书籍介绍
本书的目标，是要从后现代，或者也许更精确地说是从后结构(post-struct ural)的视角来阐明复杂性概念。从这种视角获得的最明显的结论是，不存在总揽一切的、可忽略掉复杂系统中偶发性方面的复杂性理论。如果某事物的确是复杂的，就不可能从简单理论得到恰当的描述。关注复杂性，必须关注特定的复杂系统。尽管如此，我们还是可以在非常基础的层面上，对复杂行为和复杂系统动力学的条件进行一般性说明。而且我还认为，可以对复杂系统进行建模。模型可以在计算上执行，并可能导致可以执行更复杂任务的机器。不过，模型本身将至少与被建模的系统同样复杂，因此不可能导致我们对于系统本身理解的任何简化。作为这种模型的一个例子，我广泛地使用了神经网络，即一种称作联结论的趋法。事实上本书通过指出神经网络的运行与德里达的语言工作的描述之间具有结构相似性，来理解后现代理论对于复杂性研究的意义。
AI导读
核心看点
- 从后结构主义视角阐释复杂性，批判还原论与基础主义。
- 区分复杂与复合，强调系统整体不可由组分简单加和描述。
- 结合神经网络与自组织理论，探讨分布式表征与意义生成。
适合谁读
- 对复杂系统科学、科学哲学及后现代理论感兴趣的读者。
- 希望理解人工智能、神经网络与认知科学底层逻辑的人。
- 寻求超越传统线性思维，适应不确定性与非线性世界的读者。
读前提醒
- 本书理论性强，涉及哲学与科学交叉，建议耐心阅读。
- 无需具备深厚数学基础，重点理解概念间的逻辑关联。
- 可结合具体案例如语言、人脑来辅助理解抽象理论。
读者共识
- 观点极具启发性，有助于打破传统结构主义的思维定势。
- 承认世界是复杂自组织系统，放弃寻找万能简洁方程式。
- 虽部分章节晦涩难懂，但核心思想对理解现实极具价值。
本导读基于书籍简介、目录、原文摘录、短评和书评生成，不等同于全文精读。
精彩摘录
- "一个表征理论，本质上是一个意义理论。它试图通过定义我们语言的词汇或大脑的结构与世界之间的关系，来解释这些词汇或结构是如何变得有意义的。然而，这种理论也必须能够解释这些关系是如何产生的。"
- "单元之中存在着竞争。争夺有限的资源，是结构发展背后的基本驱动。较强单元以其他单元为代价而兴旺。如果资源无限（即如果可以无限制地生长），那么便不会导致有意义的结构进化。边界、限度和约東是结构的先决条件。 至少在一些单元之中存在着合作。如果只有某个单元是获胜者，那么所形成的结构对于自组织的进化便会过于简单。对于模式之间形成联合，合作也是必要的。相互加强和合作，对于丰富的、有意义的结构是先决条件。"
- "两种复杂系统一一人脑和自然语言一是特别有意义的。因为它们看来是解决（或绕过）了表征问题，它们对于解的可能性提供了存在的证明。如果这两种系统得以成功地建模，此问题便大体上得到了解决。而且，这两种系统看来是解不开地纠缠在一起的一其中个模型的成功也就意味着另外一个的成功。那也就是为什么大多数心智模型都是基于一或结合着一语言理论的。"
- "有必要将“复杂（ complex）与“复合”（ complicated）两个概念加以区分。一个系统，尽管它可以是由极其大量组分构成，但倘若可从其个体组成而获得关于系统的某种完整描述，这样的系统仅仅就是复合的。喷气式飞和计算机就是复合的。另一方面，系统组成之间、系统与环境之具有相互作用的复杂系统，则具有这样的属性：作为整体的系统不可能只通过分析其组分而得到完全理解。而且，这样的一些关系并非固定不变的，而是流动着、变化着，常常是作为自组织（self-organisation）的结果。这会产生出新的特征，通常称作涌现性质（ emergent properties）。大脑、自然语言和社会系统是复杂的。"
- "神经网络保持了所要建模的系统的复杂性，因为它们自身具有复杂的结构。 神经网络以分布形式对关于其环境的信息进行编码。分式表征的概念削弱了我们对于传统的表征理论的理解。 神经网络具有自组织其内部结构的能力。"
- "这里的主要任务是要表明，在没有外部设计者的干预或不存在某种中央化形式的内部控制的情形下，内部结构也能够发生进化。如果系统的能力满足一些约東条件，则能够通过自组织过程而发展起分布形式的内部结构。这种过程中，结构既不是对于外部的被动的反应，也不是主动的、预先编程的内部因素的结果，而是在环境、系统的现存状态和系统的历史之间的复杂相互作用的结果。"
- "（v）自组织系统的复杂性能够增长。由于它们必须从经验中“学习”，它们必须“记忆”先前遭遇过的情形并将之与新的情进行比较。如果更多“先前的信息”可以被存贮，系统将能够进行更好的比较。这种复杂性的增长，意味着熵的局域倒转，这对于能量或信息在系统流通是必要的。复杂性增长，对于为何自组织系统倾向于变老，也可以给予部分的解释。由于这些系统受到物理世界的一定约束，它们不避免地在某个点达到饱和。"
- "权重，作为记忆的痕迹。信息分布于许多单元的事实，不仅加强了系统的鲁棒性，而且使得不同模式的联合成为系统的内在特点一它们在原则上是交叠的。（第5章对分布式概念给予了详细的关注。）"
作者简介
保罗·西利亚斯，1956年出生于南非弗里尼欣，获电气工程学位和哲学博士学位。早期专长于利用神经网络进行计算机建模和模式识别，后至斯泰伦博斯大学哲学系任教，讲授解构文化哲学、科学哲学和科学伦理学。目前的研究集中于复杂性理论对理解伦理学、法和正义的意义。2000年，因其出色的研究而获得雷克托奖。
用户评论
这样一本大部头的经典之作我确实是没有勇气啃完的，但是不妨碍还是“囫囵吞枣”地看完，因为刚刚看完兰小欢的《置身事内》，再看这本书确实有种提纲挈领的感觉：我们要承认世界是一个复杂的，自组织的，通过偶然的无序的不断变化的交互而产生的系统，而不要试图把它抽象化成一个优美而简洁的“方程式”。传统的面对复杂性的方式，是试图找到某个参照点作为根基， 找到一个所有事物都可以从其派生出来的万能答案或者普世原理（例如牛顿方式，例如数学的公理系统）。 这是一种力图避免复杂性的策略，而这种找到本质真理的欲望，使得我们无法看见复杂性的关系本质， 特别是那些关系的不断的变化。
比想象中更好..........
干巴巴的导论
:
N941.4/1621
有启发性
抛砖引玉：相对于形式的、基于规则的、表征的趋法（Chomsky为代表），作者认为分布式的、自组织的、联结论的趋法（Saussure为代表）对于理解复杂系统更合适，但作者也指出，“接受联结论模型并不由其本身导致对复杂性的更深刻理解”，德里达对于作者的启发在于“后现代和后结构理论具有的对于复杂性的敏感”——一种痕迹的、延异的动力学。常被提及的哲学为科学提供指导终于在这本书里被细致的展开，是一本阐述跨领域研究的好书。书中分析了这种视角的重要性，但建模的具体过程还需要自己思考。感谢译介，但这本书明显没有受到足够的重视。
十年前看似懂非懂，今天再看领悟颇多。作者从建模的角度探讨复杂系统的两个重要能力特征：表征与自组织。亮点在于对比语言系统和神经系统，从符号和意义的变化关系（后结构主义）来理解复杂系统的分布式表征和自组织涌现，从中也看到后现代主义的可取之处。作者认为复杂系统的模型网络必将与复杂系统本身有同样的复杂度。
后现代&绝对的个体化并不可怕，因为系统的稳定性（与他人的关联&没有人能跳出框架正如语符）以及线性时间维度上的进化（权重&学习）如果担心movement执行问题，为何不想这种结构能否跳过显学movement，形同鬼魅一般入侵，直接达成目标？/前半本以语言学为切入点的复杂系统，后半本是对复杂系统的再叙述，后现代不会导致原子化与相对主义因为网络，置身网络之中是我们无法逃脱的必然而这自然会筛选出进步者，不必对错误感到失落不必对歧途感到畏惧，做一个包容的安那其吧
表征理论，结合我们对形象的偏爱，最终构成了一种自我陶醉。这种自我陶醉，是由我们试图通过使用抽象理性和人加强表征理论在计算机上模仿人类的智慧所成就的
收藏