作为未来的互联网从业者，终于有机会拜读鼎鼎大名的失控了！一本在20年前构思，现在依然准确地预测着互联网和人类技术未来发展的鸿篇大作。厚，但是没有多少废话，每一章都是闪闪发光的！我会简明扼要地讲述书中的概念，再加上我个人的发散思考，一并写出。
相信就算没看过失控，很多人也已经知道了这本书的大名，也知道他预测的东西包括了云计算，人工智能，机器学习，众包等等概念。我以为不会被惊到，后来发现我错了...每看一章，都要把书合上，遐想半天，看了一下午5个小时才看了100页，实在是回味无穷啊...
你会发现，其实凯文凯利（简称KK）一直都是在用一种特殊视角去观察世界。把机器替换成生物，把生物替换成机器。一片森林在他眼里是一个系统，一个机器人在他眼里是一个生命。
总的来说，失控是讲人造物（机械）与天造物（自然创造物），这两者在不断互相融合的大趋势。机器在不断地变得像生物一样，充满智能、自我修复、适应环境、变异和进化。而生物则融合了技术从而变得超出了以往的存在，定向进化、机能强化、基因改造...而这一切走向尽头之时，我们将无法再控制他们，所以书名叫做《失控》。
一、蜂群思维
书中首先讲的是蜂群思维，这也是后续概念的一个底层基础理论。所谓蜂群思维，也叫做分布式系统，来源于大自然中蚂蚁和蜜蜂的思维方式。单个蜜蜂的大脑很小，智慧有限，但是当他们聚集成蜂群的时候，却能表现出超常的智慧。
比如，当蜜蜂们想搬家的时候，首先他们会派出少部分的探索者，其他人会待在家里。当探索者探索回来，根据自己看到的新家园的美好程度，跳起了不同程度的舞蹈。跳舞越激烈，吸引到支持他们的蜜蜂越多。其他蜜蜂看到之后，会有第二批探索者去跟随第一批蜜蜂，去核查证实那些地方，是不是真的像他们跳舞表达得那么好。第二批蜜蜂看完回来之后，也会跳起舞蹈，吸引第三批跟随着。然后第三批蜜蜂就跟随第二批，再次去核查...就这样不断循环，最终一开始可能有10个选项，最终会优秀的选项会聚集越来越多的蜂群，达到某个程度之后，那个选项将会胜出，然后所有蜜蜂就会高高兴兴地搬家去了。顺带一提在这过程中，蜂后并没有决策权。
你会发现，这其实就是一种很纯粹的民主。而且，他的本质只不过是【探索--投票--再探索--再投票】的循环。单个蜜蜂的智商是很有限的，他们只知道【探索】和【投票】两个规则，但是当整个蜂群都遵循这种规则的时候，他们能以很优秀的方式去完成【搜索可以搬家的地方，并挑选出其中最好的一个】这样复杂的一个任务。如果这个任务要交给一个个体去做，他需要把这10个地方都飞一遍，然后还要把他们的评估分数都记在脑子里，然后再作出决策。
这就是蜂群思维，一种从大量的愚蠢中孕育出智慧的思维。他们只不过是设定了几个规则，最终却演化出了高度的智慧。
另外一个例子就是动物群体的移动，比如迁徙的鱼群，鸟群。一个大规模鱼群可能延绵十几公里，一条鱼根本不知道自己所处的位置，也不知道大部队的方向，而且当前面的鱼方向转变的时候，后面的鱼也会快速地跟着前面的鱼变化。他们的原理跟蜂群也是类似的。好莱坞特效师在制作虚拟的鱼群或者蝙蝠群的时候，只不过使用了简单的3个规则，就能模拟出大自然的真实动物群的效果。
【1 靠近你的同伴；2 不要离开大队伍；3 跟同伴保持安全距离，不要撞上去】
这种逻辑当然也可以用在无人机群、无人汽车群、机器人群里。
除了蜂群、鱼群，其实人的大脑也是一样的。大量结构一样的脑细胞聚集到一起，遵循着某些未知的规则。当然，人群也一样。甚至无机物，比如沙子构成沙丘之后，或者水滴构成水塘之后，他们也会从中涌现出跟之前完全不一样的物理规律。沙丘形成的流体力学，对于单个沙子的运动规律而言，就相当于群体思维对个体思维一样。大量聚集个体之后，群体思维就会从中涌现。
最后提一下，蜂群的整体记忆并不存在在某处，而是在所有蜜蜂身上。蜂群的思考也没有在特定某处，而是在所有蜜蜂身上。这就是蜂群的分布式记忆和分布式计算。分布式计算就是我们平时耳熟能详的云计算，也叫并行分布式计算。而分布式记忆，很可能就是人脑的记忆方式，也是未来人工智能采用的记忆方式。
想要构成一个群体（也就是分布式系统），其实不难。分布式系统有4个特点：
1.要有大量相似的个体聚集在一起，而且没有一个中心控制；
2.个体自行依据规则对局部环境作出反应；
3.个体之间高度连接；
4.点跟点之间的影响，会通过网络形成非线性的因果关系；这句可能有点绕，大致就是：因为在一个群体中，每一个个体，都会受到其他所有个体的影响，同时也会影响其他所有的个体。可能一条鱼受到了惊吓，这是一个因，但最终导致的结果会是整个鱼群的数量增加了10%这样一个果！而这中间，有着无数的逻辑关系错综复杂。可能A鱼分别影响了B、C、D鱼....而他们也反过来影响了A鱼，这其中的因果关系不是单纯的【我咬了你同伴一口，你被吓跑了】，而是【我吓跑了你，你跑回去之后影响了其他的B、C、D...最终演变成整个大鱼群的移动，避开了捕食者】这样一个庞大的结果。
而这4个特点中的前三个，其实也可以看成是【构成分布式系统的条件】，记住了，三个条件：“大量个体无中心控制”、“个体可以自行应对局部环境”、“高度连接”。
但是，分布式系统并不是那么万能的，从这4个特点中，我们可以看到分布式系统的优点和缺点。
分布式系统的优点：
1-适应力：因为个体之间功能很接近而且很模糊，在一个系统中，就算某些部分失效了，其他的也能用，体现出来就是对环境的适应力。
例子：大脑被切除了一部分之后，可能会瘫痪，丧失语言能力，但不会死亡；你炸了互联网里30%的电脑，资讯会减少，但是互联网还是可以照常运行。
2-可进化：因为个体之间很接近，所以当遇到异常的危险时，如果某个个体成功出现了适应力，那么这个个体可以把这适应性传递给其他个体，从而实现整体的进化。
例子：最典型的就是人体的免疫系统。当有病毒入侵人体时，巨噬细胞吞噬异变细胞后，会从中提取出病毒的抗原，这个抗原就是用来识别敌人的线索，然后再把抗原传递给负责制造抗体（相当于武器），从而击退病毒；
又比如可能一开始你不知道电话诈骗的手段的，但是当有人受骗了之后，他们把电话诈骗的手段给揭露出来，告诉大家怎样识别骗子（比如那些张口第一句话就是“猜猜我是谁”的），其他人知道怎样识别之后，就会获得对骗子的免疫力，我们也可以说这个群体在对抗骗子这方面的能力进化了。
3-自我纠错：个体的失误不会影响整个群体，因为个体的力量是有限的，群体占绝对优势。一旦个体出错，群体会自动纠正。
例子：还是说免疫系统，如果一个细胞突变成了癌细胞，巨噬细胞会毫不留情地把他当成敌人消灭掉。再比如，在宗教组织中，亵渎上帝的人会被当成异端烧死，长期以往，基本上所谓的异端们是很难聚集起来形成力量的，所以宗教的统治很稳固。后来宗教被推翻了，也是因为异端们通过传播自己的思想，鼓动其他教徒的想法，扩大自己势力范围才成功的。这跟癌细胞最终战胜人体也是一样的，不断传染其他细胞，其实就相当于形成自己的组织了。
4-无限性：这种群体可以不断地增长。他只会变得越来越有序，而不会变得无序，成长对群体来说是正反馈，是好事，所以说无限。
例子：比如生命，越繁殖越多；财富，钱滚钱越来越多。这两个书中的例子我觉得太抽象了，我说个更好的：比如人人经济没有管理成本，突破了科斯天花板，就是无限性的表现。看不懂这句话的话看下面的补充说明。
在管理学中，有个概念叫【科斯天花板】，就是说管理成本限制了组织的规模和效率。因为传统的组织结构，都是有管理成本的，100个人干活，可能要付出很大的成本去维持他们协作和沟通。在这种情况下，你想让他们效率提高，再给50个人进去也没用，效率反而会更低。因为受到管理成本的制约，注定了一个组织和企业不可能无限制地扩大。当扩大到管理成本的顶峰的时候，再扩大反而没有好处了，边际收益是负数了。
但是相对的，在《未来是湿的》里面提到，互联网时代出现的新型组织，是不存在科斯天花板的。比如编写WIKI百科背后的一大堆人，比如创造了知乎的众多用户们，比如facebook和instagram庞大用户数所创造的内容库和新闻网络。如果换成传统企业去编写WIKI，来一千个专家都搞不定。这种新组织形态，也叫做人人经济。
你会发现，其实人人经济就类似于分布式系统，他就是一个群体。无限性其实也就是指他没有科斯天花板，他可以无限扩张而不会降低效率。
5-新颖性：KK提出了3个新颖性
1)分布式系统因果不成比例，随时都会诞生出预料之外的东西；
2)个体之间的组合数量，是呈指数增长的；举个例子就是互联网网络，或者人际关系网络，5个人之间的关系可能只有2位数，50个人间的关系数量可就是4 5位数以上了；
3)允许个体缺陷。这是我觉得最重要的！因为他会自我纠错，所以允许出现缺陷，也正因为此，他允许个体发生变异，从中可以发现有利的变异，再把变异传递给其他个体，形成进化。举个例子就是大自然的基因突变。
以上是分布式系统的5个优点。
那分布式系统的缺点呢？
1-非最优：冗余，因为大量个体没有利用上；没有中央控制，系统的效率低下。举个例子就是群体决策，比方说开会，选举，统一意见，总是慢得要死。所以大公司都慢，创业公司靠领导者拍脑袋决策，所以够快。
2-不可控：群体是无法控制的，只能去引导。你很难同时控制一个羊群的移动，只能用牧羊犬和狼引导他们移动。另外的例子，比如大众舆论，也是只能引导的，不能正面控制。民众暴动也是类似。
3-不可预测：因为中间逻辑关系和概率太多，太复杂了。
4-不可知：理由同上。
5-延时：在群体间，一个信息的传递是需要时间的，一个事件、一个因的传递也一样。
与分布式系统相对应的，是我们工业时代的那种流水线逻辑。我设计了先后的几个部分，每个部分都负责他的工作，我可以精确地控制每一步的输入、输出、精度、时间。
所以呢，需要绝对控制的工作，交给传统的控制系统；
需要终极适应性的工作，用失控的群体；
通常我们会根据实用需要，一定程度地混合这两者。
刚刚说了那么多分布式系统和群体的事，我涌现了一些想法：
其实分布式系统，就是网络。
网络+生物，就是生物种族、群体、社区；
那网络+物质呢...？我能想到两样东西，一个是物联网，一个是4D打印。
所谓物联网，就是把生活中的各种物体，赋予他们一些传感器和接收器，把他们连到互联网上。比如阳光太猛了，窗户的光线传感器收到信号，自动关窗；空气质量不好，自动开窗；太热了，风扇自动开；夜深了，光线自动变柔和；人捂着下体高速靠近厕所了，厕所门自动打开...这就是智能家居。当然除了家居，出行工具、文具、餐具、清洁工具，通通都可以变得智能。
4D打印呢，有一个TED是专门讲这个的。就是材料可以自己变形，还可以自己设定变形的时间。只要准备好材料，材料自己就变成成品了。把材料的每一个分子看成个体，再加上材料变化的规则设定，他本身也是一个分布式系统。
可能你会觉得蔑视：切，不就是人性化一点吗？这跟智能和智慧还差得远呢？！
嗯...对比一下就知道了，我就拿物联网来说吧：
1-适应力：在物联网中，部分功能异常，不影响其他功能使用。比如窗帘是光感应的，窗户是空气和温度感应的。窗帘坏了，窗户还是会照常工作。这个很好理解。
2-可进化：你穿过了一扇门，走过一块地板，这房子就会自动读取你的身高体重体脂率，然后把这个信息传递给房子里所有家具，甚至可以弄成档案库，传给你要坐的出租车，火车，飞机。然后所有的桌椅自动调整合适高度，纠正不良看电脑姿势；床垫自动配置软硬度；显示的字间距和音量大小也会自动调整。
3-自我修复：如果椅子坏了，系统能告诉你应该买多大尺寸的椅子才合适。虽然现在还要人手，如果以后有家居机器人的话，或者材料科学获得新突破，记忆材料能够广泛应用的话，就真的是自我修复了。之前好像LG就出产过可以自动修复手机壳的手机。
4-进化：你觉得凳子这高度不爽？自己调节一个，然后所有的凳子都会进化得更高更爽。你是上班族，你想在下班的时候冰箱自动给食材解冻，夏天空调自动提前制冷，牛奶喝光了自动订购放在门口，还选好你喝惯的那个牌子--突然新闻爆料出事了还能自动换牌子，但是又懒得设置？上网直接下载一个别人弄好的“上班族家居方案”一键搞定。
最终状态下，估计房子就会跟管家一样。你变重了哦？去运动吧！你玩太久了，去看书吧！你饿了吗，我做饭给你吃！你病了吗，我帮你打电话给你朋友，告诉他一声！你单身太久了吗，上次来家里住的那个妹子其实挺合适你的...这总能算智能了吧
二、有心智的机器人
接着上一章的分布式系统，这一章KK讲了分布式控制。一句话概括，分布式控制就是一种怎样从简单中构造复杂系统的方法。
传统的建造机器人的思路是，我需要处理器、传感器、动力等等系统，然后像拼电脑一样拼到一起。结果机器人的体积越造越大，电池占机身重量的比例也越来越大。
插个话，图灵机的思路都是这样，现有所有计算机都是图灵机。在新型计算机结构中，除了有量子计算机以外，还有仿照蜂群思维的并行分布式计算机。
而分布式控制就是，首先给简单的次级单位（就是个体）设立行动规则，当他运行良好的时候，再设置更复杂一点的规则，然后层层叠加上去，最终变成一个复杂系统。
举个简单的例子就是音乐。一开始我们先加个基础节奏，可能是架子鼓的动次大次。然后每8个拍子加一个拍手的声音。然后再加上一段电吉他旋律，然后再加上一点钢琴，再加点贝斯...然后就成旋律了。
再举个例子：
比如说，这里有个用腿走路的机器人。用多少条腿都可以。给其中的每一条腿设置两个规则：
【如果腿抬起来了，就落下】【如果一只脚领先了其他脚，就让其他脚在地上往后撑】
设置完毕之后，就算断了一条腿，他也能继续走。（书中并没有讲述详细的逻辑原理）
这样我们就设置好了最底层的【移动模块】，这是最基础的一层系统。
可能一个机器人会从低到高搭载好几个层次的系统：
-移动
-避免接触，防撞
-无目的漫游
-探索世界，绘制地图
-预见变化的行动方案
在添加其他模块的时候，有些需要注意的规则：
1-当某个系统能正常运转时，不要扰乱他；
2-以它为基层构建上层系统，可以改良下层系统，或者给下层打补丁；
3-不同层级之间不能直接控制，只能间接控制；
假设我们想在【移动模块】上面加一个【防撞模块】，避免这机器人撞到墙。我们可以装几个感应器测量与周边的距离，但是不能在靠近墙的时候，强行地改变【移动模块】的规则。比如通过【一旦感应到墙，就算抬起的脚领先其他脚，其他脚也不能往后推】这规则是跟底层规则相矛盾的，会影响移动模块的正常运作。
我们也不可以直接控制下层【移动模块】直接停止工作，原地站着。我们要的是机器人避开障碍物，而不是碰到障碍物等死。如果想直接控制机器人绕开障碍物的话，需要的计算量就太大了，而且不同层级之间会发生矛盾，需要协调。
比方说，激光探测器说，前面有一堵墙。另一个声纳探测器说，前面可以走。两个传感器冲突怎么办？这时候如果装一个中央处理器协调他们的话，就相当于回到传统控制的路子了。就像传统组织有管理成本和科斯天花板一样，这个中央处理器的协调成本也会越来越大。所以我们不能直接控制。
我们可以用一些方法调和他们的矛盾。比如抑制、延迟、激活等等。我们可以让靠近墙的那几只脚行动受到抑制，比如在他抬起脚和落下脚之间，插入一个很大的延时，这样靠近墙的几只脚就几乎不动了。也可以让靠近墙的几只脚抬起来之后在原地落下。这样局部抑制之后，不影响其他方向的脚移动。也可以直接在每一根脚上都装一个距离传感器，这样每一根脚自己就具备了防撞功能。
总的来说，分布式控制的规则有5个：
“低级反射”、“递增发展”、“分散控制”、“稀疏通讯”、“模块间拆分独立”
低级反射就是尽可能地让最底层的行为更简单；递增发展就是一层一层往上叠加的意思；分散控制，就是去中心化控制；稀疏通讯，就是模块不能直接控制模块，要间接；拆分独立就是模块间互相独立，不依赖其他模块运作。
在我看来，这也是赋予一个物体生命的规律。
正如前面提到的物联网，按照这分布式控制的规则去改造，就能在一定程度上显现出智能。同样地我改造一辆自行车，一支笔，一个杯子，也能赋予他们智能。这种感觉就跟创造了小型的生命一样，创造了一些低级的人工智能生物。我甚至想到未来当我们为自己养的这些机械生命编程、修理的时候，人们在付出的同时，也会对他们产生感情，就像自己的宠物一样。或许机器跟人类的冲突原本就没有我们想象中的那么激烈。
一开始我会有点把分布式系统和分布式控制两个概念弄混，觉得分布式控制这种做法不也是一种分工和专业化吗？跟传统工业生产的控制有什么区别？后来我发现，其实分布式系统存在分工是没问题的。大脑一开始可能只是一团脑细胞的集合体，但是随着时间流逝，他们会渐渐演变出不同的分工，语言、运动、理性思考、抽象思考等等。蜂群也一样，内部有工蜂、雄蜂、蜂后。大量的个体聚集在一起之后，他们慢慢地就会自然演变出分工，也就是所谓的无限性，能够不断地从无序中演变出有序。分布式系统说的是这个系统是怎样形成的。而分布式控制是利用形成系统的原理，直接用来搭建新的复杂系统了，侧重应用。
问题来了，书中有提到，其实大脑本身很可能就是一个分布式系统。也就是说，大脑并不存在某一个区域产生意识。意识可能是所有脑细胞共同作用下的，一个群体的现象！意识可能是由大量分布的低级思维构成的！尽管这个观点还没得到证实，但依然具有强大的说服力。
我觉得可怕的地方有2个。
第一是，如果意识是由简单的底层逻辑构成的，也就意味着人的意识是完全可以解读并改变的。
第二是，我可以通过复制一个人所有底层的逻辑，来复制一个人的意识。
如果我能够知道一个人的价值观、世界观、人生观的每一个详细设定，然后仿照着来回答。
我知道你的价值观是“家人比金钱更重要”，我还知道你的语气和情绪数值和习惯用语。
那么这个机器在回答“你愿意花多少钱卖你的女儿”这个问题时，就会自动输出答案“滚！”
三、组装复杂性
这章很短，书中举了一个恢复大草原植被生态的例子，讲怎样一步步从荒地组建成高度复杂性的大草原生态系统。
第一个特殊的地方是，他们突然发现火是很关键的角色，火能除去一些物种。在搭建复杂系统的时候，有时候需要除去某些因素。而有的时候，某些因素的缺失不会影响最终结果。
举个例子，人类因为有了拇指而学会制造工具，因此学会了思考。但是现在我们就算把拇指切掉，也不会妨碍我们思考。拇指就像一个跳板一样，跳过去了就没用了。
这意味着可能在自然生态系统进化的过程中，可能中间有一些物种起到跳板作用之后就灭绝了，我们再也找不回来。如果是真的话，我们就永远无法恢复那种生态系统了。
第二个特殊的地方是，想要组装复杂性，跟上面的分布式控制是一样的，需要从简单的系统入手，一步步地在简单系统上面叠加简单系统，其中还要注意叠加的先后顺序，不同顺序会衍化出指数增长的系统类型。十几个元素能演化出几百种稳态系统。一旦有了最开始的系统，他就会不断增长，不断正反馈，越变越大。
最后一个就是，尽管最开始的元素是混乱无序的，但最终却总能形成一种稳态，这是一种违反熵增规律的现象。
个人感觉这章有点水，只是一个承前启后的过渡章节。
