對於複雜系統只能採用模擬性建模? - Cilliers

對於複雜系統只能採用模擬方法，已經無法使用傳統的分析解構方法。複雜系統如同中醫人體脈絡，無法通過其組成器官中尋找到存在！

本文是複雜性領域權威著作保羅·西利亞斯（Paul Cilliers）的《至關重要的複雜性》摘錄，入門人工智慧或DDD建模必讀書籍！

保羅·西利亞斯（Paul Cilliers），1956年出生於南非弗里尼欣，獲電氣工程學位和哲學博士學位。早期專長於利用神經網路進行計算機建模和模式識別，後至斯泰倫博斯大學哲學系任教，講授解構文化哲學、科學哲學和科學倫理學。當前的研究集中於複雜性理論對理解倫理學、法和正義的意義。2000年，因其出色的研究而獲得雷克託獎。本書的大部分內容都是在2011年Cilliers去世之前編寫的，因此請牢記他的上下文，尤其是他圍繞AI，神經網路等主題發表的觀點。

結構主義

大腦中實體本身如小腦 左右腦等實際是沒有意義的，它們是與系統其他元件的關係中獲得了意義，這與索緒爾的結構主義語言學極為相似。索緒爾認為語言現象之間的關係是相互制約和依賴的，必須把語言系統作為一個整體研究，在此基礎上索緒爾又提出了符號學的概念，強調語言的符號功能，認為語言學中產生意義的不是符號本身，而是符號之間的各種組合關係。

因為所有符號都是相關的，所以任何更改或任何新增最終都會在整個系統中產生響應（蝴蝶效應），這種變化最終影響了是更改者的自身或其代理人。

但是這種變化是漸進的，索緒爾認為語言現象是超越個人的，因此他忽視了個人的認識在這種事物變化中也是不斷提升改變的。

索緒爾怎麼解釋個人如何運用這些符號表達他們的想法呢？因為符合定義者即指稱者和被指稱者僅完全統一在口語主題中，所以對於索緒爾來說，口語是語言的真正形式。而在將口語變成文字的寫作中，說話者和他原來的意圖之間的親密關係破裂了，如同方言罵人的詞語有無數中，但是使用普通話罵人就那麼幾種，到了英文中就簡化為FUXX了。

後結構主義

為了描述開放系統中的互動方式，德里達Derrida引入了“差異différance”的概念。這個單詞的第一種含義來自索緒爾對語言的描述，即語言的差異系統。痕跡或跟蹤(Traces)是對差異互動操作的跟蹤。例如業務流程中稽核審批環節也是一種對資訊資料差異的互動操作跟蹤或留痕，這是事件溯源的用武之地。

在這種差異跟蹤中，符號的意義產生了，但是意義的產生沒有最終結束，只是在不斷被推遲，業務流程沒有結束，某件事的處理狀態就不能算結案。

一旦產生了符號的含義，它就會與系統產生共振，並且在這種交共振中的產生干擾總是會被反射回來，從而使所討論的符號含義發生轉移，即使是無意識的也是如此。

符號雖然是真實的，但無本質意義。

像符號一樣，神經元僅在與其他神經元的關係方面中表現出重要性，自己雖然是真實存在實體，但是沒有本質意義。因此，它神經元系統也是由互動操作的留痕跟蹤構成的。

建立人工智慧（即對計算機進行程式設計，使它們以智慧方式執行）是這種符號中心思想的發展頂峰。

計算機也是一種語言形式系統，它與自然語言的形式模型之間有著緊密的聯絡，因此如果計算機無法模擬自然智慧，那麼原因只能有一個：自然語言無法提供足夠的的形式語法來描述。

神經網路的第一個重要特徵是知識不是以標誌性的方式在本地表示的，也就是說，這與傳統計算機和基於規則的系統不一樣，這些系統中是將業務規則或邏輯儲存在集中的地方，這個集中地方存在單點風險，一旦集中點發生問題，整個系統崩潰，而神經網路是將知識在整個系統中進行分配。

由於系統知識的這種分散式和並行性質，它們具有與全息圖，語言和大腦類似共的特徵：損壞系統的任何特定部分均不會導致特定特性的損失。

由於資訊分佈在整個系統中，因此對特定部分的損壞將導致整個系統的效能略有下降，但不會導致某些特定內容的丟失。這是所有分散式系統的重要特徵。

神經網路與人工智慧

神經網路和後結構模型之間的關係應該很清楚：層次之間沒有區別，沒有總體演算法，演算法存在於關係，關係不是看到的實體之間的靜態組成關係，而是隻有關係或互動操作的痕跡之間的關係。

沒有程式設計師或沒有科學家可以揭示每個要素的全部真相和最終意義。例如程式設計師無法解釋機器學習為什麼產生這樣的結果，因為程式設計師無法在具體地方去檢視到演算法，演算法是動態完成的，打個不恰當比喻，脈絡是中國中醫整體觀，你無法從屍體解剖中發現脈絡這個具體部件，它是身體各個器官相互操作的痕跡或跟蹤中體現。

不像傳統的認知模型一樣，資訊會儲存在符號中並在必要時進行呼叫，資訊而是在每次啟用網路的那部分時都會對其進行重構。這就帶來了不確定性。

許多現象，特別是在生命科學中，以及在物理學和數學中，都無法從確定性和基於規則或統計過程的角度去正確理解。

量子力學本質上是關係的，甚至在更巨集觀的層面上，關係也決定了物質的性質。

普通的歐幾里得描述在描述自然形狀（例如雲，河流，山脈，湍流）時通常是無用的。大自然通常不會產生直線/平滑的曲線。

因此，當描述大腦的功能（一種明顯的關係結構）時，仍然非常堅決地遵循確定性演算法，這確實是很奇怪的。

造成這種奇怪情況的原因之一是認知科學從確定性分析傳統中繼承了其方法論框架。這迫切需要修訂，在此修訂中，後結構理論將必須發揮重要作用。

意義取決於系統元件之間的動態關係。同樣，神經網路中的任何節點本身都不具有任何意義，這就是分散式表示的核心含義。

重要性意義源自涉及許多單位的活動模式，該模式是由於大量權重之間的動態互動作用而產生的。

對科學採取這種後結構的觀點肯定會與許多公認的科學規範理論相牴觸，但是對科學實踐的影響可能比人們預期的要小。

Complicated與Complex區別

在複雜性理論中，“complicated複雜”事物與“complex複雜”事物之間有所區別。complicated複雜的事物可能具有許多組成部分，但是這些組成部分之間的關係是固定的並且明確定義。

我們可以使用分析方法來分析複雜complicated的事物，例如，我們可以將飛機拆開並還原。

但是另一方面，複雜的事物是由大量的動態和非線性相互作用構成的。因此，當一個複雜的系統被拆開時，即當元件之間的關係被破壞時，它的重要特性就被破壞了。例如人體被解剖就死了，研究脈絡就沒有意義了。

生物，語言，文化和社會系統都很複雜。複雜complicated事物的行為可以用規則來描述。複雜complex系統的行為是通過關係構成的。

complex複雜的事物具有湧現emergent的屬性，而複雜complicated的事物則沒有。湧現屬性是我們僅通過分析系統的組成元件也無法預測的屬性。意識是大腦的一種湧現特性，無法通過檢查神經元來預測。中醫脈絡也應該屬於一種湧現，無法通過檢查身體器官去驗證是否存在。

complicated事物的行為是可以預見的，因為它應該是可以預見的。可是沒有人會乘坐具有湧現特性的大型噴氣式飛機飛行。因為湧現代表一種不確定性。

可以用一組規則完全理解的事物充其量只能是complicated的。國際象棋確實可能有許多尚未實現的可能性，但是所有這些可能性仍然可以通過遊戲的基本、靜態、永恆的規則來理解。

由於構成複雜complex系統的相互作用的非線性，因此無法對其進行“抽象壓縮”。任何試圖抽象簡化的模型都會遺漏一些東西，並且由於非線性，我們無法預測被抑制的意義。

為了捕獲所有complex，我們將必須整體上“replay重複”該系統。這同樣有問題。由於複雜的系統以其複雜complex的方式與環境互動，因此，這種系統的侷限性永遠是無法被發現的。 

當我們處理complex複雜性時，我們不可避免地要以某種方式將其描述框架化。因此，模型無法真正以客觀的方式發揮作用，只能起到解釋作用，也就是說，世界是主觀的，物自體無法真正知道，只能通過某種模型語言來解釋。

當我們要對複雜系統建模時，基於規則的方法是不夠的。 [但是，這並不是說]規則不重要也沒有用。

概念“規則”的邏輯意味著一定的普遍性。規則應適用於“規則所包含的描述所包含的案例，無例外”。

基於規則的模型會生成有關此類系統的功能以及可能如何執行的描述，但是它們不是“錯誤”就是無用的，當我們想加深對複雜complex系統的瞭解時，我們必須僅瞭解這種基於規則模型的侷限性。

為了做到這一點，我們不能僅僅以籠統的方式談論規則，我們需要區分不同種類的規則。我們通常在描述性規則和規範性規則之間進行區分，這種區分依賴於事實與價值之間存在明顯的區分，但這是一個難以維護的問題，尤其是在複雜complex系統的情況下。

如果要根據一組規則生成複雜系統的形式化模型（可以在計算機上模擬的模型），則應清楚理解調節性規則和構成性規則之間的區別。

確定或約束其行為的模型的本質規則是調節性規則。人們可能會花費大量時間來開發和完善它們，但不要忘記，它們僅在構成該意義的框架方面具有意義。 

當處理複雜complicated的事物時，通常至少在原理上通常可以精確地確定其構成性規則框架。但是，在對複雜complex系統建模時，無法確定構成性規則框架，也無法以直接的方式不證自明。

為了產生一些通用理解，框架必須降低複雜性。根據我們對系統的描述目的選擇一個框架。模型的質量和實用性主要取決於此選擇。

complex複雜系統的運作沒有什麼神祕之處。但是，由於系統的性質是無數，區域性，非線性，非演算法，動態相互作用的結果，因此無法根據一組規則完整而準確地描述它。

我們無法避免在建模過程中降低複雜性。

複雜系統中的結構模式更加混亂。它們的邊界沒有明確定義。它們相互重疊並相互滲透。

基於規則的模型將無法提供複雜系統的一般且準確的描述，尤其是對諸如人類之類的事物而言。

大規模，高度連線的迴圈網路可以用作複雜系統的通用模型，但是具有一定的條件……即使我們構建了這些模型，從降低複雜性與幫助我們理解兩者綜合來產生一個設計結果，這個結果也將不再是“模型”對系統的真正瞭解。

為了保留系統本身的複雜性，即不能抽象壓縮複雜性，那麼正確的複雜系統模型必須與系統本身一樣複雜。

最終結果，模型的行為將與系統本身一樣complex複雜（且不可預測）。這個結論是一個絕望的結論嗎？也許是的，特別是對於那些仍然夢想完全掌握現實的科學家和管理人員，他們通常可能是為了控制現實。

對於我們這些沒有控制慾和強迫症或焦慮症的人來說，這提醒我們，我們的能力有限，對世界的瞭解也有限。

Complex系統的後結構主義

無論是技術上還是口語上的複雜性和混亂都沒有關係。複雜的系統並不混亂，它具有豐富的結構。人們當然不會將大腦或語言（複雜系統的主要例子）描述為“混亂的”。

我們無法準確確定複雜系統的邊界，因為它是開放的。為了精確地對系統建模，我們必須對系統中的每個互動，與環境的每個互動（當然也很複雜）以及系統歷史中的每個互動進行建模。

如果我們將必須對生命，宇宙和所有事物建模，那麼沒有真正實際的一種方法可以做到這一點。當然這並不等於說複雜的系統就是混亂的，複雜系統的湧現Emergence並不是隨機的或屬於一種統計現象。

複雜的系統具有結構，而且這種結構是可靠的。

複雜系統是混亂的，也並不意味著開發複雜系統的正式模型也沒有意義。就像任何科學模型一樣，我們可以在某些假設和限制的基礎上開發模型。

由於我們不瞭解系統的邊界，因此我們永遠不知道是否已經充分考慮了這一點。我們必須對所有可能的因素進行選擇，但是在非線性條件下，我們永遠不會知道是否遺漏了一些似乎毫無意義的東西。

複雜性理論無法為我們提供預測決策效果的方法，也無法為預測所考慮系統的未來行為提供方法。

我們無法為複雜系統建立簡單模型。因為它們的非線性性質，換句話說，它們的不可壓縮性，將要求系統的模型與系統本身一樣複雜。

如果系統至少在某些時候以新穎且不可預測的方式執行，那麼模型也必須這樣做。

傳統世界觀的危險

在談論“知識”的管理時，無論是通過人還是計算機，都存在陷入客觀主義者/主觀主義者，原教旨主義者/相對主義者二分法的危險。如果人們認識到知識的複雜、互動的性質，那麼問題的性質就會改變。

對於那些想要將知識計算機化的人，知識必須是客觀的。必須有可能在沒有主體干預的情況下收集，儲存和操縱知識。

另一方面，對形式化知識的批評者通常會迴避基於主觀或特定於文化的觀點的論證，以表明不可能，我們不能獨立於認識的主題來談論知識。

必須承認知識與知識所構成的系統之間的辯證關係。兩者不是獨立存在的，因此不可能首先對系統（或上下文）進行分類，然後在系統中識別知識。

複雜的系統具有悠久的歷史，如果不考慮其上下文，就無法構想它們。

複雜性是不可壓縮的。沒有比系統本身更簡單的準確（或更完美）的系統表示形式。

在構建開放系統的表示形式時，由於這些遺漏的影響是非線性的，因此我們不得不將其遺漏在外。我們無法預測它們的大小。

降低複雜度總是會導致失真。