涌现

感觉还是读不太懂，也许需要做很多拓展的查询，再刷才能理解，复杂性的阐释和理解确实是个耗能的过程03-04

1.涌现现象出现在生成系统之中。2.在这样的生成系统中，整体大于各部分之和。3.生成系统中一种典型的涌现现象是，组成部分不断改变的稳定模式。4.一个稳定模式所在的环境决定了它的功能。5.稳定模式之间的相互作用带来了约束和校验，随着这样的模式数量的增加，系统的“能力”也会增强。6.稳定模式通常符合宏观规律。7.“存在差别的稳定性”是那些产生了涌现现象的规律的典型作用结果。8.更高层的生成过程可以由强化的稳定性而产生。03-10

之前已经了解神经网络原理，再反过来看涌现，略显笼统，从系统论观点：整体大于部分之和。涌现的确解释了为什么1+1大于2。整本书由于是面向非专业读者，描述性及事例篇幅较多。01-04

但愿不是作者写作技巧的问题，反正一直有隔靴搔痒的感觉。他不断强调模型的重要性、介绍建模方法，差点让人以为书名写错了。而对元胞自动机、康威生命游戏这些本来可以简单形象地表达涌现概念的例子，本书又写得比较简略。或者是因为涌现本身就属可遇不可求，它没有主体，但可能有主动性，我们只能被动等待它，像钓鱼一样使用各种手段让它的出现具有最大可能06-18

模型为什么是有用的，我们该如何建模，学会用模型思考。提炼总结。08-19

理解深度学习更容易理解涌现，复杂和有效源自简单，可叠加的简单形成复杂和多样，然后才能涌现。好的复杂是complex,而不是complicated。09-06

“什么是涌现，我将把它写得普通人都能读懂，那就是：涌现好，涌现妙，涌现好的呱呱叫，欧耶。。”懂了吗04-29

说是科普，我也没太读懂04-27

圣塔菲的忠粉，复杂科学的重要著作必须要看的，霍兰德是涌现的提出者，经典之作。04-21

约翰霍兰的书，成书于1999年。我隐约中就有感觉，机器学习和复杂性应该有某种联系，原来20年前霍兰就告诉我了，二者是传承关系。虽然说现在看起来第一章的增强学习，第二章的神经网络，都有点古老了，但这也正说明机器学习领域发展之快。那就让它继续发展吧，直到解开复杂性谜团那一天吧09-19

也是很受挫的一次阅读体验，能感觉出是一本好书，可惜自己的水平不够11-21

读到第三章，意识到我读过十多年前出的老版本…这个新版的纸张还很臭。05-28