”。
　　研究所对荷兰德的评价似乎不错。当大家陆续回到小教堂改成的会议室，坐回到折
叠长桌旁自己的椅子上去时，荷兰德已经站在讲台前准备开始发言了。他是个精悍的、
六十开外的中西部人，宽阔红润的脸庞上似乎永远挂着微笑，高昂的嗓音使他说起话来
像个热情澎湃的研究生。阿瑟立刻就喜欢上了他。
　　荷兰德开始发言了，起初阿瑟有点儿瞌睡懵懂，似乎是在被动听讲，但几分钟之内
他就睡意全无，一下子就打起了精神，变得全神贯注了。
　　永恒的新奇
　　荷兰德一开场就指出，经济学是桑塔费研究所致力于研究的“复杂的适应性系统”
的一个最好范例。在自然界，这样的系统包括人脑、免疫系统、生态系统、细胞、发育
中的胚胎和蚂蚁群等。在人类社会，这样的系统包括文化和社会制度，比如政党和科学
社团。事实上，一旦你学会了如何辨认这些系统，这些系统就变得无处不在。但无论你
在什么地方发现这些系统，它们似乎都有某种至关重要的共性。
　　第一，每一个这样的系统都是一个由许多平行发生作用的“作用者”组成的网络。
在人脑中，作用者是神经细胞；在生态系统中，作用者是物种；在细胞中，作用者是细
胞核和粒线体这类的细胞器；在胚胎中，作用者就是细胞，等等。在经济中，作用者也
许是个人或家庭。或者，如果你观察商业圈，作用者就会是公司。如果你观察国际贸易，
作用者就是整个国家。但不管你怎样界定，每一个作用者都会发现自己处于一个由自己
和其他作用者相互作用而形成的一个系统环境中。每一个作用者都不断在根据其他作用
者的动向采取行动和改变行动。正因为如此，所以在这个系统环境中基本上没有任何事
情是固定不变的。
　　荷兰德说，更进一步的是，一个复杂的适应性系统的控制力是相当分散的。比如说，
在人脑中并没有一个主要的神经元，在一个发育的胚胎中也没有一个主要的细胞。这个
系统所产生的连续一致的行为结果，是产生于作用体之间的相互竞争与合作。即使在经
济领域也是这种情形。问一问任何一位在久滞不去的经济衰退中挣扎的总统吧：无论华
盛顿怎样调整银行利率、税收政策和资金供给，经济的总体效果仍然是千百万个人的无
数日常经济决策的结果。
　　第二，每一个复杂的适应性系统都具有多层次组织，每一个层次的作用者对更高层
次的作用者来说都起着建设砖块的作用：比如一组蛋白、液体和氨基酸会组成一个细胞，
一组细胞会组成生理组织，一组生理组织会形成一个器官，器官的组合会形成一个完整
的生物体，一群不同的生物体会形成一个生态环境。在人脑中，一组神经元会形成语言
控制中心，另一组神经元会形成行动皮层，还有一组神经元会形成视觉皮层。一组劳动
者会以完全相同的方式形成一个部门，很多部门又会形成更高一级的部门，然后又形成
公司、经济分支、国民经济，最后形成全球经济。
　　还有荷兰德认为非常重要的一点是，复杂的适应性系统能够吸取经验，从而经常改
善和重新安排它们的建设砖块。下一代的生物体会在进化的过程中改善和重新安排自己
的生理组织；人在与世界的接触中不断学习，人脑随之不断加强或减弱神经元之间无数
的相互关联；一个公司会提升工作卓有成效的个人，为提高效率而重新安排组织计划；
国家会签定新的贸易合同，或为进入全新的联盟而重新结盟。
　　在某种深刻而根本的层面上，所有这些学习、进化和适应的过程都是相同的。在任
何一个系统中，最根本的适应机制之一就是改善和重组自己的建设砖块。
　　第三，所有复杂的适应性系统都会预期将来。很明显，这对经济学家来说没有什么
可大惊小怪的。比如说，对一个持续已久的经济衰退的预期会使个人放弃买一辆新车，
或放弃过一个很奢侈的假期的计划，这样反过来又加深和延长了经济衰退。同样，对石
油短缺的预期也能导致石油市场抢购和滥卖的巨浪——无论石油短缺的情况是否会出现
和消失。
　　但事实上，这种预期和预测的能力和意识并非只是人类才具有。从微小的细菌到所
有有生命的物体，其基因中都隐含了预测密码。“在这样或那样的环境中，具有这样的
基因蓝图的生物体都能很好地适应。”同样，一切有脑子的生物体，在自己的经验库存
中都隐含了无数的预测密码：“在ABC情况下，可能要采取XYZ行动。”
　　荷兰德说，更为一般性地说，每一个复杂的适应性系统都经常在做各种预期，这种
预期都基于自己内心对外部世界认识的假设模型之上，也就是基于对外界事物运作的明
确的和含糊的认识之上。而且，这些内心的假设模型远非是被动的基因蓝图。它们积极
主动，就像计算机程序中的子程序一样可以在特定的情况下被激活，进入运行状态，在
系统中产生行为效果。事实上，你可以把内心的假设模型想象成是行为的建设砖块。它
们就像所有其它建设砖块一样，也能够随着系统不断吸取经验而被检验、被完善和被重
新安排。
　　最后一点，复杂的适应性系统总是会有很多小生境，每一个这样的小生境都可以被
一个能够使自己适应在其间发展的作用者所利用。正因为如此，经济界才能够接纳计算
机编程员、修水管的工人、钢铁厂和宠物商店，这就像雨林里能够容纳树獭和蝴蝶一样。
而且，每一个作用者填入一个小生境的同时又打开了更多的小生境，这就为新的寄生物、
新的掠夺者、新的被捕食者和新的共生者打开了更多的生存空间。而这反过来又意味着，
讨论一个复杂的适应性系统的均衡根本就是毫无意义的：这种系统永远也不可能达到均
衡的状态，它总是处在不断展开，不断转变之中。事实上，如果这个系统确实达到了均
衡状态，达到了稳定状态，它就变成了一个死的系统。荷兰德说，在同样的意义上，根
本就不可能想象这样的系统中的作用者会永远把自己的适存性、或功用性等做“最大化”
的发挥。因为可能性的空间实在是太大了，作用者无法找到接近最大化的现实渠道。它
们最多能做的是根据其他作用者的行为来改变和改善自己。总之，复杂的适应性系统的
特点就是永恒的新奇性。
　　各种作用者、建设砖块、内在假设模型和永恒的新奇——所有这些概而言之，毫不
奇怪地会使复杂的适应性系统非常难以用常规的理论机制来分析。大多数像计算或线性
分析等常规技术非常适于用来描述在不变的环境中的不变的粒子，但如果要真正深刻地
理解经济，或一般性的复杂的适应性系统，就需要数学和可以用来强调内在假想模型、
新的建设砖块和多种作用者之间相互关联的繁杂大网的计算机模拟技术。
　　荷兰德谈到这些时，阿瑟飞快地做着笔记。当荷兰德开始描述他在过去的三十年中
为使自己的这些想法更为准确、更为实用而开发了各种计算机技术时，阿瑟的笔录越发
加快了。“这简直不可思议，”他说，“整个下午我坐在那儿，大张着嘴。”不仅仅因
为荷兰德指出的永恒的新奇性恰好是过去的八年中他的报酬递增率经济学一直想阐述的
意思，也不仅仅因为荷兰德指出的小生境恰好是他和考夫曼前两周谈论自动催化组时所
研究讨论的问题，而是荷兰德整个对事物的看法的完整性、清晰性和公正性让你拍着自
己的额头说：“当然！我怎么就没想到呢？”荷兰德的思想对他产生了震动和认同感，
从而又在他头脑中激发出更多的想法。
　　阿瑟说：“荷兰德的每一句话都是在回答我这些年来一直在问自己的所有问题：什
么是适应性？什么是涌现？以及许多我自己都没有认识到的我正在探寻的问题。”阿瑟
还不清楚如何将这一切应用到经济学之中去。事实上，当他巡视会议室的时候，他可以
看见不少经济学家不是持怀疑态度，就是显得很困惑。（至少有一个正在做午后小歇。）
“但我相信，荷兰德的研究要比我们的工作精深许多许多。”他甚至觉得，荷兰德的观
点是极其重要的。
　　桑塔费研究所当然也是这样认为的。无论荷兰德的想法对阿瑟和经济研讨会上其他
经济学家来说有多么新异，荷兰德本人在桑塔费研究所的经常性成员中已经是个熟悉而
非常有影响力的人物了。
　　他与研究所的第一次接触是在1985年的一次题为“进化、游戏与学习”的研讨会上。
这个在罗沙拉莫斯召开的研讨会是由法默和派卡德组织的。（正是在这个研讨会上，法
默、派卡德和考夫曼第一次做了关于计算机模拟自动催化组的报告。）荷兰德演讲的主
题是涌现的研究，演讲似乎非常成功。但荷兰德记得听众中有一个人连续不断地向他提
出非常尖锐的问题。这个人一头白发，脸部表情既专注、又有些玩世不恭，目光透过黑
边眼镜射向他。“我的回答相当不客气，”荷兰德说，“我不知道他是谁。如果我知道
他是谁，我大概早就吓死了。”
　　不管荷兰德的回答客气不客气，马瑞·盖尔曼却显然很喜欢荷兰德的回答。在这之
后不久，盖尔曼给荷兰德打电话，邀请他来桑塔费研究所顾问团当顾问，当时这个顾问
团才刚刚成立。
　　荷兰德同意了。“我一到这个地方就真的喜欢上了。”他说。“对这儿的人所谈论
的问题和所研究的问题，我直接的反应就是‘我当然希望这些家伙也喜欢我，因为我就
属于这个地方！’”
　　这是一种共同的感觉。当盖尔曼提及荷兰德时，他用“才华横溢”这个词来形容—
—这可不是他随意用来夸赞周围的人的词语，而且盖尔曼也不是经常会为任何事惊诧得
瞪圆眼睛的。在早些时候，盖尔曼、考温和研究所的其他创始人几乎一直在用他们所熟
悉的物理学概念来思考新的复余性科学，比如像涌现、集体行为、自组织等问题。而且，
好像只要把这些比喻用于相同思想的研究，比如把涌现、集体行为和自发组织这些词汇
用于经济学和生物学这类领域的研究，似乎早已能创造出丰富多采的研究计划来了。但
荷兰德出现了，带着他对适应性的分析，更不要说他的计算机模拟技术。盖尔曼和其他
人突然就认识到，他们的研究计划有一个很大的疏漏：这些涌现结构究竟在干些什么？
它们是如何回应和适应自己所在的环境的？
　　在后来的几个月中，他们一直在讨论这个研究所的研究议题不能只是复杂系统，而
应该是复杂的适应性系统。荷兰德个人的研究计划——理解涌现和适应相互牵连的过程
——基本上变成了整个研究所的研究计划。1986年8月，在由杰克·考温和斯坦福大学
生物学家马克·菲尔德曼主持的研究所的一次大型会议，复杂的适应性系统研讨会上，
荷兰德唱了主角（这也是将考夫曼介绍进桑塔费的那个研讨会）。戴维·潘恩斯还安排
带荷兰德去和约翰·里德和花旗银行的其他成员进行交谈，那是在和复杂的适应性系统
研讨会召开的同一天。在安德森的安排下，荷兰德参加了1987年9月的这次大型经济研
讨会。
　　荷兰德非常愉快地参加了这一系列的学术活动。他已经在适应性概念上默默无闻地
进行了二十五年的研究，到现在他已经五十七岁了才被发现。“能够和盖尔曼和安德森
这样的人一对一地当面交谈，与他们平起平坐，这太好了，简直不可思议！”如果他有
办法让他的妻子离开安·阿泊（他妻子是大学九个科学图书馆的负责人），他在新墨西
哥呆的时间会比现在更长。
　　但荷兰德始终是个乐天派。他这一生始终在做他真正喜欢做的事，而且总是惊喜自
己能有好运气，所以他有一个真正快乐的人的坦率和好脾气。不喜欢荷兰德几乎是不可
能的。
　　比如阿瑟，甚至根本就没想过要抗拒荷兰德对他的吸引力。第一天下午，当荷兰德
做完报告之后，阿瑟就迫不及待地上前去介绍自己。在后来的会期中，两个人很快就成
为好朋友了。荷兰德发现阿瑟是个令人感到愉快的人。“很少有人能这么快地接受适应
性的概念，然后这么快就把这个概念彻底融入自己的观念的人，”荷兰德说，“布赖恩
对这整个概念都十分感兴趣，而且很快就深入了进去。”
　　同时，阿瑟觉得荷兰德很显然是他在桑塔费所结识的最复杂、最吸引人的知识分子。
确实，他在经济学研讨会所剩的时间里之所以一直处于兴奋无眠的状态，荷兰德是主要
原因之一。他和荷兰德有许多夜晚坐在他们合住的房子厨房的餐桌旁，一边喝着啤酒，
一边讨论着各种问题，一直到深夜。
　　他尤其记得其中的一次谈话。荷兰德来参加这次经济学研讨会，是急于想知道什么
是经济学的关键问题。（荷兰德说：“如果你想从事跨学科研究，进入其他人的学科领
域，你最起码应该做到的是，要非常认真地面对他们的向题。他们已经耗费了很多时间
来研究这些问题了。”）那天晚上，当他们俩坐在厨房的餐桌旁时，荷兰德很直截了当
地问阿瑟：“布赖恩，经济学的真正问题是什么？”
　　阿瑟不假思索地回答道：“就像下国际象棋！”
　　国际象棋？荷兰德不解其意。
　　嗯，阿瑟啜了一口啤酒，琢磨着用什么恰当的词来表述。他自己都不太清楚他想说
明什么意思。经济学家一直在讨论既简单又封闭的系统，在这种系统中，他们能够很快
找出一组、两组或三组行为方式，然后就不会再发生别的什么事情了。他们总是心照不
宣地把经济作用者假设成永远聪明绝顶，在任何情况下总是能够立即做出准确无误的最
佳选择。但想想这在下国际象棋时意味着什么。在博弈游戏的数学法则中，有一个定理
告诉你，任何有限的、两人对抗的、结局为零的游戏，比如象棋，都有一个最优化的解，
这就是，有一种选择走棋的方法能够允许执黑子的和执白子的双方棋手都能走出比他们
所做的其他选择更好的棋步。
　　当然，在现实中，没人知道这个解，也没人知道该如何找到这个解。但经济学家所
谈论的这些理想化的经济作用者却能立刻就找到这个解。当国际象棋一开始，两军对弈，
这两个棋手就能够在脑海中构想出所有的可能性，能够倒推出所有可以逼败对方的可能
的棋着。他们能够一遍遍地反推棋步，一直算计到所有的可能性，然后找到开始布局的
最佳棋步。这样，就没有必要实际去下象棋了。不管是哪一方棋手掌握了理论优势，比
方说是执白子的棋手，反正知道自己总是会赢，就可以立刻宣告胜利。而另一个棋手知
道自己反正总是会输，那就可以立即宣告失败。
　　“谁这样下国际象棋？”阿瑟问荷兰德。
　　荷兰德笑了，他完全明白了这有多荒唐。在四十年代，当计算机刚刚出现，计算机
研究人员刚开始设计能够下国际象棋的“智能”程序时，现代信息理论之父，贝尔实验
室的克劳德·申农（Claude Shannon）估算了一下国际象棋棋步的总数。他得出的答案
是，10的120次方，这个数字大得无可比喻。自从大爆炸到现在的时间用微秒计算，也
还没有这么多微秒。在我们肉眼可见的宇宙中也没有这么多的基本粒子。没有任何一种
计算机能够算到所有这些棋步，当然这更不可能是人脑所及的。人类棋手只能根据实际
经验来判断在什么情况下采取什么战略为最佳，就是最伟大的国际象棋高手也得不断探
索棋路，就好像掉进了一个深不见底的黑洞，只能靠一个微弱的灯笼探路而行。当然，
他们的棋路会不断改进。荷兰德自己也是个国际象棋棋手，他知道二十年代的象棋高手
决无可能下赢像加利·卡斯帕洛夫（Gary Kasparov）这样的当代国际象棋大师。但即
便如此，他们也好像只在这个未知世界里前进了几码而已。这就是为什么荷兰德从根本
上把国际象棋称之为“开放”的系统：它的可能性实际上是无穷无尽的。
　　没错，阿瑟说。“人们实际上能够预测和采取行动的类型与所谓‘最佳化’相比是
非常局限的，你不得不假设经济作用者比经济学家要聪明得多。”然而，“对最优化的
假设就是我们目前对付经济问题的方法。对日贸易至少和下国际象棋一样复杂，但经济
学家却仍然在那里说：‘假设这是个理性的游戏。’”
　　所以，他告诉荷兰德，这就是经济学问题的实质之所在。面对并非尽善尽美，但却
十分聪明，不断探索无穷可能性的作用者，我们应该如何建立这门科学？
　　“啊哈！”荷兰德说，每当他弄明白一件事时总爱这么说。国际象棋！现在他理解
了这个比喻。
　　可能性的无限空间
　　荷兰德喜欢玩游戏，喜欢玩所有的游戏。他在安·阿泊的近三十年中，每个月都去
玩扑克牌。他最早的记忆之一就是在他祖父家看大人们玩纸牌，那时他恨不得长大到也
能坐在桌子旁一块儿玩。上小学一年级时他就从他妈妈那里学会了下棋。他妈妈还是个
桥牌高手。荷兰德全家都热衷于航海，荷兰德和他妈妈经常赛船。荷兰德的父亲是个第
一流的体操运动员，同时热衷于户外活动。荷兰德上初中时练了好几年体操。全家总是
不断变换游戏花样：桥牌、高尔夫、槌球、围棋、象棋、跳棋，凡能玩的，没有他们不
玩的。
　　但不知为什么，对他来说，游戏早就不仅仅只是好玩而已了。他开始注意到，有一
些游戏有一种特殊的吸引力，这股魔力超过了输赢的问题。比如说，当他还在读中学一
年级的时候，大约是在1942年或1943年，他家住在俄亥俄州的凡·沃特时，他和他的几
个好朋友经常久久逗留在华利·普特家的地下室里发明新的游戏。他们最得意的发明是
一个占用了大半个地下室的战争游戏，那是他们从报纸的头条新闻中获得灵感而发明的。
这个游戏中有坦克和大炮，还有发射表和射程表。他们甚至还发明了一些把游戏图的某
些部分掩盖住，来模拟烟幕。荷兰德说：“这个游戏变得相当复杂。我记得我们还用我
爸爸办公室的油印机来印制战争游戏的图纸。”（老荷兰德在经济萧条时期在俄亥俄州
的大豆生产带创建了一系列的大豆加工厂，从而繁荣发展了起来。）
　　荷兰德说：“我们没有像你这样描述过下象棋，但我们实际上就是这样下象棋的，
因为我们三个人都对下象棋感兴趣。国际象棋是个只有很少几条游戏规则的游戏，但令
人无法置信的是，在国际象棋中永远不可能有相同的两局棋。棋路的可能性简直无穷无
尽，所以我们就试图发明具有同样性质的游戏。”
　　他笑着说，自从那以后他一直在以这样或那样的方式发明各种游戏。“我喜欢在事
情发生变化时说：‘嘿，那真是我们假设的结果吗？’因为如果结果证明我的假设是对
的，如果事物主题进化的潜在规律确实是在某种控制之下，而不是由我说了算的，那我
就会感到很惊奇。但如果结果并不令我感到惊奇，那我就不会感到愉快，因为我知道，
得到这个结果是由于从一开始我就设置好了一切。”
　　当然现在我们把这类事称为“涌现”。但在荷兰德远还没有听到这个提法以前，他
对涌现的迷恋就已经使他把毕生的热爱都贡献给了科学和数学。在科学和数学领域中他
永远都无法满足。他说在他的整个中学时代，“我记得我去图书馆，将凡是与科学有关
的书籍都涉猎遍了。我上中学二年级时就决心要当个物理学家。”科学之深深吸引他之
处，并不是科学能使他将宇宙归纳成几个简单的规律，而是正好相反：科学可以告诉你，
几条简单的规律是如何产生整个世界变幻无穷的行为表现的。“这真的使我感到非常愉
快。在某种意义上，科学和数学是简化的极至。但如果你反过来，观察宇宙规律所囊括
的各个方面，出人意料的可能性简直可以是无穷无尽的。这就是为什么宇宙在一个极端
上十分易于理解，在另一个极端上却又永无可能理解的道理。”
　　荷兰德1949年秋季入学麻省理工学院。入校没过多久他就发现，计算机也具有令他
同样惊奇的特质。他说：“我真的不知道计算机的这种特质从何而来。但我很早就迷上
了‘思考程序’，也就是你只消在计算机内设入很少数据，就可以让它做所有像整合这
样的事情。这在我看来，似乎是只需要放入极少东西，就能得到无限丰富的结果。”
　　但不幸的是，起初荷兰德能够学到的计算机知识只有他在电机课上获取的零星的第
二手资料。电子计算机当时还很新奇，大多数计算机知识还处于保密阶段。当然大学还
没有开设计算机课程，即使在麻省理工学院也还没有开设。但有一天，当荷兰德又像往
常一样在图书馆测览书刊时，他翻到一个由简单的论文封面套着的一系列活页演讲笔记。
他在翻阅这些笔记时发现，这份笔记详细谈到1946年在宾夕法尼亚大学摩尔电机系举办
的研讨会内容，其中记载，战时宾州大学为了计算大炮的射程表而发明了美国的第一台
数控计算机ENIAC。“这些笔记很有名，这是我第一次接触到真正的关于数控计算机的
详细资料，里面包括对从计算机建构到软件设计的详尽记录。这一系列演讲就是在这个
基础上探讨信息和信息处理的全新概念，并诠释了一种全新的数学技艺：编程。荷兰德
立刻就买下了这个演讲的复印稿，一页一页细读了许多遍。事实上，这份演讲稿他到现
在还保留着。
　　1949年秋季，当荷兰德开始了他在麻省理工学院的大四课程，四处寻找学士论文题
目时，他发现了旋风计划（Whirlwind Project）：麻省理工学院将建一个速度能达到
跟踪空中交通的“实时”的计算机。由海军资助的旋风计划的年资助额为一万美元，这
在当时是一个令人目眩的数额。麻省理工为此雇用了七十名工程技术人员，这无疑是当
时最大的计算机项目，也是最具发明性的研究之一。旋风将是第一台采用磁心记忆和交
互式显示屏的计算机，它将产生计算机网络和多程序（一次运作多个程序）。作为第一
台实时计算机，它将为计算机应用于空中交通控制、工业流程控制、以及计算机应用于
预售票和银行铺平道路。
　　但当荷兰德刚听说这个消息时，旋风还仅仅停留在实验阶段。“我知道麻省理工在
研制旋风，它还尚未被研制成功，还在研制之中，但已经可以用了。”不知为什么，他
一心想参与进去。他开始四处敲门，在机电系发现了一个名叫赛德奈克·考派尔
（Zednek Kopal）的捷克天文学家，曾经教过他数值分析。“我说服他主持我的论文评
议委员会，又让物理系同意让电机系的人来主持我的论文评议委员会，然后我又说服了
参与旋风计划的人让我能够看到他们的操作手册。当时操作手册是保密的！”
　　“那也许是我在麻省理工最快活的一年。”他说。考派尔建议他论文的题目是为旋
风编一个程序来解拉普拉斯（Laplace）方程式。拉普拉斯方程式描述的是多种物理现
象，从围绕任何带电物的电场分布，到紧绷的鼓面震动。荷兰德立刻就着手这项研究。
　　这不是麻省理工学院最容易做的毕业论文。在那时，还没有人听说过像Pascal、C
或FORTRAN语言。确实，把对计算机的命令转化为数字编码的计算机编程语言直到五十
年代中期才被发明出来。那时就连一般的十进制的语言都还没有，还是十六进制的。他
在毕业论文上所耗费的时间比他想象的要长，最后他不得不申请麻省理工学院宽限比通
常完成学士毕业论文所允许的长两倍的时间。
　　但他非常热衷于这项研究。“我喜欢这个过程中的逻辑本质，”他回忆说，“编程
与数学有同样的特点：你走了这一步，然后你就可以由此走下一步。”但更重要的是，
为旋风编程序使他认识到，计算机并不只是实施快速计算。在一系列神秘的六位十进制
数字中，他可以随意设计震动的鼓面，或旋绕的电场等任何东西。在循环的数位中，他
可以创造想象中的宇宙。所需要做的只是把适当的规律编码进去，然后其他的一切就会
自然展开。
　　荷兰德的毕业论文从一开始就只是个书面设计，他编制的程序从未真正在旋风上运
作过，但在另一个方面，他的毕业论文却收获颇丰：他成了全美国少数几个懂得一些编
程的人之一。结果1950年他刚毕业就被IBM公司录用了。
　　这个时机真是再好不过了。当时IBM在纽约普夫吉普斯（Poughkeepsie）的巨大工
厂正在设计第一台商用计算机：国防计算机，后来被重新命名为IBM701。当时设计生产
这台计算机代表了一个前途未测的重大赌注。许多思想保守的行政管理人员都认为研制
这种计算机是浪费钱财，还不如把钱投资于改良打孔机上。事实上，产品企划部在1950
年花了整整一年的时间坚持说，全国的市场对这类计算机的需要永远不可能超过18台。
IBM公司坚持研制国防计算机的主要原因，是因为它是一个叫作小托马斯的后起之秀的
钟情项目。小托马斯是IBM公司年迈的总裁托马斯·B·华生（Thomas B．Watson）的儿
子和当然继承人。
　　但荷兰德当时只有二十一岁，对此知之甚少。他只知道自己已被置入圣境。“我已
经到了这里，一个这么年轻的人，在一个这么重要的岗位。我是少数几个知道IBM701正
发生什么的人之一。”IBM的项目负责人将荷兰德安排在由七个人组成的逻辑计划小组。
这个小组负责设计这台新计算机的指令系统和一般性组织。这是荷兰德的又一个幸运，
因为这是一个实践他的编程技术的理想的地方。“最初阶段完成之后，我们得到了最初
的机器原型，还必须用各种方式来测试。所以工程师们经常通宵达旦地工作，白天把机
器拆卸开，晚上又尽最大的努力把它拼装起来。然后我们少数几个人就会从晚上十一点
钟开始，全夜运转我们的程序，看看是否能够正常运作。”
　　在某种程度上，我们编的程序确实能够运行。当然，用今天的标准来衡量，701机
就像是石器时代的东西了。它有一个巨大的控制板，上面挤满了各种键盘和开关，但还
没有屏幕显示器的雏形。这部机器通过标准的IBM打孔机执行输入和输出命令，号称足
有四千个字节的记忆存储量（今天市面上出售的个人电脑的记忆存储量一般比这大一千
倍）。它可以在三十微秒中算出两个数字相乘的结果。（现在所有的手持计算器的功能
都比这个强。）荷兰德说：“这个机器也有许多缺陷。最好的情况下，平均每三十分钟
左右就会出现一次失误，所以我们每次计算都要做两遍。”更糟糕的是，701计算机是
通过在一个特殊的负极射线管的表面产生光点来存储资料的。所以荷兰德和他的同事们
必须调整算法，以避免过于经常地在记忆存储的同一个点上写入数据，否则就会增加这
一个点上负极射线管表面的电荷，而影响到周围的数据。“我们竟能使计算机运行了，
这太令人惊喜了。”他笑道。但事实上他这是认为瑕不掩瑜。“对我们来说，701计算
机就像是一个巨人。我们觉得能有时间在一台快速运转的机器上尝试我们编的程序，真
是太好了。”
　　他们一点儿也不缺少可以用来做尝试的程序。那些最原始、最早期的计算机接纳了
关于信息论、控制论和自动机等这些十年前尚不存在的新概念的狂潮。谁知道局限何在？
几乎你尝试的任何东西都可能开创出一片新天地。更进一步的是，对于像荷兰德这样更
富于哲学思想的开拓者来说，这些聚满了线路和真空管的庞大而笨拙的计算机为思考开
拓了全新的方式。计算机也许不是报纸的星期天增刊耸人听闻地形容的那种“巨脑”。
事实上，从它们的结构和运作的细节来看，它们和人脑毫无相同之处。但从更深刻、更
重要的意义上来说，计算机很类似人脑。一个很诱人的推测是：计算机和人的大脑都是
信息处理的装置。因为如果这个情况属实的话，那么，思维本身就可以被理解为是一种
信息处理的形式。
　　当然，那时没人把这种事情称为“人工智能”或“认识科学”。但即使如此，计算
机编程本身，作为一种全新的尝试，也正在迫使人们比以往要小心得多地去思考解决问
题的真正含义是什么。计算机最终是个外星人：你不得不告诉它一切事情：什么是数据？
它们是如何被转换过来的？怎样从这一步到达那一步？这些问题反过来又很快引向了令
哲学家们苦恼了几个世纪的问题：什么是知识？知识是怎样通过感官印象获取的？知识
是怎样反映在思维上的？是怎样通过吸取经验而完善的？又是怎样被运用于推理判断的？
已做的决定是怎样被转化为行动的？
　　那时对这些问题的回答远还不清楚（事实上，对这些问题的回答到现在也仍不清
楚）。但这些问题以一种前所未有的清晰和准确的方式被提出来了。IBM公司在普夫吉
普斯的发展小组作为全美国最杰出的计算机天才的集中地之一，突然走在了计算机发展
的前列。荷兰德喜欢回忆一群“经常的非常客”每隔两周左右就会找一个晚上聚在一起，
讨论扑克牌游戏或围棋。其中有一个参与者是个名叫约翰·麦卡菲（John McCarthy）
的暑期实习生，加州理工学院的一个年轻的研究生，后来成为人工智能的创始人之一。
（事实上，是麦卡菲1956年为在达特茅斯学院的一个暑期人工智能研讨会做宣传时发明
了“人工智能”这个词。）
　　另一个人是阿瑟·塞缪尔（Arthur Samuel），一个语调柔和、四十岁左右的电机
工程师。他是IBM公司从伊利诺斯大学招聘来帮助公司制作性能可靠的真空管的，也是
荷兰德整夜整夜进行程序运行马拉松的最经常的陪伴者。（他还有个女儿就在附近的凡
沙，荷兰德与之还约会过几次。）塞缪尔显然对真空管失去了兴趣。五年来他一直在尝
试编写可以跳棋的程序——不止是会下跳棋，而且要会随着不断吸取经验而越下越好。
现在回想起来，塞缪尔的计算机跳棋被认为是人工智能研究方面的一个里程碑。1967年，
他完成了对这个下跳棋的程序的修改和完善后，这个计算机跳棋手已经能够达到国际大
师的水平了。即使到701机器时期，他编的程序也显得相当好了。荷兰德记得对此印象
极深，特别是它能针对对方的步骤调整自己的战术。大致地说，这是因为这个程序设计
了一个简单的“对手”模型，然后用这个模型去预测最佳棋路。尽管当时荷兰德无法将
之表述清楚，但他感到电脑跳棋的这个功能正好抓住了学习和适应的某种最本质的东西。
　　但因为荷兰德要仔细考虑其他事情，所以就把这些想法抛开了。当时他正为自己的
研究项目忙得分身无术。他研究的是对大脑内部运作机制的模拟。他记得这项研究始于
1952年春季，当时他正在听麻省理工学院心理学家利克莱德（J．C．R．Licklider）的
演讲。利克莱德前来访问普夫吉普斯实验室，同意就当时该领域最热门的话题，蒙特利
尔麦克吉尔大学的神经生理学家唐纳德·希伯（Donald O．Hebb）关于学习和记忆的新
理论，做这个演讲。
　　利克莱德解释说，问题是，在显微镜下，大脑的大部分都呈现出一片混沌，每一个
细胞都随意发出数千条纤维，与数千计其他神经细胞随意相连。然而，这些稠密相连的
网络又显然不是随意组成的。一个健康的大脑能够前后连贯地形成感觉、思想和行动。
更重要的是，大脑显然不是静止不变的。它可以通过吸取经验来改善和调整自己的行为。
它可以学习。但问题是，它是怎样学习的？
　　在三年前的1949年，希伯在他出版的《行为组织》（The Organization of 
Behavior）一书中作出了他的回答。他的基本思想是，假设大脑经常在“突触”上做些
微妙的变化。突触是神经冲动从这个细胞跳到那个细胞的连接点。这个假设对希伯来说
是非常大胆的，因为当时他对此还没有任何证据。但希伯为这一假设阐述说，这些突触
上的变化正是所有学习和记忆的基础。比如说，通过眼睛视觉的感官冲动会通过加强沿
途所有突触的方式在它的神经网络上留下痕迹。差不多的情形同样会发生在由耳进入的
听觉神经系统、或大脑内其它脑际活动。结果是，随意启动的网络会迅速将自己组织起
来。通过某种正反馈，经验被积累了起来：强健的、经常被使用的突触会变得更强健，
而弱小、不经常使用的突触会萎缩。被经常使用的突触最后强健到一定程度以后，记忆
就被锁定了。这些记忆反过来又会布满整个大脑，每一个突触都与一个复杂的突触形态
相对应，这些突触形态包含了成千上万个神经元。（希伯是最先描述这种分布记忆的人
之一，这种描述后来被称为“关联论”（connectionist）。）
　　但希伯的思想还不止这些。利克莱德在演讲中还解释了希伯的第二个假设：有选择
的突触强化会导致大脑自组成“细胞集合”——几千个神经元的子结合，其中循环神经
冲动会自我强化，继续循环。希伯认为这些细胞集合就是大脑基本的信息建设砖块。每
一个细胞集合都与一种声调、一束光线或某种思想的一闪念相对应。但这种细胞集合在
生理上并没有特别之处。确实，它们相互重叠，任何一个神经元同属于好几个细胞集合。
而且因为如此，一个细胞集合的行动势必带动其他细胞集合的动作，这样，这些基本的
建设砖块就会迅速自组成为更大规模的概念和更复杂的行为。总之，细胞集合就是思想
的基本量子。
　　荷兰德坐在听众席上听得呆若木鸡。这可不是当时哈佛的行为学家斯金纳（B．F．
Skinner）推崇的枯燥无味的刺激／反应心理学。希伯谈论的是精神内部的活动情形。
他的关联理论的丰富多采性和令人永恒惊奇的特点引起了荷兰德的强烈反响。这个理论
的感觉是对的。荷兰德迫不及待地想运用这个理论做点什么。希伯的理论就像是一扇开
启了思想本质的窗户。他想凭窗张望，想看到细胞集合在随意的混沌之中形成自组，不
断成长，想观察它们如何相互作用，以及思维本身是如何涌现的。他想观察所有这些是
如何在没有外界指导的情况下自然发生的。
　　利克莱德刚结束对希伯理论的讲演，荷兰德就对701计算机组的负责人纳撒尼尔·
罗切斯特（NathanielRochester）说：“好吧，我们已经有了这么一台原型计算机，让
我们来编写一个神经网络的模拟程序。”
　　而这正是他们所做的。“他编写了一个程序，我也编写了一个程序。这两个程序在
形式上很不相同。我们把它们称为‘概念者’，这绝非自大之言！”
　　事实上，即使到了四十年之后，当神经网络模拟早就变成了人工智能的标准工具，
IBM的“概念者”的成就也仍然引人瞩目，其基本思想在今天看来仍然非常熟悉。在他
们的程序中，荷兰德和罗切斯特把他们模拟的人工神经元当作“节点”——也就是能够
记住自己内部状态中某些事情的小计算机。他们将自己的人工突触模拟成各种节点之间
的抽象结合点，每一个结合点都有一定的“重量”，与突触的强度相对应。他们还用通
过网络吸取经验来调节强度的方式模拟希伯的学习规则。但荷兰德、罗切斯特和他们的
同事们还采用了比今天的大多数神经网络模拟远为详尽的基本神经生理学知识，包括模
拟神经元的反应有多快、如果神经元过于经常起反应，疲劳程度如何这样的因素。
　　毫不奇怪，他们的这些研究进展困难。不仅仅是因为他们所编写的程序是神经网络
模拟方面最原初的研究，而且也因为这使计算机首次被用于模拟（与计算数字和分析数
据的功能正好相反）。荷兰德对IBM公司的合作耐心给予了很高的评价。他和他的同事
们在计算机上耗费了无数个小时来模拟神经网络，甚至还由IBM公司出资去了趟蒙特利
尔，向希伯本人咨询。
　　但到最后他们的模拟终于成功了。“出现了许多涌现现象。”荷兰德至今谈起这些
来仍然很激动。“你可以从统一的神经元基质开始，然后看到细胞集合的形成。”1956
年，在这项研究工作的绝大部分结束几年之后，荷兰德、罗切斯特和他们的同事终于发
表了该项研究成果。这是荷兰德发表的第一篇论文。
　　建设砖块
　　荷兰德说，现在回想起来，希伯的理论和他自己基于这个理论之上的神经网络模拟
对他产生的最大影响，是形成了他后来三十年的思想，而不是在某一单个方面使他受益。
但当时，最直接的结果就是导致他离开了IBM公司。
　　问题在于，计算机模拟有一些确凿无疑的局限性，特别是701计算机。真正神经系
统的细胞集合有一万个神经元分布在大脑的大部分区域，而每个神经元又有一万个突触。
但荷兰德和他的伙伴们在701计算机上运行的最大规模的模拟神经网络也只能有一千个
神经元，每个神经元只有十六个结合点，还是他们竭尽他们能够加速运转的所有编程技
巧才达到这个速度的。荷兰德说：“越往下做我越觉得我们真正能够进行试验的与我所
想看到的结果之间的距离实在太大了。”
　　唯一的选择就是用数学方法来分析神经网络。“但这样做实在太困难了。”他的每
项尝试都撞上了南墙。靠他在麻省理工学院学到的数学功底来全面展开希伯式的网络实
在太不够了。而他还比大多数物理系毕业生多学了不少数学课程呢。“当时对我来说，
仿佛要想更多地了解神经网络，关键在于更好地掌握数学工具。”他说。所以在1952年
秋季，他带着IBM公司的祝福和继续为IBM公司的宏伟蓝图做一百个小时顾问工作的允诺，
来到安·阿泊，开始在密西根大学攻读数学博士学位。
　　他又一次成为幸运者。当然，不管在任何情况下密西根大学都不是个糟糕的选择。
不仅是因为当时那里的数学系是全美国最好的数学系之一，而且还因为荷兰德还有一个
主要的考虑：那儿有一个足球队。“在周末与十强进行足球比赛，有十万观众涌入城内
来观战，对此我至今还觉得回味无穷。”
　　但对荷兰德来说，真正的好运是他在密西根大学碰到了阿瑟·勃克斯（Arthur 
Burks）这位非同寻常的哲学家。勃克斯是查尔斯·皮尔斯（Charles Peirce）实用主
义哲学的专家，于1941年获得博士学位。由于当时在他的学科领域根本无法觅到一个教
职，所以他在毕业后的第二年在宾州大学的摩尔学院又读了10周的课程，变成了一个战
时工程师。后来证明了这是一个很好的选择。1943年，他毕业不久就受雇于摩尔学院，
从事属于最高机密的第一台电子计算机ENIAC的研究。在那里他遇到了传说中的人物、
匈牙利数学家约翰·冯·诺意曼。当时冯诺曼作为顾问，经常从普林斯顿的高级研究所
来这儿为这个项目工作。勃克斯在冯诺曼的指导下还参与了ENIAC的下一代计算机EDVAC
的研制工作。这是第一台能运用程序这种电子化形式储存信息的计算机。确实，冯·诺
意曼、勃克斯和数学家荷曼·哥斯廷（Herman Goldstine）1946年发表的论文，《电子
计算仪器逻辑设计初探》，一直到今天仍然被认为是现代计算机科学的基石。在这篇论
文中，这三位撰写人用精确的逻辑形式规定了编程的概念，同时还描述了一个普通功能
的计算机如何通过从计算机记忆系统提取指示，然后再把结果存储到记忆系统这样一种
不断循环的方式来执行程序。这个“冯·诺意曼式建筑设计”仍然是今天几乎所有计算
机的基础。
　　当荷兰德五十年代中期在密西根大学遇见勃克斯的时候，勃克斯是一个身材匀称、
举止优雅的人，酷似荷兰德想象中的传教士的形象（迄今为止，勃克斯从来没有不打领
带、不着外衣地出现在以不在乎穿着著称的密西根大学的校园里）。但勃克斯同时也是
一个热情友善的良师益友，他很快就把荷兰德带入了他的计算机逻辑设计小组，这是一
个理论学家的圈子，这个圈子的人致力于计算机语言研究和开关网络定理论证，总之是
力图从最严格、最根本的层面上掌握计算机这个新机器。
　　勃克斯还邀请荷兰德加入了一个新的博士学位项目。这是一个致力于在尽可能广泛
的领域里探索计算机和信息处理意义的项目，勃克斯本人正在帮助组织这个项目。这个
很快就以通讯科学变得众所周知的项目到了1967年终于发展成了一个完整的计算机系，
叫做计算机与通讯科学。但在当时，勃克斯感到他只是在为1954年死于癌症的冯·诺意
曼填补空白。“冯·诺意曼希望把计算机应用在两个方面。”他说。一方面是一般性功
能的计算机设计，这种功能的计算机他们已经发明了。“另一方面是基于自动机理论。
自然和人工智能知识的计算机。”勃克斯同时还感到，研制这样一种程序会符合这些学
生的需要，而荷兰德是其中杰出的一位，他的头脑拒绝随波逐流。
　　荷兰德喜欢上了他所听到的消息。“这就是说要开设生物学、语言学、心理学这类
非常艰难的课程和信息理论这样的常规性课程。这些课程是由来自那一个学科领域的教
授来上，这样学生们就能将所学知识和他们的计算机模型联系起来。通过学习这些课程，
学生们就会非常深刻地理解这个领域的根本——其难点和问题，为什么这些问题如此难
以解决，计算机在解决这些问题上能起到什么作用，等等。他们就不会对事物仅仅只是
流于表面的了解。”
　　荷兰德喜欢这个主意更因为他已经对数学完全失去了兴趣。密西根大学数学系就像
二次世界大战之后的所有数学组织一样，被法国波巴科学派（Bourbaki school）所控
制，这个学派鼓吹数学非人的纯洁性和抽象性。按照波巴科的标准，就连阐述你的原理
后面的概念、用实在的图式解释你的定理，也会被认为是粗俗不堪。荷兰德说：“这一
派的理念就是要让人们知道数学是可以不用任何解释的。”但这完全不是荷兰德来这儿
攻读博士学位的目的。他希望用数学来理解这个世界。
　　所以当勃克斯建议荷兰德转入通讯科学研究项目时，他毫不犹豫地同意了。他放弃
了他几近完成的数学博士论文，再次从头开始。“这意味着，我可以在一个与我希望从
事的研究非常接近的领域做我的博士论文。”他说。这个领域，大致上说，就是神经网
络（具有讽刺意味的是，他最终决定做的博士论文题目，“逻辑网中的循环”，是对网
络开关内部情形的分析。在这篇论文中，他证明的许多定理，与四年以后柏克莱大学一
位名叫斯图亚特·考夫曼的年轻的医学院学生独自努力证明的定理如出一辙）。荷兰德
于1959年获得博士学位，这是通讯科学项目授予的第一个博士学位。
　　所有这些都没有改变荷兰德对更为广泛的问题的关注，正是这种关注把荷兰德带到
了密西根大学。恰好相反，勃克斯的通讯科学项目正好提供了一个能使这种问题滋生的
环境。什么是涌现？什么是思考？思想是如何进行的？什么是思想的法则？一个系统的
适应究竟意味着什么？荷兰德记下了对这些问题的一些思考，然后把它们系统地归类为
Glasperlenspiel 1号、Glasperlenspiel 2号、等等。
　　Glas什么？“Das Glasperlenspiel”是赫尔曼·黑塞（Herman Hesse）的最后一
本小说，出版于1943年，当时作者正流亡瑞士。一天荷兰德在同屋从图书馆借来的一堆
书中发现了这本书。在德语中，书名的书面意义是“玻璃珠游戏”，但在英文译文中，
这本书通常被称为“游戏高手”，在意大利译文中也是相同的意思。故事以很久以后的
未来为背景，小说描述了一个起初是音乐家玩的游戏。这个游戏是先在玻璃珠算盘上设
定一个主旋律，然后通过来回拨弄玻璃珠，把这个主旋律的所有多声部和变奏编在一起。
随着时间的延续，这个游戏从最初简单的旋律演变成一种极其复杂的乐器，被一群权力
强大的牧师知识分子所控制。“最妙的是你能够获得主旋律的组合。”荷兰德说。“有
一点儿星相学、有一点儿中国历史、还有一点儿数学。然后力图把它们发展成一种音乐
主旋律。”
　　他说，当然，黑塞并没有十分清晰地说明这些究竟是怎么弄出来的。但荷兰德并不
介意这一点。玻璃珠游戏比他所看见和听到过的任何事物都能抓住他的心，就像国际象
棋、科学、计算机和大脑一样令他着迷。形象地说，这个游戏正是他一生的追求：“我
就是希望能够抓住世界万物的主旋律，然后把它们揉合在一起，看它们会发生什么情
况。”他说。
　　存储在Glasperlenspiel档案库中的思想的一个特别丰富的源泉是另一本书。有一
天荷兰德在数学系图书馆创览群书时，发现了费舍尔（R．A．Fisher）1929年出版的里
程碑式的巨著《自然选择之基因理论》。
　　起初荷兰德根为之着迷。“从中学时代起我就一直很喜欢阅读基因和进化方面的
书，”他说。每一代人都会重组父母遗传的基因，他对这个思想非常赞赏。你可以计算
像蓝眼睛、黑头发这样的特性出现在下一代身上有多么经常。“我总是想，哇，这个计
算真是干净利落。但读了费舍尔的书后我第一次认识到，在这个领域里，除了用平常的
代数学以外还可以尝试别的东西。”确实，费舍尔就用了许多更加复杂的概念，从微分、
积分到概率理论。他的书用真正严谨细致的数学方法对自然选择如何改变了基因分布做
了分析。对生物学家来说，这样的书是第一本。这同时也给当代“新达尔文”的进化理
论奠定了基石。二十五年之后，这一理论仍然代表了进化动力学理论的最高标准。
　　所以荷兰德一口气读完了这本书。“我可以把我在数学课上学的积分、微分方程和
其他方法都用于动力基因学的这场革命了。这真是一本令人大开眼界的书。我一读到这
本书就知道，我不会放过这书里的思想。我知道我必须用这本书里的思想做点什么，我
脑子里一直转着这些想法，不断地做着笔记。”
　　但尽管荷兰德非常崇拜费舍尔的数学，但费舍尔运用数学的某种方法却使他感到困
惑。而且他越是深思，越是感到困惑。
　　首先，费舍尔对自然选择的整个分析着重于一次一个基因的进化，仿佛每一个单个
基因对生物体生存的作用是可以完全脱离其他基因而独立存在的。大致地说，费舍尔假
设基因的行动完全是线性的。“我知道这肯定是错的。”荷兰德说。对绿眼睛来说，没
有几十个、或几百个基因形成绿眼睛的特别结构，单个的绿眼睛基因是微不足道的。荷
兰德认识到，每一个基因必须作为一部分才能发挥作用。任何理论如果不把这个事实包
括进去，就缺少了进化这个故事中最关键的一部分。对这个问题的思考，正是希伯在精
神领域研究中一直强调的。从思想的最基本的单位这一点来说，希伯的细胞集合有点儿
像基因。一种声调、一束光线、一簇肌肉的抽动，所有这些能具有意义的唯一方式是把
彼此组合成更大的概念和更复杂的行为。
　　另外，费舍尔一直在谈论进化能达到稳定的均衡，这也使荷兰德感到不解。在这种
稳定的均衡状态中，物种的大小达到了理想化、牙齿的锐利程度达到了理想化、生存和
繁衍能力也达到了理想化。费舍尔的观点和经济学家的经济均衡的定义基本上是一致的：
他说，当一个物种的状况达到了最佳程度之后，任何变化都会降低这种最佳化程度。所
以自然选择就无法对变化形成进一步的压力。“费舍尔理论中的大部分内容在强调这样
一种观点：‘好吧，由于下述进程，这个系统会走入哈迪－温伯格（Hardy－Weinberg）
的均衡状态……’但这在我听起来不像是进化论。”
　　他又重读了达尔文和赫伯。不，费舍尔关于均衡的概念与进化论毫不相干。费舍尔
似乎在谈论某种原始而永恒的完美境界的实现。“但在达尔文那里，事物随着时间的推
移越变越宽广，越变越多样化。但费舍尔的数学并不触及这一点。而赫伯说的是学习，
不是进化，其道理却是同样的：人的头脑随着不断从外界吸取经验，越变越丰富、越变
越灵巧、越变越令人惊异。”
　　对荷兰德来说，进化和学习似乎与游戏非常相似。他认为，在这两种情况中，都有
一个作用者在与自己的环境对抗，为自己的继续发展争取足够的条件。在进化中，所获
报酬就是生存，一个让作用者将基因遗传给下一代的机会。在学习中，所获是某种奖赏，
比如食物、愉悦的感觉或情感的满足。在这两种情况下，所获（或所缺）都是给予作用
者的一种反馈，以利于它们改进自我表现：如果作用者想获得使自己“适应”的能力，
就不得不采取能够获得丰厚报酬的策略，放弃其它策略。
　　荷兰德不禁想起塞缪尔的跳棋下法程序，这个程序正是利用了这种反馈：它可以随
着不断吸取经验和更多地了解对方而经常改变战术。但现在荷兰德开始认识到塞缪尔将
注意力放在游戏上是多么具有先见之明了。游戏的这一相似性似乎可以解释任何适应性
系统。在经济中，所获是金钱，在政治中，所获是选票，等等。在某种程度上，所有这
些适应性系统在根本上都是一样的，这反过来又意味着，所有这些系统从根本上就像下
跳棋或象棋一样：可能性的空间大得难以想象。一个作用者不断改进下棋技术，这便是
适应。但要想寻找到这场游戏的最佳化和稳定的均衡点，就好比下国际象棋一样，你根
本就无法穷尽其无限的可能性。
　　毫不奇怪，对荷兰德来说，“均衡”并不是进化，甚至不像是他们三个十四岁的男
孩一起在地下室玩的那种战争游戏。均衡意味着结束。但对荷兰德来说，进化的实质是
旅程，是无穷无尽地展现出来的惊异。“我越来越清楚地认识到，我所想了解、所好奇、
所为之发现而欢欣鼓舞的是什么。均衡并非其中的一部分。”
　　荷兰德在撰写博士论文的时候，暂时把这些想法搁置一旁。但1959年他刚刚毕业—
—那时勃克斯已经邀请他继续留在计算机逻辑小组做博士后——就决定将自己的这些想
法变为完整而严谨的适应性理论。他说：“我相信如果我将基因的适应性当作最长久的
适应性来观察，把神经系统当作最短期的适应性来观察，那么，这两者之间的总体性理
论框架将是相同的。”为了将他脑子里的这些初步想法陈述清楚，他甚至就这个研究课
题写了一个宣言，这份他于1961年7月发表的长达四十八页的技术报告的题目是：《适
应性系统逻辑理论之非正式描述》。
　　他在计算机逻辑小组发现了许多紧皱的眉头。但这并不是一种敌意，而是有些人认
为他的这个一般性的适应性理论听起来太稀奇古怪了。难道荷兰德不能把时间花在更富
有成果的研究上？
　　“但问题在于，这是一个古怪的想法吗？”荷兰德回忆此事时愉快地承认，如果他
在他同事的位置上，他也会对此持怀疑态度。“我所从事的研究不属于既完善又为人熟
知的学科范畴。它既不能算硬件，也不能算软件。而那时它当然也不属于人工智能。所
以你无法用任何常规标准来对它做出判断。”
　　勃克斯却并不需要他来说服。“我支持荷兰德，”勃克斯说。“有一些逻辑学家们
认为荷兰德的研究并不属于‘计算机逻辑’范畴之内。他们的思想更为传统，但我告诉
他们，这正是我们需要做的，为这个项目争取经费的重要性和其他项目等同。”结果勃
克斯赢了：作为这个项目的创始人和带头人，他的话有相当大的分量。渐渐地，对荷兰
德研究的怀疑消失了。1964年，在勃克斯的大力推荐下，荷兰德获得了终身教职。他说：
“那些年，在很大程度上我全靠勃克斯为我做挡箭牌。”
　　确实，勃克斯的支持所给予荷兰德的安全感使他能够力争获取适应性理论的研究成
果。到1962年，他放下了他的所有其它研究项目，基本上全力投入了对适应性理论的研
究。特别是他下决心解决基于多基因的选择的难题——这不仅仅是因为费舍尔在书中对
单体基因的假设最使他感到困惑，同时也是因为对多基因的研究也是摆脱均衡的困惑的
关键。
　　荷兰德说，公平地评价费舍尔，均衡的概念就每个单独的基因而言不无意义。比如，
假设某个物种有一千个基因，大致上与海藻一样复杂。为了使事情简单明了，再假定每
个基因只含有两种信息，绿色的或棕色的，叶片皱折的或叶片平滑的，等等。自然选择
要经过多少次尝试才能发现使海藻发展到最强壮的那组基因搭配呢？
　　荷兰德说，如果假设所有基因都是相互独立的，那么，你只需要两次选择就能确定
哪种基因信息更好。这就需要对一千个基因各做两次尝试，总共两千次，这不算太多。
事实上，相对而言这个数目实在是太小了，如果是这样的话，海藻很快就会达到最强健
的状况，而物种确实就能达到进化的均衡点。
　　但当我们假设基因并不是相互独立的，让我们来看看含有一千个基因的海藻会发生
什么样的情形。如果是为达到最强壮状态，自然选择就会检验每一个可能的基因组合。
因为每个基因组合都有其不同的强健性。当你计算基因组合的总数，就不是二乘以一千，
而是二自乘一千次了，即二的一千次方，或大约为十的三百次方——这个数目大得甚至
使跳棋的步数都显得微不足道。荷兰德说：“进化甚至根本就不可能做这么多次数的尝
试。而且无论我们把计算机发展到多先进也做不到。”确实，就算在可观察到的宇宙中
所有的基本粒子都变成超级计算机，从大爆炸就开始不停地运算，也远不能完成运算。
另外必须记住，这还只是就海藻而言。人类和其它哺乳类动物含有的基因数大概是海藻
含有基因数的一百倍，而且大多数基因都含有不止两条信息。
　　所以再次出现了这种情形：这是一个向着无穷无尽的可能性的空间探索的系统，不
存在哪怕为一个基因找到“最佳”点的现实希望。进化所能达到的是不断改进，而绝非
尽善尽美。但这当然正是他1962年就已经决意要找到回答的问题。但如何寻找答案呢？
了解多种基因进化的问题显然不只是用多变量方程式来替代费舍尔的单一变量方程式这
么简单的事。荷兰德想知道的是，进化是怎样于无穷无尽的可能性的探索中找到有用的
基因组合，而不需要搜遍整个领域。
　　当时，相似的“可能性爆炸”概念已经为主流人工智能研究人员所熟知。比如，在
匹兹堡卡内基理工学院（即现在的卡内基麦伦大学），爱伦·妞威尔（Allem Newell）
和赫伯特·西蒙（Herbert Simon）自五十年代中期开始就在进行一项里程碑式的研究，
即，研究人类如何解决问题。纽威尔和西蒙让被试验对象猜各种谜语和玩各种游戏，包
括下国际象棋，并让被实验对象陈述在这个过程中自己的思想。他们通过这种方法发现，
人类解决问题总是会涉及脑力对广阔的可能性“问题空间”的逐步搜索，而每一步都以
实际经验为导向：“如果情况是这样的话，那么就该采取那个步骤。”纽威尔和西蒙通
过将他们的理论编入“一般问题解决法”（General Problem Solver）程序和将这个程
序应用于解那些谜语和游戏，表明“问题－空间”角度能够出色地反映人类的推理风格。
确实，他们的经验性检索概念早已成为人工智能领域的金科玉律。一般问题解决法至今
仍然是新兴的人工智能发展史上最有影响的程序之一。
　　但荷兰德仍然对此半信半疑。这并不是因为他认为纽威尔和西蒙对问题空间和经验
导向的概念有什么错误。事实上，他取得博士学位不久就特意邀请他们两位来密西根大
学讲授人工智能的主课。从此他和纽威尔成了朋友和知识上的伙伴。但纽威尔－西蒙的
理论不能在生物进化研究上有助于他。进化论的整个慨念中没有任何经验可循，也没有
任何导向。一代代的物种是通过突变和两性基因的随机重组，简言之，是通过尝试和错
误，探索于可能性的空间。而且，这一代代物种并不采取逐步逐步的方式搜索于基因组
合的可能性之中，而是采取齐头并进的搜索方式：物群中的每一个成员的基因组合都略
有不同，所搜索的空间也略有不同。但尽管有这些不同之处，尽管进化的时间更为长久，
但它所产生的创意和奇迹恰如脑力活动。对荷兰德本说，这意味着，适应性的真正的统
一规律隐藏在更深的层次之中。但到底隐藏在哪儿呢？
　　起初，只有直觉告诉他，某些基因组之间能够很好地相互作用，形成统一而自我强
化的整体。比如像能够告诉细胞如何从葡萄糖分子里吸取能量的基因群，或能够控制细
胞分裂的基因群，或能够指导细胞如何与其它细胞组合成某种生理组织的基因群。荷兰
德也能从希伯的大脑理论中看到某种相似之处。在这个理论中，一组相互共鸣的细胞集
合能够形成一个统一的概念，比如“汽车”，或者一个像举起胳臂这样协调的动作。
　　但是，荷兰德越是思考统一而自我加强的基因群这个概念，整桩事就越显得微妙。
首先，到处都有类似的例子，比如计算机程序中的子程序、官僚体系中的部门。以及国
际象棋棋局中的布棋法。而且，这样的例子存在于组织的每一层。如果一个基因群有足
够的统一性和稳定性，那么这个基因群通常就可以作为更大的基因群的建设砖块。细胞
的结合形成生理组织、生理组织的结合形成器官、器官的组合形成生物体、生物体的组
合形成生态系统，等等。荷兰德想，确实，这就是“涌现”的全部意义：一个层次上的
建设砖块组合成更高层次上的建设砖块。这似乎是这个世界最根本的规律之一。这一规
律当然也表现在所有复杂的适应性系统之中。
　　但为什么会是这样的呢？事物的这个等级分明的。建设砖块结构的特性就像空气一
样司空见惯。它因无所不在而被我们视而不见。但当你认真思考这个问题时，就会发现
它急需解释：为什么这个世界会形成这种结构呢？
　　其实对此已有许多解释。计算机程序员们会把问题分解成许多于程序，因为较小、
较简单的问题比较大、较繁杂的问题易于解开。这就是分而治之的古老法则。鲸鱼和红
杉这样的庞然大物是由无数个微小的细胞组成的，因为总是先要有细胞，才可能形成庞
然大物。当五亿七千万年前巨大的动植物开始出现在地球上时，对自然选择法来说，较
之于从一片混乱无序中重新开始形成大团新的原生质，显然不如将现存的单一细胞形成
生物体要容易得多。通用汽车公司将自己分为无数个部门和子部门，是因为通用汽车公
司的主管不希望公司的五十万名雇员都直接来向他报告。他一天根本没这么多的时间。
事实上，在四十年代和五十年代，西蒙在他的商业组织的研究中就已经指出过，设计优
良的等级制度是在避免让任何一个人疲于应付会议和备忘录的前提下实施实际工作的最
佳方式。
　　但当荷兰德思考这个问题时，他越来越觉得，更为重要的理由还基于更深的层次，
因为这个等级分明的建设砖块结构能够彻底改变系统的学习、进化和适应能力。想一下
我们的认知建设砖块，这包含了像红色、汽车和道路这类的概念。一旦这组类别的建设
砖块随着经验的积累而被扭转、精炼和调整，那么，这组概念就会被整个改编和重组成
许多新的慨念，比如像“路边的一辆红色Saab轿车”。当然，较之完全从头开始，这是
一个有效得多的创新的途径，而这反过来又在总体上意味着适应性的一个全新的机制。
适应性系统能够重组它的建设砖块，从而产生巨大的飞跃，而不需要总是要逐步逐步地
在可能性的无限空间中缓慢进展。
　　在这个方面，荷兰德最喜欢举的例子是计算机出现之前警方根据目击者的描述来绘
出嫌疑犯的画像的办法，即，把嫌疑犯的面孔分为十个基本区域：发际线、前额、眼睛、
鼻子，一直到下颚。然后绘像师在许多纸片上对各个部位做不同形状的绘画，比如说，
十种鼻子、十种发际线、等等。这加起来就是一百张纸的给像。有了这些之后，绘像师
就可以通过目击者的描述，把合适的部分凑在一起，很快得出嫌疑犯的肖像图。当然，
绘像师无法用这种办法画出所有可能想象出来的面孔。但他或她总是能够得到近似的肖
像：绘像师通过重组这一百张纸片可以得出一百亿张不同的面孔，足够从广大的可能性
空间中找到相似的相貌。“所以如果我能够发现形成建设砖块的过程，这些组合就能为
我所用，而不会成为我的障碍。我就能够用相对少的建设砖块描述出许许多多的复杂事
物。”
　　他认识到，这就是解开多基因之谜的关键之所在。“进化过程中的放弃和尝试并不
只是为形成一个优良的动物，而是在于发现优良的建设砖块，并将这些建设砖块结合在
一起，从而产生许多优良的动物。”他现在面临的挑战是要精确而严谨地表明这一切是
如何发生的。他决定，第一步是要做一个计算机模拟，一个既能够陈述过程、又能够帮
助他澄清脑子里的问题的“基因算法”。
　　密西根大学计算机科学圈子里的人都看惯了荷兰德拿着折扇状的计算机打印结果跑
过来。
　　“看看这个！”他会急煎煎地指着一张整页都是密密麻麻的十六进位的数据符号的
纸说。
　　“哦，CCB1095E。太棒了，约翰。”
　　“不！不！你知道这是什么意思吗！？”
　　事实上，在六十年代初，有相当多的人并不知道，也想不出那些数据表示什么意思。
对荷兰德持怀疑态度的同事们对于荷兰德所从事的研究的怀疑，至少在一点是对的：荷
兰德最终推出的基因算法是个稀奇古怪的东西。除非从最为书面的意义而论。否则这根
本不能算是计算机程序。就它的内部机制而言，它更像是一个模拟生态系统，其中所有
的程序都可以相互竞争、相互交配、一代接一代地繁衍，一直朝着程序员设置的任何问
题的解答方向不断演化。
　　说得轻一点，这不是程序的通常编写法。所以荷兰德发现，要向同事们解释为什么
这具有意义，最好用非常实际的语言来告诉他们他正在做什么。他通常会告诉他们，我
们把计算机编程当作一个由FORTRAN或LISP这样的特殊编程语言写成的一系列指令。确
实，编程的全部技艺就在于确保准确无误地按照正确的指示和顺序来编写程序。这显然
是编程的最有效的方法——如果你早就知道你想让计算机干什么的话。但假设你并不知
道你想让计算机干什么，比如假设你想找到某种复杂的数学功能的最大价值。功能可以
表示利润、或工厂的产量。或任何其它东西。这个世界到处都有希望价值被最大化的东
西。确实，计算机程序员已经为此设计出先进的计算机算法来了。但即使是其中最优秀
的算法都无法保证在任何情况下都能提供正确的最大化价值。在某种层次上，这些算法
总是不得不依赖传统的尝试／错误法，也就是猜测法。
　　荷兰德对他的同事们说，如果情况真是这样的话，如果你反正总是要依赖尝试／错
误法的话，也许就值得试试利用大自然的尝试／错误法则，也就是自然选择法。与其编
一个程序来执行你自己都不知道该如何定义的任务，还不如让它们通过进化自然产生。
　　基因算法便是这样的一个方法。荷兰德说，如果想看它怎样发生作用，那就忘记
FORTRAN编码，深入到计算机的内核里去。计算机程序在计算机上是以一列1或0的二进
制来表示的：11010011110001100100010100111011……在这种形式下，计算机程序看上
去像是一大片染色体。每一个二进制数字都是一个单独的“基因”。一旦你用生物学眼
光来思考二进制编码，你就可以用类似的生物方法使之进化。
　　荷兰德说，首先，让计算机产生一群数量约为100个数字的染色体，其中包含大量
的随机变量。假设每一个染色体都相对应一群斑马中的一匹（这是为使事情简化之故。
因为荷兰德试图把握进化的最基本的本质，所以在基因算法中舍弃了诸如马蹄、胃和脑
这样的细节，而把个体当作单个的纯DNA来模拟。而且，为了使之更便于操作，他把二
进制的染色体限制在长度不超过几十个二进制数字之内，所以这些染色体实际上并不是
完整的程序，而只是程序的片断。事实上，在他最初的实验中，这些染色体只代表单一
的变量。但这并不能改编这个算法的基本原则）。
　　第二，把现有的问题当作每一单个的染色体，把问题当作计算机程序来运作，用这
种方法来进行测试。然后，评价它的运行好坏，给它打个分。从生物学的角度来看，这
个分数将评判出个体的“强健”程度，也就是它繁殖成功的概率。个体的强健程度越高，
被基因算法选择出来，得以将自己的基因遗传给下一代的机会就越大。
　　第三，将你所选择的个体当作具有足够繁殖能力的染色体，使它们相互交配，从而
繁衍新的一代。让剩余的染色体自行消亡。当然，在实际操作时，基因算法舍弃了两性
的差异、求偶礼仪、性爱动作、精子和卵子的结合，以及两性繁衍的所有复杂细节，而
只是通过赤裸裸的基因材料的交换繁衍下一代。如果用图解来表示的话，基因算法选择
了有ABCDEFG的染色体和有abcdefg染色体的一对个体，随意在中间切断它们的染色体序
列，然后将双方染色体相互交换，形成对它们的一对后代的染色体：ABCDefg和abCdEFG
（真正的染色体经常会发生这种交换，或交叉，荷兰德从中得到启发）。
　　最后，通过这种基因交换繁衍出来的下一代之间又会继续相互竞争，同时在新一代
的循环中，与它们的父母也发生竞争。这无论是对基因算法来说，还是对达尔文的自然
选择法来说，都是最关键的一环。没有两性之间的基因交换，新的一代就会完全像他们
的父母一样，物种的发展就会进入停滞状态。低劣的物种会自然消亡，但优良的物种也
决不会发生任何改良。但有了两性之间的基因交换，新一代就会相似于它们的父母，但
又有所不同，有时会比它们的父母强些。当发生这种情形的时候，被改良的物种就会获
得普及的大好机会，从而显著地改良自己所属的整个物种群。自然选择法提供了一种向
上进取的机制。
　　当然，在真正的生物体中，相当大一部分的变量是由于突变、遗传密码的排版错误
所致。事实上，基因算法确实也允许通过故意将1改变为0，或把0改为1而产生一些偶然
的突变。但对荷兰德来说，基因算法的核心是两性交换。不仅仅是因为两性的基因交换
给物种提供了变量，而且这同时也是一个极好的机制，通过这个机制可以寻索到能够相
互密切配合，产生高于一般水平的强健的基因群，也就是建设砖块。
　　比如，你将基因算法用于解其中一个最佳化的问题。这是个为某种复杂功能寻找最
大价值的方式的问题。假设当基因算法的内在数群中的数字染色体达到二进制基因的某
种模型时，比如像11＃＃＃＃11＃10＃＃＃10，或＃＃1001＃＃＃11101＃＃，获得了
很高的分数（荷兰德用＃来表示“没有关系”。数字处于这个位置可以是0，也可以是
1）。他说，这种模型就具有建设砖块的功能。也许它们凑巧表示的是变量的范围，在
这些范围中，其功能确实具有超常的高价值。但不管是什么原因，含有这种建设砖块的
染色体都会繁荣发展，并普及于整个物种，从而取代那些不含有这类建设砖块的染色体。
　　另外，既然两性繁衍使数字染色体能够在每一代都重组它们的基因材料，那么物种
就会经常产生新的建设砖块和现有建设砖块的新组合，这样基因算法就会很快产生具有
双倍和三倍优势的建设砖块。而如果这些建设砖块的组合又产生出更大的优势，那么具
有这些优秀建设砖块的个体特色就会比以往更快地普及于整个物种。结果就是，这个基
因算法会很快指向现有问题的答案，即使事先并不知道从哪儿寻找答案。
　　荷兰德记得当他在六十年代初刚发现这一点时感到非常激动。但他的听众却从未为
此而欢欣鼓舞。那时候，在尚属新兴的计算机科学领域里，大多数计算机科学家都感到，
在常规性编程方面尚有大量的基础研究要做。从纯粹实际的角度来说，演化一个程序的
概念显得不着边际。但荷兰德不在乎这些。这正是他自决心要发展费舍尔的独立基因假
设以来一直苦苦探索所获得的成果。繁殖和交叉为基因的建设砖块提供了涌现和共同演
化的机制，同时又是物种个体高效率地探索于可能性空间的机制。事实上，到六十年代
中期，荷兰德已经证明了基因算法的基本定理，他称其为图解定理：在繁衍、交叉和突
变之中，几乎所有具有超常强健性的紧密基因群都能够在物种中成指数比例地发展。
（荷兰德所说的“图解”，是指任何特定的基因模型。）
　　他说：“当我最终将图示定理发展到令我满意的地步后，我才开始着手写书。”
　　精神的涌现
　　荷兰德原来以为能够在一两年内完成一本书，一本关于图解定理、基因算法、以及
他对适应性的总的思考的汇编。但事实上，这本书的出版耗费了他十年的时间。他的撰
写和研究一直是齐头并进，他不断有新的想法需要探索，或理论上有新的方面需要分析。
他指派他指导下的好几个研究生去做计算机实验，也就是证实基因算法是否真正有用、
是否是一个解决最优化问题的有效办法。荷兰德觉得他这是同时在提出和实践他的适应
性理论，他希望做得准确无误，既深入细致、又精确严谨。
　　他无疑做到了这一点。1975年出版的《自然和人工系统中的适应性》一书罗列了大
量的方程式和分析。该书总结了荷兰德二十年来对学习、进化和创造性之间深刻的内在
关联的思考，对基因算法做了周密的陈述。
　　荷兰德的研究成果并没有在密西根大学之外更广泛的计算机科学世界里引起任何反
响。对那些喜欢优雅、简明和被证明是正确的算法的人来说，荷兰德的基因算法太离奇
古怪了。人工智能圈子对荷兰德的基因算法研究反应较为热烈。在这个圈子里，他的书
的年销量可达一百至二百本。但即使如此，即使对他的书偶有评论，最多不过是“约翰
是个极聪明的人，但……”这类话。
　　当然，荷兰德并没有力陈他的观点。他只发表了一些论文，相对而言他发表的论文
很少，只是在有人邀请他时才去作演讲，仅此而已。他并没有在重大的学术会议上大肆
渲染基因算法，没有将基因算法用于医学诊断这类能够争取到研究资金、吸引注意力的
热门应用领域，没有去争取巨额投资来创建基因算法“实验室”，也没有出版一本畅销
书来呼吁为对付日本的威胁，采用基因算法来调配联邦基金已迫在眉睫。
　　总之，他根本就没有玩那套学术界自我推销的把戏，这似乎不是他喜欢玩的游戏。
更确切地说，他并不真的介意他是赢是输。打个比喻，他仍然情愿和他的小伙伴们一起
混在地下室里做游戏。荷兰德说：“这就好比是打棒球，只不过你参加了非主力队，而
没有参加主力队。但重要的是打棒球的乐趣，而不是参加哪个队。我所从事的科学对我
而言总是其乐无穷的。”
　　“我觉得如果没人愿意听我说，会使我很烦恼。但我总是非常幸运，总是有既聪明、
又对我的研究课题兴致勃勃的研究生与我产生思想上的共鸣。”
　　这确实从一个侧面反应了他和少年伙伴在地下室做游戏的态度：在密西根大学，荷
兰德将极大的精力放在了和他最直接的圈子里的伙伴共同工作之上了。尤其是在任何时
候他手下都有六七个研究生，远远超过通常导师指导研究生的数额。事实上，从六十年
代中期开始，他所指导的研究生每年都有不止一个人获得博士学位。
　　“他们中有些人确实绝顶聪明，与他们相处给我带来了很大的乐趣。”他说。荷兰
德看到有太多教授累计了长长的论文名单，其实这些论文都是他们和他们所指导的研究
生共同研究的成果，甚至完全是由他们的学生写的。所以他故意用相当放手的方式对研
究生进行指导。“他们都按照自己的想法进行研究，做他们自己感兴趣的事。然后我们
所有的人每周一次围聚在桌旁，其中有一个人就会告诉大家他的论文已经进行到什么程
度了，我们大家就会就此展开批评和讨论。这对所有介入者来说都充满了乐趣。”
　　七十年代中期，荷兰德和学部里一群志同道合的同事开始了每周一次的自由讨论，
讨论任何有关进化和适应性的问题。这群人里除了有勃克斯之外，还有政治科学家罗伯
特·爱克思罗德（Robert Axelrod）。罗伯特力图想理解人们为什么和什么时候会相互
合作，而不再相互在背后涌刀子。另外还有专攻人类组织的社会动力学的政治科学家米
歇尔·考亨（Michael Cohen）和威廉·汉密尔顿（WilliamHamilton）。威廉是一位进
化生物学家，和爱克思罗德一起研究共生、社会行为和其他形式的生物合作。
　　“麦克·科恩（Mike Cohen）是个中介人。”荷兰德回忆说。在他的适应性一书刚
出版不久，科恩来旁听他的课。有一天课后他走过来对荷兰德介绍自己，并说：“你真
应该去和爱克思罗德谈谈。”荷兰德就照做了。通过爱克思罗德，他又结识了汉密尔顿。
很快，BACH小组的人，勃克斯、爱克思罗德、科恩、汉密尔顿就携手联合了。（BACH是
由他们四个人名字的头一个字母组成。他们几乎经常一起工作。在小组成立伊始，他们
就想把斯图尔特·考夫曼网罗进来，但考夫曼去了宾州大学。）“把我们联系在一起的
是我们都有很强的数学背景，都强烈地感觉到进化和适应性问题比任何一个单一的问题
都涉猎广泛。我们开始定期聚会：某个人会读到一篇文章，然后大家一起讨论，激发了
许多探索性思考。”荷兰德说。
　　对荷兰德来说尤为如此。他已经完成了适应性一书，但他与BACH小组成员的讨论却
涉及到书中未及涉猎、留待研究的地方。基因算法和图解定理紧紧抓住了进化的本质问
题，对此他深信不疑。但即便如此，他仍然不免要遗憾，基因算法对进化的赤裸裸的解
释毕竟过于简单了。他的理论把“生物体”直接当作由程序员设计出来的单纯的DNA，
这样的理论一定存在缺憾。它对于在复杂环境中复杂的生物体的进化能向我们说明什么
呢？什么也不能说明。基因算法相当不错，但仅仅是基因算法本身，并非包括适应性作
用者。
　　从这个意义上来说，基因算法也不算是对人类精神适应性的模仿。因为它在计算上
太生物化了，无法由此看到复杂的概念是如何在人类头脑中产生、进化和重新组合的。
对荷兰德来说，这一事实使他越来越感到沮丧。从他初次听到赫伯的概念至今已有二十
五年了，但他仍然坚信，精神的适应性和大自然中的适应性只不过是同类事物的两个不
同的方面。而且，他仍然相信，如果它们真是同样的事情的话，它们就可以由一个同样
的理论描述出来。
　　所以，从七十年代后期起，荷兰德就开始了对该理论的研究。
　　从根本上来说，一个适应性作用者经常是在和它所处的环境做游戏。而这又确切地
意味着什么呢？如果剥离到本质，这对游戏的作用者的生存和发展来说，究竟会发生什
么？
　　荷兰德认为会发生两件事：预测和反馈。这是他在IBM公司工作时他和塞缪尔谈及
跳棋时洞察到的。预测正如其词意所示：想于事先。荷兰德仍然记得塞缪尔一再重复这
一点。“玩好一局跳棋或象棋的本质就是将宝押在不那么明显的布局上。”也就是走出
的棋路要能够使你在后来处于有利的地位。预测能够助使你抓住机会或避免堕入陷阱。
一个能够想于事先的作用者显然比不能想于事先的作用者要更具有优势。
　　但预测的概念简直就像建设砖块的概念一样微妙。比如说，我们通常将预测当作人
类有意识的、基于对世界的大致模拟之上的思考。当然有许多这类通过模拟做出的预测。
超级计算机对气候的模拟就是一个例子，某公司开始一项商业计划又是一例，美国联邦
储备局所做的经济规划也是一例，就连英格兰的巨石柱也是一个模拟的模型：巨石的环
绕设计能让占卜牧师像用一个粗糙但有效的计算机一样来预测春分和秋分的来临。而且，
各种各样模拟的模型经常就在我们的头脑里。逛商店的人极力想象新沙发摆在自家客厅
里的情形，或一个胆小的雇员力图想象冒犯老板的后果。我们经常在使用这些“脑内模
型”。事实上，许多心理学家都相信，有意识的思维都是基于“脑内模型”的思维。
　　但对荷兰德来说，预测和模拟模型的概念实际上要比有意识的思维深奥得多。从这
点来说，也远比大脑的存在要深奥得多。他宣称：“所有复杂的适应性系统——经济、
精神、生物体等，都能建立能让自己预测世界的模型。”就连细菌也如此。很多细菌都
有特殊的诱导酶系统，这种诱导酶使它们游向葡萄糖浓度更强的方向。毫无疑问，这些
诱导酶模拟了细菌世界的一个关键的方面：化学物质总是从源头向外扩散，随着离源头
越来越远而浓度越来越小。诱导酶自然而然地就把这样一个明确的预测编入了基因码：
如果你向浓度较高的方向游去，就可能找到有营养的东西。“这不是有意形成的模式，”
荷兰德说。“但遵循这个模式的生物要比不遵循这个模式的生物更具优势。”
　　荷兰德说，这对美洲繁色瑞蝴蝶（viceroy butterfly）也同样。这种蝴蝶是有着
醒目的橘黄色和黑色的昆虫。如果鸟类尝过它的味道的话，无疑会对它垂涎三尺。但鸟
类很少捕食这种蝴蝶，因为它们的翅膀的花纹演变得很像所有幼鸟都避之不及的味道难
吃的王蝶（monarch butterfly）。因此就发生了这样的情况：繁色瑞蝴蝶的DNA上编码
了一个模型，这个模型模拟的世界中有鸟类、有王蝶、以及王蝶味道难吃。每天繁色瑞
蝴蝶在花丛中飞来飞去，无疑是在拿自己的生命做赌注，打赌它假设自己对外部世界的
模拟是对的。
　　你还会在各种不同的生物体中发现同样的道理。荷兰德说，就拿公司来说，设想一
个工厂接受一个常规定单，比如说，一万件小器具。既然这是一个常规定单，工厂职员
也许就不会多想。他们只是遵循“常规的运行程序”，即一系列正式规程，来进行生产。
“如果情况是ABC，那就采取XYZ行动。”就像细菌和繁色瑞蝴蝶一样。这些规程中编入
了这个工厂所模拟的世界和对这个世界的预测：“如果在ABC情况下，采取XYZ行动就会
产生很好的效果。”按这些规程进行生产的职员们也许知道、也许不知道有这样模拟的
模型的存在。毕竟常规操作程序经常是死搬照抄学来的，没有那么多为什么可问。如果
这家工厂经营已有年头了，那可能没人会记得为什么事情必须这么做。但不管怎么样，
因为常规的操作程序是由集体来发展和执行的，所以整个工厂的行为就会像是完全理解
这个模拟模型似的。
　　荷兰德说，在认知领域，任何我们称为“技术”或“专业知识”的，都是一种内含
的模型，或说得更精确些，是一组长期经验积累和凝练而成的，即铭刻在神经系统的巨
大而相互环扣的常规操作程序。让一位有经验的物理教师看课本练习题，他不会像个新
手似的把时间浪费在抄录眼所能及的所有公式。他脑中的程序总是会立刻就告诉他解题
的方案：“啊哈，这是一道能量题。”发个球给网球名将艾芙特，她不会浪费任何时间
争辩这球该怎么接，她头脑中的程序会立刻就让她本能地回手接球，打你个无从招架。
　　荷兰德喜欢在谈到内含的专业知识时举中世纪创建了哥特式大教堂的建筑师的技术
为例。他们当时无法计算强度和承载力，或任何一个现代建筑师能够计算的事。十二世
纪没有当代物理学和结构分析。那些中世纪建筑师建造那些高耸的拱形天花板和巨大的
扶壁，靠的是师徒相传的标准操作程序，是实际经验给了他们哪种结构能够支撑、哪种
结构会坍塌的常识。在他们那里，物理学的模型完全是内含的和直觉的。然而这些中世
纪的工匠们发明的建筑结构一千多年后仍然耸立于世。
　　荷兰德说，这样的例子不尽其数。DNA本身就是一个内含的模型，基因说：“在这
种条件下，我们期望我们特意选中的生物能有机会得到很好的发展。”人类文化是一个
内含的模型，丰富而复杂的神话故事和象征隐含着人们对他们所处的世界的信念和对他
们的行为规则的正确性的信念。就这点而言，塞缪尔的计算机跳棋手也包含了内在的模
式，随着它对对方下棋风格越来越熟悉，它会不断改变对各种棋路选择赋予的期望值，
从而形成自己内在的模式。
　　确实，模式和预测随处可见。但模式从何而来？所有自然的或人工的系统是如何对
这个宇宙形成足够的了解，从而对将来的事件做出预测的呢？他说，光是谈论“意识”
没有用。大多数模型显然并没有意识：比如寻找营养的细菌，它甚至都没有大脑。谈论
意识在任何情况下也是个用未经证明的假定来做的辩论。意识又是从哪里来的？是谁设
计了编程员的程序？
　　荷兰德说，最终的答案只能是“没人操纵这一切。”因为如果真由一个编程员潜伏
在幕后，就像“有鬼魂附于机器”，那么你等于什么都没有解释。你只是把这团谜推到
别的地方去了。但幸运的是，还有一个选择：从环境而来的反馈，这是达尔文的伟大洞
见。一个作用者能够改善自己的内在模式，并不需要任何超自然的指引。它只是不断测
试自己的模型，看看这些模型对真实世界的预测有多么准确。如果它能够在实践中存活
下来，它就调整自己的这些模型，以使自己下次做得更好。当然，在生物学上，作用者
是独个的生物体，反馈是由自然选择提供的，模型的不断改良被称为进化。在认知学上，
这个过程基本上是一样的：作用者是独立的心智，反馈自老师和直接经验而来，改善被
称为学习。确实，这正是塞缪尔电脑跳棋手的运作机制。不管就生物学而言还是就认知
学而言，一个适应性作用者都必须要利用这个世界告诉你的信息。
　　当然，下一个问题就是，怎样做到这个？荷兰德在BACH小组和伙伴们长时间地讨论
这个基本概念。但到最后只得出，有一个办法能确定这个概念：必须建立一个计算机模
拟的适应性作用者，就像他十五年前研究基因算法一样。
　　但不幸的是，他发现，到了1977年，人工智能主流知识已经不如1962年那么有助于
他了。到了1977年，人工智能的研究领域无疑已经取得了很大的进展。比如在斯坦福大
学，人工智能小组正在研制一系列被称为专家系统的极富成效的程序。专家系统能够模
拟专业知识，比如可以通过运作成百条规则来模拟一个医生：“如果病人患的是细菌感
染性脑膜炎，正在发高烧，那么也许是某种细菌感染。”该项研究已经引起了投资者的
兴趣和注意。
　　但荷兰德对于应用性研究并不感兴趣。他想要的是一个关于适应性作用者的基本理
论。从他的角度来看，这二十年来人类在人工智能领域取得进展的代价就是忽略了所有
重要的方面，从对学习的研究到对来自环境的反馈的研究都受到了忽略，在荷兰德看来，
反馈是最根本的问题。但除了像塞缪尔这样个别的人物之外，人工智能领域的人似乎都
认为，学习是可以放置一边，不忙应付的。他们以为可以待他们将对语言的理解、人类
问题解决法弄明白以后，或把对其他抽象推理问题的程序编完美后再来研究学习的问题。
专家系统的设计者们甚至还为此而感到骄傲。他们谈论“知识工程”，也就是和相关的
专家交谈几个月后，为新的专家系统制定出成百条规则，来回答：“在这种情况下你该
怎么办？在那种情况下你该怎么办？”这类的问题。
　　公平地说，就是知识工程师都不得不承认，如果程序真能够像人一样通过传授和经
验学到他们的专业知识，如果有人能想出来如何在应用这些软件时不至于像现在这么复
杂和麻烦的话，事情就会顺利得多了。但对荷兰德来说，这正是问题之所在。拿现存的
“学习模型”草草拼凑成一个软件解决不了任何问题。学习是认知的最根本的问题，正
如进化是生物学的最根本的问题一样。这意味着，学习的机制必须在一开始就投入到认
知建筑图纸中去，而不是到最后才被草率加入。荷兰德的理想模式仍然是赫伯式的神经
网络，其最重要的一点是，每一次思维的神经冲动都强化了其神经连接，从而使思考成
为可能。荷兰德确信，思考和学习只是大脑中同件事物的两个方面。他希望在他的适应
性作用者的研究中能抓住这个根本的问题。
　　但尽管如此，荷兰德却并不想再回过头去重做神经网络模拟。虽然从IBM701开始至
今已有二十五年了，但计算机的功能仍然没有强到能够按他想达到的规模做完整的赫伯
式的计算机模拟。在六十年代，神经网络研究在“视感控制”这个标题下确实有过一阵
短暂的小高潮。视感控制是视觉研究中专门用来识别特征的神经网络。但视感控制在赫
伯实际所言的细胞集合中是一个极其简化的版式。（即使在识别视觉特征上，视感控制
的功能也不强，这就是为什么视感控制已经不再受人重视的原因。）荷兰德对新一代的
神经网络系统也并不十分欣赏。新一代的神经网络系统于七十年代末期开始流行，而且
自此受到了很大关注。荷兰德说，这些系统比视感控制系统要先进些，但却仍然不能支
持细胞集合的研究。确实，大多数版本根本就没有共鸣。通过网络的信号瀑布只有从前
到后的单一走向。他说：“这些关联主义的网络在刺激／反馈行为方面和模型识别方面
的功能很强，但从总体上来说却忽略了内部反馈的需要。而内部反馈正是赫伯认为细胞
集合所不可或缺的。除了少数情况以外，神经网络研究人员基本上不在这个方面下功
夫。”
　　结果荷兰德决定自己设计一个杂交的模拟适应性作用者，把神经网络和专家系统的
长处相结合。为了加强计算机效率，他先用专家系统有名的“如果……则”规则开始入
手。但他是从神经网络角度采用这个规则的。
　　荷兰德说，事实上，在任何情况下都会有类似“如果……则”的规则。六十年代末，
在人们远还没听说过专家系统以前，基于规则的系统就已经作为人类用于认知的普通功
能的计算机而被卡内奇-麦伦一派的爱伦·纽威尔和赫伯特·西蒙介绍进计算机编程里
来了。纽威尔和西蒙把每一条规则都当作一个单一的知识包，或一个单一的技术组合。
比如“如果吱吱的叫声是来自一只鸟，那么吱吱叫的东西就有翅膀”，或“如果在扣留
你的反对者的人质还是扣留反对者的夫人之间选择，那就扣留反对者的夫人。”而且，
这些规则指出，当程序员用这种方式来表达知识时，这个规则就自动获得了认知的某种
绝妙的灵活性。根据条件采取行动的规则，即“如果情况是这样的，那就采取那种办
法”，意味着这样的系统不在一个固定的系列，比如FORTRAN或PASCAL的某些子程序中
运行。一条特定的规则只有在它的条件被满足后才会被激活，这样，它的反应对它所对
应的情况而言就是恰如其分的。确实，当一条规则被激活后，它很可能会引起全部规则
的连锁反应：“如果情况是A，就采取B措施”、“如果情况是B，就采取C措施”、“如
果情况是C，就采取D措施”，等等。大体上说，整个新的程序随着这一系列的连锁反应
而产生，并会按照所提出的问题给出完善的答案，与让人兴奋的游戏式的盲目而僵硬的
计算机行为相比，这才真的是智能系统所需要的机制。
　　另外，基于规则的系统对大脑的神经分布来说具有很大的意义。比如说，一条规则
就相当于计算机中赫伯式的细胞集合之一。他说：“用赫伯的理论来看，一个细胞集合
就是一个简单的声明：如果事件如此这般地发生，那么我就会被高速激发一阵子。”规
则的相互作用，伴随着一条规则激活后引起的对其他规则的整个连动，就像神经稠密相
关联的大脑的一个自然结果。“赫伯的每一个细胞集合都包含了大约一千个到一万个神
经元。”荷兰德说。“每一个神经元又有一千到一万个与其它神经元相连的突触。所以
每一个细胞集合就与其它许多细胞集合相互关联。”大体上说，激活一个细胞集合，就
等于在某种内部布告栏上张贴了一个布告，就会被大脑中大多数、或所有其他细胞集合
看到。“细胞集合295834108现在正在行动！”当这个布告一出现，那些与这个细胞集
合有适当关联的细胞集合就会被激发起来，并把自己的布告贴到布告栏上，这就引起了
不断重复的循环。
　　荷兰德说，纽威尔－西蒙式的基于规则的系统的内部组织与这个布告栏的比喻非常
接近。这个系统的内部数据结构就相当于这种布告栏，其中包含了一系列数字布告。然
后还有大量的规则，也就是计算机把上百、甚至上千的数字编码成自身的部分。当整个
系统处于运作状态时，每一条规则都经常扫描布告栏，搜寻符合自己“如果”条件的布
告。每当其中一条规则发现了符合自己条件的布告，它立刻就会张贴一条数据信息，来
续接“则”这部分。
　　荷兰德说：“假如把这个系统当作某种办公室，布告栏上有必须今天处理的备忘录，
每一条规则相当于办公室里的一张办公桌，负有处理某种特定的布告的责任。每一天开
始的时候，每一个办公桌都将自己负责处理的备忘录集中起来。到一天结束的时候，每
一张办公桌都将处理结果的备忘录再张贴到布告栏上。”当然，到了第二天早上又开始
重复这个循环。另外，有些备忘录是被探测器张贴上去的，以使这个系统保持与外界正
在发生的事件的联系。还有一些备忘录也许是被激活的效应器，也就是使系统能够影响
外部世界的子系统。荷兰德说，探测器和效应器相当于眼睛和肌肉的计算机机制。所以，
从原则上说，一个基于规则的系统很容易就能从它的环境中获得反馈，这是它最首要的
要求之一。
　　所以荷兰德就把这个相似的布告栏比喻用于他的适应性作用者的设计之中，但同时
他又在细节设计上返回到对传统观念的反抗。
　　比如，从标准的纽威尔－西蒙的角度来说，张贴在布告栏上的规则和备忘录都应该
用“鸟类”或“黄色”这样的符号性语言来编写，这样做是因为我们特意要使之接近于
人类头脑中的概念。对人工智能领域里的绝大多数人来说，用这样的象征来代表人类头
脑中的概念，其正确性已毋庸争论，这是几十年来的金科玉律，纽威尔和西蒙是这派观
点的最雄辩的代表人物。而且，这也确实抓住了我们的头脑进行实际思考的很大特点。
计算机中的象征可以被结合到繁冗的数据结构中，来表现复杂的情况，就像概念是与心
理学家头脑中的各种模式相联系的，是从中产生的一样。反过来，这些数据结构也能够
被程序用来与推理和问题解决这类的大脑活动竞争，就像我们头脑中模拟的类型会在思
考的过程中被重建和改变一样。确实，如果你和许多研究人员一样，从字面上去理解纽
威尔－西蒙的观点，你就会看到，这种符号处理就是思考。
　　但荷兰德就是不买帐。他说：“符号处理是一个很好的开端，而且确实在理解有意
识的思想过程上前进了一大步。”但就符号本身而言却太呆板了，遗留下的内容也太多
了。一个包含B－I－R－D（鸟的英文拼写）数据的每个字母怎么能够真正抓住所有微妙
而游移不定的细微差别呢？如果这些字母与外部世界的真正鸟类无法沟通的话，对这个
程序来说又怎么能具有任何真正的含义？就算撇开这个问题不谈，首先这些符号概念从
何而来？它们是如何进化和发展的？又是如何通过外界的反馈而形成的？
　　对荷兰德来说，这正是人工智能的主流方向缺乏对学习问题的研究兴趣所导致的缺
憾。“我们陷入的困境，与我们在不懂物种如何进化之前就对物种进行分类时所陷入的
困境是同样的。”荷兰德说。“你可以从这类相似的系统中学到不少东西，但最终，这
条道路是走不远的。”他仍然坚信，必须从赫伯的角度来理解概念：涌现的结构是从某
种更深层的、不断在环境反馈中调整的神经基质中发展而来的。正如云彩形成于水蒸气
的物理和化学变化，概念是模糊的、游移不定的、具有动力的。它们经常在重组和改变
形状。“在理解复杂的适应性系统上，最关键的是要弄清楚层次是怎么出现的？”他说，
“如果你忽略了下一个层次的规律，你就永远不可能理解这个层次的问题。”
　　为了使他的适应性作用者抓住涌现这个概念，荷兰德决定，他的规则和布告不用具
有特别意义的符号手段来编写。它们将就是一排排1和0的二进制的任意序列。一个布告
也许就是像10010100这样的序列，与他的基因算法中的染色体很类似。而一条规则，用
英文来说，也许就像：“如果布告栏上有一个布告是1＃＃＃0＃00的话，其中＃表示
‘无所谓’，那就贴上01110101这个布告。”
　　这种表示法很不符合常规，荷兰德只得给他的这些规则取一个新名称，“分类器”，
因为它们的办法是根据布告的特殊类型来分别不同的布告。他认为这个抽象的表示法至
关重要。因为他看到太多人工智能研究人员自己愚弄自己，假装他们基于符号的程序
“知道”。在他的分类器系统中，布告的意义必须来自于它导致一条分类器规则激活了
另一条分类器规则这种方式，或它具有意义是因为它的某一部分是直接被探测真实世界
的感应器所编写的。概念和头脑中的模型就会作为自我支持的一群分类器涌现出来，它
们应该能够像自动催化组那样自组和自我重组。
　　同时，荷兰德还从基于规则的系统的中央控制的常规概念中找出了例外。根据常识，
基于规则的系统过于灵活了，所以不得不设计某种形式的中央控制来避免无政府状态。
因为有成百上千条规则在争看充斥着布告的布告栏，所以总会有好几条规则突然蹿起来，
相互争执谁来张贴下一条布告。假设认为，不可能所有的规则都张贴下一条布告，因为
它们的布告可能完全不能连贯一致（“扣留人质”或“扣留其妻”），或者它们的布告
也许会引起完全不同的规则瀑布，这样就会导致整个系统完全不同的表现。所以，为了
防止计算机的精神分裂症，大多数系统都实行了繁冗的“争议解决”战略，以保障每次
只有一条规则能采取行动。
　　但荷兰德却认为，这种自上而来的争议解决法恰恰是错误之所在。难道这个世界是
如此简单、如此可以预测，以致于你总是能够在事先就知道什么是最好的规则吗？几乎
不可能。而如果这个系统被事先告知如何行动，那将之称为人工智能就是一个骗局：这
样的智能并不在程序之中，而是在程序员的脑子里。不，荷兰德要的是，让控制由学习
而来。他要控制从最底层涌现而出，就像大脑的神经基质中的涌现一样。让连续一贯性
见鬼去吧。如果两个分类器规则相互意见不能统一，那就让它们在自己的表现的基础上
去竞争出一个结果来，这个结果就是被证实了的对完成任务的贡献，而不是有一个软件
设计人员事先编好的程序的选择。
　　“与主流人工智能研究正相反，我认为竞争比连贯一致性更为本质。”连贯一致性
是个幻想，因为在一个复杂的世界里，经验的连贯一致性是没有保障的。但对于与自己
所处的环境玩游戏的作用者来说，竞争是永恒的。“另外，除了经济学和生物学对竞争
有所研究之外，我们还没有提炼出何为竞争之主要特质来。”对于竞争的丰富多采性，
我们只刚刚开始认识。想一想神奇的竞争能够产生出合作的巨大推动力，某些作用者为
获得相互支持而自发结为联盟，相互形成象征性的关系。这种情形发生在所有复杂的适
应性系统的每一个层次，从生物、经济到政治。“竞争和合作看上去也许是对立面，但
在某种深层次上，它们是相同事物的两个方面。”
　　为实现竞争的机制，荷兰德决定把张贴布告变成某种拍卖活动。他的基本想法是，
不要把分类器当作是计算机指令，而当作对在特定情况下张贴什么布告最好的假设和推
测。通过每一条假设的数值来衡量其道理和力量，这样就有了一个叫价的基础。在荷兰
德的布告张贴观念中，每一个循环开始时就像以往一样，所有的分类器都在扫描布告栏，
寻找与自己相关的布告。它们就像以往一样，一发现与自己相关的分类器会站起来，准
备张贴自己的布告。但与以往立即张贴自己的布告不同的是，每一个分类器都会先量力
叫价。一个对“明天太阳会从东边升起来”的经验确信不疑的分类器也许出价一千，而
一个确信“猫王还活着，晚上出现在华拉华拉汽车旅店6号”的分类器也许出价一。然
后这个系统就会收集所有的出价，用抽彩给奖法选择一组赢家，叫价最高的最有可能赢。
中选的分类器就会张贴它们的布告，就这样循环往复。
　　复杂吗？荷兰德不予否认。而且，这种拍卖就是以任意可信值取代任意争议解决战
略。但现在让我们假设这个系统能够从这些可信值中吸取经验，那么这种拍卖就会排除
中央仲裁人，从而让荷兰德获得他正想要的东西。并不是每一个分类器都能够赢：布告
栏非常大，但却并非无限大。也并不是跑得最快的就一定能赢。如果时来运转的话，即
使“猫王还活着”也能得到张贴自己的布告的机会。但一般来说，总是那些最强健的和
可信值最高的假设获得系统表现的控制权，而那些离谱的假设时不时出现只增加了这个
系统的一点儿自发性。而且如果有一些假设相互矛盾，那也不应该成为危机，而应该是
一个机会，一个让系统决定谁的可信度更大，从而吸取经验的机会。
　　所以，我们又返回到学习这个问题上来了：分类器怎么来证明自己的价值，又怎么
为自己获取可信值呢？
　　对荷兰德来说，最显在的答案就是采用一种赫伯式的强化作用。每当一个作用者做
对了什么事，从环境中得到了一个正反馈，它就应该强化那些与此相关的分类器。而每
当它做错了什么事，它就同样应该削弱相关的分类器。无论采取强化的方法，还是采取
削弱的方法，它同时应该不去理会那些不相干的分类器。
　　当然，关键是要弄明白这些分类器所起的作用。作用者不能奖赏那些在颁奖的时候
正巧表现活跃的分类器。那就会像把得分的一切功劳都归于那个凑巧带球冲过底线的队
员，而对操纵全局、把球传给他的四分卫，对拦截了对方进攻、为他开路的前锋，或任
何替他传球的队员的功劳一笔勾销了。这也像把赢得一盘国际象棋的全部功劳都归于将
住了对手的国王的最后一步棋，而无视为获得全局胜利而布局中的许多关键的棋步。但
还有其它替代办法吗？如果作用者为了奖赏正确的分类器而必须预期回报，在没有被编
入程序的情况下立该怎么做呢？在事先一无所知的情况下，作用者如何得知这些布局的
价值呢？
　　这确实是一个问题。不幸的是，赫伯式的强化作用是一个过于广泛的一般性概念，
无法提供解答。荷兰德感到非常困惑，一直到有一天他偶然回想起他在麻省理工学院上
的基本经济学课程，那是著名的经济学教科书撰写人保尔·塞缪尔森上的课，他才意识
到他几乎已经解决了这个问题。他的布告栏前的拍卖已经为他在系统中建立了某种市场
机制，通过允许分类器量力叫价的办法，他已经创造出了通货。所以，为什么不采取下
一步行动？为什么不创造一个完整的自由市场经济，让强化能够在利益驱动下发生作用
呢？
　　确实，为什么不呢？当他终于看到了这一点，就发现这与经济非常相似。荷兰德认
识到，如果把张贴在布告栏上的布告当作是上市叫卖的货物和市场上提供的服务，那么
就能把分类器想成是生产这些产品和提供这些服务的公司和厂家。当一个分类器看到有
一个布告满足了它的“如果条件”，它就会叫一个价，那么就可以把它想成是一个正在
求购生产所需供应的厂家。为使这一相似性更加完善，他要做的是，必须要使每一个分
类器对自己消耗的供应付出报酬。他决定，当一个分类器赢得了张贴自己的布告的权力，
它就得将自己的一部分力量转给供应商，也就是那些触发其张贴布告的分类器。在这个
过程中，这些分类器就会被削弱。但在下一轮拍卖中，一旦它的布告上市，它会有重新
聚集力量的机会，甚至能够获利。
　　但这些财富究竟是从何而来的呢？当然是从最终消费者而来的：环境就是系统的所
有报偿之源。荷兰德认识到，除此之外，对凑巧在颁奖的时候活跃异常的分类器给予奖
赏是完全正确的。既然每一个分类器都对供应有所付出，那么市场就会保证其奖赏普及
到所有中选的分类器，从而产生他所寻求的某种自动报偿和惩罚机制。他说：“如果你
生产出对大家都合适的产品，那么你就会获利。如果不是这样的话，那就没人会买你的
东西，你就会破产。”所有能够产生有效行动的分类器都会被强化，任何参与布局的分
类器都不会被忽略。随着时间的日积月累，随着整个系统不断汲取经验和从环境中获得
反馈，每一个分类器的强度就会与自己对作用者的真正价值相符。
　　荷兰德将适应性作用者的这部分称为“水桶队列”算法，因为其方法是将奖赏从一
个分类者传到前一个分类者。这有如希伯的强化神经突触的大脑理论的直接翻版。或者，
从这个意义上来说，与在计算机上调训模拟的神经网络也如出一辙。当想到这些时，荷
兰德知道他快要触及到问题的实质了。以利益为驱动力的经济强化是一个极为强大的组
织力量，就如亚当·斯密的那只看不见的手在现实经济中具有强大的力量一样。荷兰德
认识到，从原则上说，你可以用一组完全随意的分类器来启动系统，这样，作用者这个
软件就会像新生婴儿一样手舞足蹈地乱蹬乱踹。然后，随着环境不断强化某些行为，随
着水桶队列发生作用，你可以看到分类器将自己组织为前后连贯的序列，从而产生预期
的行为表现。一句话，学习从头开始就被设入于系统之中了。
　　这么说，荷兰德几乎就摸到门了，但还不尽然。荷兰德把水桶队列算法建立在基本
的基于法则的系统之上，并赋予了他的适应性作用者某种形式的学习功能。但适应性作
用者还缺少另一种学习的形式，开采式学习与探险式学习之间是有区别的，水桶队列算
法能够强化作用者已有的分类器，可以打磨已有的技能，但它却无法创新。仅仅只依靠
水桶队列算法，会使系统趋于最大化的平庸状态，因为这个算法无法使系统在无限广阔
的可能性空间搜索到新的分类器。
　　荷兰德认为，搜索于可能性空间正是基因算法可以承担的工作。事实上，当你想到
这一点时你就会看到，达尔文的比喻和亚当·斯密的比喻恰好可以相辅相成：企业能够
随时间进化，为什么分类器不能够呢？
　　荷兰德当然不会为这一洞见而大惊小怪：基因算法一直存储在他脑子里。他刚开始
对分类器做二进制的表述时就想到了基因算法。分类器用英文来陈述就像：“如果有两
个布告，其模型分别是1＃＃＃0＃00和0＃00＃＃＃＃则张贴布告01110101。”但在计
算机里，各部分信息会被串在一起，被写成一连串的信息：“1＃＃＃0＃000＃00＃＃
＃＃01110101”。对基因算法而言，这就像是数字染色体。所以可以完全用同一种方式
来执行这个算法。在大多数情况下，分类器会像以往一样在市场上欣然买进或卖出。但
系统会经常性地选择最强的一对分类器来繁衍后代。这些中选的分类器会通过性交换来
产生一对后代，从而重组它们的数字化建设砖块。而新生代会取代一对力弱的分类器。
然后，新生代将有机会来证明自己的价值，通过水桶队列算法使自己越变越强壮。
　　结果就是，这群规则会随时间而改变和进化，在可能性空间中不断发现新的领域。
由此你就会达到目的：将基因算法当作第三层，置于水桶队列算法和基本的基于规则的
系统之上，荷兰德终于构筑成了一个不仅能够吸取经验，而且具有自发性和创造性的适
应性作用者。
　　他现在所要做的就是，将这个构想变为一个可以运作的软件程序。
　　荷兰德从1977年左右开始为第一个分类器系统编码。奇怪的是，这项工作并不像他
期望的那样直截了当。“我真以为只消几个月时间我就可以编出能够运作、对我有用的
程序来。但实际上，我用了大半年的时间才做到令我自己满意的地步。”他说。
　　另一方面，这也要怪他自己让自己做难。他以真正的荷兰德的风格来编写第一个分
类器系统：完全依靠自己，而且是在家里，用的是十三年前他用于旋风计划的十六进位
码和他家的一台康莫多（Commodore）计算机。
　　巴奇小组的成员们至今在说到这一段故事时还带着诧异的神情。当时满校园都是计
算机：VAX机、大型计算机、甚至高功能的绘图工作站。为什么要用康莫多机？为什么
要用十六进位码？几乎没人还在用十六进位码了。如果你真是个死心塌地的计算机高手，
想方设法要从一台计算机的程序中榨出最后一点利用价值的话，你也可以用所谓组合语
言来写，那起码能够用像MOV、JMZ和SUB这样的帮助记忆的符号来取代数字。或者，你
也可以用PASCAL、C、FORTRAN或LISP这样的高级语言来编写程序。这些语言是人类比较
容易理解的。尤其是科恩，仍然记得为此与荷兰德做过长时间的激烈争论。如果用这些
夹杂字母的数字将程序写得杂乱无章，谁会相信它能运作呢？就算有人相信你，但如果
你的分类器系统是在家用计算机上编写成的，谁又会用它呢？
　　最终荷兰德只好做出让步。不过到他同意将分类器系统交给一个研究生，里克·里
奥罗（Rick Riolo）时，早已是八十年代初了。里克将这个系统改编成一个一般性功能
的、能够在所有类型的计算机上运行的软件系统。荷兰德承认说：“只不过这不是出于
我的本能。我总是喜欢将实验做到能让我看到它真的能够运行的地步，然后就失去了兴
趣，又回到了理论。”
　　正因为如此，所以他仍然坚持认为当时的康莫多计算机对他而言意义甚大。大学的
计算机上是共享的，这令人头痛，他解释说：“我喜欢直接在计算机大忙小乱地编写程
序，但如果用大学的计算机，就不可能容许我一口气上机八个小时不下来。”荷兰德把
个人电脑看作是上帝的恩典。“我发觉我可以在我的个人电脑上编写程序，可以独个拥
有于家中，不用再依赖任何人。”
　　另外，为旋风和IBM701编写程序的经验使荷兰德一点儿也不觉得这些桌面小电脑过
于原始。事实上，当他买康莫多电脑时，他觉得已经前进了一大步。实际上他1977年就
买了被称为“微心智”（Micromind）的电脑，当时这台电脑看上去像是崭新的苹果二
型机的强劲对手。“那是一台很好的小型计算机。”他回忆说。确实，尽管那只不过是
一个黑匣子里的一堆电路板，可以与电报打字机连接后做信息输入和输出，而且没有屏
幕，但它有8000字节和8位内存。价值三千美元。
　　说到十六进位码，那是因为微心智计算机当时没有其他语言可供使用，而荷兰德又
不愿意等待。“我习惯了用组合程序，我用十六进制码就像用组合程序一样方便，所以
用十六进制码来写程序对我来说并不困难。”
　　讲完这段故事后，荷兰德说，微心智计算机公司这么快就倒闭了，真是太令人遗憾
了。他一直到感到八千内存实在不够用时才开始转用康莫多电脑。他说，当时康莫多电
脑是一个最理想的选择。它采用了与微心智同样的微处理器芯片。这意味着，几乎不用
做任何改变就能够让它运行十六进制码。康莫多的内存要大得多，带屏幕显示，而最大
的好处是，“康莫多能让我玩游戏。”他说。
　　尽管荷兰德的同事对此非常恼火，但他的第一个分类器系统却运转得非常好，这足
以能够使他确信，这个系统确实实现了他的意图，而且确实为完整的认识理论播下了种
子。这个系统的早期版本是他与密西根大学心理学教授裘迪·瑞特曼（Judy Reitman）
共同研制的，发表于1978年。在对这个版本系统的测试中，其作用者学会了如何用基因
算法运行一个模拟的迷宫，运行速度要比没有用基因算法快十倍。这次测试同时也证实
了，分类器系统能够显示心理学家所称的“转换”：它能够把在前一个迷宫中学到的规
则运用到后一个迷宫的运行中去。
　　这些早期研究成绩斐然，即使荷兰德并不大肆渲染，其名声也已使“分类器系统”
这个词开始流行了起来。比如1980年，匹兹堡大学的史蒂芬·史密斯（Stephen Smith）
开发了一个能够玩扑克的分类器系统，并用它来和一个也有学习功能的老一点的玩扑克
牌的软件对抗。这场对抗甚至不成其为比赛，分类器系统轻而易举地就赢了。1982年，
泊拉罗德公司的斯图尔特·威尔逊（Stewart Wilson）用分类器系统来协调电视摄影机
和机械手臂的动作。他的应用表明，水桶队列和基因算法能够导致分类器规则的自发组
织，从而自我分类成一个个小组，起到控制子规则的作用，产生我们所需要的特殊而协
调的动作。1982年，荷兰德的学生拉森·勃克（Lashon Booker）在他的博士论文中将
分类者系统运用在一个模拟的环境，用它来寻找“食物”，避免“食物中毒”。这个系
统很快就将自己的规则组织成这个环境的内化模型，就像一幅心智地图。
　　但对荷兰德来说，最感欣慰的是1983年戴维·高德勃格（David Goldberg）的研究
证明。高德勃格是一个攻读博士学位的土木工程师，在此几年前就选修荷兰德的适应性
系统课程，并一直对此深信不疑。高德勃格说服了荷兰德成为他的博士论文答辩委员会
的主持人之一。他的论文证明了，怎样把基因算法和分类器系统运用于对一个模拟的煤
气管网线的控制。当时，这是分类器系统对付过的最复杂的问题。任何一个煤气管道系
统的目的都是以尽可能小的成本来满足终端用户的需要。但每一条煤气管道都有几十个
或几百个压缩机，将煤气从几千英里的大管径管道抽出来。用户的煤气用量每一小时、
每个季度都会有变化，而压缩机和管道常会有渗漏，限制了整个系统在适当压力下的供
气能力。安全控制要求煤气的气压和运速保持在适当的程度，但任何一个因素都会影响
到其它因素，即使想使一个简单的煤气管道发挥最大效益，都复杂到根本无法用数学来
分析。管道操作者是通过长时间的“学徒”才学会用本能和感觉来控制煤气管道系统的
这门技术的，就像我们学开车一样。
　　事实上，煤气管道的问题之复杂，就连荷兰德都发愁，担心高德勃格的研究较之其
它分类器系统运用小组，也许更可能失败。但其实他根本不必担心。高德勃格的系统非
常圆满地学会了控制这个模拟的煤气管道系统：这个系统从一组完全随意的分类器开始，
在经过一千天的模拟试验之后，达到了对控制煤气管道的专家水平。而且，这个系统掌
握操作煤气管道的规则简单得不可思议。它的布告仅为十六个二位数那么长，它的布告
栏上每次只有五条布告，总共只有六十条分类器规则。事实上，高德勃格在他家的苹果
二型机上只用了64千字节的内存就运作了整个分类器系统和煤气管道的模拟程序。荷兰
德笑着说：“高德勃格是我最紧密的追随者。”
　　煤气管道的模拟不仅使高德勃格在1983年获得了博士学位，而且使他获得了1985年
度的总统青年研究者奖。荷兰德自己也将高德勃格的研究看作是分类器系统研究的一个
里程碑。“这非常有说服力，”他说。“它真正解决了一个实际问题，或者说，起码是
解决了一个实际问题的模拟。”而且，不无讽刺也不无欣慰的是，这个分类器系统最
“实际”的一例，反过来对基本的认知理论也最具说服力。
　　荷兰德说，这一点在高德勃格的系统如何学会控制渗漏的方法中表现得最为明显。
这个系统从一组随意的分类器开始，首先掌握一系列对正常的煤气管道的运行较为广泛
适用的规则。比如在一次传送煤气的操作中，出现了一条可以被解释为“一直传送‘没
有渗漏’的信息”。很显然，这是一条过于一般的规则，只适用于管道运行正常的情况。
但在高德勃路开始在各种模拟的压缩机上打出模拟的洞来的时候，这个系统很快就发现
了这个问题，其操作立刻就失灵了。但通过基因算法和水桶队列，这个系统最终从自己
的错误中反省了过来，开始产生了一些比较特殊的规则，比如“如果输入气压很低，输
出气压也很低，气压转换率是消极的，则传送‘渗漏’信息”。而且，只要这条规则一
经实行，就会产生比第一条规则高得多的叫价，把第一条规则从布告栏上取代下来。如
此这般。大体上说，第一条规则在不出现非常规行为的正常情况下会发生作用，而一旦
发生意外情况，第二条规则和其他规则就会取代第一条规则，对意外的行为做出校正反
应。
　　当高德勃格告诉荷兰德这些时，荷兰德激动万分。在心理学上，这种知识的组织被
称为缺席的等级制度（defulthierarchy），当时这正是荷兰德久埋脑海的研究课题。
自1980年起，他一直在与三位密西根大学的同事，心理学家凯瑟·赫力约电（Keith 
Holyoak）、里查德·尼斯伯特（Richard Nisbett）和哲学家保尔·查加德（Paul 
Thagard）密切合作，致力于创立一个关于学习、推理和知识发掘的认知理论。正如他
们在1986年出版的《归纳法》一书中所说的那样，他们四个人都相信，这个理论必须建
立在三项基本原则上，而这三项基本原则也正是荷兰德的分类器系统的原则：即，知识
能够以类似规则的思维结构来表达；这些规则始终处于竞争之中，经验使得有用的规则
越变越强，无用的规则越变越弱；具有说服力的新规则产生于旧规则的组合之中。这个
有大量的观察和实验结果支持的观点表明，这些原则可以解释各种恍然大悟的洞见，包
括从牛顿对苹果落地的顿悟，到日常生活中对相似性的发现。
　　他们特别指出，这三项原则应能够产生缺席的等级制度的自发涌现。确实，这正是
人类所有知识的基本组织结构。一组规则形成缺席的等级制度，从根本上来说与荷兰德
所称的内在模型是同一个意思。我们用较弱的一般性规则和较强的特例来预测事物该如
何分类：“如果它是流线型的，有鳍，生活在水中，那它就是鱼。”但“如果它同时还
有毛发，呼吸空气，而且很大，那它就是鲸。”我们用同样的结构来预测如何做事：
“‘i’总是在‘e’之前，除非其后有‘c’。”但“如果是neighor、weigh、或weird
这些字，则‘e’总是在‘i’之前。”我们还用同样的结构来预测因果关系：“如果你
朝一条狗吹口哨，它就会向你跑来”，但“如果它向你嗥叫，并把颈背部的毛发竖起来，
那它也许不会向你跑来。”
　　荷兰德说，这个理论说明，无论这些原则是作为分类器系统来执行，还是以别的形
式来实行，缺席的等级制度都应该会涌现出来。（事实上，《归纳法》一书中引用的许
多计算机模拟实验都是用PI来做的。PI是查加德与赫力约克设计的更常规的基于规则的
软件程序。）不管怎么说，看到等级制度能够真的从高德勃格的煤气管道模拟中涌现而
出，真是非常令人激动。分类器系统总是从零起步，它最初的规则完全是在计算机模拟
的太初混沌中随意设置的，然而就在这混沌之中，美妙的结构涌现了出来，令人惊喜，
让人讶异。
　　“我们感到欢欣鼓舞，这是能够真正被称为涌现模型的首例。”荷兰德说。
　　回归家园
　　厨房的谈话总是无休无止的，荷兰德和阿瑟的谈话就这样一小时一小时地持续着。
到最后结束时，他们的讨论已经从国际象棋跳到经济学，从经济学跳到跳棋，又跳到内
在模型，基因算法，然后又回到国际象棋。阿瑟感到他终于开始了解学习和适应的全部
含义了。俩人到了睡眼惺忪的时候开始详细讨论一个或许能够解决经济学中理性期望问
题的途径：为什么不用荷兰德式的分类器系统来模拟一伙经济作用者，让它们就像真正
的经济作用者一样从经验中学习，从而取代经济作用者是完全理性的这个假设呢？
　　真的，为什么不呢？入睡前，荷兰德写了张纸条提醒自己把恰好放在他这里的塞缪
尔的计算机跳棋手投影胶片找出来。阿瑟已经对这个能够学习的游戏软件的概念入迷了。
他以前从未听说过有这样的东西。荷兰德想，也许他明天应该就这个主题为与会代表做
一个即兴发言。
　　这个发言引起了强烈的反响，特别是当荷兰德向听众们指出，塞缪尔的计算机跳棋
软件在三十年后的今天仍然在同类软件中居于领先地位时，反响尤为强烈。然而，荷兰
德从这个角度所做的发言之所以在会议上引起强烈反响，完全不是因为这样的即兴交流
在那时非同寻常。与会代表发现，很难指出经济学会议的气氛究竟是从什么时候开始转
变的。只是大约在第三天，当大家排除了原来的学术术语障碍，扫清了相互之间的困惑
之后，会议就开始变得热烈了起来。
　　“我发现这非常令人激动，”斯图尔特·考夫曼说。他在与阿瑟交谈了两周之后，
发现自己很缺乏经济学知识。“有趣的是，当你接触到所有诸如指画法作品这样的新事
物时，感到就好像在幼儿园一样，或就像一个幼犬，四处乱跑，四处嗅闻，有一种发现
新东西的美妙感觉，仿佛整个世界就是个值得去探索的奇境，所有的事都是新奇的。不
知为什么，这就是这个会议带给我的感觉：总是好奇地想知道其他人是怎么想的，他们
的标准是什么，这个新领域中的问题是什么。这真是非常符合我个人的胃口。但我想，
这也是许多参加这次会议的人的风格、我们彼此之间有过长时间的交谈，彼此相互倾
听。”
　　不无讽刺的是，物理学家最初对数学的抽象性持怀疑态度，而这次却正是数学提供
了一神共同的语言。“现在回想起来，我认为肯·阿罗的决定是正确的，”尤金尼亚·
辛格说。她起初对阿罗没有吸收社会学家和心理学家参加会议感到失望。“阿罗把最优
秀、最具有技术训练背景的经济学家都召集来了，结果建立了一种信任感。与会的物理
学家们对他们的技术背景感到吃惊。这些经济学家对许多技术概念，甚至对一些物理模
型都非常熟悉，所以与物理学家之间就能够用共同的词汇来探讨问题，建立起一种能够
相互交流的语言。但如果邀请许多没有技术背景的社会学家来参加会议，我不敢保证能
否跨越语言的海湾。”
　　当大多数正式发言结束之后，与会者们就开始分成非正式的研讨小组，就专门的问
题进行讨论。其中一个最流行的问题就是混沌理论，对混沌问题的讨论经常在小会议室
围绕着戴维·鲁勒展开。荷兰德说：“我们都知道混沌理论，都读过这方面的文章。一
些经济学家已经在此领域做了大量的研究。但我记得当我们看到物理学家就此做出的一
些模型以后，都感到十分兴奋。”
　　与此同时，安德森和阿瑟参加了一个在阳台上进行的关于技术锁定或地区经济差异
这类的经济“类型”的讨论。阿瑟说：“我太累了，无法无休止地谈论和听讨论，我只
能借这个研讨小组的讨论来测验菲尔·安德森的各种数学技巧。”
　　但实际上阿瑟发现自己和安德森，以及其他物理学家之间意见很一致。他说：“我
喜欢他们强调计算机实验。”在六十年代和七十年代，在经济学家眼里，计算机模型已
是声名狼藉。因为很多早期计算机模型是根据程序员倾向的政策建议拼凑出来的，其结
果当然是使计算机产生支持这一政策的建议。“所以当我看到计算机在物理学中得到适
当应用时，感到非常着迷。我觉得物理学领域的开放性在召唤着我。这是一种知识性的
开放，愿意正视新的概念，不再对该接受什么抱教条而呆板的态度。”
　　同时，阿瑟对报酬递增率能对会议产生影响而感到欣慰。除了他对此的发言之外，
其他经济学家也在独立研究这个问题。比如，有一天与会者通过电话听荣誉教授霍利斯
·切纳利的演讲。切纳利因为重病而未能来参加会议。他的演讲内容是关于发展的类型，
为什么各国在如何发展上各有不同，特别是第三世界国家。他在演讲中提及了报酬递增
率。阿瑟说：“所以，他刚挂断电话阿罗就跳了起来，跑到黑板面前说：‘霍利斯·切
纳利提到了报酬递增率，现在让我来做更详尽的阐述。’于是他自发地做了一个半小时
的关于报酬递增率思想史的演讲，同时将这个理论与贸易理论联系起来讲了一番，而且
是在没有一点儿笔记可循的情况下。我从来不怀疑阿罗在报酬递增率方面的知识有这么
丰富。”
　　仅在此几天之后，已经在将报酬递增率理论运用于国际贸易方面做出了创新性研究
的约索·斯甘曼（JoseScheinkman）与洛杉研加州大学的米歇尔·波德林
（MicheleBoldrin）熬夜熬到凌晨三点，拿出了一个报酬递增率经济发展理论。
　　阿瑟说，讨论不可避免地会涉及到股票市场是否会进入报酬递增循环，因为股民们
看到有其他投资者加入进来，所以股票不断看涨。或反过来，是否会出现负反馈效应？
比如股民看到其他投资者都退出时会出现崩盘。阿瑟说：“当时不知为什么股市正好过
热，所以大家就对这个理论是否可行、这种情况是否会真的在现实中发生，是否很快就
会发生等问题展开了热烈的讨论。”
　　大家的共识是：“这种情况也许会发生。”戴维·潘恩斯认为崩盘的可能性非常大，
所以他打电话给他的经纪人，要求卖掉他的一部分股票。他的经纪人劝他打消了这个念
头。果然一个月之后，1987年10月19日，出现了股票在一天之内猛跌508个点的情况。
　　阿瑟说：“这就导致了一种流行的说法，人们认为桑塔费的会议在一个月前就预测
到了股票市场的崩坍。其实我们并没有做这个预测。但股票市场之所以崩坍，当然是因
为其中有我们长时间探讨的这种正反馈机制在起作用。”
　　这场为期十天的马拉松式的研讨会就这样继续着，只有星期六下午休会。所有的人
都累得精疲力尽，累得极其愉快。阿瑟说：“十天结束时，我感到我站在了一个科学的
高度。我无法相信竟有人愿意倾听我的观点。”
　　但确实有许多人愿意倾听。阿瑟因为答应了要在9月18日，星期五到旧金山市做一
场演讲，所以不得不放弃了最后一天的会议（无法从纽约脱身来参加会议的里德送来了
一卷录像带表示祝贺）。但是，当星期一下午阿瑟返回来，一跨进修道院的门，潘恩斯
就带着微笑向他迎来。
　　“最后一天会议开得不错吧？”阿瑟问。
　　“哦，我们都非常满意。”潘恩斯回答。尤金尼亚·辛格表现得尤为热情，正准备
好好向里德汇报此次会议的收获。他接着说，会议一结束，研究所就召开了科学委员会
会议，会议的第一个动议就是，他们想邀请阿瑟参加科学委员会。
　　阿瑟吃了一惊。科学委员会是研究所内部的圣地，掌握着决策的实权。“我当然接
受了这个邀请。”他说。
　　潘恩斯说：“我们还有一个考虑，我们非常不愿意失去这次机会。所有的人都对这
次会议感到非常振奋，所以我们想借机将之扩展成一个全面展开的研究项目。我们一直
在讨论这个问题，不知你和荷兰德下一个学年是否能来这里，启动这个研究项目，让它
运作起来。”
　　阿瑟瞬间就明白了，科学委员会想邀请他和荷兰德来主持这项研究。他结结巴巴地
回答说：他确实有一个年假可以休，事实上这项研究对他来说非常有趣。当然，能来主
持这项研究他十分高兴。
　　他说：“我感到受宠若惊。我确实觉得自己很卑微。主持这样一项研究使我直到今
天都在问自己：我是谁呢？我的意思是，这儿有菲尔·安德森，有肯·阿罗，然后还有
我。而他们竟在问我，你对这个是怎么想的，对那个是怎么认为的。所以我的反应是，
他们是不是在问其他什么人？在我以往的学术生涯中从来没有出现过这样的事情。”
　　“你知道，对一个科学家来说，他完全有可能感到身怀绝技，却不被圈内人所接受。
约翰·荷兰德几十年都处在这种情况中。我当然也有同感。直到我踏入桑塔费研究所，
这些聪明绝顶的人，这些我过去只是读到过的人物给了我这样一个印象：‘你怎么这么
久才到这里来？”
　　在十天的会议中，阿瑟无休止地谈话和倾听。他的头脑塞满了各种思想，把脑子都
涨痛了。他精疲力尽，需要三周的睡眠才能恢复体力，但他觉得简直就像置身天堂一样。
　　“从现在起，我不再为其他经济学家会怎么想而担忧了。能够与我分享研究成果的
人们都集中在桑塔费。桑塔费就是我的家。”
　　------------------
　　素心学苑  收集整理