概要

1. 为了对跨学科的截然不同的CAS系统构建共同描述，霍兰首先给出对适应性主体的建模。
2. 在第一章抽取的七个基本点的基础上，霍兰构建了由执行系统、信用分派算法和规则发现算法三大部分组成的适应性主体模型。并分别展开了详细的阐述。

导读

本章共有48页，目录里只有章标题，没有节标题。笔者首先按顺序梳理了本章的各节内容，方便查阅和建立逻辑导图，然后基于该脉络展开对各小节的摘录与评述。

提出问题

在不同的、甚至是相同的系统里，主体之间呈现出真正的非相似性。例如，城市中的公司似乎与抗体没有多少共同之处，而生态系统的生物体与神经系统的神经元也根本不相像。如果不能给这些截然不同的主体抽象出统一的说明，跨学科的构建CAS并寻找一般理论就无从谈起。因此，本章目标就是抽取诸多不同领域的、截然不同主体间的共性，构建一个统一的模型。

为了回答上述问题，霍兰在本章中提出了一种统一的构建方式——即适应性主体模型由执行系统、信用分派，规则发现三个部分组成。

执行系统

在上一章，规则作为主体的描述方式，在本章，规则被严格作为定义主体的正规手段，它满足三个要求：

1. 规则必须使用单一的语法去描述所有的CAS主体。
2. 规则的语法必须规定主体间的所有相互作用。
3. 必须有一个可接受的程序用于适应性的调整规则。

霍兰采用最简单的一类IF-THEN规则，并在其基础上加入一些修改，使之足够强大，不仅为任何适应性主体提供简单的语法规则，并且能够为任何适应性主体建立可以在计算机上模拟的模型。

值得一提的是，IF-THEN规则被广泛应用于心理学（刺激-反应规则），人工智能（条件-行动规则）和逻辑学（产生规则）。

随后，霍兰提出了探测器输入+执行系统+效应器输出的模型，如下图所示：

HO-Performance System of A Frog

上述系统模型中，核心是将输入和输出的数据结构描述为消息：

1. 消息的标准描述：如果标准化消息的长度为L，则可能的消息集合M是所有长度为L的二进制字符串的集合。 例如，L=5时的某个消息为"00011"。
2. 探测器过滤输入信息，并编码为消息：主体需要过滤周边环境产生的、大量涌入的信息。探测器可以用于感知环境中的某种特殊性质，存在时为1，不存在时为0。由此，一组探测器可以将大量的输入信息编码，而编码后的消息能够传递的信息量与探测器数目呈指数关系。
3. 效应器对标准输出消息进行译码，采取相应行动：探测器对环境活动编码后，将消息输入给执行系统，后者输出标准化的消息给效应器。效应器进行译码，从而引发对应的动作。任何时刻，主体的全部反应有一组效应器产生。

在定义了输入输出的基础上，主体可以基于消息处理规则的建模：

1. 规则的标准描述：某条规则可以忽视某些消息，因此引入‘#’符号表征可以接受“在此位置上可以接受消息的任意值”。
2. 每个规则可以想象成为一个微主体：是一个消息处理工具，以消息为输入输出，根据IF-THEN形式，则有IF(有合适的消息) THEN(发出指定的消息)；
3. 多个规则之间可以相互作用：例如规则A是"IF(X) THEN(Send Y)"，规则B是"IF(Y) THEN(Do Z)"，那么规则A可以发送激活规则B的消息Y。

上述所提出的消息和规则的标准描述，提供了统一的、基于规则的技术手段，用于描述各种各样主体的行为了。到现在为止，执行系统中的规则还没有考虑由于适应环境产生的变化，但是已经能够提供两种重要的并行能力，体现在以下两个方面：

1. 消息作为积木——构建环境模型：每个规则作为一个微主体，是可以同时活动的，而主体外部看到的只有其中一小部分。因此，消息可以作为上一章提到的积木，构建复杂的模型。
2. 规则作为积木——应对恒新环境：主体要能够应付一个恒新的世界，因此不可能事先准备好某条规则，能够适应所能够遇到的每种情况。因此，主体可以将已经通过检验的规则作为积木，进行规则组合来描述和处理新的情况。例如，人体免疫系统有限的抗体如何对付各种可能的抗原。

Notes：当然，只有静态的规则是不够的，规则之间的地位也不是简单的对等的。比如现有的专家系统以及知识工程，在世界是恒新的这一客观事实面前，数据和知识量不断增长甚至爆炸，人工构建的规则即使进行组合也不够用，因此构建出来的AI泛化能力不够。

因此，规则之间的互动关系，以及规则本身都需要适应环境的动态变化，这其实对应的是DARPA新进提出的下一代具有环境适应(Context-Aware)的AI。对此，霍兰早在1995年就提出了一套形式化的方法，即接下来介绍的信用分派算法和规则发现算法。

接下来两天，笔者将梳理和发布对第二章后续部分的摘录和评述。 包括信用分派方法、规则发现方法、实例、小结与展望。