23.1控制論怎麼了？
"早上好，組織系統！"
這位愉快的演講者優雅自如地整了整領帶，微笑著說："在這個精心挑選的日子裡，海軍研究處和裝甲研究基金會聯袂發起這次研討會，來探討我個人認為非常重要的課題，我感到非常高興。"
這是1959年5月仲春的一天。400名學科背景迥異的學者雲集芝加哥，參加這個有望震驚科學界的盛會。與會嘉賓幾乎涵蓋了世界主要的科學分支：心理學、語言學、工程技術學、胚胎學、物理學、資訊理論學、數學、天文學和社會科學，等等。在此之前還沒有過任何一次會議，召集過這麼多不同領域的頂尖科學家們來花兩天時間研討一個主題。當然也從來沒有為這一特別的主題舉辦過大規模的會議。
只有年輕而興旺發達的國家，在對自己在世界格局裡扮演的角色信心滿滿時才會思考這樣的問題：自組織系統----組織是如何自舉圖存的。自舉圖存！這是置於方程式的美國夢。
"會議選擇的時機對我的個人生活而言，也有特別重要的意義，"演講者接著說道，"過去的9個月裡，美國國防部一直在全力以赴地做著組織工作，這恰恰清楚地表明，要正確理解自組織系統的成因，我們還有很長的路要走。"
一早進入會場落座的人群裡傳來會心的笑聲。講臺上發言的海軍研究處主任約阿希姆·威爾博士，笑著繼續說道："我想提請各位注意三個基礎要素，它們值得好好研究。從長遠來看，我們對計算機領域中儲存器要素的基本理解，絕對且不可避免地將運用到'自組織系統'內。談到電腦，如今大家可能和我一樣，認為它不過是一種工具，一種幫助記憶從一種狀態轉入另一種狀態的工具。"
"第二個要素，生物學家們稱之為分化。很顯然，任何能夠進化的系統，都離不開遺傳學家們所說的本質上屬於隨機事件的突變。將一個群推往一個方向，將另一個群推往另一個方向，這需要一些最初的觸發機制。換句話說，為使長期的自然選擇規律發揮作用，必須依賴包含噪聲的環境提供觸發機制。"
"第三個基本要素在我們論述龐大的社會組織時，也許會以最純粹最易理解的方式自行體現出來。就本次會議的目的而言，姑且讓我稱之為從屬性，如果你願意，也可以稱之為執行功能。"
看看這些術語：訊號噪聲、突變、執行功能、自組織。說出這些詞的時候，dna模型尚未建立，數字技術尚未應用，資訊管理系統專業尚未出現，複雜性理論尚未誕生。很難想象這些想法在當時是多麼離經叛道，多麼具有革新性。而且又是多麼正確。35年前的剎那之間，威爾博士概述了我在1994年出版的一整本書。我在那本書裡論述了適應性、分散式系統的突破性科學以及這門科學導致的突發現象。
儘管1959年的這次會議上的預言是非凡的，我卻看到了值得一提的另一方面：35年來，我們對整個系統的認識提高得是多麼少。儘管本書中提及了近期取得的巨大成就，但是很多關於整體系統的自我控制、變異分化和從屬性等基本問題還是迷霧重重。
在1959年這次會議上遞交論文的全明星陣容彙集了自從1942年起就常在一起召集小型會議的科學家們。這些私密的，只能憑邀請函參與的聚會由梅西基金會發起並組織，後來以梅西會議聞名。在當時緊張的戰時氣氛下，與會成員多為跨學科的學術精英，著重考慮重要組織問題。這9年裡，會議邀請的幾十位人工智慧研究者中包括格雷戈裡·貝特森、諾伯特·維納、瑪格麗特·米德、勞倫斯·弗蘭克、約翰·馮·諾依曼、沃倫·麥克洛克和羅森布魯斯，這次群星閃爍的聚會因其開拓性的觀點----控制論，即控制的藝術和科學，而以控制論群體聞名於世。
有些事情初期並不顯眼；而這次卻不是。梅西會議的與會者從第一次會議中，就能想象到自己開啟的異端之門後面會是怎樣瑰麗的美景。儘管他們都有資深的科學背景，又是天生的懷疑論者，但是，他們仍然馬上意識到這種革新的視角能使自己餘生的學術事業為之一變。人類學家瑪格麗特·米德後來回憶說，自己參加第一次會議時，為那些橫空出世的思想興奮不已，以至於"直到會議結束我才注意到自己咬掉了一顆牙齒"。
這個核心組的成員包括生物學、社會科學還有現在我們稱為電腦科學等領域的主要思想家，雖說這個群體那時僅僅才開始創立計算機概念。他們最主要的成就是清晰地描述了控制和設計語言，從而為生物學、社會科學和計算機學效力。這些會議的卓越成果得益於當時另類的方法：嚴格地把生物視為機器，把機器視為生物。馮·諾依曼從數量上比較了大腦神經元和真空電子管的運算速度，大膽暗示兩者可以類比。維納回顧了自動控制機器進入人體解剖學的演變歷史。醫生羅森布魯斯預測了人體及細胞內的自我平衡線路。史蒂文·海姆斯在《控制論群體》一書中詳細講述了這群頗具影響力的思想家的故事，他說到了梅西會議："即使是像米德和弗蘭克這樣的人類社會學家也成了從機械視角理解事物的擁護者。在這一理念中，他們把生命體描繪為熵的衰減裝置，賦予人類自動控制裝置的特色，把人的思維看成計算機，並以數學博弈論來看待社會衝突。"
在大眾科幻小說剛剛問世、尚未成為當今對現代科學有影響力的元素的時代，梅西會議的與會者常常使用極度誇張的隱喻，很像如今的科幻小說家。在一次會議上，麥克洛克說過這樣的話："我特別不喜歡人類，從沒喜歡過。在我看來人類是所有動物裡最卑鄙最具破壞性的。如果人能進化出活得比人自己更有趣味的機器，我想不出為什麼機器不應該十分快樂地取代我們，奴役我們。它們也許會過得快活的多，找出更好玩的樂子。"人道主義者聽到這種推測驚懼不已，但在這種的噩夢般泯滅人性的情節背後，隱藏著一些非常重要的理念：機器有可能進化，它們也許確實能比我們更好地完成日常工作，我們與精良的機器享有相同的操作原理。這些理念就是下一個千年的絕好比喻。
就像米德在梅西會議後寫的："控制論群體沒有考慮到的是，一系列具有很高秩序的卓有成效的新發明陸續問世。"特別是產生了反饋式控制、迴圈性因果、機器的動態平衡和政治博弈理論等觀念，並且都漸漸進入主流，直到今天，它們成為了基礎得近乎氾濫的理念了。
控制論群體並沒有按照自己安排的解決問題的時間表找到相應答案。幾十年後，研究混沌、複雜性、人工生命、包容架構、人工進化、模擬模擬、生態系統和仿生機器的科學家們將會為控制論中的問題提供一個框架。對《失控》進行片面概述的人也許會說本書是控制論研究現狀的最新資料。
但是本書也令人頗為迷惑。如果它真是探討控制論的，為什麼全書罕見"控制論"這個術語呢？從事尖端科學研究的早期開拓者如今在哪裡？為什麼老一輩的學術權威和他們的傑出想法沒有處在他們那自然延伸的研究工作的中心呢？控制論怎麼了？
在我最初和年輕一輩的系統開發者打交道的時候，這是困擾我的一個難以理解的事情。這些更為博學的人當然知道早期的控制論工作，但他們當中幾乎沒有一個具有控制論背景的人。好像在知識傳播的過程中，那整個一代人都消失了，出現了一個缺口。
對於控制論運動消亡的原因有三種推測：
由於當時炙手可熱但夭折了的人工智慧研究領域抽走了大量資金，控制論研究因資金枯竭而中止。人工智慧的失敗在於，開發出了效用，卻犧牲了控制論。人工智慧只是控制論研究的一方面，但是，當它得到政府和大學的大部分資金時，控制論其餘大量待研究的課題就消失了。剛畢業的學生們紛紛進入人工智慧研究領域，於是，其他領域後繼乏人。之後，人工智慧研究自身也陷入停頓。
控制論是批處理計算模式的受害者。資訊傳遞是控制論的最主要的妙策。這種需要測試其想法的試驗，要求計算機以全面考察的模式全速運算多次。這樣的要求對於保護主機的嚴格律條來講顯然不合時宜。因此，控制論理論幾乎很少對此進行實驗。後來廉價的個人電腦開始風行於世，但在大學裡採用卻是出了名的慢。連中學生都把蘋果ii型機搬回家了，大學裡還在使用穿孔卡片。克里斯·朗頓在蘋果電腦上做出了平生第一個人工生命實驗。多恩·法默和朋友用組裝電腦，發現了混沌理論。即時掌控一臺完備的通用型計算機是傳統控制論需要但從未做到的事情。
"把觀察者放進盒子裡"這句話扼殺了控制論。1960年，福瑞斯特英明地提出，可以把系統觀察者作為一個部件加入一個更大的元系統，來獲得對社會系統的創新觀點。他給自己的觀察設立一個稱為二次指令控制的框架，或稱之為觀察系統的系統。這個真知灼見在以下一些領域是有的放矢的：比如家庭心理治療，臨床治療師得在理論上把自己融入這個家庭以求療效。但是，當臨床治療師給病人錄影，之後社會學家給臨床治療師觀看病人錄影的情況錄影，然後再為自己觀察治療師錄影......時，"把觀察者放進盒子裡去"就陷入無限迴歸。到了20世紀80年代，美國社會控制論名冊裡就充滿了臨床治療師、社會學者以及主要興趣在觀察系統的效用上的政治學者們。
以上三種原因一致行動，以至於到了20世紀70年代末，控制論就此枯萎消亡。絕大多數控制論的研究停留在本書述及的水平：不切實際地拼織一幅宏大的畫卷。真正的研究人員要麼在人工智慧研究室裡遭遇挫折，要麼在俄羅斯偏僻的科研機構裡繼續工作，在那裡控制論研究作為數學的分支確實繼續進行著。在我看來，沒有一本正式的控制論教科書是用英文寫成的。
23.2科學知識網之缺口
我們稱為科學的知識構架中存在著裂縫，一個缺口。熱衷於科學的年輕人填補了這個缺口，他們沒有揹負睿智前輩們強加的包袱。而這個缺口讓我對科學的空間充滿了好奇。
科學知識是一種平行的分散式體系。沒有中心，沒人處於控制地位。其中容納著無數智慧的頭腦和分散的書籍。它也是一個網路，一個事實和理論互相作用互相影響共同進化的體系。但是作為在崎嶇不平的神秘王國中並行探索的行動者的網路來說，科學研究的領域遠比我在這裡已經談及的任何領域都更為寬廣。僅僅適當地論述科學的結構，就需創作出比我至今已完成的著述更冗長的一本書。在此結尾的章節中，對此複雜體系我只能點到為止。
知識、真理和資訊在網路和群體系統內流動。我一直醉心於科學知識的構造，因為看上去它似乎凹凸不平、厚薄不勻。我們共同瞭解的很多科學知識都發源於一些小的領域，而在這些領域之間卻是大片無知的荒漠。我可以將現在的觀察資料解釋為由正反饋和吸引子帶來的結果。一點點知識就可以闡釋周圍的許多現象，而新的闡釋又啟發了知識自身，於是知識的角落迅速擴大。反之亦然，無知生無知。一無所知的領域，人人都避而遠之，於是愈加一無所知。結果就出現這樣一幅凹凸不平的圖景：大片無知的荒漠中橫亙著一個個自成體系的知識山峰。
在此由文化產生的空間中，我最著迷的是那些荒漠----那些科學認知的缺口。對於未知的事物我們能知道些什麼？進化理論隱現的最大希望是揭開生物體為什麼不改變的神秘面紗，因為靜態比改變更為普遍，也更難解釋清楚。在一個變化的系統中，我們對於不變能瞭解多少？變化的缺口向我們明示了變化整體的什麼情況？因此，我躍躍一試要探個究竟的是整體空間中的認知缺口。
這本特別的書遍佈缺口以及整體。我不知道的遠遠多於我知道的，但是很不走運，論述我不知道的卻遠遠難於論述我所知道的。由於無知的本性，我當然也無法知道自己所擁有知識的所有缺口。承認自己無知真是個不錯的秘訣。科學認知也是如此。全面勾繪出人類在科學認知上的缺口或許就是科學的下一次飛躍。
今天的科學家相信，科學是不斷革新發展的。他們通過進行著微小變革的模型來解釋科學如何發展。按此觀點，科研學者建立起一種理論來解釋事實（比如，因為可見光是一種波，所以能生成彩虹），而理論本身又能指引尋找新的事實。（你能彎曲光波嗎？）又是收益遞增法則，把新發現的事實整合進理論體系，使得理論更加有力也更加可靠。偶爾，科學家們會發現不易用理論解釋的新事實（光有時的表現像粒子）。這些事實被稱為異常事件。當與起支配作用的理論一致的新事實不斷湧現時，最初的異常事件就被擱置不理。到了某個時刻，經驗證，累積的異常事件太大、太討厭或太多了，再也無法忽略了。這時，必然會有一些激進分子提出變革性的另類模型來解釋異常事件（比如，光的波粒二象性）。舊的理論被掃地出門，新的理論迅速佔據優勢地位。
按照科學史家托馬斯·庫恩的說法，起支配作用的理論形成被稱為典範的自我強化思維，來指定哪些是事實，哪些只不過是干擾。在此典範內，異常事物是些微不足道的、稀奇古怪的、憑空幻想的或是不合格的資料。贊同典範的研究計劃就會獲得撥款、實驗空間和學位認可。那些忤逆典範的研究課題----那些涉獵分散瑣事的課題，就什麼都得不到。然而，拒絕了資金支援和學界信任而又作出偉大變革發現的著名科學家比比皆是，這樣的故事已經很老套了。在本書中，我引述了幾個那樣的老套故事供大家分享。其中一個例子介紹了涉及的那些被忽略的工作，是用擁有與新達爾文教條相牴觸思想的科學家們所做的。
庫恩在他那本有創意的著作《科學變革的結構》（thestructureofscientificrevolutions）中提到，科學史上真正的發現，只能"從瞭解異常事物開始"。進步源自對反面意見的認可。受到壓制排斥的異常事物（及其發現者）憑藉反面事實揭竿而起奪取王位，顛覆一系列已確立地位的典範。新的理論至少在一段時間內佔居優勢地位，直到它們自身也僵化起來並對後起的異常事物麻木不覺，最後自己也被趕下寶座。
庫恩的科學典範更替模式如此令人信服乃至自己也變成一種典範----典範的典範。現在，我們在科學領域內外隨處可以看到典範和推翻典範的事例。典範更替成為我們的典範。如果事物沒有真正地那樣演化，那麼，這個事實就是異常事物。
阿蘭·萊特曼和歐文·金戈裡奇在1991年的一期《科學》雜誌上發表的論文《異常事物何時出現？》聲稱，和庫恩的佔統治地位的科學模式相反，"只有在新的基本概念範圍內對某些異常事物做出令人信服的解釋，它們才能為大家所公認。在此之前，那些特異的事實在舊框架內要麼被當作假想的事實，要麼被忽視"。換句話說，最終顛覆典範的真正異常事物，最初甚至沒被看作異常事物。它們被視而不見。
基於萊特曼和金戈裡奇的文章，這裡有一些簡短的例子來解釋"事後識別"。
南美洲和非洲的地形就像鎖和鑰匙一樣契合，這一事實從未困擾過20世紀60年代前的地質學家們。對此現象的觀察，以及對大洋中脊的觀察也未對他們或他們的大陸成形理論造成任何困擾。儘管自打第一次有人繪製大西洋海圖時，這一顯著的契合就被注意到了，但這個即存的事實甚至不需要解釋。只是後來對此有了解釋，大家才事後識別這一契合。
牛頓精確測量了很多物體的慣性質量（使物體運動的內在動力，就像鐘擺開始往復的動力）和它們的引力質量（以多快的速度向地表墜落），以此來確定這兩種力是均等的，如果不均等，在做物理學運算時可能就會互相抵消。幾百年來這兩者的關係從未有人質疑。可是，愛因斯坦卻驚訝於"牛頓定律在宇宙中的大廈基石裡找不到任何位置"。和別人不同，他對此窮追不捨，最終成功地以創新的廣義相對論闡釋了這個現象。
幾十年來，宇宙動能和重力能之間幾乎精準的平衡----這對作用力使膨脹中的宇宙得以在暴漲和坍塌間維持平衡，讓天文學家順便注意到了這種現象。但是，這個現象從未被當作一個"難題"，直到1981年革命性的"宇宙膨脹"模型問世，才使這一事實成為令人不安的悖論。對此平衡的觀察，開始並不是異常事物，直至典範更替後，回顧過去，它才被看作麻煩製造者。
以上例子的共同主題都是說，一開始異常事物都只是人們觀察到的事實，完全不需要解釋。這些事實不是引起麻煩的事實，它們只是事實。異常事物不是典範更替的原因，而是更替的結果。
在一封寫給《科學》雜誌的信裡，戴維·巴拉什講述了自己的經歷。1982年他寫了本生物社會學的教科書，書中他寫道："自達爾文開始，進化生物學家們常被此現象煩擾：動物常常做一些看上去利他的行為，而往往自己要付出極高的代價"。1964年，威廉姆·漢密爾頓出版的包括適應性理論的刊物開創了生物社會學。他的理論提供了儘管有爭議但是切實可行的方法來解釋動物的利他行為。巴拉什寫道："受萊特曼－金戈裡奇論文的啟發，我當時回顧了大量1964年以前的有關動物行為和進化生物學方面的教科書，卻發現，事實上----和我上面引用的主張（生物學家的煩擾）相反，在漢密爾頓頓悟之前，動物界出現的明顯的利他行為並沒困擾進化生物學家們（至少他們沒有對此現象投入精力做多少理論探究或是實驗考察）。"他在去信的結尾半開玩笑地建議，生物學家們"來給大家上一課，講講我們所不瞭解的，比如說動物的行為"。
23.3令人驚訝的瑣碎小事
本書的最後章節是個簡短的課程，講述我們，或至少是我，所不瞭解的複雜的自適應系統和控制的本質。這是一份問題的清單，一份缺口的目錄。即使對非科學工作者來說，其中很多問題看起來也是愚蠢、淺顯、瑣碎或幾乎不值得一提的。同樣，相關領域的專家們也許會說：這些問題是科學發燒友們擾亂人心的瘋話，是技術先驗論者閉門造車的冥想，都無關緊要。而我讀到一個精彩段落，才獲得靈感寫下了這一非傳統的課程。那個精彩段落是道葛拉斯·霍夫施塔特寫的，早於彭蒂·卡內爾瓦那晦澀難懂的有關稀疏分散式計算機儲存器技術專論。霍夫施塔特寫道：
我先從近乎瑣碎的事物開始觀察，發現對於日常熟知的事物，我們看到其個體就能自然聯想到其所屬類別的名字。比方說看見樓梯，無論它多大多小，是螺旋的還是直上直下的，是雕欄畫柱還是樸素無奇，現代的還是古老的，髒亂的還是乾淨的，想也不用想，"樓梯"這個標籤總能自然而然地蹦達出來。顯然，電話、郵箱、奶昔、蝴蝶、飛機模型、彈力褲、八卦雜誌、女鞋、樂器、密封球形救生器、旅行車、雜貨店等等，莫不如此。藉此外界物質刺激物間接地啟用我們大腦記憶區的某處，這種現象完全融入了我們的生活和語言，以致大多數人難以對此留意併產生興趣，更別提對此感到驚訝了，然而，這或許正是所有心理機制的最關鍵之處。
對沒人感興趣的問題驚訝不已，或者對於沒人認為是問題的問題驚訝不已，這也許是一個更好的科學進步的典範。
我對自然和機器的執行之道感到無比驚訝，這也是寫作本書的根本動力。我寫這本書是想努力向讀者解釋我的困惑。當寫到某些我不懂的事情時，我會與之較勁，認真研究，或大量閱讀相關書籍直到能理解為止，然後重新提筆寫下去，直至被下一個問題難住。之後，我會重複這個過程，週而復始。我總會遇到使寫作無法繼續的問題。要麼是沒人解答問題，要麼是有人根本不理解我的困惑，而給出落入俗套的答覆。這些攔路的問題一開始絕未顯得這麼舉足輕重，成為一個讓我無法繼續下去的問題。但實際上它們就是原型異類。就像霍夫施塔特對於人類頭腦具有識物之前先分類的能力感到驚訝卻獲賞識一樣，這些未解之謎在未來也會產生深刻的見解，也許是革命性的理解力，也許最終會成為我們必須解釋的公認事物。
讀者們看到這裡列舉的大部分問題似乎就是我在上述章節中已經回答過的問題，也許會感到困惑。而事實上，我所做的一切就是圍繞著這些問題，測量其範圍，然後向上攀爬，直到自己卡在某個虛假的頂點。以我的經驗來看，迷戀別處的部分答案往往能引出大部分很好的問題。本書就是尋找有趣問題的嘗試。但是在探索途中，一些實在平常的問題卻困住了我。以下就是這些問題。
我在本書中常用"湧現"這個詞語。在把什麼都弄得複雜化的專業人士那裡，這個詞有點這個意思："各個部分一致行動生成的組織。"但是當我們撇開含糊不清的印象細讀這個詞，其湧現的含義就漸漸消失了，實際上這個詞沒有特別的意義。我試過在每個用到"湧現"的地方，用"發生"來取代，效果似乎還不錯。我們可以試試。全球的秩序發生自各地的規則。我們用湧現要表達什麼意思呢？
還有就是"複雜性"，它到底是什麼？我把希望寄託在兩本1992年出版的科學著作，書名同為《複雜性》，作者分別是米奇·沃爾德羅普和羅傑·盧因，因為我希望其中一本能提供實用的複雜性的衡量方法。但兩位作者圍繞這一主題寫了書，卻都不敢冒險給出有用的定義。我們怎麼知道一件事物或一個過程就比另一樣更復雜呢？黃瓜比卡迪拉克更復雜嗎？草地較之哺乳動物的大腦更復雜嗎？斑馬比國民經濟更復雜嗎？我知道複雜性有三到四種數學上的定義，但沒有哪種可以大體上解答我剛剛提出的這類問題。我們對事物的複雜性如此無知，以至於我們還提不出關於複雜性是什麼的恰當問題。
如果進化日趨複雜化，為什麼？如果真相併非如此，那為什麼它看上去似乎如此呢？複雜真的比簡單的效率更高嗎？