自适应系统

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索

自适应系统 adaptive system是一组相互作用或相互依存的实体,它们或真实或抽象,形成一个能够共同响应环境的变化或相互作用部分的变化的综合整体,类似于生物学中持续的生理稳态或进化适应。反馈循环代表了适应系统的一个关键特征,例如生态系统和个体有机体;或者在人类世界中的社区、组织和家庭。


人工自适应系统 Artificial adaptive systems包括具有控制系统的机器人,这些机器人利用负反馈来维持想要的状态。


适应法则

适应法则可以非正式地被阐释为:


每个自适应系统都收敛到所有刺激停止的状态。[1]


正式地,该法则可以定义如下:


给定一个系统[math]\displaystyle{ S }[/math],我们说物理事件 [math]\displaystyle{ E }[/math][math]\displaystyle{ S }[/math]的刺激物,当且仅当数学[math]\displaystyle{ P(S \rightarrow S'|E) }[/math],即当事件[math]\displaystyle{ E }[/math]发生时系统发生变化或(其组成元素或过程)被干扰的概率严格大于[math]\displaystyle{ S }[/math]独立于[math]\displaystyle{ E }[/math]而发生改变的概率为:


[math]\displaystyle{ P(S \rightarrow S'|E)\gt P(S \rightarrow S') }[/math]


假设[math]\displaystyle{ S }[/math]是一个随时间变化的任意系统,[math]\displaystyle{ t }[/math]是一个随时间变化的系统,[math]\displaystyle{ E }[/math]是一个随时间变化的事件,是系统[math]\displaystyle{ S }[/math]的一个刺激: 我们说[math]\displaystyle{ S }[/math]是一个适应性系统,当且仅当 t 趋向于无穷时([math]\displaystyle{ t\rightarrow \infty }[/math]),给定事件[math]\displaystyle{ E }[/math]的系统[math]\displaystyle{ S }[/math]在时间步长[math]\displaystyle{ t_0 }[/math]改变其行为( [math]\displaystyle{ S\rightarrow S' }[/math] )的概率等于系统改变其行为独立于事件的发生的概率,用数学术语来表达如下:


  1. - [math]\displaystyle{ P_{t_0}(S\rightarrow S'|E) \gt P_{t_0}(S\rightarrow S') \gt 0 }[/math]
  2. - [math]\displaystyle{ \lim_{t\rightarrow \infty} P_t(S\rightarrow S' | E) = P_t(S\rightarrow S') }[/math]


因此,对于每一个即时[math]\displaystyle{ t }[/math],都会存在一个时间间隔[math]\displaystyle{ h }[/math],使得:


[math]\displaystyle{ P_{t+h}(S\rightarrow S' | E) - P_{t+h}(S\rightarrow S') \lt P_t(S\rightarrow S' | E) - P_t(S\rightarrow S') }[/math]


自适应系统的优点

在自适应系统中,参数变化缓慢,没有优先值。然而,在一个自适应系统中,参数值“取决于系统动力的历史”。自适应系统最重要的特性之一是它能“适应混乱的边缘”或避免混乱的能力。实际上来讲,通过朝着混沌边缘 edge of chaos出发但是不走的太远,领导者就可以在避免灾难的情况下自发地行动。Complexity期刊2009年3/4月一期的一篇文章进一步解释了自我调节系统的使用和现实意义。[2]物理学家已经证明,对混沌边缘的适应几乎发生在所有具有反馈的系统中。[3]

拓扑实践 Practopoiesis

在一个生命系统中,各种类型的适应性是如何相互作用的?拓扑实践 Practopoiesis这个术语源于它的发明者 Danko nikoli,指向了能回答这个问题的一个适应机制层次结构。这种适应性层次结构形成了一种自我调节系统,其中整个生物体或细胞的自创生是通过各组分[4]之间的异体生成相互作用而发生的。这之所以可能是因为组件被组织成一个极端层次结构:一个组件的自适应操作导致另一个组件的创建。该理论提出,生命系统展示了一个由四个这样的适应性极化操作组成的层级结构:


进化 evolution (i) → 基因表达 gene expression (ii) → 非基因参与的稳态机制 non gene-involving homeostatic mechanisms(anapoiesis) (iii) → 最终细胞功能 final cell function (iv)


随着层级结构向更高级别的组织发展,适应的速度也在加快。进化是最慢的,最后的细胞功能是最快的。最终,实践拓扑学挑战当前的神经科学学说,认为心理活动主要发生在稳态,非生物水平上。也就是说,意识和想法从快速的稳态机制中产生,从而控制了细胞功能。这与人们普遍认为的思考是神经活动的同义词(即,与第iv级的“最终细胞功能”)形成了鲜明对比。


每一个较慢的层次包含的知识比较快的层次包含的知识更一般性;例如,基因包含的一般知识比无生殖机制多,而无生殖机制又比细胞功能包含更多的一般知识。这种知识的层次结构使得无生命层次能够直接激活概念,而这些概念是意识出现的最基本的原料。


参见


注释

  1. José Antonio Martín H., Javier de Lope and Darío Maravall: "Adaptation, Anticipation and Rationality in Natural and Artificial Systems: Computational Paradigms Mimicking Nature" Natural Computing, December, 2009. Vol. 8(4), pp. 757-775. doi
  2. Hübler, A. & Wotherspoon, T.: "Self-Adjusting Systems Avoid Chaos". Complexity. 14(4), 8 – 11. 2008
  3. Wotherspoon, T.; Hubler, A. (2009). "Adaptation to the edge of chaos with random-wavelet feedback". J Phys Chem A. 113 (1): 19–22. Bibcode:2009JPCA..113...19W. doi:10.1021/jp804420g. PMID 19072712.
  4. Danko Nikolić (2015). "Practopoiesis: Or how life fosters a mind". Journal of Theoretical Biology. 373: 40–61. arXiv:1402.5332. doi:10.1016/j.jtbi.2015.03.003. PMID 25791287.



参考文献

  • Martin H., Jose Antonio.; Javier de Lope; Darío Maravall (2009). "Adaptation, Anticipation and Rationality in Natural and Artificial Systems: Computational Paradigms Mimicking Nature". Natural Computing. 8 (4): 757–775. doi:10.1007/s11047-008-9096-6.{{cite journal}}: CS1 maint: multiple names: authors list (link)


其他链接

编者推荐


本中文词条由Henry参与编译, Miyasaki审校,薄荷编辑,欢迎在讨论页面留言。

本词条内容源自wikipedia及公开资料,遵守 CC3.0协议。