01 · 场景
一万个无知的工人，一个聪明的群体
斯坦福大学的教授德博拉·戈登，从 1980 年代初起，就在亚利桑那州东南部的沙漠里，连续观察红收获蚁的群落，一蹲就是四十多年。一个成熟的蚁群，有上万个成员，蚁后不指挥任何事，只负责产卵。每只蚂蚁的脑子，大约只有 25 万个神经元，靠气味认同伴，每次，只和身边几只到十几只蚂蚁互动。可是，整个群落，每天要决定派多少工蚁外出觅食：侦察蚁先出门，回来的侦察蚁越多、间隔越短，守在洞口的觅食蚁，就越多地出发。没有谁看过全局，觅食量，却会随着天气和食物，自动调节。单只蚂蚁，近乎无知，蚁群，却像是一个会做决策的整体。
02 · 原理
一张图看懂它怎么运转
涌现有三个要件：大量的个体、简单的局部规则、带反馈的交互。全局的模式一旦出现，还会反过来改变每个个体所处的局部环境，形成闭环。
03 · 练习
练一练：3 道题，看你会不会用
04 · 证据
双桥实验：蚁群如何在没有地图的情况下选短路可靠二手
没有一只蚂蚁，量过桥的长度。走短桥的蚂蚁，回来得更早，路上的气味更浓，正反馈把这点微小的差异，放大成了群体稳定的选择。桥长的比值越大，选择越果断。
来源：Goss, Aron, Deneubourg & Pasteels, Self-organized shortcuts in the Argentine ant, Naturwissenschaften, 1989；曲线为对原论文图示的近似读数
05 · 用法
照着做，一共 5 步
- 把系统拆到个体的层面，写出每一条局部规则只写个体能感知、能执行的动作，比如蚂蚁跟着气味走，司机跟着前车刹车。禁止写任何需要全局信息的规则。
- 确认个体之间，有足够密的交互和反馈通道交互的频率，决定涌现的速度。没有信息传递的个体，堆在一起，只是集合，不是系统。
- 让系统跑起来，观察反复出现的全局模式模式要能被第三方描述出来，比如堵车的波、鸟群的形状、市场上的抢购潮。
- 检查这个模式，是不是反过来影响了个体真正的涌现，会形成回路：堵车波让后车更早刹车，上涨的价格，吸引更多跟风的买单。
- 想一想干预点：改规则、改交互的密度，还是改反馈在涌现的系统里，直接命令单个个体，通常无效，调整局部的规则，或者反馈回路，往往更省力。
06 · 边界
什么时候它会坑你
把涌现当成解释，而不是描述
模型会说说一句“这是涌现的”，就解释完了。
现实是涌现，只告诉你性质来自交互，不告诉你具体的机制，机制还得一个个去验证。
个体的规则未知，只看到整体的模式
模型会说可以反推局部的规则。
现实是同一个全局模式，可以由无数种局部规则产生，反推常常不唯一，鸟群的仿真，就有十几种规则，都能出鸟群。
层级跳得太大，直接跨层类比
模型会说蚂蚁的规则，能推广到人类社会。
现实是每往上一层，可能出现新的机制，人类有个体的意图和记忆，直接套蚁群的规则，会推出荒谬的结论。
把自发的涌现，当成好的涌现
模型会说自发长出来的秩序，是自然的，也是可取的。
现实是踩踏、恐慌抛售、堵车，都是涌现，自发性和优劣无关，价值判断，要另做。
08 · 出处
