2026年读的书

    读书笔记-失控

    全书概览

    凯文·凯利在《失控》中探讨了生命、机器与社会系统的共同进化规律。他提出"失控"并非贬义,而是指一种去中心化的、自组织的、涌现式的控制方式。这种控制方式正在成为我们理解复杂系统的新范式——从生态系统到经济网络,从人工智能到社会演化,都遵循着相似的法则。

    这本书让我重新思考了"控制"的含义。传统的控制是自上而下、集中式的;而自然界和进化选择了另一种路径——去中心化、分布式的涌现控制。这种"失控"实际上是一种更高级的控制形式,它让系统具备了适应性、韧性和创造力。


    章节笔记

    1. 共同进化与系统思维

    本章要点

    • 共同进化是物种间交互的进化演变
    • 均衡态意味着死亡,系统需要非均衡才能保持活力
    • 网状因果循环取代了线性因果关系

    我的感悟

    本章的核心观点是"均衡即死亡"。这个观点深刻揭示了自然界和复杂系统的本质。我们习惯于追求稳定和均衡,但真正的生命力恰恰来自非均衡状态。生态系统、经济系统、社会组织都是如此——变化太多会导致混乱,但完全均衡则意味着停滞和死亡。

    这让我想到现代企业管理的困境。很多公司追求"优化"和"效率",试图消除所有波动和变数。但这种追求恰恰可能扼杀组织的创新能力。健康的系统需要在秩序和混沌之间保持动态平衡。

    个人笔记

    生态学家偏爱自然界中的各种均衡状态,其主要原因和经济学家偏爱经济中的各种均衡状态相同:均衡态可以用数学模型来表达

    经济学和生态学都迷恋均衡态,因为均衡态便于建模和预测。但真实世界是复杂的、非均衡的。这提醒我们在做决策时,不要过度依赖简化的模型。

    原文摘录

    共同进化是互相影响的物种间交互的进化演变。

    均衡态不仅意味着死亡,它本身就是死亡状态。系统要变得丰富,就需要时间和空间上的变化。


    2. 第四个间断

    本章要点

    • 哥白尼、达尔文、弗洛伊德分别消除了三个认知间断
    • 第四个间断是人类与机器之间的间断
    • 生命可能从碳结构转化到硅结构

    我的感悟

    这个框架非常精彩。哥白尼打破了地球中心论,达尔文打破了人类中心论,弗洛伊德打破了理性中心论。现在我们面临的第四个间断,是打破生物中心论——承认机器也可以具有"生命"的属性。

    凯利提出的"机械飞升"概念令人深思。如果生命可以从碳基转移到硅基,那么我们对"生命"的定义就需要重新审视。这不是科幻,而是正在发生的现实。人工智能、神经网络、进化算法,都是这个趋势的早期迹象。

    个人笔记

    这就是近年来知识体系的成长历程

    每一次知识革命都是在消除一个"我们很特殊"的幻觉。我们不是宇宙中心,不是生物进化的终点,甚至可能不是智慧的唯一载体。

    原文摘录

    生命是否也能从碳结构中提取出来,转化成硅结构

    我们一直渴望成为神灵。如果借助我们的努力,超生命能找到某种合适的途径,进化出使我们愉悦或对我们有益的生物,那我们会感到骄傲。


    3. 加密与控制

    本章要点

    • 加密技术是互联网发展的必要反作用力
    • 隐私正在成为一种定价销售的商品
    • 加密技术加剧了"失控"状态

    我的感悟

    本章关于加密技术的讨论极具前瞻性。凯利指出,加密不是为了对抗连接,而是为了给"无限连接"提供必要的断开能力。没有断开的能力,系统就会冻结成一团"超载的乱麻"。

    这个洞见在今天的社交网络时代尤其重要。我们被连接得太多、太紧密,以至于失去了思考的空间。加密技术不仅是技术问题,更是关于"选择性断开"的哲学问题。

    个人笔记

    花钱买隐私

    这是一个深刻的讽刺。在一个信息唾手可得的世界里,“不被人找到"反而成了奢侈品。隐私从基本权利变成了付费服务。

    将难以计费的物品,切割到足够的粒度单位,购买这些所需的单位而付费

    这是数字经济的基本逻辑——把原本难以计费的内容或服务,切分成可度量、可交易的小单位。

    原文摘录

    加密胜出,因为它是必要的反作用力,防止互联网不加节制地联结。任由互联网自行发展,它就会把所有人、所有东西都联结在一起。

    加密技术允许蜂巢文化所渴求的必要的失控,以在向不断深化的缠结演变中保持灵活和敏捷。


    4. 进化与选择

    本章要点

    • 遗传算法的核心是"累积选择"而非随机选择
    • 进化能够制造出比工程学更复杂的东西
    • “爬山法"容易陷入局部最优

    我的感悟

    凯利清晰地解释了进化为什么比随机搜索更有效——关键在于"累积选择”。每一步选择都被保留下来,成为下一步的基础。这与纯粹的随机尝试有本质区别。

    “爬山法"的困境也很有启发性。进化算法容易找到局部最优解,但可能错过全局最优。这提醒我们,在解决问题时,有时需要"跳出"当前的搜索空间,重新审视问题本身。

    个人笔记

    机器学习,梯度下降,局部最优陷阱

    现代深度学习也面临同样的问题。虽然梯度下降能找到局部最优,但真正的突破往往来自"跳出"这个优化过程——比如改变网络架构、引入新的训练范式。

    引入可控失控,并行处理评估结果,继续

    进化的力量在于它同时尝试成千上万种可能性。这种"并行试错"是工程学无法比拟的。

    原文摘录

    我们知道,只有两种方法能制造出结构极其复杂的东西:一个是依靠工程学,另一个是通过进化。而在两者中,进化能够制造出更加复杂的东西。

    如何培养出能在恶劣条件下生存的生物体?通过同时投入一千个略有差异的个体。


    5. 控制的未来

    本章要点

    Feb 26, 2026
    books