涌现
Emergence
霍兰德用一个驻波比喻翻转了「稳定」的定义——稳定不是零件不变，是流动条件不变，蚁群、城市、你自己都是这样的驻波。
- 驻波类比：稳定的东西靠不断流动的成分维持，不是靠固定不变的零件
- 整体大于部分之和是数学可验证的事实：只有非线性互动才会产生涌现，线性叠加永远不会
- 创新和生物进化用同一种选择机制：训练积累积木块、筛选有用子集、组合探索，没有捷径
核心观点
驻波类比：稳定的模式靠不断流动的成分维持，不是靠固定的零件
河水中石头前激起的驻波，组成它的水分子不断变化，只要石头还在、水还在流动，驻波就持续存在——蚁群、城市、你自己的身份都是这种驻波，不是靠零件不变维持稳定，是靠流动条件不变。
组成有机体的所有原子都会被更新，大部分成分大约几周就更新一次，而有机体整体的外形和功能一般不会有大的变化。
— 约翰·霍兰德整体大于部分之和是数学事实，不是励志口号
只有当系统各部分的相互作用是非线性的，整体行为才会大于各部分行为的简单叠加——线性系统里整体永远等于部分之和，国际象棋的棋局价值不能靠累加每个棋子的价值算出来，因为棋局本身是非线性涌现的产物。
- 用「加法思维」评估团队产出、用户体验、内容影响力这类涌现属性
- 假设整体表现可以从各部分的线性叠加中推算出来
- 识别哪些互动是线性的（可加）、哪些是非线性的（会涌现）
- 把评估重心放在互动结构上，而不是零件清单上
受限生成过程（CGP）：一套让涌现从形而上学回到工程学的形式语言
把规则转化为机制、把多种机制连接成网络、追踪状态转换、再把整个过程作为一个机制嵌入更高层——这四步让「由小生大」不再只是隐喻，而是可以被设计的工程蓝图。
创新和生物进化是同一种选择机制，只是时间尺度不同
训练把积木块用到不假思索的水平，筛出对目标有用的子集，在筛过的积木块上做组合探索——没有捷径，无法用更多事实代替这个过程，创新不是天才的灵光，是进化过程在个体大脑里压缩。
| 阶段 | 生物进化 | 个人创新 |
|---|---|---|
| 积累素材 | 基因池 | 训练到不假思索 |
| 筛选压力 | 自然选择 | 筛出有用积木块 |
| 产生新组合 | 重组与变异 | 在积木块上探索新模式 |
还原论没死，是被用错了层次：正确的还原是「层次还原」
了解单个蚂蚁的所有能力，不能让你了解蚁群的自适应性，但这不代表蚁群不能被理解——化学有自己的滑翔机（分子）和宏观规律，不需要每次都还原到量子物理学去解释。
- 假设理解涌现现象必须回到最底层的物理规律
- 把「还原论失效」等同于「不可分析」
- 找到问题所在的正确层次，在那个层次做还原
- 把一篇文章的「滑翔机」定位在故事/数据点/反差这个层次，而不是字词句
数学的「不合理有效性」是错觉：数学本来就源于建模
数学能精确描述物理世界不是奇迹——它本来就是从建模世界的需要中长出来的。这个视角同样适用于 LLM：它会写文章不是奇迹，是它本来在训练时做的事，值得追问的反而是它为什么有时写不好。
从一开始，数学就同我们周围的世界息息相关——数学是完全抽象的学科，这是二十世纪才有的发明。
— 约翰·霍兰德免费部分到这里。墙内还有：
本书与另外 4 本书的观点交锋 · 应用篇
金句摘录
「组成有机体的所有原子都会被更新，而有机体整体的外形和功能一般不会有大的变化。」
「涌现仅仅发生在整体行为不等于各部分行为简单相加的情况下——整体行为确实远比各部分行为的总和更复杂。」
「对单个蚂蚁所有能力的详细了解，并不能使我们了解整个蚁群显示出来的自适应性——但这并不意味着我们就不能了解这样的系统。」
常见问题
这本书讲了什么？
霍兰德用一个驻波比喻翻转了「稳定」的定义——稳定不是零件不变，是流动条件不变，蚁群、城市、你自己都是这样的驻波。
适合谁读？
从核心观点看，适合想搞清楚「驻波类比：稳定的模式靠不断流动的成分维持，不是靠固定的零件」这类问题的人。
最核心的一个观点是什么？
驻波类比：稳定的模式靠不断流动的成分维持，不是靠固定的零件