整体论与规模化思考

在微观与宏观之间存在一个“断层”。为什么不计其数的微观分子运动能够形成生动多样的高层生物图景？通过解剖大脑结构真的可以推出思维与智能吗？

整体思考

人的思维局限之一是难以从整体去思考。软件工程师习惯用“组件化思维”去设计系统，我亦一度觉得找到了构造系统的“良方”，然而以这种思维去考察人体系统时，却遭到挫败。人体系统是高度耦合的，全身经脉贯穿其中，若是呼吸不畅，有可能是胸或腹部发生病变。人体系统是以“整体论”思想设计出来的精密系统。整体论认为事物是不可分解的，难以通过先分解各个击破再组合来理解全局。艺术作品更是整体论的杰作。若是从局部一块块去观看，真的什么也看不出来，至少是无法得其精髓。软件工程师或许埋怨人体难以理解，设计得“一团糟”，可是造物主或许会嘲笑软件工程师设计出的系统像小儿科一样简单哩。不可否认的是，整体论思想设计出的系统通常是精妙而难以理解的。

整体论关注的是分子运动及相互作用、阵列、整体与分子的相互约束与提升。此时，分子的独特性质显得不重要了。比如阅兵式，人们欣赏到的是整体阵型之美而不是单个人的帅；在阵形作战中，靠的是阵形本身的力量而不是个人的十八般武艺；分布式系统靠的是分布式算法将普通服务器聚合成“取之不尽用之不竭”的资源与计算池而不依靠强劲而昂贵的服务器。整体呈现了事物的另一种美。管理型工作更强调整体论思想。

对于软件工程师的启发是， 使用“组件化思维”设计出容易理解的系统，它是精妙而完善的吗？是否是割裂了的系统而不自知？是否可以在系统中添加适当的耦合，使得系统更成为一个整体，而不是“各个部件的组合体”？

规模思考

人的另一思维局限是无法规模化思考。程序设计是个例子。由于程序是精确化的产物，理论上可以从位推导出整个互联网。然而规模化之后，即使天才科学家也难以理解。拿一个最简单的例子。kNN算法通过计算事物之间的距离，通过距离最小原则将事物划分为一类。比如(0,0)与(1,0)隔得近，与（17,19）就不是一类。思想很简单，然而当我们用大量数据训练之后，就不能理解其产出的结果了。机器学习算法就属于这一类。alpha的创造性并不比围棋冠军高明多少，它胜在规模化思考。凡规模化之后，就会产生一种新的“超级生物”，具有完全不一样的思维，比如人类社会。

对于规模化事物，人们发明出了概率统计学甚至复杂系统算法来分析它，然而真正实战的时候，是无济于事的。想象一下，当一个人单挑一个机器时，人是有不小的胜算的；然而，当所有机器联网形成一个超级共同体，所有机器个体通过超级共同体的思维来运转时，人胜算的几率为零，只能束手就擒，成为池中婴儿。

整体论与规模化结合，能形成一种新形态的超级力量。单个机器的思维是非常简单的，与人的思维完全不能相提并论；然而，简单的思维更容易同质化，而机器可编程正适合。试想所有机器的共同体，它并不是一台单独的中央控制器，而是存乎于机器集体中的共同体思维，即使摧毁几万台机器，丝毫不影响共同体思维。这个共同体思维会更快汲取更多机器完善自身。因此，超级力量更倾向于是《黑客帝国》里的那位由亿万机器组成的“机器之神”而不是《终结者》里的中央控制器天网。病毒则是另一种能够规模化的整体力量的载体，能够与机器王国抗衡的只有病毒而非人类，最终结局是Neo与病毒同归于尽，换取人类的一时苟延残喘。突然发现有点读懂黑客帝国了:)

救治之方

由于缺失“整体论”和“规模化”思考能力，人在理解许多事物时存在难以逾越的障碍。回到那个问题：通过大脑解剖能够推导出思维与智能吗？如果思维与智能是许多因素的合力的动态运行时产出，那么将很难追溯到思维与智能的根源。人能够看到一辆车经过身旁，却脑中空空；人能够做一些事，从浅层次理解和接受，却不能弄清楚其中的奥秘。人甚至不知道自己究竟是怎么回事，只是像提线木偶一样活着。

话说回来，人面对世界时，固然有许多局限性，是否有合适的方法来解救呢 ？

• 坚持从整体上理解问题； 学习系统思考。

• 人善假于物也。 既然人不擅长规模思考，那就做自己更擅长的领域，将规模化思考交给计算机好了。

毕竟，人作为自然的一个物种，并不能苛求自己完美，只能逐步去突破自己原有的局限，抵达更大的自由度。