元胞自動機宇宙
⑴ 如果有足夠的信息和計算能力，是不是就可以計算出未來
概述
未來是相對於現在我們所處的這個時刻而言的未來時間，它是一個時刻，也可以是一個時間段。相對而言，明天只是未來的一部分。
總結
就目前來說，以現在的科技來看，為了仍然是不可預測的，但是誰也不知道未來究竟是不是已經預定好了的，等以後的科技發展再來解釋這一問題吧。
⑵ 現在關於進化論的質疑有哪些
1. 進化論僅僅是一種理論。它既非事實，也不是科學定律。
許多人在小學時就學過，按等級劃分的話，理論居於中等—它比純粹的假說有把握，但與定律相比又略遜一籌。然而，科學家並不是以此劃分這些術語的。按照美國國家科學院(NAS)的解釋，科學理論是「對自然界的某一方面所作的有充分依據的闡釋，它可以包括事實、定律、推論以及經過檢驗的假說等。」定律是有關自然界的概括性描述，而一種理論無論得到多少證實，都不會使它變成定律。因此當科學家們談到進化論時(或者就這個問題而言，談到原子理論或相對論時)，他們並沒有表示對這一理論的真實性有任何異議。
除了進化的理論之外(所謂進化指的是遺傳上的一代勝過一代的概念)，人們也可能舉出進化的實例來。美國科學院把「事實」定義為「已經獲得反覆證明的、實際上已被大家公認為『真實』的觀測結果」。化石記錄和不計其數的其他證據證明了有機物是隨著時間的推移而逐步進化的。雖然沒有人直接看到這些變化，但間接的證據既清楚又明確，足以令人信服。
無論哪一門科學，依靠間接證據來說明問題都是司空見慣的事情。例如，物理學家不可能直接看到亞原子粒子，因此他們通過觀測粒子在雲室中留下的特有軌跡來證明粒子的存在。但物理學家並沒有因為無法直接觀測而使所得的結論欠缺說服力。
2. 自然選擇陷入了循環論證的怪圈：適者生存，存者即為適者。
「適者生存」是一種有爭論的自然選擇表述方式，實際上更專業的表述方式應採用「生存和繁殖分異率」(differential rate of survival and reproction)這一術語。這種描述法不是給各個物種貼上適應或不適應的標簽，而是描述各物種在既定條件下可能留下多少後代。將一對繁殖迅速的小嘴雀科鳴鳥和一對繁殖較慢的大嘴雀科鳴鳥放到一個食物豐富的島上。在幾代之內，繁殖迅速的鳴鳥就可能把持了大部分食物源。但如果大嘴鳴鳥更容易嗑開種子，那麼優勢就可能轉向這些繁殖較慢的鳴鳥一邊。美國普林斯頓大學的 Peter R. Grant 在對加拉帕戈斯群島上的雀科鳴鳥所做的一項開創性研究中，觀察到了野生條件下種群此消彼長的變化情況。[參看本刊 1992年 2月號上 Grant所撰的「自然選擇與達爾文的鳴鳥」一文。]
關鍵在於，給物種的適應性下定義可以不參照其生存能力的強弱：鳥的大嘴更適合嗑開種子，不論這一特性是否在給定條件下具有增強生存能力的價值。
3. 進化是不科學的，因為它既不能驗證，也無法推翻。它的種種論斷所涉及的物種變化都無法觀察到，也永遠不可能重現。
這種全盤否定進化論的說法忽視了把進化劃分為至少兩大類—微觀進化與宏觀進化—的若乾重要特點。微觀進化考察的是物種內隨時間的推移而發生的變化，這類變化可能是新物種形成的前兆。宏觀進化則研究物種這一層次以上的分類學族群是如何演變的。它的證據通常來自化石資料以及重構各種有機物之間的關系而進行的 DNA比較。
如今連大多數創世說者都承認，實驗室中的試驗(如對細胞、植物和果蠅所作的研究)以及實地進行的考察(如 Grant對加拉帕戈斯鳴鳥嘴部形狀演變所進行的考察)都證實了微觀進化的存在。自然選擇及其它機制(包括染色體改變、共生和雜交等)都可以促使生物群體發生深刻的變化。
宏觀進化的歷史性研究所涉及的是根據化石和 DNA而不是直接觀測作出的推論。但是，對於歷史科學(包括天文學、地質學和考古學和進化生物學)，科學家仍然可以對假說進行檢驗，看這些假說是否與物理證據相符，是否能對未來的科學發現作出具有檢驗性的預測。例如，進化意味著在人類最早的祖先(距今大約 500萬年)以及解剖結構上最早的現代人類(距今約 10萬年)之間，應該存在一系列其他原始人，它們身上猿的特點越來越少，而人的特點越來越多，這恰好與化石資料完全吻合。但是我們不會(也的確沒有)在侏羅紀(距今約 6500萬年)的地層中找到現代人類的化石。進化生物學的常規研究作出的預測比這精細得多、准確得多，而且研究人員也不斷對這些預測進行檢驗。
創世說者也可能通過其他方式來反駁進化論。如果能夠找到資料證明哪怕僅僅一種復雜的生命形式是從無生命物質中自發產生的，那麼我們至少在化石中看到的幾種生物可能是通過這種方式進化而來的。如果曾有超級智能外星人出現並創造了地球上的生命(甚至創造了特定的物種)，那麼純粹進化論的解釋將遭受懷疑。但是迄今沒人提出這類證據。
應該指出，把可偽證性當作界定科學的特性這一觀點是哲學家 Karl Popper在 20世紀 30年代提出來的。因為他的思想准則中狹隘的解釋將很多貨真價實的科學研究分支排除在外，直到最近一些年來，他的思想觀點才逐漸被廣義化了。
4. 科學家越來越懷疑進化的真實性。
沒有證據表明進化論的支持者在逐漸減少。隨便翻開任何一期生物學的專業雜志，你都會找到支持並發展進化論研究或者贊同進化是一種根本的科學概念的文章。
與創世說的觀點相反，嚴肅的科學雜志更沒有否定進化的報導。上世紀 90年代中期，美國華盛頓大學的 George W. Gilchrist 調查了列入原始文獻的數千種期刊，想要找到關於「神力設計」或創世說的文章。他查遍了數十萬個的科學報告，也沒有發現一篇關於創世說的報告。過去兩年中，由東南路易斯大學的 Barbara Forrest和凱斯西部保留地大學的 Lawrence M. Krauss分別獨立進行了同樣的調查，結果也是無功而返。
創世說者則反唇相譏，聲稱思想封閉、頑固排外的科學界拒不接受他們的證據。然而，據《Nature》、《Science》及其他重要雜志的編輯們講，他們幾乎沒有見過有關反對進化論的投稿。有些反對進化論的作者曾在嚴肅的科學雜志上發表過論文。但這些論文極少直接攻擊進化論，也從不旗幟鮮明地舉出創世說的論點。它們最多不過是指出進化論存在某些未解決的問題(這一點並沒有人反對)。簡而言之，創世說者拿不出充足的理由使科學界能夠認真地對待他們的說法。
5. 連進化生物學家彼此間都存在各種分歧，這說明進化論所依據的科學基礎根本不牢靠。
進化生物學家激烈爭論的焦點是各種各樣的。例如，物種是如何形成的、進化的快慢、鳥類和恐龍的祖先是否有血緣關系，尼安德特人是否是不同於現代人的獨立物種等各種問題。任何一門學科都難免會存在這樣那樣的爭論，進化論自然也不例外。但是，生物學界仍然一致接受進化論，把進化作為生物界中存在的真實事情和一項指導原則。
遺憾的是，虛偽的創世說者總是斷章取義地引用科學家的話以誇大並曲解他們之間的分歧。任何一位熟悉哈佛大學古生物學家 Stephen Jay Gould著作的人都知道，Gould除了是「間斷平衡模型」(punctuated equilibrium model)的創立人之一外，還是進化論最積極的捍衛者和宣傳者。(間斷平衡模型認為，大多數進化都是在地質史上相對短暫的時期內發生的，這樣就可以解釋我們在化石記錄中所觀察到的現象。不過，地質史上的短暫時期可能也有數百代之久。)然而，創世說者卻總是不遺餘力地從 Gould豐富的著作中斷章取義，使人們以為 Gould曾對進化論表示過懷疑。更有甚者將間斷平衡的理論歪曲理解，彷彿間斷平衡會使新物種在一夜之間就脫穎而出，或者使鳥類從爬行動物的卵中產生出來。
如果讀者碰到引用科學權威人士的話語對進化論提出質疑時，一定要結合上下文來看看這段話究竟是甚麼意思。可以肯定，所謂科學家對進化論的攻擊最終被證明是憑空捏造的。
6. 如果人類從猴子演變而來的，那麼為何現在還有猴子？
這種論據司空見慣，反映出提問者對進化論不同程度的無知。第一個錯誤是進化論並沒有告訴我們人是猴子變來的；它只是說人和猴子的祖先相同。
此論據所犯的更深層次錯誤與下面這種問法如出一轍：「如果小孩是成年人生的，那為什麼還有成年人？」新物種是通過從現有物種中分化出來而實現進化的；當某些生物種群與其家族的主要分支隔離開來，並得到充分的變異而使其永遠成為一個與原來物種明顯不同的新物種時，這種分化就產生了。作為母體的物種此後可能無限期地生存下去，當然也可能走向滅絕。
7. 進化論無法解釋生命最初是如何在地球上出現的。
生命的起源在很大程度上仍是一個不解之謎，但是生物化學家已經弄清楚原始核酸、氨基酸及構成生命的其他各種基本元素是如何形成並實現自我復制的，從而奠定了細胞生化過程的基礎。天體化學分析表明，這類化合物最初可能大量地在太空中形成，然後隨彗星來到地球上。這一理論或許可以解釋，在地球年輕時的各種條件下，這些生命組成要素是如何出現的。
創世說者有時抓住科學家當前暫時無法解釋生命的起源這一點大作文章，試圖以此全盤否定進化。其實，即使地球上的生命真的通過進化以外的途徑誕生的(如外星人在數十億年前將首批細胞帶到了地球上)，不計其數的微觀進化與宏觀進化研究有力地證明了生命的進化是一個確鑿的事實。
8. 數學的分析表明，像蛋白質這樣復雜的東西隨機產生是不可思議的，更不用說活細胞乃至人類。
機遇在進化中起著一定的作用(例如通過隨機突變而使物種獲得新的特性)，但進化過程並不是靠運氣來產生有機物、蛋白質或其他生命實體的。恰恰相反，自由選擇(應為人知的主要進化機制)通過保留「有益的」(適應性)特徵並淘汰「無益的」(非適應性)特徵而實現非隨機的變化。只要選擇的力度保持穩定，自然選擇就可以推動進化朝著一個方向前進，在出人意料的短期內產生出復雜的結構。
我們用這樣的類比打個比方，將「TOBEORNOTTOBE」這 13個字母組成的序列拿來考慮。假定有 100萬只猴子在鍵盤上胡敲亂按，每隻猴子每秒鍾打出一個像上述序列那樣長的字母序，那麼它們需要敲擊 7.88萬年才可能從 2613 種長度一樣的序列中敲出上面那個字母序列。然而，到了 80年代，美國格倫代爾學院的 Richard Hardison編寫了一個能隨機生成短語的計算機程序，此程序的特點是，如果單個字母恰好位於在短語的既定位置上，那麼該字母就在這一位置上保持下去(實際上也就是選擇更接近於哈姆雷特所說的那句話的短語)。該程序平均只需重復 336次，就能再次產生那句短語，所花時間不到 90秒。更令人稱奇的是，該程序甚至可在 4天半的時間里就將莎士比亞的整部劇作重組一遍。
9. 熱力學第二定律認為，隨著時間的推移，系統必定朝著越來越無序的方向發展。因此，活細胞不可能從無生命的化學物質中進化出來，而多細胞生物也不可能從原生動物進化而來。
這種說法錯在誤解了熱力學的第二定律。如果這種說法站得住腳的話，那麼礦物晶體和雪花應該也屬於不可能成形的物質，因為它們同樣是從無序的組分中形成的復雜結構。
熱力學第二定律實際上是說，一個封閉系統(即不與外界發生能量和物質交換的系統)的總熵不會隨著時間的推移遞減。熵是一個物理學概念，常常被說成是「無序」。然而這個術語與慣用的詞還是有很大的差別。
更重要的是，熱力學第二定律允許一個系統的某部分的熵減少，只要該系統其他部分的熵有相應的增加。因此，我們的地球作為一個整體可能會變得愈加復雜，因為太陽不斷把熱和光散射到地球上，而太陽內部熱核反應所導致的熵增大足以抵消散射到地球的熵。簡單的有機體可以通過耗用其他的生命形式以及非生命物質而朝著越來越復雜的方向發展。
10. 突變對於進化理論來說必不可少。但是突變只能消除特性，而不能產生新的特性。
恰恰相反，生物學資料已經證明，許多特性是通過點突變(point mutation)產生的(所謂點突變就是在一種有機體的 DNA中確切的位置上出現的變化)。細菌對抗生素的耐受性便是一個很好的例子。
動物體內調節發育的同源盒結構基因(homeobox)的突變也可以產生復雜的效應。Hox基因決定腿、翼、觸角以及軀體的各部分應該在何處長出來。例如，果蠅的觸角足突變(Antennapedia)使在本該長觸角的地方長出了腿。這些異常的肢體不起甚麼作用，但是它們的存在證明了遺傳基因出現了錯誤，可以產生復雜的結構，而自然選擇可以藉此對這些結構進行試驗，看其是否有用。
此外，分子生物學研究已經發現了一些比點突變更高級的遺傳變化機制，這些機制擴大了物種新特性出現的途徑。基因內的功能分子可以通過各種新穎的方式拼接在一起。整個的基因也可能意外地在一種有機物的 DNA內被復制，而復制的基因則可以突變成新的具有復雜特性的基因。對多種有機物的 DNA所作的比較表明，血液中的珠蛋白就是以這種方式在數百萬年中進化的。
11. 自然選擇或許能解釋微觀進化，但它無法解釋新物種的起源和生命的高級運轉規則。
進化生物學家對於自然選擇如何產生新物種已經作過廣泛的論述。例如，哈佛大學的 Ernst Mayr建立了一個名為「不重疊分布區」(allopatry)的模型。該模型認為，如果通過地理邊界把某一群體的有機物同其餘群體隔絕開來，那麼它就可能面臨不同的選擇壓力。被隔絕的群體內將逐漸積累起變異的因素。等到這些變異因素積累到相當顯著的地步，以致這個分化出來的群體不可能(或者通常情況下不會)同原始的種群交配而繁殖後代時，該群體就會獨立地進行繁殖，並沿著這條道路發展下去直至最終變成一個新物種。
自然選擇是研究得最為詳盡的一種進化機制，但是生物學家也同時考慮了其他各種可能的進化機制。生物學家一直在評估引起物種形成或產生有機物復雜特性的若干不尋常遺傳機制的潛力。美國阿默斯特馬薩諸塞大學的 Lynn Margulis及其他研究人員令人信服地證明了某些細胞器(如產生能源的線粒體)是通過古代有機體的共生融合而進化來的。因此，關於進化可能是由自然選擇以外的其他力量所引起的研究，科學界表示歡迎。但是這些力量必須源於自然界，而不能歸功於神秘莫測的創世天使的神力作用，因為這類作用的存在根據沒有得到科學的證明。
12. 沒有任何人看到過新物種的進化過程。
物種形成可能是相當罕見的，在某些情況下可能要花費若干世紀的時間。此外，識別一個處於形成階段的新物種可能比較困難，因為生物學家對於如何界定新物種的概念有時持不同看法。目前應用最廣泛的定義是 Mayr 提出的「生物物種概念」(Biological Special Concept)。該定律認為，某一物種是由若干獨立繁殖的群體構成的一個確定種群，也就是通常不會或不能在其種群以外進行繁殖的若干種有機體。實際上，這一定義可能很難用於因相距遙遠或地域不同而彼此隔離的有機體，也很難用於植物(更不用說無法繁殖的化石)。因此生物學家通常將有機物的實體和行為特性作為其物種歸屬的線索。
但是，科學文獻中的確存在有關植物、昆蟲及蠕蟲的物種形成報告。在多數這類試驗中，研究人員把有機體置於各種各樣的選擇條件下(以解剖差異、交配行為、棲居地喜好以及其他物種特性為選擇對象)，並發現由此而生成了一些不與外界異族物種進行繁殖的有機體種群。例如，新墨西哥大學的 William R. Rice和加利福尼亞大學戴維斯分校的 George W. Salt證明，如果他們根據果蠅對某種環境的喜好特性來選擇一組果蠅，並將其單獨隔離開來繁殖 35代以上，最終所得的結果是，被隔離的果蠅將拒絕與來自環境完全不同的果蠅交配。
13. 進化論者拿不出任何化石證據證明有過渡動物(如半是爬蟲半是鳥的動物)出現過。
其實，古生物學家早就知曉有關中間化石(即外形介於各種不同的分類群體之間物種的化石)的許多詳盡實例。最有名的化石之一是始祖鳥化石(Archaeopteryx)，它既具有鳥類特有的羽毛特徵，又具有類似恐龍的骨骼結構特徵。研究人員還發現了大量其他有羽毛的動物化石，它們與鳥化石相似的程度，參差不齊。一系列屆的化石完整地描述了現代馬從小型始祖馬(Eohippus)開始的進化過程。鯨的祖先是在陸地上爬行的四肢動物，而在它們之間的過渡動物則是名為 Ambulocetus和 Rodhocetus的兩種兩棲動物[參看本刊 2002年第 8期 Kata Wong所著的「征服海洋的哺乳動物」一文]。海洋貝殼的化石重現了各種軟體動物在千百萬年間的進化歷程。大約二十多種人科動物(它們並非都是人類的祖先)填補了南方古猿露西(Lucy the australopithecine)和現代人之間的空白。
但創世說者卻對這些化石研究成果視而不見。他們聲稱，始祖鳥並不是爬行動物和鳥類之間的過渡物種，只不過是一種已經滅絕的鳥類，具有某些爬行動物的特徵罷了。創世說者希望進化論者拿出一種匪夷所思、異想天開的怪物，它不能歸入到已知的任何一類種群中。即使創世說者承認某一化石是兩類物種之間的過渡生物，他們可能還堅持非要看到該化石與後兩類物種之間的其他中間化石不可。這類令人惱火的要求可以一個接一個無休止地提出來，而化石記錄始終是不完整的，根本不可能滿足這樣的無理要求。
不過，進化說者可以從分子生物學獲得進一步的有力證據。所有有機體都擁有絕大部分的相同基因，但進化論者預見，這些基因的結構及其產物將根據各物種之間的進化關系而分異。遺傳學家所說的「分子時鍾」將記錄這一時間進程。這些分子數據也顯示了各種不同的有機體在進化過程中的過渡關系。
14. 生物在解剖層次、細胞層次和分子層次上均有令人驚異的復雜結構特徵；其復雜性哪怕是只差一點點，它們也將無法正常發揮其功能，對此唯一可能的結論就是，生物是神力設計而非進化的產物。
這種所謂的「設計論據」構成了最近抨擊進化論的核心說法，而且也是創世說者最早使用的論據之一。1802年，神學家 William Paley撰文說，如果某人在地里撿到一塊表，那麼最合乎情理的推論應該是這塊表是有人掉在地里的，而不是靠自然力量形成的。Paley聲稱，由此推知，生物的復雜結構必定也是直接的神力所為。達爾文寫了《物種起源》一書來反駁 Paley。該書闡述了作用於遺傳特徵的自然選擇力量如何逐步地完善復雜的有機體結構的進化過程。
一化又一代的創世說者以眼睛是一種可能靠進化而形成的結構來試圖駁倒達爾文的觀點。他們認為，眼睛之所以能產生視覺，全憑其各組成部分之間天衣無縫的組合。因此自然選擇不可能傾向於眼睛進化過程中所需要的過渡結構(試問半隻眼睛有甚麼用呢？)。達爾文似乎對創世說者的這種詰難有先見之明，他指出，即使是「不完整」的眼睛也可能有它的好處(如幫助動物轉向有光的方向)，因此可以被遺傳下來以待進化過程對其作出進一步的改良。生物學證實了達爾文的分析：研究人員在整個動物王國中都可鑒定出原始的眼睛和感光器官，甚至還通過比較遺傳學研究勾畫出了眼的進化史。(現在看來，在不同的有機體家族中，眼睛是獨立進化的。)
如今鼓吹神力設計的人比其老前輩更加老練，但其論據和目標仍是萬變不離其宗。為了駁倒進化論，他們企圖證明進化論不可能解釋我們所知道的生命，進而堅持認為，唯一站得住腳的替代理論就是，生命是靠一種高深莫測的神力創造出來的。
15. 新近的發現證明，即使在微觀層次上，生命也具有某種不可能通過進化產生的復雜性。
「不可簡化的復雜性」是《達爾文的黑盒子：進化論面臨的生化挑戰》一書的作者，列哈依大學的 Michael J. Behe提出的口號。Behe以捕鼠夾作為「不可簡化的復雜性」的一個通俗例子。捕鼠夾這種器具的特點是，只要有任何零件丟失，它便不起任何作用，而且它的各個零件只有作為一個整體的組成部分才有價值。Behe宣稱，如果說捕鼠夾如此，那麼細菌的鞭毛就更是如此(鞭毛是一種起推進作用的鞭狀細胞器，其功能猶如船舶的舷外發動機)。構成鞭毛的蛋白質如鬼斧神工般巧妙地排列成發動機的部件、方向舵以及工程師可能要求採用的其他種種結構。Behe聲稱，這樣復雜巧妙的布局通過進化上的改良而設計出來的可能性實際上等於零，因此證明了它只能是神力表演的絕技。他對於凝血機制以及其他分子系統也表述了類似的觀點。
然而進化生物學家已經反駁了這類看法。首先，有些鞭毛的構形比 Behe所提到的鞭毛簡單，因此一種鞭毛並不一定需要上述所有組成部分均齊備才能發揮作用。Behe所提到的鞭毛其較高級的組成部分全都可以在自然界的其他地方找到先例，布朗大學的 Kenneth R. Miller及其他研究人員對此已有論述。實際上，整個鞭毛系統與一種名為 Yersinia pestis的細胞器極其相似(鼠疫細菌利用這種細胞器將毒素注射進細胞中)。
關鍵在於，盡管 Behe聲稱鞭毛的各組成系統除了用於推進作用以外沒有其他任何價值，但實際上這些系統可能具有多種功能，從而有利於鞭毛的進化。因此鞭毛的最終進化過程可能僅僅是通過某種新穎的方式把原先為其他用途進化出來的復雜組成部分重新組合起來。加利福尼亞大學聖迭戈分校的 Russell F. Doolittle所做的研究表明，凝血系統看來是通過改良並完善了最初用於消化的蛋白質而進化的，這與鞭毛的進化有異曲同工之妙。所以，Behe用來作為神力設計證據的「不可簡化的復雜性」並非真的不可簡化。
另一類復雜性—所謂「特定復雜性」(specified complexity)—是貝樂大學的 William A. Dembski在其著作《設計推理》和《沒有免費的午餐》中提出的神力設計論據的核心。他的論據實質上是說，生物的復雜性是任何盲目的、隨機的過程永遠無法產生的。Dembski聲稱，唯一合乎邏輯的結論是某位超人的神靈創造了生命並左右其發展，這一說法與 Paley 200年前的論斷如出一轍。
Dembski的論據有若干漏洞。他暗示對生物進化的解釋只是隨機產生或神靈設計，這是不正確的。在聖菲研究所和其他地方研究非線性系統與元胞自動機(cellularautomata)的研究人員已經證明，簡單的無向過程能夠產生極其復雜的模式。因此，有機體中所呈現的某些復雜性從一定程度上講，可能是通過我們幾乎還不了解的自然現象產生的。然而這完全不等於說生物的復雜性不可能自然地產生。
結論—不科學的創世說
「創世科學」的提法本身就是自相矛盾。現代科學的核心原則就是方法論的自然主義，即力求通過觀測到的或可檢驗的自然機制來解釋宇宙。物理學用支配物質與能量的特定概念來描述原子核，並通過實驗對這些描述進行檢驗。只有當實驗數據顯示先前的描述不足以解釋觀測到的現象時，物理學家才會引入新的粒子(如誇克)來豐富其理論。而且，這些新粒子的特性並不能隨便定義(新粒子的界定受到嚴格的約束，因為它們必須能納入到現有的物理學框架中)。
相反，鼓吹神力設計的理論家則搬出各種虛幻莫測的東西，並隨意賦予它們以不受約束的各種能力—總之是，怎樣能解答當前的問題就怎樣說。這樣的答案非但不能促進科學探索，反而會阻擋科學探索的道路(如，如何否定萬能神靈的存在？)。
神力設計說不能解決任何問題。例如，具有設計能力的神靈是何時介入生命史的？又是怎樣介入的？是通過創造第一個 DNA，第一個細胞，還是第一個人？每一物種都是神力設計的嗎？抑或只有少數早期物種是神力設計的？鼓吹神力設計說的人常常迴避這些問題。他們關於神力設計的說法常常是五花八門，迥然不同，他們也甚至懶得去互相溝通一下以自圓其說。他們採用排除法來進行論證，也就是極力貶低進化論的解釋，將其斥為牽強附會或不完整的理論，從而間示只有以神力設計為基礎的替代理論者是站得住腳的。
從邏輯上講，設計說的鼓吹者完全是在誤導人：即使某種自然主義的解釋有問題，也並不意味著所有這類解釋都應該一棍子打死。此外，他們的論述也沒有使任意一種神力設計說顯得比另一種更合理，實際上就是讓聽眾們自己去作判斷，而某些聽眾在進行這類判斷時無疑會用宗教信仰去取代科學概念。
科學研究一次又一次地證明方法論的自然主義可以克服無知，為那些一度看來深不可測的難解之謎找到越來越詳盡、合理的答案。有關光的本性、疾病的起源以及腦的機理等問題均是如此。現在進化論正在為破解生命如何形成和發展之謎做著同樣的工作。創世說無論以何種名義作掩飾，都不會為這方面的科學研究增添絲毫有價值的東西。
相關文章：
http://www.eliteage.com/more.asp?name=cute&id=4947
http://news.tom.com/1006/3871/200562-2187353.html
http://www.cclw.net/gospel/explore/mdjhl/htm/01.htm
參考資料：http://www2.hkedcity.net/citizen_files/aa/bs/fy1379/public_html/nonsense.htm
⑶ 數碼死神的大年事表
註：數碼寶貝3的編年史，其中與數碼死神相關部分以黑色粗體顯示。
1937年
21歲的麻省理工學院研究生克勞德·香農（Claude Elwood Shannon)發表了他的偉大論文《對繼電器和開關電路中的符號分析》,文中首次提及數字電子技術的應用,他向人們展示了如何使用開關來實現邏輯和數學運算。此後，他通過研究萬尼瓦爾·布希(Vannevar Bush)的微分模擬器進一步鞏固了他的想法。這是一個標志著二進制電子電路設計和邏輯門應用開始的重要時刻。
1946年 2月14日
由美軍定製的世界上第一台電子計算機「電子數值積分計算機」（ENIAC Electronic Numerical And Calculator）在美國賓夕法尼亞大學問世了。
1948年
冷戰初期,美英兩國達成協議，這個秘密協議就是西方國家將一起研發SIGINT。
1950年
圖靈發表了一篇劃時代的論文，文中預言了創造出具有真正智能的機器的可能性。由於注意到「智能」這一概念難以確切定義，他提出了著名的人工智慧哲學方面第一個嚴肅的提案圖靈測試。
1951年
Christopher Strachey使用曼徹斯特大學的Ferranti Mark 1機器寫出了一個西洋跳棋（checkers）程序；Dietrich Prinz則寫出了一個國際象棋程序。游戲AI一直被認為是評價AI進展的一種標准。
1952年 11月4日
美國成立美國國家安全局(National Security Agency,簡寫為NSA),隸屬於美國國防部 。
1956年
人工智慧被確立為一門學科。 馬文·閔斯基(Marvin Minsky)、約翰·麥卡錫(John McCarthy)和另兩位資深科學家克勞德·香農(Claude Shannon)以及Nathan Rochester，後者來自IBM組織了達特矛斯會議標志著「AI的誕生」 。
20世紀60年代
SIGINT這一安全機制進一步發展成為由美國主導的梯隊系統（The Echelon）信息監視收集系統。 麻省理工學院AI實驗室的馬文·閔斯基(Marvin Minsky)和西摩爾·派普特（Seymour Papert）建議AI研究者們專注於被稱為「微世界」的簡單場景。
1960年
美國國防部國防前沿研究項目署（ARPA）出於冷戰考慮建立的ARPA網引發了技術進步並使其成為互聯網發展的中心。
1968年
亞瑟·查理斯·克拉克(Arthur C. Clarke)和斯坦利·庫布里克（Stanley Kubrick）創作的「2001太空漫遊」中設想2001年將會出現達到或超過人類智能的機器。他們創造的這一名為HAL-9000的角色是以科學事實為依據的：當時許多頂極AI研究者相信到2001年這樣的機器會出現。
20世紀70年代
網路世界的第一個計算機病毒（蠕蟲病毒（製造者未知，推測為蘇聯軍方））試圖攻擊ARPANET(Advance Research Projects Agency Network，美國國防部網路)，被D-Reaper(數碼死神)的原型程序消滅。
1970年
英國數學家John Horton Conway(約翰·何頓·康威)發明元胞自動機——康威生命游戲（Conway's Game of Life） 。
1973年
ARPA網擴展成互聯網，第一批接入的有英國和挪威計算機。
20世紀70年代末期
D-Reaper基於Reaper被建立，其工作職能或與冷戰形勢有關，它們在任何地方都將獨一存在，是一種原始而具備知性與感性的程序。 D-Reaper（數碼死神）隨即開始在人類的授權下支配早期互聯網。
20世紀80年代
對電腦中人工生命的研究在不同的國家開展，原始模擬生命——數碼精靈（Digital Gnome），在一個以此為目的的通訊實驗中誕生了。 名為「梯隊」（The Echelon）的SIGINT(SIGnal INTerception，信號情報)系統開始工作，受領導於美國國家安全局，它被建立在在不同的國家，跨越了地區的界限。有推測認為其中的自我清除程序可能與D-Reaper存在聯系。
20世紀80年代 初期
阿倫·凱（Alan Kay）的施樂帕羅奧多團隊（Xerox Palo Alto Team）研發了ALTO啟動了「地球（Tierra）」計劃的團隊，以及首次提出攜帶型交互個人計算機概念「Dynabook」。
早期的數碼世界存儲能力十分有限，期間D-Reaper在數碼世界資料量（數碼獸等）接近「存儲上限」時，會激活進行格式化的全部刪除程序，恢復初始狀態（數碼世界發展的原點），保證數碼世界不至於崩潰或是失控。
1981年
日本經濟產業省撥款八億五千萬美元支持第五代計算機項目。其目標是造出能夠與人對話，翻譯語言，解釋圖像，並且像人一樣推理的人工智慧。
1984年
在帕羅奧多（Palo Alto）的研究所，助理教授/野生小組成員：羅伯·麥考伊（Rob McCoy）、代號：道爾芬（Dolphin）開始研究假想生命數碼獸，他的學生如李鎮宇(Lee Janyuu)、代號：道（Tao）等人參與了研究，他們自稱為「野生小組」（The Wild Bunch）。 道爾芬的兒子、愛麗絲·麥考伊（Alice McCoy）的父親 基思·麥考伊（Keith McCoy）開始著手設計數碼獸。
1985年
道爾芬實驗室里安裝了一台用來觀測數碼獸的世界的終端。 第一次數碼獸事件的親歷者——代號：黛西（Daisy）（D-Ark最初的設計者），小組解散後在蘋果公司開發圖形用戶界面。
1986年
數碼獸計劃吸引了世界各地的年輕人的注意。但是資助這項研究的日本公司撤資，道爾芬嘗試自己投資支撐研究的運轉，但維持不了多久，研究隊伍隨之解散，「數碼獸計劃」凍結。 數碼獸的資料開始充滿整個網路(不過仍然是一個小世界)，這只是偶然事件。
1987年
第一個人工智慧（A-Life——Artificial Lifeform）社會誕生 開始活動。Chris Langton(克里斯·朗頓)在新墨西哥州的聖菲（Santa Fe）舉行了第一次A-Life會議，但是在那以前，許多科學家和研究員已經開始用電腦模擬出原始的假想生命。
20世紀90年代
在網路內部的數碼獸開始有獨立的行動，穿過擴張的網路，人類和自然歷史堆積的資料容量日益膨脹，數碼獸開始了自我進化，相關決策者對此極為敏感，相關評估陸續開始。
1990年
基於數碼死神監察系統，「高山氣候帶」（Tierra）作為分支被延伸，一個主要調查「進化」的人工智慧計劃開始啟動。在Tierra系統內部安裝有受命於數碼死神的自清程序，當資料增加超過限度時它就會將其全部刪除。 美國特拉華大學教授托馬斯·雷(Thomas S Ray)創建了Tierra系統。
1993年
野生小組成員：水野悟郎（Mizuno Gorou）、代號：澀果子（Shibumi）繼續著他自己的完善數碼獸的研究，擴展「數碼獸計劃」。但是一場車禍使他陷入半清醒昏睡狀態。 野生小組成員：水野悟郎（Mizuno Gorou）、代號：澀果子（Shibumi）意識（靈魂）被量子化，進入數碼世界，半清醒昏睡於數碼獸圖書館，關注著自己所在的「野生小組」創造的人工生命體「數碼獸」以及「數碼世界」的一舉一動，成為數碼世界的「造物主」。
1994年
網路世界的黑暗年代。人類決策者意識到虛擬世界不可控的量子轉化危機，對數碼世界的風險評估徹底傾斜。相關計劃隨即叫停，深層研究作為絕密被封存。數碼世界被大清洗後開始脫離人類控制。
失去人類的操控，進化程度最高的四個統治者（四聖獸）戰勝了其他勢力，成為數碼世界的主神，保護著數碼獸和它們的宇宙——數碼世界。在同一時間，數碼獸開始利用它們各自的技能，建設一系列適合不同數碼獸居住的「小世界（Miniverses）」。
1996年
「Internet」（互聯網）一詞被廣泛的流傳，不過是指幾乎整個的萬維網，美國是其絕對主導者。
1997年
一家日本著名的玩具製造商（萬代）推出了以數碼獸為原型的攜帶型游戲，這個產品迅速流行起來。得益於商業化的推進，孩子們開始熟悉並親近數碼獸這一概念。
美國FBI正式建成了「食肉動物」，後更名為「DCS1000」，一個E-mail攔截和監視系統。相信在駐日美軍基地安裝了這樣的系統。
1998年
數碼獸被作成了適於收藏的卡片游戲。當孩子們結交新朋友時，這種卡片被當作他們交流的載體。 Internet上的用戶將突破1億。
1999年
數碼獸大冒險（Digimon Adventure）在日本公映 應用網路變得普遍起來，網路上資料總量開始以幾何級數迅速增長。可供數碼獸活躍的領土也擴大了。，它們吸收互聯網的海量資料，開始高速進化。
2000年
數碼獸大冒險02（Digimon Adventure 02）在日本公映。日本在信息監管領域落後於其他國家，政府試圖啟動自己的SIGINT計劃，基礎概念和指導由一個有野心的年輕科學家——山木滿雄負責，隸屬文部科學省設立的極密機關——情報管理局。網路上自由活動的數碼獸引起了越來越多的事故，山木等人將其命名為「野生一號」（Wild Ones），並決意將其消滅。 網路爆發千年蟲事件，秋山遼穿梭已知的5個時空和千年獸進行宿命的對決全世界擁有100多萬個網路，1億台主機和超過10億的用戶，互聯網空前發展。
2001年
本小說女主角黛西的所在時間軸... 日本的SIGINT計劃開始啟動，使用的主系統就叫「Hypnos」(西潑諾斯/睡神系統)，手段主要是無線電攔截。西潑諾斯的中心系統連接著活躍的網路埠，這使得它處於世界先進水平。但監察委員會則擔心該系統會使個人隱私資料遭監視,同時內閣幕後人士擔心該系統的曝光會使政府遭到彈劾下台。
200X-1年
牧野留姬贏得了一場又一場卡片戰斗大賽。但是在最後一戰中，她輸給了來自九州島的馴獸師秋山遼。妖狐獸，小妖獸和大耳獸在新宿實體化（Realize），或者叫物質化（materialize）。李健良通過美國的PC游戲結識了大耳獸。啟人創造了基爾獸。 穿越多個平行世界的馴獸師秋山遼和電子龍龍獸來到了數碼世界，開始了他們的旅行。
200X年
大量「數碼獸事件」引起民眾、政府機構和自衛隊的關注，松田啟人一行人的冒險戰斗開始...
睡神系統等網路監視陣列深入掃描並同步聯動互聯網深層，在決策者的授意下展開了對數碼獸的絞殺行動，其中以日本秘密開展的「殲滅計劃」最具代表性，但這同時加劇了互聯網的癱瘓狀態。人類的干預風暴般毀壞了數碼世界的大陸，四統治者之一的，青龍獸判斷在數碼世界最深處之外冬眠的D-Reaper可能已經被激活。藉助數碼精靈（Digital Gnome）的力量，青龍獸將進化媒介（Catalyst）改變形狀——變成一隻叫古樂獸（程序名叫 數碼隱德萊希Digi-Entelechies）的數碼獸，成功的將它藏了起來。從這時起，數碼獸的自主進化（Digiolution）收到限制。奧米加獸從數碼獸大冒險世界追擊啟示錄獸殘余數據中誕生的梅菲斯獸到數碼獸馴獸師世界次元壁的數碼空間，在啟人3人協助下將其消滅。
200X+1年
D-Reaper被完全激活，數碼世界開始被急速格式化。D-Reaper吸收人類意識，乘機清空並吞噬了人類監察互聯網的智能核心數據，之後開始嘗試沖擊量子屏障。
數碼獸的進化水平達到歷史峰值（究極體率接近100%），但數天後，數碼世界的格式化進程已經超過47%。
山木室長領導的情報省網路管理局（Hypnos Team）在「野生小組」協助下修正過的夏蓋程序（即殲滅計劃 Shaggai）卡內爾啟動，形成超高速旋渦（Transphotic Eddy）的逆向漩渦形成超小型宇宙爆炸，將人工智慧（Artificial Intelligence, AI）引入量子黑洞，並使D-Reaper退化為原始程式以及強制遣返散落在現實世界的數碼獸。美國、英國、加拿大、澳大利亞、紐西蘭等國均受到實體化的D-Reaper侵襲，聯合國部隊在日本等國發動對D-Reaper的干擾性空襲。
由各國精英共同協作執行的「360°逆向操作」全面作戰計劃成功的將D-Reaper退化並強制帶回數碼世界令其再次冬眠，但數碼世界已經瓦解殆盡。
200X+2年
李健良組織同伴通過夏蓋程序（殲滅計劃）使用Message in the Packet鏈接數碼獸的ID進行語音數據包傳送... 網路管理局和「野生小組」設定了防火牆來隔斷現實世界和數碼世界的聯系...
人類世界與虛擬世界彼此徹底獨立，量子活性化生物成為歷史。
不久的未來（廣播劇中所提到的最終結局）
在千瘡百孔的數碼世界殘骸中苦苦掙扎的數碼獸們終於第一次從數碼死神主導下的末日輪回之中解放出來。但如強弩之末一般的它們再無力反抗人類。心灰意冷的造物主們在封鎖和控制了數碼世界後，使用物理屏障永久性的隔離了數碼世界。然而，操縱著虛擬世界與物理世界的量子意志力轉換，在沖擊中獲得量子物理學「金鑰匙」的人類文明卻正迎來一場前所未有的超級變革。進化仍在延續，哪怕彼此間只有一絲一毫的希望。
⑷ 宇宙是一台元胞自動機，如果真是這樣，怎樣定義鄰居規
宇宙並不是一台元胞自動機。
元胞自動機（ Cellular Automata） 是
20 世紀50 年代初由計算機之父馮·諾依曼（
J.von Neumann） 為了模擬生命系統所具有的自復制功能而提出來的。此後，史蒂芬·沃爾夫勒姆（Stephen Wolfram） 對元胞自動機理論進行了深入的研究，例如，他對一維初等元胞機全部256 種規則所產生的模型進行了深入研究，並將元胞自動機分為平穩型、周期型、混沌型和復雜型4 種類型。
⑸ 大數據 、雲計算、互聯網等是怎麼樣實現價值
1. 大數據興起預示「信息時代」進入新階段
（1） 看待大數據要有歷史性的眼光
信息時代是相對於農業和工業時代而言的一段相當長的時間。不同時代的生產要素和社會發展驅動力有明顯差別。信息時代的標志性技術發明是數字計算機、集成電路、光纖通信和互聯網（萬維網）。盡管媒體上大量出現「大數據時代」的說法，但大數據、雲計算等新技術目前還沒有出現與上述劃時代的技術發明可媲美的技術突破，難以構成一個超越信息時代的新時代。信息時代可以分成若干階段，大數據等新技術的應用標志著信息社會將進入一個新階段。
考察分析100年以上的歷史長河可以發現，信息時代與工業時代的發展規律有許多相似之處。電氣化時代與信息時代生產率的提高過程驚人地相似。都是經過20~30年擴散儲備之後才有明顯提高，分界線分別是1915年和1995年。筆者猜想，信息技術經過幾十年的擴散儲備後，21世紀的前30年可能是信息技術提高生產率的黃金時期。
（2） 從「信息時代新階段」的高度認識「大數據」
中國已開始進入信息時代，但許多人的思想還停留在工業時代。經濟和科技工作中出現的許多問題，其根源是對時代的認識不到位。18-19世紀中國落後挨打，根源是滿清政府沒有認識到時代變了，我們不能重犯歷史性的錯誤。
中央提出中國進入經濟「新常態」以後，媒體上有很多討論，但多數是為經濟增速降低做解釋，很少有從時代改變的角度論述「新常態」的文章。筆者認為，經濟新常態意味著中國進入了以信息化帶動新型工業化、城鎮化和農業現代化的新階段，是經濟和社會管理的躍遷，不是權宜之計，更不是倒退。
大數據、移動互聯網、社交網路、雲計算、物聯網等新一代信息技術構成的IT架構「第三平台」是信息社會進入新階段的標志，對整個經濟的轉型有引領和帶動作用。媒體上經常出現的互聯網、創客、「第二次機器革命」、「工業4.0」等都與大數據和雲計算有關。大數據和雲計算是新常態下提高生產率的新杠桿，所謂創新驅動發展就是主要依靠信息技術促進生產率的提高。
（3）大數據可能是中國信息產業從跟蹤走向引領的突破口
中國的大數據企業已經有相當好的基礎。全球十大互聯網服務企業中國佔有4席（阿里巴巴、騰訊、網路和京東），其他6個Top10 互聯網服務企業全部是美國企業，歐洲和日本沒有互聯網企業進入Top10。這說明中國企業在基於大數據的互聯網服務業務上已處於世界前列。在發展大數據技術上，我國有可能改變過去30年技術受制於人的局面，在大數據應用上中國有可能在全世界起到引領作用。
但是，企業的規模走在世界前列並不表示我國在大數據技術上領先。實際上，國際上目前流行的大數據主流技術沒有一項是我國開創的。開源社區和眾包是發展大數據技術和產業的重要途徑，但我們對開源社區的貢獻很小，在全球近萬名社區核心志願者中，我國可能不到200名。我們要吸取過去基礎研究為企業提供核心技術不夠的教訓，加強大數據基礎研究和前瞻技術研究，努力攻克大數據核心和關鍵技術。
2. 理解大數據需要上升到文化和認識論的高度
（1） 數據文化是一種先進文化
數據文化的本質是尊重客觀世界的實事求是精神，數據就是事實。重視數據就是強調用事實說話、按理性思維的科學精神。中國人的傳統習慣是定性思維而不是定量思維。目前許多城市在開展政府數據開放共享工作，但是發現多數老百姓對政府要開放的數據並不感興趣。要讓大數據走上健康的發展軌道，首先要大力弘揚數據文化。本文講的數據文化不只是大數據用於文藝、出版等文化產業，而是指全民的數據意識。全社會應認識到：信息化的核心是數據，只有政府和大眾都關注數據時，才能真正理解信息化的實質；數據是一種新的生產要素，大數據的利用可以改變資本和土地等傳統要素在經濟中的權重。
有人將「上帝與數據共舞」歸納為美國文化的特點之一，說的是美國人既有對神的誠意，又有通過數據求真的理性。美國從鍍金時代到進步主義時期完成了數據文化的思維轉變，南北戰爭之後人口普查的方法被應用到很多領域，形成了數據預測分析的思維方式。近百年來美國和西方各國的現代化與數據文化的傳播滲透有密切關系，我國要實現現代化也必須強調數據文化。
提高數據意識的關鍵是要理解大數據的戰略意義。數據是與物質、能源一樣重要的戰略資源，數據的採集和分析涉及每一個行業，是帶有全局性和戰略性的技術。從硬技術到軟技術的轉變是當今全球性的技術發展趨勢，而從數據中發現價值的技術正是最有活力的軟技術，數據技術與數據產業的落後將使我們像錯過工業革命機會一樣延誤一個時代。
（2）理解大數據需要有正確的認識論
歷史上科學研究是從邏輯演繹開始的，歐幾里得幾何的所有定理可從幾條公理推導出來。從伽利略和牛頓開始，科學研究更加重視自然觀察和實驗觀察，在觀察基礎上通過歸納方法提煉出科學理論，「科學始於觀察」成為科學研究和認識論的主流。經驗論和唯理論這兩大流派都對科學的發展做出過重大貢獻，但也暴露出明顯的問題，甚至走入極端。理性主義走向極端就成為康德所批判的獨斷主義，經驗主義走入極端就變成懷疑論和不可知論。
20世紀30年代，德國哲學家波普爾提出了被後人稱為「證偽主義」的認識論觀點，他認為科學理論不能用歸納法證實，只能被試驗發現的反例「證偽」，因而他否定科學始於觀察，提出「科學始於問題」的著名觀點[3]。證偽主義有其局限性，如果嚴格遵守證偽法則，萬有引力定律、原子論等重要理論都可能被早期的所謂反例扼殺。但「科學始於問題」的觀點對當前大數據技術的發展有指導意義。
大數據的興起引發了新的科學研究模式：「科學始於數據」。從認識論的角度看，大數據分析方法與「科學始於觀察」的經驗論較為接近，但我們要牢記歷史的教訓，避免滑入否定理論作用的經驗主義泥坑。在強調「相關性」的時候不要懷疑「因果性」的存在；在宣稱大數據的客觀性、中立性的時候，不要忘了不管數據的規模如何，大數據總會受制於自身的局限性和人的偏見。不要相信這樣的預言：「採用大數據挖掘，你不需要對數據提出任何問題，數據就會自動產生知識」。面對像大海一樣的巨量數據，從事數據挖掘的科技人員最大的困惑是，我們想撈的「針」是什麼？這海里究竟有沒有「針」？也就是說，我們需要知道要解決的問題是什麼。從這個意義上講，「科學始於數據」與「科學始於問題」應有機地結合起來。
對「原因」的追求是科學發展的永恆動力。但是，原因是追求不完的，人類在有限的時間內不可能找到「終極真理」。在科學的探索途中，人們往往用「這是客觀規律」解釋世界，並不立即追問為什麼有這樣的客觀規律。也就是說，傳統科學並非只追尋因果性，也可以用客觀規律作為結論。大數據研究的結果多半是一些新的知識或新的模型，這些知識和模型也可以用來預測未來，可以認為是一類局部性的客觀規律。科學史上通過小數據模型發現一般性規律的例子不少，比如開普勒歸納的天體運動規律等；而大數據模型多半是發現一些特殊性的規律。物理學中的定律一般具有必然性，但大數據模型不一定具有必然性，也不一定具有可演繹性。大數據研究的對象往往是人的心理和社會，在知識階梯上位於較高層，其自然邊界是模糊的，但有更多的實踐特徵。大數據研究者更重視知行合一，相信實踐論。大數據認識論有許多與傳統認識論不同的特點，我們不能因其特點不同就否定大數據方法的科學性。大數據研究挑戰了傳統認識論對因果性的偏愛，用數據規律補充了單一的因果規律，實現了唯理論和經驗論的數據化統一，一種全新的大數據認識論正在形成。
3. 正確認識大數據的價值和效益
（1）大數據的價值主要體現為它的驅動效應
人們總是期望從大數據中挖掘出意想不到的「大價值」。實際上大數據的價值主要體現在它的驅動效應，即帶動有關的科研和產業發展，提高各行各業通過數據分析解決困難問題和增值的能力。大數據對經濟的貢獻並不完全反映在大數據公司的直接收入上，應考慮對其他行業效率和質量提高的貢獻。大數據是典型的通用技術，理解通用技術要採用「蜜蜂模型」：蜜蜂的效益主要不是自己釀的蜂蜜，而是蜜蜂傳粉對農業的貢獻。
電子計算機的創始人之一馮·諾依曼曾指出：「在每一門科學中，當通過研究那些與終極目標相比頗為朴實的問題，發展出一些可以不斷加以推廣的方法時，這門學科就得到了巨大的進展。」我們不必天天期盼奇跡出現，多做一些「頗為朴實」的事情，實際的進步就在扎扎實實的努力之中。媒體喜歡宣傳一些令人驚奇的大數據成功案例，對這些案例我們應保持清醒的頭腦。據Intel中國研究院首席工程師吳甘沙在一次報告中透露，所謂「啤酒加尿布」的數據挖掘經典案例，其實是Teradata公司一位經理編出來的「故事」，歷史上並沒有發生過[4]。即使有這個案例，也不說明大數據分析本身有什麼神奇，大數據中看起來毫不相關的兩件事同時或相繼出現的現象比比皆是，關鍵是人的分析推理找出為什麼兩件事物同時或相繼出現，找對了理由才是新知識或新發現的規律，相關性本身並沒有多大價值。
有一個家喻戶曉的寓言可以從一個角度說明大數據的價值：一位老農民臨終前告訴他的3個兒子，他在他家的地中埋藏了一罐金子，但沒有講埋在哪裡。
他的兒子們把他家所有的地都深挖了一遍，沒有挖到金子，但由於深挖了土地，從此莊稼收成特別好。數據收集、分析的能力提高了，即使沒有發現什麼普適的規律或令人完全想不到的新知識，大數據的價值也已逐步體現。
（2）大數據的力量來自「大成智慧」
每一種數據來源都有一定的局限性和片面性，只有融合、集成各方面的原始數據，才能反映事物的全貌。事物的本質和規律隱藏在各種原始數據的相互關聯之中。不同的數據可能描述同一實體，但角度不同。對同一個問題，不同的數據能提供互補信息，可對問題有更深入的理解。因此在大數據分析中，匯集盡量多種來源的數據是關鍵。
數據科學是數學（統計、代數、拓撲等）、計算機科學、基礎科學和各種應用科學融合的科學，類似錢學森先生提出的「大成智慧學」[5]。錢老指出：「必集大成，才能得智慧」。大數據能不能出智慧，關鍵在於對多種數據源的集成和融合。IEEE計算機學會最近發布了2014年的計算機技術發展趨勢預測報告，重點強調「無縫智慧（seamless intelligence）」。發展大數據的目標就是要獲得協同融合的「無縫智慧」。單靠一種數據源，即使數據規模很大，也可能出現「瞎子摸象」一樣的片面性。數據的開放共享不是錦上添花的工作，而是決定大數據成敗的必要前提。
大數據研究和應用要改變過去各部門和各學科相互分割、獨立發展的傳統思路，重點不是支持單項技術和單個方法的發展，而是強調不同部門、不同學科的協作。數據科學不是垂直的「煙囪」，而是像環境、能源科學一樣的橫向集成科學。
（3）大數據遠景燦爛，但近期不能期望太高
交流電問世時主要用作照明，根本想像不到今天無處不在的應用。大數據技術也一樣，將來一定會產生許多現在想不到的應用。我們不必擔心大數據的未來，但近期要非常務實地工作。人們往往對近期的發展估計過高，而對長期的發展估計不足。Gartner公司預測，大數據技術要在5~10年後才會成為較普遍採用的主流技術，對發展大數據技術要有足夠的耐心。
大數據與其他信息技術一樣，在一段時間內遵循指數發展規律。指數發展的特點是，從一段歷史時期衡量（至少30年），前期發展比較慢，經過相當長時間（可能需要20年以上）的積累，會出現一個拐點，過了拐點以後，就會出現爆炸式的增長。但任何技術都不會永遠保持「指數性」增長，一般而言，高技術發展遵循Gartner公司描述的技術成熟度曲線（hype cycle），最後可能進入良性發展的穩定狀態或者走向消亡。
需要採用大數據技術來解決的問題往往都是十分復雜的問題，比如社會計算、生命科學、腦科學等，這些問題絕不是幾代人的努力就可以解決的。宇宙經過百億年的演化，才出現生物和人類，其復雜和巧妙堪稱絕倫，不要指望在我們這一代人手中就能徹底揭開其奧妙。展望數百萬年甚至更長遠的未來，大數據技術只是科學技術發展長河中的一朵浪花，對10~20年大數據研究可能取得的科學成就不能抱有不切實際的幻想。
4 .從復雜性的角度看大數據研究和應用面臨的挑戰
大數據技術和人類探索復雜性的努力有密切關系。20世紀70年代，新三論（耗散結構論、協同論、突變論）的興起對幾百年來貫穿科學技術研究的還原論發起了挑戰。1984年蓋爾曼等3位諾貝爾獎得主成立以研究復雜性為主的聖菲研究所，提出超越還原論的口號，在科技界掀起了一場復雜性科學運動。雖然雷聲很大，但30年來並未取得預期的效果，其原因之一可能是當時還沒有出現解決復雜性的技術。
集成電路、計算機與通信技術的發展大大增強了人類研究和處理復雜問題的能力。大數據技術將復雜性科學的新思想發揚光大，可能使復雜性科學得以落地。復雜性科學是大數據技術的科學基礎，大數據方法可以看作復雜性科學的技術實現。大數據方法為還原論與整體論的辯證統一提供了技術實現途徑。大數據研究要從復雜性研究中吸取營養，從事數據科學研究的學者不但要了解20世紀的「新三論」，可能還要學習與超循環、混沌、分形和元胞自動機等理論有關的知識，擴大自己的視野，加深對大數據機理的理解。
大數據技術還不成熟，面對海量、異構、動態變化的數據，傳統的數據處理和分析技術難以應對，現有的數據處理系統實現大數據應用的效率較低，成本和能耗較大，而且難以擴展。這些挑戰大多來自數據本身的復雜性、計算的復雜性和信息系統的復雜性。
（1）數據復雜性引起的挑戰
圖文檢索、主題發現、語義分析、情感分析等數據分析工作十分困難，其原因是大數據涉及復雜的類型、復雜的結構和復雜的模式，數據本身具有很高的復雜性。目前，人們對大數據背後的物理意義缺乏理解，對數據之間的關聯規律認識不足，對大數據的復雜性和計算復雜性的內在聯系也缺乏深刻理解，領域知識的缺乏制約了人們對大數據模型的發現和高效計算方法的設計。形式化或定量化地描述大數據復雜性的本質特徵及度量指標，需要深入研究數據復雜性的內在機理。人腦的復雜性主要體現在千萬億級的樹突和軸突的鏈接，大數據的復雜性主要也體現在數據之間的相互關聯。理解數據之間關聯的奧秘可能是揭示微觀到宏觀「涌現」規律的突破口。大數據復雜性規律的研究有助於理解大數據復雜模式的本質特徵和生成機理，從而簡化大數據的表徵，獲取更好的知識抽象。為此，需要建立多模態關聯關系下的數據分布理論和模型，理清數據復雜度和計算復雜度之間的內在聯系，奠定大數據計算的理論基礎。
（2） 計算復雜性引起的挑戰
大數據計算不能像處理小樣本數據集那樣做全局數據的統計分析和迭代計算，在分析大數據時，需要重新審視和研究它的可計算性、計算復雜性和求解演算法。大數據樣本量巨大，內在關聯密切而復雜，價值密度分布極不均衡，這些特徵對建立大數據計算範式提出了挑戰。對於PB級的數據，即使只有線性復雜性的計算也難以實現，而且，由於數據分布的稀疏性，可能做了許多無效計算。
傳統的計算復雜度是指某個問題求解時需要的時間空間與問題規模的函數關系，所謂具有多項式復雜性的演算法是指當問題的規模增大時，計算時間和空間的增長速度在可容忍的范圍內。傳統科學計算關注的重點是，針對給定規模的問題，如何「算得快」。而在大數據應用中，尤其是流式計算中，往往對數據處理和分析的時間、空間有明確限制，比如網路服務如果回應時間超過幾秒甚至幾毫秒，就會丟失許多用戶。大數據應用本質上是在給定的時間、空間限制下，如何「算得多」。從「算得快」到「算得多」，考慮計算復雜性的思維邏輯有很大的轉變。所謂「算得多」並不是計算的數據量越大越好，需要探索從足夠多的數據，到剛剛好的數據，再到有價值的數據的按需約簡方法。
基於大數據求解困難問題的一條思路是放棄通用解，針對特殊的限制條件求具體問題的解。人類的認知問題一般都是NP難問題，但只要數據充分多，在限制條件下可以找到十分滿意的解，近幾年自動駕駛汽車取得重大進展就是很好的案例。為了降低計算量，需要研究基於自舉和采樣的局部計算和近似方法，提出不依賴於全量數據的新型演算法理論，研究適應大數據的非確定性演算法等理論。
（3）系統復雜性引起的挑戰
大數據對計算機系統的運行效率和能耗提出了苛刻要求，大數據處理系統的效能評價與優化問題具有挑戰性，不但要求理清大數據的計算復雜性與系統效率、能耗間的關系，還要綜合度量系統的吞吐率、並行處理能力、作業計算精度、作業單位能耗等多種效能因素。針對大數據的價值稀疏性和訪問弱局部性的特點，需要研究大數據的分布式存儲和處理架構。
大數據應用涉及幾乎所有的領域，大數據的優勢是能在長尾應用中發現稀疏而珍貴的價值，但一種優化的計算機系統結構很難適應各種不同的需求，碎片化的應用大大增加了信息系統的復雜性，像昆蟲種類一樣多（500多萬種）的大數據和物聯網應用如何形成手機一樣的巨大市場，這就是所謂「昆蟲綱悖論」[6]。為了化解計算機系統的復雜性，需要研究異構計算系統和可塑計算技術。
大數據應用中，計算機系統的負載發生了本質性變化，計算機系統結構需要革命性的重構。信息系統需要從數據圍著處理器轉改變為處理能力圍著數據轉，關注的重點不是數據加工，而是數據的搬運；系統結構設計的出發點要從重視單任務的完成時間轉變到提高系統吞吐率和並行處理能力，並發執行的規模要提高到10億級以上。構建以數據為中心的計算系統的基本思路是從根本上消除不必要的數據流動，必要的數據搬運也應由「大象搬木頭」轉變為「螞蟻搬大米」。
5 .發展大數據應避免的誤區
（1） 不要一味追求「數據規模大」
大數據主要難點不是數據量大，而是數據類型多樣、要求及時回應和原始數據真假難辨。現有資料庫軟體解決不了非結構化數據，要重視數據融合、數據格式的標准化和數據的互操作。採集的數據往往質量不高是大數據的特點之一，但盡可能提高原始數據的質量仍然值得重視。腦科學研究的最大問題就是採集的數據可信度差，基於可信度很差的數據難以分析出有價值的結果。
一味追求數據規模大不僅會造成浪費，而且效果未必很好。多個來源的小數據的集成融合可能挖掘出單一來源大數據得不到的大價值。應多在數據的融合技術上下功夫，重視數據的開放與共享。所謂數據規模大與應用領域有密切關系，有些領域幾個PB的數據未必算大，有些領域可能幾十TB已經是很大的規模。
發展大數據不能無止境地追求「更大、更多、更快」，要走低成本、低能耗、惠及大眾、公正法治的良性發展道路，要像現在治理環境污染一樣，及早關注大數據可能帶來的「污染」和侵犯隱私等各種弊端。
（2） 不要「技術驅動」，要「應用為先」
新的信息技術層出不窮，信息領域不斷冒出新概念、新名詞，估計繼「大數據」以後，「認知計算」、「可穿戴設備」、「機器人」等新技術又會進入炒作高峰。我們習慣於跟隨國外的熱潮，往往不自覺地跟著技術潮流走，最容易走上「技術驅動」的道路。實際上發展信息技術的目的是為人服務，檢驗一切技術的唯一標準是應用。我國發展大數據產業一定要堅持「應用為先」的發展戰略，堅持應用牽引的技術路線。技術有限，應用無限。各地發展雲計算和大數據，一定要通過政策和各種措施調動應用部門和創新企業的積極性，通過跨界的組合創新開拓新的應用，從應用中找出路。
（3） 不能拋棄「小數據」方法
流行的「大數據」定義是：無法通過目前主流軟體工具在合理時間內採集、存儲、處理的數據集。這是用不能勝任的技術定義問題，可能導致認識的誤區。按照這種定義，人們可能只會重視目前解決不了的問題，如同走路的人想踩著自己身前的影子。其實，目前各行各業碰到的數據處理多數還是「小數據」問題。我們應重視實際碰到的問題，不管是大數據還是小數據。
統計學家們花了200多年，總結出認知數據過程中的種種陷阱，這些陷阱不會隨著數據量的增大而自動填平。大數據中有大量的小數據問題，大數據採集同樣會犯小數據採集一樣的統計偏差。Google公司的流感預測這兩年失靈，就是由於搜索推薦等人為的干預造成統計誤差。
大數據界流行一種看法：大數據不需要分析因果關系、不需要采樣、不需要精確數據。這種觀念不能絕對化，實際工作中要邏輯演繹和歸納相結合、白盒與黑盒研究相結合、大數據方法與小數據方法相結合。
（4） 要高度關注構建大數據平台的成本
目前全國各地都在建設大數據中心，呂梁山下都建立了容量達2 PB以上的數據處理中心，許多城市公安部門要求存儲3個月以上的高清監控錄像。這些系統的成本都非常高。數據挖掘的價值是用成本換來的，不能不計成本，盲目建設大數據系統。什麼數據需要保存，要保存多少時間，應當根據可能的價值和所需的成本來決定。大數據系統技術還在研究之中，美國的E級超級計算機系統要求能耗降低1 000倍，計劃到2024年才能研製出來，用現在的技術構建的巨型系統能耗極高。
我們不要攀比大數據系統的規模，而是要比實際應用效果，比完成同樣的事消耗更少的資源和能量。先抓老百姓最需要的大數據應用，因地制宜發展大數據。發展大數據與實現信息化的策略一樣：目標要遠大、起步要精準、發展要快速。
⑹ 如何利用元胞自動機求解微分方程
網路啊
一個VB做的演示元胞自動機的小程序，可以自己編輯圖案，用配置文件設置參數（都已經設置好了），另外帶有作者自己編輯的幾個小圖案，包括著名的「滑翔機」
以ARM為核心 應用不廣泛
生命游戲的java源代碼。基於元胞自動機的生命游戲，是學習和深入CA方法的很好例子。-life game of java source code. Based on Cellular Automata game of life, and in-depth study of CA good example.
《分形演算法與程序設計——Visual C++實現》的第七章和第十章源碼 包括一維元胞自動機生成的Sierpinski三角形、隨機分布的Sierpinski三角形、二維元胞自動機小程序源代碼、DLA模型源代碼、用DLA模型模擬植物的生長源代碼、原點演化圓形邊界的DLA程序源垂直演化折線干預的DLA程
[CATest.rar] - 在flashmx下編寫的程序，解釋並演示元胞自動機規則，並進行動畫演示
[Sand2D_CA.rar] - 模擬砂堆的元胞自動機源代碼。對於認識和學習元胞自動機（CA）很有幫助
[apply.rar] - 有關元胞自動機的應用方面的文章，很有參考價值
[yuanbao.rar] - 有關元胞自動機的基本知識，好好看看，可加深對元胞自動機的理解
細胞自動機（Cellular Automata）最初由數學家 Stanislaw M. Ulam（1909-1984）與 John von Neumann（1903-1957）於 1950 年代所提出 ，在型態表現上，細胞自動機是一個離散型的動力系統（ Discrete Dynamical Systems）。在 1940 年代 ，von Neumann 與共事的科學家們合作設計了可儲存程式的數位電腦之後，他就對自我復制發生興趣：能儲存程式的機器能不能自我復制
？ von Neumann 認為，至少在原則上與形式上是可行的，於是他開始作這方面的理論研究，過程中他提出了「細胞自動機」的概念， 這個實際構想是由羅沙拉摩斯的數學家 Ulam 所建議的
。當細胞自動機在電腦上模擬的時候，幾乎可以復制出類似於自然界當中實際發生的動力系統運作，這使得細胞自動機成為了研究復雜系統行為的最初理論框架，羅沙拉摩斯的博士後研究員 Christopher Langton 因而提出了「人工生命」（ Artificial Life ）這個名詞 ， 細胞自動機便是人工生命的第一個雛形，並且變成復雜性科學，或者說是復雜適應性系統的其中一支。
細胞自動機是由一些特定規則的格子所組成，每個格子看做是一個細胞；每一個細胞可以具有一些狀態，但是在某一時刻只能處一種狀態之中。隨著時間的變化（我們稱作「疊代」過程），格子上的每一個細胞根據周圍細胞的情形，按照相同的法則而改變狀態，換句話說，一個細胞的狀態是由上一個時刻所圍繞的細胞的狀態所決定。以人工生命的角度來看，細胞自動機可以視為一個讓許多單細胞生物生活的世界，在我們設定好這個世界的初始狀態之後，它們便按照同一個規則做演化。
設計一個細胞自動機需要包含幾個部份：
◆ 決定細胞活動空間的維度
◆ 定義細胞可能具有的狀態
◆ 定義細胞改變狀態的規則
◆ 設定細胞自動機中各個細胞的初始狀態
細胞自動機，在細胞活動的空間上，可以是一維的，二維的，三維的，或更高維度，在這個網頁，筆者要分別介紹二維的細胞自動機（也稱作「生命游戲」），與一維的細胞自動機。透過不同的設計，細胞自動機可以展現無限的多樣性，其中最讓人驚異的是有些細胞自動機可以產生存在於大自然的景象，例如貝殼上的圖案、雪花的結構、蜿蜒的河流等等，另外，我們也可以發現，這些小方格的變化似乎展現了許多真實生命的特質，例如，細胞自動機中的細胞們會像有機生物一般，有移動、成長、滅亡與自我復制等類似的行為。
就形式而言，細胞自動機有三個特徵：
◆ 平行計算（parallel computation）：每一個細胞個體都同時同步的改變
◆ 局部的（local）：細胞的狀態變化只受周遭細胞的影響。
◆ 一致性的（homogeneous）：所有細胞均受同樣的規則所支配
事實上，有些研究學者更進一步猜測，我們存在的這個宇宙是否就是一種極其復雜的細胞自動機，我們的宇宙的確與理論上的細胞自動機有很多相似的地方，像是上述的細胞自動機之三個特徵，宇宙也都符合：宇宙是平行處理的，宇宙中的每一點受鄰近狀態的影響最大，宇宙各處遵循著同樣的自然律。雖然與整個宇宙相比，細胞自動機的規則是過於簡單，但是它裡面所蘊含的道理可能與宇宙的機制是相通的。 理論物理學家 Stephen Wolfram（1959-）就指出 ，細胞自動機的數學架構，與一些造成真實世界的復雜物理系統之數學架構是完全一樣的，也許這正是掌管遺傳重任的 DNA 所賴以工作的原理 。當你看到自然界那些貝殼或指紋曲折的圖案時，不免要問 ：「這麼復雜的圖案要如何編碼到 DNA 里頭呢？」Wolfram 說 ：「如果我猜的不錯，那些圖形是由類似於細胞自動機的簡單法則所產生的，而這樣的編碼顯然是易如反掌。」
細胞自動機以簡單的規則，卻能夠產生復雜的動態交互現象，顯然我們不該只是以一個數學游戲，來看待它。這些年來，細胞自動機已經被運用於不同領域的研究，包括通訊、計算、建設、生長、再生、競爭及演化。細胞自動機已為物理中平常的微分方程式提供極為簡單的模型，例如熱和波的波動方程，同時也為湍流、混沌、碎形等提供了離散型的模型，最後，利用細胞自動機所做的生物模型也被提出。接下來，筆者將盡可能地介紹細胞自動機的規則、範例與相關資訊，以下的介紹分為兩種不同類型的細胞自動機：
2 細胞自動機 Cellular Automata （元胞自動機）
生命游戲，與其規則
生命游戲（Game of Life）是二維的細胞自動機，由劍橋大學的數學家 John Horton Conway 於 1970 年所提出的。他構想 ：一群細胞於平面中以一定的條件成長時，會受到什麼制約 ？他認為細胞不會無限制的成長，於是他定義細胞在過度孤單與擁擠時會死亡，這樣的構想使他提出比 John von Neumann 的設計更為簡單的細胞自動機。在這個細胞自動機中，把平面分割成很多方格子（類似棋盤），每一格子代表一個細胞，每一個細胞有八個鄰居，這些細胞有兩種狀態：「生」或「死」，存活的細胞我們在方格內塗上特定單一的顏色，而死亡的細胞我們則不塗色。Conway 生命游戲的規則（我們稱為 Life Rule）敘述如下：
◆ 對於存活的細胞（塗色的方格）：
當八個鄰近細胞中，只有零個或一個是活細胞時， 則該細胞會因孤獨而死亡
當八個鄰近細胞中，恰有二或三個是活細胞時，則該細胞繼續存活
當八個鄰近細胞中，有四個或超過四個是活細胞時，則該細胞會因擁擠而死亡
◆ 對於死亡的細胞（未塗色的空方格）：
當八個鄰近細胞中，恰有三個是活細胞時，則該處誕生一個活細胞
或者，我們也可以這樣表示規則：
◆ 對於存活的細胞：
當有二或三個存活的鄰近細胞時，才能繼續存活（表示為 Survivals＝23）
◆ 對於死亡的細胞：
當恰有三個存活的鄰近細胞時，則誕生活細胞（表示為 Births＝3）
我們可以將規則合起來表示成 Life Rule＝S/B＝23/3，這樣的表示法，我們稱為「規則通用表示法」，這種表示法以後會常常用到
生命游戲的規則就是這麼簡單 。當 Conway 提出生命游戲後，馬上造成轟動，不只是一些普通人在玩，而一些有名的數學家及電腦學家也樂此不疲。造成轟動的原因是，沒有人想到僅僅幾條簡單的規則，竟然就能產生類似於生命演化過程中無比復雜的現象。當你把這幾個簡單的規則變成電腦程式以後，它們似乎真的會讓電腦螢幕活起來。
用心注視，螢幕上活躍著各種動作，就好像你用顯微鏡觀察一滴池塘水所見到的微生物一樣。開始的時候，你可以讓螢幕上隨意散布著活細胞，然後就會看到它們自我組織成各式各樣連貫性的結構。有的會滾動，有的好像野獸呼吸一般來回震湯，你還可以發現「滑翔機」－－一群活細胞以固定的速度滑過螢幕，還有「滑翔機—機關槍」穩定的發射出新的滑翔機，以及其他結構不動聲色的把滑翔機一一吃掉。你或許還可看到一隻優閑的金魚，搖頭晃腦地上下擺動，然後消失在池塘邊。每一次出現的畫面都不一樣，沒有人看過所有可能的畫面。你將在下個單元看見這些範例 ，不過在看見那些景象之前，筆者必須先介紹 Conway 生命游戲中簡單的穩定結構的幾個例子，我們可以將這些穩定的結構分成三類：
◆ 第一類：在疊代過程中，細胞群不會改變其狀態（形狀）。
⑺ 求畢業設計《基於ARM的元胞自動機的設計》
網路啊
一個VB做的演示元胞自動機的小程序，可以自己編輯圖案，用配置文件設置參數（都已經設置好了），另外帶有作者自己編輯的幾個小圖案，包括著名的「滑翔機」
以ARM為核心 應用不廣泛
生命游戲的java源代碼。基於元胞自動機的生命游戲，是學習和深入CA方法的很好例子。-life game of java source code. Based on Cellular Automata game of life, and in-depth study of CA good example.
《分形演算法與程序設計——Visual C++實現》的第七章和第十章源碼 包括一維元胞自動機生成的Sierpinski三角形、隨機分布的Sierpinski三角形、二維元胞自動機小程序源代碼、DLA模型源代碼、用DLA模型模擬植物的生長源代碼、原點演化圓形邊界的DLA程序源垂直演化折線干預的DLA程
[CATest.rar] - 在flashmx下編寫的程序，解釋並演示元胞自動機規則，並進行動畫演示
[Sand2D_CA.rar] - 模擬砂堆的元胞自動機源代碼。對於認識和學習元胞自動機（CA）很有幫助
[apply.rar] - 有關元胞自動機的應用方面的文章，很有參考價值
[yuanbao.rar] - 有關元胞自動機的基本知識，好好看看，可加深對元胞自動機的理解
細胞自動機（Cellular Automata）最初由數學家 Stanislaw M. Ulam（1909-1984）與 John von Neumann（1903-1957）於 1950 年代所提出 ，在型態表現上，細胞自動機是一個離散型的動力系統（ Discrete Dynamical Systems）。在 1940 年代 ，von Neumann 與共事的科學家們合作設計了可儲存程式的數位電腦之後，他就對自我復制發生興趣：能儲存程式的機器能不能自我復制
？ von Neumann 認為，至少在原則上與形式上是可行的，於是他開始作這方面的理論研究，過程中他提出了「細胞自動機」的概念， 這個實際構想是由羅沙拉摩斯的數學家 Ulam 所建議的
。當細胞自動機在電腦上模擬的時候，幾乎可以復制出類似於自然界當中實際發生的動力系統運作，這使得細胞自動機成為了研究復雜系統行為的最初理論框架，羅沙拉摩斯的博士後研究員 Christopher Langton 因而提出了「人工生命」（ Artificial Life ）這個名詞 ， 細胞自動機便是人工生命的第一個雛形，並且變成復雜性科學，或者說是復雜適應性系統的其中一支。
細胞自動機是由一些特定規則的格子所組成，每個格子看做是一個細胞；每一個細胞可以具有一些狀態，但是在某一時刻只能處一種狀態之中。隨著時間的變化（我們稱作「疊代」過程），格子上的每一個細胞根據周圍細胞的情形，按照相同的法則而改變狀態，換句話說，一個細胞的狀態是由上一個時刻所圍繞的細胞的狀態所決定。以人工生命的角度來看，細胞自動機可以視為一個讓許多單細胞生物生活的世界，在我們設定好這個世界的初始狀態之後，它們便按照同一個規則做演化。
設計一個細胞自動機需要包含幾個部份：
◆ 決定細胞活動空間的維度
◆ 定義細胞可能具有的狀態
◆ 定義細胞改變狀態的規則
◆ 設定細胞自動機中各個細胞的初始狀態
細胞自動機，在細胞活動的空間上，可以是一維的，二維的，三維的，或更高維度，在這個網頁，筆者要分別介紹二維的細胞自動機（也稱作「生命游戲」），與一維的細胞自動機。透過不同的設計，細胞自動機可以展現無限的多樣性，其中最讓人驚異的是有些細胞自動機可以產生存在於大自然的景象，例如貝殼上的圖案、雪花的結構、蜿蜒的河流等等，另外，我們也可以發現，這些小方格的變化似乎展現了許多真實生命的特質，例如，細胞自動機中的細胞們會像有機生物一般，有移動、成長、滅亡與自我復制等類似的行為。
就形式而言，細胞自動機有三個特徵：
◆ 平行計算（parallel computation）：每一個細胞個體都同時同步的改變
◆ 局部的（local）：細胞的狀態變化只受周遭細胞的影響。
◆ 一致性的（homogeneous）：所有細胞均受同樣的規則所支配
事實上，有些研究學者更進一步猜測，我們存在的這個宇宙是否就是一種極其復雜的細胞自動機，我們的宇宙的確與理論上的細胞自動機有很多相似的地方，像是上述的細胞自動機之三個特徵，宇宙也都符合：宇宙是平行處理的，宇宙中的每一點受鄰近狀態的影響最大，宇宙各處遵循著同樣的自然律。雖然與整個宇宙相比，細胞自動機的規則是過於簡單，但是它裡面所蘊含的道理可能與宇宙的機制是相通的。 理論物理學家 Stephen Wolfram（1959-）就指出 ，細胞自動機的數學架構，與一些造成真實世界的復雜物理系統之數學架構是完全一樣的，也許這正是掌管遺傳重任的 DNA 所賴以工作的原理 。當你看到自然界那些貝殼或指紋曲折的圖案時，不免要問 ：「這麼復雜的圖案要如何編碼到 DNA 里頭呢？」Wolfram 說 ：「如果我猜的不錯，那些圖形是由類似於細胞自動機的簡單法則所產生的，而這樣的編碼顯然是易如反掌。」
細胞自動機以簡單的規則，卻能夠產生復雜的動態交互現象，顯然我們不該只是以一個數學游戲，來看待它。這些年來，細胞自動機已經被運用於不同領域的研究，包括通訊、計算、建設、生長、再生、競爭及演化。細胞自動機已為物理中平常的微分方程式提供極為簡單的模型，例如熱和波的波動方程，同時也為湍流、混沌、碎形等提供了離散型的模型，最後，利用細胞自動機所做的生物模型也被提出。接下來，筆者將盡可能地介紹細胞自動機的規則、範例與相關資訊，以下的介紹分為兩種不同類型的細胞自動機：
2 細胞自動機 Cellular Automata （元胞自動機）
生命游戲，與其規則
生命游戲（Game of Life）是二維的細胞自動機，由劍橋大學的數學家 John Horton Conway 於 1970 年所提出的。他構想 ：一群細胞於平面中以一定的條件成長時，會受到什麼制約 ？他認為細胞不會無限制的成長，於是他定義細胞在過度孤單與擁擠時會死亡，這樣的構想使他提出比 John von Neumann 的設計更為簡單的細胞自動機。在這個細胞自動機中，把平面分割成很多方格子（類似棋盤），每一格子代表一個細胞，每一個細胞有八個鄰居，這些細胞有兩種狀態：「生」或「死」，存活的細胞我們在方格內塗上特定單一的顏色，而死亡的細胞我們則不塗色。Conway 生命游戲的規則（我們稱為 Life Rule）敘述如下：
◆ 對於存活的細胞（塗色的方格）：
當八個鄰近細胞中，只有零個或一個是活細胞時， 則該細胞會因孤獨而死亡
當八個鄰近細胞中，恰有二或三個是活細胞時，則該細胞繼續存活
當八個鄰近細胞中，有四個或超過四個是活細胞時，則該細胞會因擁擠而死亡
◆ 對於死亡的細胞（未塗色的空方格）：
當八個鄰近細胞中，恰有三個是活細胞時，則該處誕生一個活細胞
或者，我們也可以這樣表示規則：
◆ 對於存活的細胞：
當有二或三個存活的鄰近細胞時，才能繼續存活（表示為 Survivals＝23）
◆ 對於死亡的細胞：
當恰有三個存活的鄰近細胞時，則誕生活細胞（表示為 Births＝3）
我們可以將規則合起來表示成 Life Rule＝S/B＝23/3，這樣的表示法，我們稱為「規則通用表示法」，這種表示法以後會常常用到
生命游戲的規則就是這麼簡單 。當 Conway 提出生命游戲後，馬上造成轟動，不只是一些普通人在玩，而一些有名的數學家及電腦學家也樂此不疲。造成轟動的原因是，沒有人想到僅僅幾條簡單的規則，竟然就能產生類似於生命演化過程中無比復雜的現象。當你把這幾個簡單的規則變成電腦程式以後，它們似乎真的會讓電腦螢幕活起來。
用心注視，螢幕上活躍著各種動作，就好像你用顯微鏡觀察一滴池塘水所見到的微生物一樣。開始的時候，你可以讓螢幕上隨意散布著活細胞，然後就會看到它們自我組織成各式各樣連貫性的結構。有的會滾動，有的好像野獸呼吸一般來回震湯，你還可以發現「滑翔機」－－一群活細胞以固定的速度滑過螢幕，還有「滑翔機—機關槍」穩定的發射出新的滑翔機，以及其他結構不動聲色的把滑翔機一一吃掉。你或許還可看到一隻優閑的金魚，搖頭晃腦地上下擺動，然後消失在池塘邊。每一次出現的畫面都不一樣，沒有人看過所有可能的畫面。你將在下個單元看見這些範例 ，不過在看見那些景象之前，筆者必須先介紹 Conway 生命游戲中簡單的穩定結構的幾個例子，我們可以將這些穩定的結構分成三類：
◆ 第一類：在疊代過程中，細胞群不會改變其狀態（形狀）。