Chapter Content
哎，大家好。今天要跟大家聊聊这个，我觉得还挺有意思的，就第三章吧，叫“Nature as Builder”，就是大自然作为建造者。其实主要想说的就是，哎，自然界啊，它才是解决难题的真正高手。它创造出来的东西，不管是生物还是非生物，都超级厉害，能解决各种复杂的挑战。
比如说吧，河流，它解决了什么？水的分配啊，防止水土流失啊，营养物质的输送啊，还有创造栖息地，调节洪水等等。山呢，解决了水的收集，生物多样性，气候调节，还有碳捕获。再说说水獭，它会砍树，建造水坝和住所，储存食物，保卫领地，哎，还会组织家庭结构。你看，这些都是大自然给我们的启发。
当我们看到鸟儿在天上飞，我们就想自己也能飞。看到海豚在水里滑行，或者鸭子轻松地漂在水面上，我们就希望也能做到。但说实话，跟大多数动物相比，人类的身体不太适应自然环境。我们没有保暖的皮毛，没有防御的爪子，也没有能制服猎物的牙齿。但是，我们有很强的合作能力，能把想法变成实际工具。
观察和模仿自然，这是人类的天性。当我们观察鱼的鳍，我们就知道表面积和推进力之间有联系。我们不会就此罢休，而是会自己动手，给自己做鳍。观察河流的流动，就促使我们建造自己的水利系统，哎，调节洪水。看到山，就启发我们建造高耸的建筑物，用流线型设计来减少能源消耗，或者保护我们免受风吹雨打，甚至是人的侵害。我们的园林景观和工程技术，也在模仿水獭坝的一些结构和功能。我们的服装和纺织品，也在尝试模仿各种动物的保暖和防水性能。
一直以来，人类都在从大自然的解决方案中寻找灵感，来创造我们生存所需的东西。但是，人类创造的东西，跟大自然的解决方案相比，还是差远了。汽车比猎豹跑得快吗？这得看你怎么定义“快”了。如果只是说在平坦的表面上直线运动，那当然是汽车快。但是，这种环境是人类特意创造的，为了弥补汽车在大多数环境中无法行驶的缺陷。汽车在几乎所有自然环境中都毫无用处。我们不能开着车穿过丛林，轮胎会在沙漠中失去抓地力。当然，我们可以换轮胎，改进底盘（增加零件），但它仍然无法像大自然的解决方案那样移动。
猎豹可以绕过角落，快速转弯，迅速加速，并在各种变化的环境中保持平衡。在几乎所有方面，猎豹都比汽车更强大。所有人类创造的东西都是如此。虽然它们看起来很复杂，但跟大自然创造的东西相比，还是相形见绌。只有在人工环境中，人类创造的东西才显得有能力。汽车需要道路才能被认为是快的，飞机需要开阔的天空和直接的路线才能被认为是高效的，药物需要忽略副作用才能被称为“靶向”。大自然的精妙程度，远远超过了人类的创造。
我们在解决方案中添加了很多零件。但是，桥梁、客机和微芯片仍然是完全确定性的。它们产生的输出，完全依赖于基于规则的指令和精心的工程设计。我们发明的每一个零件，都有已知的相互作用和可见的因果路径。汽车内燃机的内部，无论多么先进和复杂，都有明确的、完全确定性的行为。当然，错误可能会引入不可预测性，但那是来自外部的。系统本身以完全确定和可预测的方式产生输出。
人类的进步，更多的是改变世界来适应我们有限的建造能力，而不是提出惊人的创新。当我们诚实地审视人类与自然创造之间的差异时，我们会发现，人类并没有创造出真正的精妙。除了像城市、市场和人工智能之类的东西，几乎没有任何我们的解决方案，具有复杂性的标志性特征。因此，它们不是能解决真正难题的东西。人类的创造，只是在我们为了适应它们而创造的狭隘世界中，才被认为是精妙的。
人们看到火箭发动机，会觉得它“复杂”，因为他们是在跟我们之前建造的东西相比。现代火箭发动机的零件和连接，比古代的火药火箭要多得多。但是，现在把人造火箭跟鱿鱼的推进系统比较一下。它们都是通过流体介质推进的装置，但鱿鱼拥有的能力，是火箭工程师梦寐以求的。鱿鱼可以极其精确地控制速度和机动性。它们可以实现短时间的爆发速度，也可以进行长时间的旅行，而不会迅速耗尽能量储备。鱿鱼的神经系统，使它能够感知环境，并实时调整推进力。鱿鱼推进系统的结构可以再生和自我维护。
火箭“更好”，只是因为它有能力做一件非常狭隘的事情。火箭的燃料和部件在使用过程中会被消耗和降解。当然，鱿鱼不会飞到月球，但那不是它进化来的目的（如果是的话，它会比我们的火箭更有效）。
观察大自然的解决方案，我们看不到跟人类发明内部一样的复杂性。这是因为，大自然解决方案中无数的细节，被复杂性所掩盖了。火箭发动机不是一个复杂的物体，根本不是。无论在发动机中添加多少零件，如果它的输入（燃料和导航指令）确定性地映射到它的输出（推力和空气动力稳定性），它永远不会变得复杂。
真正的精妙，是解决难题所必需的，但它是一种湿润而黏滑的精妙，而不是一种细节上的复杂。当事物显得错综复杂时，实际上它们很简单，因为我们可以看到设备的内部运作。复杂不是复杂。
人类发明的东西不是真正的精妙的例子，因为它们有根本原因，以及产生其输出的可见因果路径。当出现问题时，我们可以对其进行调试。我们可以为其内部运作创建精美的图表和数学公式。这不是精妙，这是公然的简单。你无法调试复杂性。
大自然是如何创造出如此极端的精妙程度的？大自然是如何产生比人类能创造的任何东西都多的零件和连接的解决方案的？大自然是如何产生高度适应性的猎豹和极其能干的鱿鱼的？
我们已经看到了暗示这种过程的东西。我们看到了城市和人工智能，是如何通过缺乏设计来产生它们的配置的。我们看到了复杂性的标志性特征，是如何在人造事物中实现的，只要我们愿意走出系统之外，让事物自行收敛。事实证明，这种方法正是大自然一直在做的事情。
只有使用大自然的配方才能达到真正的精妙，大自然的配方是自然选择的成分。自然选择是一个包含三个主要部分的过程：变异、迭代和选择。变异代表种群内个体之间，在身体和行为特征方面的差异。迭代是该过程的重复周期（世代），种群内的变异会受到环境压力。选择是种群内某些特征，如何受到环境的青睐或不利影响，从而导致这些特征随时间推移而发生的频率变化。
自然选择中的变异来自各种来源。在遗传学方面，变异归因于突变、重组、基因流动和遗传漂变等因素。但是，栖息地、气候、食物供应和其他生态因素的差异，也可能导致种群之间在行为、形态和生理方面的变异。交配系统、社会等级、交流方法和各种群体动态，可以塑造行为和特征。表观遗传机制，即在关键发育时期经历的环境因素，也可能产生持久的影响。毋庸置疑，变异来自许多来源。
但是，拥有大量的变异是不够的。必须进行多次迭代，才能筛选出那些没有价值的变异；那些没有充分解决与生存相关的各种挑战的变异。自然界的迭代，是通过世代实现的，即种群随着时间的推移而产生的后代的连续阶段。没有一个个体可以永远活着。这种对生命的限制，确保单个生物必须产生后代才能延续其血统。
变异和迭代共同作用，确保有许多选择可供选择，并进行多次尝试。但大自然的配方还有一个关键成分，那就是选择。必须有一些对“好”的定义。这来自于选择压力，这是生命为了生存必须遵守的一系列标准。如果新一代引入的改变对环境的适应性较差，那么它们生存的可能性就较小，反之亦然。
关于大自然变异、迭代和选择的配方，最重要的是，它从外部运作。对于大自然创造的解决方案，没有刻意地将内部细节拼凑在一起。所需的东西的本质，是从大自然持续的迭代变化和收敛过程中自动产生的。
有人可能会说，DNA违背了这种自动制造解决方案的观点。毕竟，我们经常将DNA称为，用于所有生物的生长、发育、功能和繁殖的遗传指令。DNA存储了组装蛋白质的代码，蛋白质是生命必需的有机物形成的必要条件。但是，DNA本身是自然选择的结果。它不是过程的开端，而是因为更简单的分子，更擅长复制和保存维持生命所需的信息，所以才达到了它的分子结构。DNA经过数十亿年的化学进化过程才出现。我们今天看到的DNA，只是一个非常漫长过程中的一个瞬间。
此外，DNA本身是人类的划分；一个方便的定义。这并不意味着DNA不是真实的，这只是意味着我们选择非常重视其孤立的结构。但是，如果没有使它的作用成为可能的所有周围物理环境，该结构就毫无意义。同样，复杂性没有根本原因。
自然选择向我们展示了，从外部运作是如何实现真正的精妙的。通过存在于任何关于事物如何运作的内部知识之外，自然选择允许物质和信息的混乱，自然地配置成生存所需的东西。这就是解决难题的方法。
这就是为什么像智能设计这样的论点会失败。不仅因为它们是不可证伪的，还因为它们的前提是，复杂性会被设计出来。相信复杂性会被设计出来，即使是被超自然生物设计出来，也不符合复杂性首先是如何运作的。这不是反对对上帝的信仰，而是反对对复杂性的不当框架；许多科学家对此同样有罪。大自然不会设计，真正的原因是，设计只在确定性设置下有效，而复杂性不是。如果有一位上帝，他不会以确定性的方式设计宇宙，他会设置一个高层次的、外部的过程，允许自然自动收敛；一种更加美丽的方法。
大自然一直是我们的缪斯。我们一直从大自然中寻找灵感，并试图模仿她的解决方案。但这里有一个更重要的信息。大自然向我们展示了，要产生高度灵活和动态的解决方案，那种能解决真正难题的解决方案，唯有变异、迭代和选择的外部过程。这是关于走出我们希望创造的系统之外。这是关于承认绝对的认知障碍，无法从内部弄清楚事物是如何运作的。但更重要的是，这与难度或模糊无关。复杂系统中因果关系的缺失（不是因果关系的不透明，而是缺失）不是程度问题。这是一个鲜明的转变，它改变了解决问题的模式。
虽然自然选择是在生物学背景下讨论的，但它不仅限于生物学。自然选择是一个普遍的过程，通过该过程可以实现和进化复杂性。无论系统如何，如果要实现超出我们在人造系统中看到的简单复杂性的东西，它都必须利用大量的变异、迭代和选择，才能收敛于真正精妙的东西。
自然选择是大自然版本的试错法。大自然不会通过演绎来得出它的解决方案。单独的演绎无法产生难题的答案，因为演绎无法预见复杂可能性空间中，特征之间发生的权衡。没有分析方法来评估复杂情况中无数特征是如何相互作用的。
从三体问题开始的混沌模式，使得无法精确地（在数学上、分析上）知道事物是如何运作的，并且这种不确定性随着系统中零件数量的增加而呈指数级增长。实现正确的物质配置的唯一方法，是在内部细节之外运作。
大自然的配方不是关于将细节对齐到某个特定排列中，而是关于自动地落在排列上；自动落在计算正确输出的排列上，因为那就是幸存下来的东西。这意味着大自然，最重要的是，是关于计算的。大自然创造的解决方案，可以计算出最难题的答案，而且它们这样做的方式，与人类制造的机器完全不同。事实上，与大多数传统科学方法相比，用计算来构建自然，是一种更诚实的理解自然的方式。它也是揭开涌现真正面纱的一个很好的起点。
从生物学的角度看待自然不是唯一的选择。我们也可以从计算的角度来看待自然。自然界中的所有系统都在进行计算，因为有输入、输出以及中间的过程。山是一种结构，其输入是风和雨，它们被计算成气候调节和碳捕获等输出。水獭是一种结构，其输入是捕食者、食物、领地、温度波动、干旱和寄生虫。所有这些都必须转化为某种东西，从而产生使水獭能够生存的输出：啃咬、食物储存和住所建造。
这不是一种强迫的类比。计算不属于人造机器。我们通常认为计算是指执行计算、处理数据或执行算法来产生结果。但实际上，计算不依赖于算法或逻辑门。计算是通过一个或多个操作，将输入信息转换为输出信息。操作仅仅是为了在系统或过程中实现结果而执行的动作。动作甚至不一定是移动的东西。动作可以由完全静止的东西来执行，凭借它与周围移动的东西的并置。这种相对的动作概念，意味着像山脉和河床这样的东西也在进行计算。在活动的流动中，无论是无机的还是有机的物体，都会将物质、能量和信息转化为新的东西。这就是大自然解决问题的方式。
这重构了我们对计算的看法。最终，计算不是关于程序、规则或遵循一系列步骤。它客观上是关于信息的转换。这种更好、更终极的定义，使我们能够用更严格的术语来重塑计算，从而揭示计算给自然带来的普遍属性。这些属性中最重要的一点根本不是关于程序的，而是关于抽象。
在第一章中，我说过通过抽象进行进步是一个普遍真理。我的意思是，任何可能随着时间的推移解决更难题的过程，都必须通过将内部细节抽象成更高层次的结构来实现。这对无生命物体来说，就像对人类和我们建造的东西一样真实。将山脉或水獭视为由物理抽象组成的东西可能看起来很奇怪，但从计算的角度来看，这正是它们的本质。山脉和水獭不是使用一系列确定性步骤来产生其输出的对象。将风和雨转化为气候调节，或将领地转化为住所建造的不是算法。大自然的解决方案是，通过进化排列的物质集合，用于将输入转化为输出，而没有简单的因果路径。
这使得物理抽象成为复杂事物的主要计算结构。不是逻辑门或算法；而是物理抽象。这是因为自然界的计算必须做所有抽象都做的事情，即将许多可能的输入映射到少数需要的输出。只有物理抽象才能产生山脉、河流、猎豹和水獭所产生的东西。
山脉从远处看似乎很简单，但实际上是非常复杂的结构，具有无数复杂的方面和精巧的特征。倾斜、褶皱和断层层是各种构造力的副产品。山脉通常包含多种岩石类型，代表了其历史上不同的地质过程和时期。事实上，山脉根本不是静态物体，因为它们通常位于或靠近构造板块边界，从而导致一系列复杂的相互作用，例如俯冲、裂谷和大陆碰撞。山脉受到各种形式的物理、化学和生物活动的影响。这些活动会分解岩石并重塑山脉和周围的景观，从而形成独特的结构，解决难题。
当我们观察自然时，我们看到的是大规模的计算。不是我们在传统计算中看到的那种计算，而是只有复杂物体才能执行的那种计算。这种计算将其核心能力，建立在压缩信息以解决问题的物理抽象的存在之上。
大自然的变异、迭代和选择的配方，不是大自然计算问题答案的方式，而是大自然找到计算问题答案的物理解决方案的方式。这是内部过程和外部过程之间的区别。自然选择是一个外部过程，它完全不关心解决问题所需的内部结构。当然，我并不是有意识地不关心，只是大自然的配方最终与它塑造的物体内部的细节脱节。
内部过程是实际进行计算以产生所需输出的过程。在大多数人造物体中，内部计算是刻意设置的。这意味着对于我们人类历史上创造的几乎所有东西，发现只是用来找到最终通过设计连接在一起的零件，以使计算发生。但是对于复杂的事物，发现过程一直使用到物体发挥作用为止；当物体变得可用时。然而，传统的工程学必须使用设计来创建其计算结构（例如，步枪组件之间的相互作用，以计算子弹的发射），复杂性则通过单独的发现，使其计算结构自动出现。通过自然选择，到解决方案被发现时，它已经被组装好了，拥有在野外计算所需的所有必要内容。被发现，而不是被设计。
我们在深度学习中看到了相同的外部过程。深度学习不是关于设计特定的内部细节来计算输出，而是编程一个实施变异、迭代和选择外部过程的支架。各种数据、数百万次的迭代以及针对优化标准的选择，确保深度学习本质上是自然选择的狭义重建。这就是为什么深度学习能够实现工程师从未放入其中的内部计算。深度学习之所以有效，要归功于涌现的抽象，它可以压缩信息，就像所有真正复杂的解决方案一样。深度学习之所以成为可能，是因为它采用了一种构建方法，该方法走出了它想要创建的系统之外，允许事物自行收敛，直到必要的计算结构自动出现。
通过像深度学习这样的技术，人类开始看到构建解决自然难题的物体意味着什么。但是，仅仅欣赏解决不同问题的不同过程是不够的。要理解复杂性是如何运作的，并揭开涌现的面纱，我们还必须理解“难”在难题中来自何处。
呼，差不多就这些吧，希望能给大家带来一些启发。谢谢大家！