涌现 (豆瓣)

作者: [美] 约翰·霍兰
出版社: 上海科学技术出版社
副标题: 从混沌到有序
译者: 陈禹
出版年: 2001-11
页数: 293
定价: 20.00元
装帧: 平装
丛书: KJ书屋·View·新视角书系
ISBN: 9787532359240

豆瓣评分

8.6

95人评价

5星

46.3%
4星

41.1%
3星

9.5%
2星

3.2%
1星

0.0%

评价:

内容简介 · · · · · ·

作者比较了显示涌现现象的不同系统和模型，展现了它们之间共同的规则或规律。作者向读者阐明：涌现的理论能够预言许多复杂的行为，同时也给予我们关于生命、智慧和组织的很多启示。

作者简介 · · · · · ·

约翰·霍兰(John Holland)，销售系统开发与训练公司共同创始者，曾任职于IBM、Storage Technology Corporation及Sand Technology等公司。

豆瓣成员常用的标签(共82个) · · · · · ·

复杂复杂系统混沌涌现科普系统论约翰·霍兰 complexity

丛书信息

　　KJ书屋·View·新视角书系 (共22册), 这套丛书还有《发明》,《解析彩虹》,《大自然的猎人》,《费恩曼演讲录》,《适应与自然选择》等。

喜欢读"涌现"的人也喜欢的电子书 · · · · · ·

支持 Web、iPhone、iPad、Android 阅读器

: 创客

9.99元

: 混合现实

6.00元

喜欢读"涌现"的人也喜欢 · · · · · ·

: 隐秩序

: 复杂网络

: 从细胞到社会

: 复杂系统理论基础

: 小小世界

: 虚实世界

: 未来是定数吗？

: 进化对策与种群动力学

: 从混沌到有序

: 确定性的终结

我来说两句

短评 · · · · · · ( 全部 21 条 )

涌现的话题 · · · · · · ( 全部条 )

什么是话题

无论是一部作品、一个人，还是一件事，都往往可以衍生出许多不同的话题。将这些话题细分出来，分别进行讨论，会有更多收获。

我要写书评

涌现的书评 · · · · · · ( 全部 6 条 )

本书的两点局限

虽然这本书涉及的各方面内容，我之前在多种场合已经有所涉及，但面这本书如此集中的思考力轰炸，还是有种很high的感觉。作者从西洋跳棋的电脑推演开始入手，继而人工神经网络，到后来专业性极强的自组织通用计算机结构的论述，无不令人叹为观止。本书的两点局限： 1）无论... (展开)

2 8回应

simpson 2009-09-06 13:58:11 上海科技出版社2006版

第一次知道John Holland是通过另一本书《复杂-诞生于秩序与混沌边缘的科学》

标签：复杂性系统第一次知道John Holland是通过另一本书《复杂-诞生于秩序与混沌边缘的科学》,他也是SantaFe的核心人物之一，我近来对“复杂性系统”正感兴趣.于是爱屋及乌，立刻将这本《涌现》收入阅读目录中。读后略有些失望，本书行文略显枯燥，学术味较浓。主要阐述了模... (展开)

1 4回应

Linn 2007-02-08 02:09:49

一本充满想象力的书

本书的作者是遗传算法之父，书中随处可见他富有想象力的见解，而且这些想象并不是不着边际，它们确实有着一定的指导性。但就我个人而言这种指导更多的还是在信念方面，毕竟Holland要说的东西还是太超前了点，再有就是这本书我只看过一遍。值得注意的是这本书并不是传统的科学... (展开)

4 4回应

杨友三 2014-04-24 14:43:05 上海科技出版社2006版

人工智能书籍

作为一本书，谈的内容比较杂、比较多，但谈的最多的还是人工智能。 “对于我们两个来说——塞缪尔是我的合作伙伴——计算机拓宽了我们探索模型的可能性，其中包括许多依靠铅笔、纸和计算器所不能做到的。在可编程计算机出现之前的科学模型，几乎都很简单，因为那时无法分析和... (展开)

0回应

aLIENtONE 2018-05-12 10:17:56 上海科技出版社2006版

因为短评放不下才来污染这里

因对复杂学诸位大神的膜拜，我为这本看不懂的书多打了一颗星。我想，是不是看懂了就该打五颗星了？《隐秩序》我也读过，正如作者所说的，这本远比《隐秩序》更私人化，也就是说，更贴近大神的心灵。就是冲着这个去，这本书也是值得今后反复研读的。这本书对新人并不友好，知识... (展开)

0回应

无心睡眠 2009-05-11 13:31:26

定位是个问题

此书看了。觉得是那种知道了上面所说的东西是啥的人就没有必要看，不知道里面写的是啥的人看了也不知道说啥的书。 (展开)

3 0回应

> 更多书评6篇

读书笔记 · · · · · ·

我来写笔记

按有用程度
按页码先后
最新笔记

展开收起
第3页

Polar bear (五行属疯)

涌现的本质就是由小生大，由简入繁罗振宇在讲《万物通论》这本书时说，”递弱代偿“，然而更经典的（甚至可以说更可能接近实际的理论应该还是由小生大，由简入繁，而不是所谓递弱。在生活的每一个地方，我们都面临着复杂适应系统中的涌现现象——蚁群、神经网络、人体免疫系统、因特网和全球经济系统等。在这些复杂系统中哦，整体的行为要比其各个部分的行为复杂得多。……本书的中心思想，就是要提供具有充分说明力的证据，以...
2016-01-18 21:44

涌现的本质就是由小生大，由简入繁
罗振宇在讲《万物通论》这本书时说，”递弱代偿“，然而更经典的（甚至可以说更可能接近实际的理论应该还是由小生大，由简入繁，而不是所谓递弱。
在生活的每一个地方，我们都面临着复杂适应系统中的涌现现象——蚁群、神经网络、人体免疫系统、因特网和全球经济系统等。在这些复杂系统中哦，整体的行为要比其各个部分的行为复杂得多。……本书的中心思想，就是要提供具有充分说明力的证据，以便证明，对于这方面进行的科学研究将大大加深我们对涌现现象的了解。

推荐

回应 2016-01-18 21:44
展开收起
第109页

何先森饭扫光 (the hard way)

将多个这种异或回路串联起来，就可以构造出计数能力大于2的网络。这里的“串联”应当不是简单的将前一个的输出作为后一个的输入，一种实现是将前一个的输入和输出通过一个与门然后作为后一个的输入
2012-01-05 17:18

将多个这种异或回路串联起来，就可以构造出计数能力大于2的网络。
这里的“串联”应当不是简单的将前一个的输出作为后一个的输入，一种实现是将前一个的输入和输出通过一个与门然后作为后一个的输入

推荐

回应 2012-01-05 17:18
展开收起
第111页

何先森饭扫光 (the hard way)

在『图5.6』中，对于这个异或回路，在/公式内容已省略/时/公式内容已省略/端收到一个脉冲，则/公式内容已省略/时输出一个脉冲，这个没有什么问题。 /公式内容已省略/时，/公式内容已省略/和/公式内容已省略/均为0，对...
2012-01-05 16:08

在『图5.6』中，对于这个异或回路，在($t=4$)时($I_1$)端收到一个脉冲，则($t=6$)时输出一个脉冲，这个没有什么问题。 ($t=5$)时，($I_1(t)$)和($O(t)$)均为0，对应异或回路的两个“输入”，那应该有($t=7$)时不输出脉冲，即($O(t)=0$)，而图中给出的是1。
这样最后得出($O(t)$)序列类似于0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0……这个环路的记忆效应只体现在在偶数时间步长后。

推荐

回应 2012-01-05 16:08
展开收起
第109页

何先森饭扫光 (the hard way)

『图5.5 神经网络的“异或”关系』和110页的解说不一致 110页的包含对图5.5的解说，截取部分：总之，这个神经元会在一个时间不长后产生一个脉冲输出，当且仅当它的第一个输入端输入一个脉冲而第二个输入端没有脉冲输入。现在我们增加第二个神经元，让它成为第一个神经元的镜像。第二个神经元会产生一个脉冲，当且仅当它的第二个输入端输入一个脉冲而第一个输入端没有脉冲。图中第二个神经元和第一个是一致的，都是当且仅当..
2012-01-05 15:10

『图5.5 神经网络的“异或”关系』和110页的解说不一致
110页的包含对图5.5的解说，截取部分：
总之，这个神经元会在一个时间不长后产生一个脉冲输出，当且仅当它的第一个输入端输入一个脉冲而第二个输入端没有脉冲输入。

现在我们增加第二个神经元，让它成为第一个神经元的镜像。第二个神经元会产生一个脉冲，当且仅当它的第二个输入端输入一个脉冲而第一个输入端没有脉冲。
图中第二个神经元和第一个是一致的，都是当且仅当第一个输入端有脉冲而第二个输入端没有脉冲时输出脉冲。
图应该是画错了。

推荐

回应 2012-01-05 15:10

展开收起
第3页

Polar bear (五行属疯)

涌现的本质就是由小生大，由简入繁罗振宇在讲《万物通论》这本书时说，”递弱代偿“，然而更经典的（甚至可以说更可能接近实际的理论应该还是由小生大，由简入繁，而不是所谓递弱。在生活的每一个地方，我们都面临着复杂适应系统中的涌现现象——蚁群、神经网络、人体免疫系统、因特网和全球经济系统等。在这些复杂系统中哦，整体的行为要比其各个部分的行为复杂得多。……本书的中心思想，就是要提供具有充分说明力的证据，以...
2016-01-18 21:44

涌现的本质就是由小生大，由简入繁
罗振宇在讲《万物通论》这本书时说，”递弱代偿“，然而更经典的（甚至可以说更可能接近实际的理论应该还是由小生大，由简入繁，而不是所谓递弱。
在生活的每一个地方，我们都面临着复杂适应系统中的涌现现象——蚁群、神经网络、人体免疫系统、因特网和全球经济系统等。在这些复杂系统中哦，整体的行为要比其各个部分的行为复杂得多。……本书的中心思想，就是要提供具有充分说明力的证据，以便证明，对于这方面进行的科学研究将大大加深我们对涌现现象的了解。

推荐

回应 2016-01-18 21:44
展开收起
第109页

何先森饭扫光 (the hard way)

『图5.5 神经网络的“异或”关系』和110页的解说不一致 110页的包含对图5.5的解说，截取部分：总之，这个神经元会在一个时间不长后产生一个脉冲输出，当且仅当它的第一个输入端输入一个脉冲而第二个输入端没有脉冲输入。现在我们增加第二个神经元，让它成为第一个神经元的镜像。第二个神经元会产生一个脉冲，当且仅当它的第二个输入端输入一个脉冲而第一个输入端没有脉冲。图中第二个神经元和第一个是一致的，都是当且仅当..
2012-01-05 15:10

『图5.5 神经网络的“异或”关系』和110页的解说不一致
110页的包含对图5.5的解说，截取部分：
总之，这个神经元会在一个时间不长后产生一个脉冲输出，当且仅当它的第一个输入端输入一个脉冲而第二个输入端没有脉冲输入。

现在我们增加第二个神经元，让它成为第一个神经元的镜像。第二个神经元会产生一个脉冲，当且仅当它的第二个输入端输入一个脉冲而第一个输入端没有脉冲。
图中第二个神经元和第一个是一致的，都是当且仅当第一个输入端有脉冲而第二个输入端没有脉冲时输出脉冲。
图应该是画错了。

推荐

回应 2012-01-05 15:10
展开收起
第109页

何先森饭扫光 (the hard way)

将多个这种异或回路串联起来，就可以构造出计数能力大于2的网络。这里的“串联”应当不是简单的将前一个的输出作为后一个的输入，一种实现是将前一个的输入和输出通过一个与门然后作为后一个的输入
2012-01-05 17:18

将多个这种异或回路串联起来，就可以构造出计数能力大于2的网络。
这里的“串联”应当不是简单的将前一个的输出作为后一个的输入，一种实现是将前一个的输入和输出通过一个与门然后作为后一个的输入

推荐

回应 2012-01-05 17:18
展开收起
第111页

何先森饭扫光 (the hard way)

在『图5.6』中，对于这个异或回路，在/公式内容已省略/时/公式内容已省略/端收到一个脉冲，则/公式内容已省略/时输出一个脉冲，这个没有什么问题。 /公式内容已省略/时，/公式内容已省略/和/公式内容已省略/均为0，对...
2012-01-05 16:08

在『图5.6』中，对于这个异或回路，在($t=4$)时($I_1$)端收到一个脉冲，则($t=6$)时输出一个脉冲，这个没有什么问题。 ($t=5$)时，($I_1(t)$)和($O(t)$)均为0，对应异或回路的两个“输入”，那应该有($t=7$)时不输出脉冲，即($O(t)=0$)，而图中给出的是1。
这样最后得出($O(t)$)序列类似于0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0……这个环路的记忆效应只体现在在偶数时间步长后。

推荐

回应 2012-01-05 16:08

展开收起
第3页

Polar bear (五行属疯)

涌现的本质就是由小生大，由简入繁罗振宇在讲《万物通论》这本书时说，”递弱代偿“，然而更经典的（甚至可以说更可能接近实际的理论应该还是由小生大，由简入繁，而不是所谓递弱。在生活的每一个地方，我们都面临着复杂适应系统中的涌现现象——蚁群、神经网络、人体免疫系统、因特网和全球经济系统等。在这些复杂系统中哦，整体的行为要比其各个部分的行为复杂得多。……本书的中心思想，就是要提供具有充分说明力的证据，以...
2016-01-18 21:44

涌现的本质就是由小生大，由简入繁
罗振宇在讲《万物通论》这本书时说，”递弱代偿“，然而更经典的（甚至可以说更可能接近实际的理论应该还是由小生大，由简入繁，而不是所谓递弱。
在生活的每一个地方，我们都面临着复杂适应系统中的涌现现象——蚁群、神经网络、人体免疫系统、因特网和全球经济系统等。在这些复杂系统中哦，整体的行为要比其各个部分的行为复杂得多。……本书的中心思想，就是要提供具有充分说明力的证据，以便证明，对于这方面进行的科学研究将大大加深我们对涌现现象的了解。

推荐

回应 2016-01-18 21:44
展开收起
第109页

何先森饭扫光 (the hard way)

将多个这种异或回路串联起来，就可以构造出计数能力大于2的网络。这里的“串联”应当不是简单的将前一个的输出作为后一个的输入，一种实现是将前一个的输入和输出通过一个与门然后作为后一个的输入
2012-01-05 17:18

将多个这种异或回路串联起来，就可以构造出计数能力大于2的网络。
这里的“串联”应当不是简单的将前一个的输出作为后一个的输入，一种实现是将前一个的输入和输出通过一个与门然后作为后一个的输入

推荐

回应 2012-01-05 17:18
展开收起
第111页

何先森饭扫光 (the hard way)

在『图5.6』中，对于这个异或回路，在/公式内容已省略/时/公式内容已省略/端收到一个脉冲，则/公式内容已省略/时输出一个脉冲，这个没有什么问题。 /公式内容已省略/时，/公式内容已省略/和/公式内容已省略/均为0，对...
2012-01-05 16:08

在『图5.6』中，对于这个异或回路，在($t=4$)时($I_1$)端收到一个脉冲，则($t=6$)时输出一个脉冲，这个没有什么问题。 ($t=5$)时，($I_1(t)$)和($O(t)$)均为0，对应异或回路的两个“输入”，那应该有($t=7$)时不输出脉冲，即($O(t)=0$)，而图中给出的是1。
这样最后得出($O(t)$)序列类似于0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0……这个环路的记忆效应只体现在在偶数时间步长后。

推荐

回应 2012-01-05 16:08
展开收起
第109页

何先森饭扫光 (the hard way)

『图5.5 神经网络的“异或”关系』和110页的解说不一致 110页的包含对图5.5的解说，截取部分：总之，这个神经元会在一个时间不长后产生一个脉冲输出，当且仅当它的第一个输入端输入一个脉冲而第二个输入端没有脉冲输入。现在我们增加第二个神经元，让它成为第一个神经元的镜像。第二个神经元会产生一个脉冲，当且仅当它的第二个输入端输入一个脉冲而第一个输入端没有脉冲。图中第二个神经元和第一个是一致的，都是当且仅当..
2012-01-05 15:10

『图5.5 神经网络的“异或”关系』和110页的解说不一致
110页的包含对图5.5的解说，截取部分：
总之，这个神经元会在一个时间不长后产生一个脉冲输出，当且仅当它的第一个输入端输入一个脉冲而第二个输入端没有脉冲输入。

现在我们增加第二个神经元，让它成为第一个神经元的镜像。第二个神经元会产生一个脉冲，当且仅当它的第二个输入端输入一个脉冲而第一个输入端没有脉冲。
图中第二个神经元和第一个是一致的，都是当且仅当第一个输入端有脉冲而第二个输入端没有脉冲时输出脉冲。
图应该是画错了。

推荐

回应 2012-01-05 15:10