技术进化中的演绎-探寻法
在第9章，我们讨论过与进化系统相结合的适合度景观是如何大体上联系在一起的，也就是说，既不是完全随机的混乱，又不是一个单峰的完全有序的景观。进化景观通常介于两者之间，比如阿尔卑斯山。有关物理技术空间的一个重要问题是，它的适合度景观也是大致相关的，因为这将决定进化是否是搜寻它的最佳方式。
一个大致相关的物理技术空间是有直观意义的，这意味着空间中密切相关的设计通常具有相似的适合度。例如，我们预计两台设计相同但火花塞参数略有不同的发动机，可能会有相似但不相同的性能。然而，这种普遍的相关性并不完美，火花塞设计中大多数的微小变化可能不是很重要，但某些差异可能会非常重要，并导致发动机无法工作。因此，尽管与高峰相连的景观倾向于靠近其他高峰，但其本质仍然是崎岖而混杂的，有高原也有瑞士奶酪孔洞。15
支持大致相关的物理技术空间的另一条证据实际上是一个存在证明。如前所述，进化是寻找大致相关的空间的高度有效的算法，并且进化过程也倾向于创造大致相关的空间。16如果我们能表明人们参与物理技术创新的过程遵循进化搜寻过程，那么物理技术空间很可能是大致相关的。
人们在考虑物理技术创新是一个进化过程时可能会问：“进化是一个盲目、随机的过程，而技术创新是由人的理性和意图所引导的。我们怎么使那个圆圈变成正方形呢？”答案是，在进化算法的本质中，没有任何基础可以说明意向性及合理性不能发挥作用，也没有任何基础可以说明这个过程必须是完全随机的。进化论的核心是一个反复实验、选择、放大有效性状的过程。生物进化过程中随机的部分是通过创造选择的多样性来实现的。17但即便如此，它也不是完全随机的。突变可能是随机的，有性生物的重组却不是。对配偶的竞争可以确保适合的有机体与其他适合的有机体有更高的配对概率。
唯一的要求是要给算法提供足够多的实验来进行选择。实验必须覆盖足够宽的适合度景观，使算法有微小但值得一搏的机会找到高峰。从算法的角度来看，过程如何实现多样性并不重要。在人类搜索物理技术空间的案例中，进化算法通过“演绎-探寻法”来获得实验的多样性。“演绎-探寻”一词融合了心理学家唐纳德·坎贝尔（Donald Campbell）的理念和赫伯特·西蒙的“有目的的适应”这一概念。18基本上，人类在发明行为中会经历两个认知过程，其中之一是他们的演绎能力。简单说来，演绎是《2001：太空漫游》那个场景中展示的原始人建立起棍棒可以用作捕杀武器的思想联结。从复杂的角度来看，演绎是英特尔的工程师使用量子力学理论来计算将电路封装到芯片上的极限。
这个模型的另一个部分——探寻，就是我们展开尝试的地方。正如现代工程使用科学一样，仍然有很多“让我们试试看会发生什么”。19历史上有许多人们意外发明新事物的著名故事。例如，20世纪80年代，3M公司的化学家斯宾斯·西尔弗（Spence Silver）试图制造出更强的黏合剂，却意外地制造出了一种较弱的黏合剂。他的同事阿瑟·富莱（Arthur Fry）随后用这种黏性较弱的胶制作了一个黏性书签，最终变成了现在普遍存在的便利贴。20便利贴不仅是借由演绎逻辑发现的，探寻也起了主要作用。正如杜克大学的工程学教授亨利·彼得斯基（Henry Petroski）所说，“常规与失败如影随形”。21探寻的本能感觉之下，毫无疑问存在无意识的归纳认知过程、联想思维和类比推理，因此探寻也不是一个真正的随机过程。尽管如此，探寻还是超越了我们仅用演绎法所能想到的，从而扩大了实验的范围。
除了演绎逻辑和归纳探寻外，一种随机的疯狂元素也可以告诉我们人类要尝试什么。1982年的一天，一个33岁的加州卡车司机拉里·沃尔特斯（Larry Walters）去了西尔斯，买了一把草坪椅，在上面绑了45个充氦气的气象气球，带着一个啤酒冷却器和一把气枪，升到了4876.8米的高空中，使整个南加州的空中交通都中断了。22他原本打算通过气枪射击气球来着陆，但由于过于紧张，他射击了几个气球后气枪就掉下去了。几个小时后，他缓缓飘回地球表面，随后被电线缠住，使长滩的大部分地区陷入了黑暗。最终，沃尔特斯设法爬到了安全地带。沃尔特斯显然对任何航空理论的演绎试验都不感兴趣，他也没有研究飞行草坪椅的商业潜力——他只是想飞。即使有了所有的科学知识，还是会有一些人尝试去做疯狂的事情。尽管飞行草坪椅还没有成为一项重要的新技术，但这种疯狂的东西有助于保持实验在物理技术空间中的广泛传播，每隔一段时间，某些东西就会起作用。
为了描绘演绎-探寻模型的效果，我们可以想象一个阿尔卑斯山式的适合度景观上的一个点。这个点代表特定物理技术的设计，例如微芯片设计。然后，我们在这一点周围的景观上画出一系列的实验，你的绘图可能类似于图11-1。我们会看到许多触手般的探索之手从当前的设计中发散出来，这些发散物是与演绎探索高度相关的分支。这些分支会进入到理论、科学和过去的经验显示富有成果的景观领域，并避开那些不大有希望取得成果的领域。在微芯片的例子中，这些分支代表的是芯片工程师为改进其设计所做的精心排布和努力。接下来，我们将看到一块探寻实验区从手指一样的树枝周围渗出，这代表的是芯片设计者更大胆、更具实验性及面临更大风险的想法。我们会在景观图中看到一些随机的点，这些代表的是人们的一些“不靠谱”的尝试。如果实验是由随机的变化和杂交驱动的，那么实验在景观上的分布将会呈现不同的形状（见图11-2）。但关键是，这种扩散足以让进化发挥作用。
图11-1 景观上的演绎-探寻模型
图11-2 演绎-探寻VS. 随机的变异和杂交
尽管演绎-探寻创造出的模式（左）与随机的交异和杂交（右）不同，但两者都可以在景观上传播实验，为进化提供差异的来源。
