法默說，但也許，擁有一個通用構架的最重要的理由是，它能夠助使你提煉出各種模型的本質，使你把注意力轉向研究湧現在這些模型中的實際情形。在這種情況下，很顯然，力量確實存在於關聯之中，這便是這麼多人為關聯論而興奮激動之處。你可以從非常非常簡單的節點，線性「聚合物」開始，「布告」只不過是二進位數學，「神經元」基本上也只是開開閉閉的開關。然而它們卻能僅僅通過相互作用就產生令人吃驚的複雜結果。

這種網路結構也存在於他和考夫曼、派卡德建立的自動催化和生命起源的模型之中。在他們的模型中，這組節點就是所有可能的聚合體物種群，比如像 abbcaad，而關聯物就是模擬的聚合物群中的化學反應：聚合物A催化了聚合物B，並依此類推。通過激活特定的輸入節點，即通過在這個模擬的環境中向這個系統穩定地輸送微小的「食物」聚合物，就能引發瀑布般的反應。而這些反應最終會安頓下來，形成一種能夠自我維生的活性聚合物和催化反應的型態：即，他們假設的從初始原湯中湧現出來的某種原始有機體的「自動催化組」。

第二種更徹底地調整關聯的方法是改變網路的整個線路布局，摘除一些老的關聯點，置入新的關聯點。這相當於荷蘭德說的探索性學習：為獲得大成功而做大冒險。比如，在荷蘭德的分類者系統中，九*九*藏*書通過兩性|交配，產生不可模擬的新版本，從而達到基因演算法的相互混合，正是這種情形。由此產生的新規則常常帶入以往從未有過的新信息。這樣的情形同樣也出現在自動催化組模型中，出現在當偶爾有新的聚合物自動形成的時候，其情景就好像在現實世界發生的那樣。由此產生的化學關聯點能夠給自動催化組打開在聚合物空間探索全新世界的大門。但在神經網路中這卻不是常情，因為神經網路的關聯原本是不能移動的突觸的模擬。但最近在不少神經網路迷做的實驗中，神經網路確實能夠通過學習而重新布線。他們的理由是，任何固定的線路布局都是任意的，應該允許發生改變。

法默說，第一，這個想象中的法則將能夠對湧現做出嚴謹的解釋：當我們說整體大於部分的總和的時候，我們指的是什麼？「這不是魔術，但當用我們人類粗陋狹小的大腦來感覺時，這就像是魔術。」飛翔的「柏德」（和實際生活中的鳥類）順應著鄰居的行為而聚集成群；生物體在共同進化之舞中既合作又競爭，從而形成了協調精密的生態系統；原子通過形成相互間的化學鍵而尋找最小的能量形式，從而形成分子這個眾所周知的湧現結構；人類通過相互間的買賣和貿易來滿足自己的物質需要，從而創建了市場這個眾所周知的湧現結構；人類還通過互動read.99csw.com關係來滿足難以限定的慾望，從而形成家庭、宗教和文化。一群群的作用者通過不斷尋求相互適應和自我完善而超越了自我，形成了更為宏大的東西。關鍵在於要弄清楚這一切的來龍去脈，而又不落入枯燥無味的哲學思辨、或新時代的玄想泥潭。

法默說，這正是廣義的計算機模擬和狹義的人工生命的美妙之處：在台式計算機上，用一個簡單的計算機模型，就能拿你的思想做實驗，看看它們的實際效果如何。你可以通過計算機實驗對一些模糊的思想做出越來越準確的定位，可以試著提煉出突發在大自然中實際運作的本質。而且，那段時間已有了許多可供選擇的計算機模型，其中引起法默特殊興趣的是關聯主義（Connectionism）：這個概念的意思是一個由「連接物」相連的「節點」網路所代表的互動作用者群。在這一點上，他和許多人都有共識。在這十多年間，關聯論模型突然遍布各處。首要的範例就是神經網路運動。在神經網路運動中，研究人員利用人工神經元網路來模擬諸如知覺和記憶恢復這類的事情，並自然地對人工智慧主流研究的符號處理方法發起了猛烈的攻勢。但緊追其後的就是桑塔費研究所建立的基地，包括荷蘭德的分類者系統、考夫曼的基因網路、還有他和派卡德以及羅沙拉莫斯的愛倫·泊雷爾森於八十年代中期為研究ｈｔtｐs://rｅaｄ•99ｃsｗ•coｍ生命起源而建立的免疫系統模型。法默承認，這些模型中的有一些看上去並不很符合關聯論，很多人在初次聽到他們這樣描述事物時都感到非常驚訝。但這隻是因為這些模型是在不同的時間、被不同的人建立起來解決不同問題的，所以它們用以描述的語言也會不同。他說：「當你還原一切時，所有事物看上去都是一樣的。你其實可以只建立一個模型，然後移于另一方面的模擬。」

法默說，這對老夫曼的基因網路模型和其它許多模型都同樣適用。這些模型都潛在著同樣的節點一關聯物的構架。確實，幾年前，當他剛剛認識到這一共同點時，他高興得把這一切寫成一篇題目為《關聯主義的羅塞達碑》的論文，並發表了出來。法默在這篇論文中說，一個共同構架的存在消除了我們的一切疑慮，因為摸象的瞎子們至少已經把手摸在了同一頭大象身上。而且還不止這些，對致力於研究這些計算機模型的人們來說，這個通用的構架排除了不同術語的障礙，使相互之間的溝通變得比以往容易得多了。「在這篇論文中，我認為重要的是，我設計出了一個模型之間的實際翻譯機制。我可以把免疫系統的模型拿過來說：『如果這是個神經網路，那就可以如此這般地來看這個模型。』」

當然，在神經網路中，節點一關聯物結構是非常明顯的。節點就相當於神經元，而關聯物就相當於連httｐs://ｒeａd•9９ｃsｗ.ｃｏｍ接神經元的突觸。比如說，一個程序員有一個神經網路模型的想象，他或她能夠用激活一定的輸入節點，然後讓這一激活作用傳遍這個網路的其餘關聯物的方法來模擬落在視網膜上的光線明滅。這個模擬效果有點類似於將貨物船運到少數幾個沿海城市的港口，然後讓無數輛運輸車通過高速公路將這些貨物運往內陸城市。但如果這些關聯物的布局不盡合理，那麼這個網路在被激活后很快就會落入一個自我統一的型態，就相當於識別這樣一幕：「這是一隻貓！」而且，即使輸入數據非常嘈雜、非常支離破碎，或就此而言，即使有些節點已經燒焦了，這個網路也同樣會採取行動。

法默說，在分類者系統中，節點一關聯物結構相當含糊不清，然而這一結構確實存在。一組節點就是這組可能的內部布告，比如像001001110111110，而關聯物正是分類者規則。每一條規則都在系統的內部布告欄上尋找某條布告，然後通過張貼另一條布告來與尋找到的布告相呼應。通過激活某些輸入節點，也就是，通過在布告欄上張貼相關的布告，程序員就能讓分類者激活更多的布告，然後再激活更多布告。其結果就是布告如瀑布般飛濺，類似於將激活作用傳遍整個神經網路。而且，就像神經網路最終會安頓在一種自我完善的狀態中一樣，分類者系統最終也會形成一種穩定的狀態，組成這個狀態的活read.99csw.com性布告和分類者能夠解決當前的問題。或者，用荷蘭德的話來表述，這代表了一種湧現的心智模型。

以學習和進化為例。既然節點非常簡單，那麼網路的整體行為幾乎完全就是由節點之間的相互關聯來決定的。或用朗頓的話來說，相互關聯中編入了網路的泛基因型密碼。所以，如果要改善這個系統的泛表現型，只消改變這些節點之間的相互關聯就行了。法默說，事實上，你可以通過兩種方法來改變這種相互關聯。第一種方法是讓這些關聯還呆在原地，但改善它們的「力度」，這相當於荷蘭德說的採掘式學習：改善你所原有的。在荷蘭德的分類者系統中，這種改變是通過水桶大隊演算法來實現的。這個演算法對導致了良性結果的分類者規則實行獎賞。在神經網路中，這是通過各種學習演算法來實現的。對演算法的學習帶給網路一系列的已知輸入，然後加強或減弱關聯的力度，直到這一關聯能做出恰當的反應。

法默說，簡而言之，關聯論的概念說明，即使節點和單個作用者是毫無頭腦的死物，學習和進化的功能也能湧現出來。更廣義地說，這個概念非常精確地為一種理論指明了方向：即，重要的是加強關聯點的力度，而不在於加強節點的力度，這便是朗頓和人工生命科學家所謂的生命的本質在於組織，而不在於分子。這一概念同時也使我們對宇宙中生命和心智從無到有的形成和發展，有了更深刻的了解。

湧現