斗胆写下阅读总结，全书内容巨多，我读出了3个点。
- 生物逻辑-分布式系统。有两种组成系统的逻辑，一个是纯机械逻辑、树形结构，另一种是网状逻辑、分布式结构，两种结构各有优劣，区别来源于组成网络的中枢、节点、链接，所承担的职能不同。123讲的都是这两种结构的对比、各自特点，456789，则是讲的生物圈二号，一个人类在试图染指造物主的能力，搭建生物系统的过程。
- 网络经济，在这部分，作者对20年后的科技世界做了神预测，没读明白，猜测下，组成社会的部分，依然是元、链接，但加入场景概念对链接做细分和升级。用这种结构，来考虑文化、货币、工业制造的发展趋势。
- 进化之路，11章抛出了文明图书馆的概念，之后都是讨论进化的路径，从自然进化、拉式进化、进化的无限深度+广度，探讨学习和进化的结合之路，宇宙是混沌的，人类永远无法达到宇宙级别的远视，那如何利用有限的秩序，在宇宙的混沌中取得进化？这里还有个问题，没明白，假如秩序是有限的，那如何在宇宙层级下，确认我们学习、进化的方向没有错，怎么确认自己不是在做局部最优解？
加粗的是作者的重要观点。引用段落内的，是我的思考。
1. 人造与天生
1.1 新生物文明
人造与天生的联姻正是本书的主题之一。
- 总结生命体和机器之间的逻辑规律，并用于建造极度复杂的系统。
我们的未来是技术性的，但这并不意味着未来的世界一定会是灰色冰冷的钢铁世界，相反，我们的技术所引导的未来，朝向的正是一种新生物文明。
1.2 生物逻辑的胜利
钟表般的精确逻辑，也既机械逻辑，只能用来建造简单的装置，真正复杂的系统，比如细胞、大脑都需要一种地道的非技术逻辑。
能够完全由机械逻辑、机械系统解决的问题，在人类社会中，总是占比极小的，我们总是面临着和周边环境、其他人类个体间的交互、合作，这些都不是单纯的机械逻辑，能够说清、解决的。
1.3 学会向我们的创造物低头
人造物的终点，就是被创造物有了自己的自治、适应环境、创新能力，到那个时候，他们也就脱离了我们的控制。
2. 蜂群思维
2.1 分布式管理
蜂群路径选择的例子：蜂群在迁移过程中，会派出5、6只工蜂出去找停留地，找到了好的地方，工蜂就回来通过夸张的舞蹈报信，接着头目跟去确认，如果头目认为是个好地方，他们就会加入舞蹈中报信，最后更多的跟风者一起去确认，参与整个选择过程。
- 这套体系有两个关键，1.每只蜜蜂对停留地好坏的评价要差不多。2.蜜蜂要有独立的思考能力，不受别人选择的影响。
多级确认，群体参与决策，一定程度上避免了这两个问题，尤其对停留地选择，这一相对简单的决策，但对更加复杂、深远的决策，可能还是精英逻辑更加合适？
2.2 流氓的群体智慧
拉斯维加斯，5000人操作实验
- 操作乒乓球拍，及时反馈，可以完美的接到乒乓球。
- 操作飞机，在飞机操作中加入了延时，依然可以完成转向、360度飞行，但在着陆这种高难度、精巧操作时候碰到了问题。
大规模群体决策和小规模精英决策是两种群体决策方式，可以简单粗暴的理解成，两种决策的好坏结果是对群体IQ取平均数，这么看小规模精英一定更加好，毕竟聪明人总是少的，而且总能找到最聪明的那一批。
2.3 非匀质的看不见的手
集群所形成的超级有机体，是从大量聚集的个体有机体中"涌现"出来的。
不同于生活中常见的A+B=C，涌现是另一种逻辑，是低层次个体合力完成超个体项目，背后的一种混沌逻辑。
2.6 群集的利与弊
搭建系统
- 按照顺序操作的思路来构建系统，就像工厂的装配流水线一样，类似于钟表，通过一系列复杂的操作来预估时间。
- 将并行运作的部件连接在一起，很像大脑的神经元网络或者蚂蚁群落，从群体中涌现出来的不再是一系列起到关键作用的个体行为，而是众多的同步动作。
分布式系统的四个特点：
- 没有强制性的中心控制
- 次级单位具有自治的特质
- 次级单位之间彼此高度链接
- 点对点间的影响通过网络形成了非线性因果关系
分布式系统的好处：
- 可适应性，相比精致紧密的钟表逻辑，群网络可适应性更强。
- 可进化，适应性的延续
- 弹性，冗余系统的buffer
- 因为没有精巧的逻辑，所以可创造性空间更大
分布式系统的缺点：
- 非最优：没有统筹，浪费资源
- 不可控：打平了的层级架构，导致没有绝对权威
- 不可预测：非线性系统
- 不可知：非线性系统，很难理解逻辑
- 非即刻：目标约复杂，无序的群系统建立秩序就约困难，所需时间越长
分布式架构相比树形架构，不同在哪里？为什么会产生这种不同。
两种网络结构，组成的元素都是，中枢、节点、链接。
- 树型的结构，需要强大的中枢，一级中枢、二级中枢，每个中枢都行使着控制、计算职能，分布式则没有类似的中枢。
- 树形结构，节点被分配了固定的职能，承担着中枢直接指派的，执行类任务；分布式，每个节点都有更灵活的职能，甚至会承担树形结构中，一级中枢的决策思考职能。
- 树形结构，链接是单向的，串行的；分布式，链接是双向的，信息会在更广泛的网络中传递。
对于必须绝对控制的工作，采用线性系统；对于需要终极适应的地方，采用失控的群件。
- 房源对齐为例，爬虫&对齐，采用线性系统，线下拓展，采用群体系统，但群体系统也并非完全放手不管，我可以提供工具，提供激励，加速群体孵化的过程。
- 房源验真，树形逻辑：强大的策略模型，行使了树形结构中的中枢职能，经纪人则是节点，做各种验真任务；完全用分布式逻辑来做验真，可能是经纪人交叉举报、交叉验真假房源，这样的思路。
那考虑到业务背景、涉及角色、各方利益，哪种方案更好呢？
再思考一层，是不是所有产品方案(参与人数多)，都有三个重要要素。
- 产品的系统逻辑，有树形、分布式两种，在不同程度上融合。
- 涉及方，所有参与方案中的角色。
- 指标，涉及方的利益，方案的核心指标。
以好房项目中的AI选房方案为例：AI直选，就是树形结构，策略模型作为一级中枢。经纪人+圈经自选，就是完全的分布式。两种方案的融合，就是树形+分布式网络的平衡点，衡量平衡点的指标，有各角色的利益，平台去化率、选房圈经利益、合作经纪人流通性，最核心指标，则是好房整体去化率。
3.有心智的机器
3.3 众愚成智
大脑和身体的构建方式是想同的，自下而上从最小颗粒度开始，简单行为——本能反射——行动。
- 先生成一小段能完成简单工作的回路，接下来让大量类似的回路运转起来。
- 依托于第一层级的神经网络，构建更高层级，无论第二个层级生效与否，最初低层级都会继续运作，但第二个层级行为时，会把下面层级的行为包容进来。
管理复杂性的诀窍
- 先做简单的事
- 学会准确无误的做简单的事
- 在简单任务的成果只上添加新的活动层级。
- 不要改变简答事物
- 让新层级像简单层级那样准确无误的工作
像不像项目管理里的wbs，把复杂的项目拆分成可执行的最小单元，这是树形结构，执行wbs的人，留些buffer，是混沌，系统总是秩序+混沌的集合体。
3.5 利用现实世界的反馈实现交流
构建超级复杂系统的一个问题是："能否模拟出一个超级中枢，对外界环境进行模拟，精准判断出下一步行为？"
答案是很难，或者说需要超量资源，超级复杂的外部环境，中枢仅是协调各部分的信息就会耗尽自身资源。
那这种问题怎么解决？
以外部世界作为其自身模型，不建立中枢模型，建立包容控制的网络层级，行为通过抑制、延迟、激活等方式遴选出来。
这不就是计划经济么，以一个巨大中枢，来调度一个国家的资源，前苏联试过、中国试过，最后都失败了，层级约简单，每个层级的大脑复杂度就越高，生物智能做不了这种复杂度。现在改成树形结构，增多树的层级，将人工变为机器智能。
我们在很多活系统里都能看到包容结构和网络层级机制，布鲁克斯总结了设计移动式机器人的5条经验。
- 递增式构建，让复杂性自我生长发展，而非生硬植入
- 传感器与执行器的紧密耦合，要低级反射不要高级思考
- 与模块无关的层级，把系统拆分为自行发展的子单元
- 分散控制—不搞中央集权
- 稀疏通讯，观察外部世界结果，而非依赖导线来传递讯息
4/5/6/7/8/9
这几章讲的都是在搭建、实验生物圈二号过程中碰到的问题。首先是决定放入什么生物、之后实验人类在密封的生物圈中生活碰到各种问题。
如果搭建系统，是一门艺术，那建设一个生物圈、一套生态体系，则是这个艺术的巅峰。
人类集合了最全面、精英的人才，涵盖各个学科，提前计算了应该纳入什么生物、如何保证生物圈的平衡，但最后结果却大相径庭。
意外一件件发生，寄予厚望的生物消逝死亡，混进来的生物大肆繁衍，人类面对不仅是采集事物，还有各类维修、裁剪植物，意想不到的问题。
到这里，我们不仅反思，其实每个项目，每个产品都是一个系统。我们在开始规划一个产品的时候，总是绞尽脑汁算清了所有的输入因子；希望产品内复杂的模块之间能够支撑、互补，满足用户的使用需求；还希望通过引入反馈机制，建立一个具有自我进化意识的产品，这样我们的产品就能够慢慢成长，慢慢修补不足。
理想总是这样，然而搭建系统的过程，总是问题多多，产品经理们就像生物圈二号的设计者，规划了漂亮的蓝图，但结局走向了另一面。
生物圈二号的失败，大概是因为哪几类原因？如果变化总是永恒的，针对这几类原因，我们能做什么？
10. 工业生态学
10.1 全天候、全方位的接入
描绘了一种"活"房屋的概念，思路上已经很像现在的智能家居，每个家居都有自己的芯片，连接电源后，将所有信息汇聚到一个中枢，由中枢来智能处理所有开关、配合。
10.2 看不见的智能
作者的这段话，是需要我深思的：
"我在1994年的预言：智能办公室的实现要早于智能住宅，商业具有信息度密集的天然本质——它依赖于机器，并且要不断低适应变化。
因此对于家居生活来说是鸡肋的魔法，却能在办公室中带来显著的经济效益，居家时光通常被当做是休闲时间，所以通过网络智能节约的那么一点点时间远不如上班时将点滴时间汇聚起来的宝贵，如今办公室里联网的电脑和电话属于必备设备。
下一步就是联网的照明和家具了。"
今天我们反思看看，智能家居在办公室的应用是走在了居家前面么？这些年国内类似wework的公司的确不少，都是主打智能、绿色、创新这些噱头，但抛开这些，在智能办公领域，有哪些应用？
- 人脸识别，蓝牙，wifi门禁
- 无纸化办公
- 智能云打印
- 会议室管理
- 会议室智能硬件(zoom)
而智能家居呢？太多了，看看小米有品里的SKU就可以了。
再回头看作者说的话，我认为对错各半，作者对办公室、家居的场景特点总结的很到位，办公室对信息传播速度要求更高，分秒必争，所以无线电话、会议管理等工具快速发展，并且比智能家居普及的要早。
但2010年之后，是智能家居的爆发，扫地机器人、擦窗机器人、智能摄像头、插座等等。
作者对两个场景的洞察非常透彻，家居生活是休闲为主，对信息传播、时间节省的需求没有那么强烈，但人类长期处在这个空间、个人专属、以休闲放松为主，衍生出了大量其他高频或者低频的细分需求，在办公室你不需要擦窗户吧、不用向在家一样，需要关心老人小孩是否会摔倒。
作者是如何分析这两个场景下，用户需求的？
- 首先从两种空间下，梳理用户需要完成的任务。
- 每个任务的场景是什么？
- 每个任务，用户的真实需求是什么？(在这一步，凯利洞察了行业的本质)
- 用户急迫度怎样？
- 基于以上分析，我们可以提供什么样的替代方案，能给用户带来新价值么？这个价值多大？替代成本是多少？
天才就是，不需要苦哈哈的去梳理所有用户任务，仅是根据当前科技的发展、对行业本质的把握，洞察了行业未来发展的方向。
11.网络经济学
11.1 脱离实体
11.3 信息工厂
我们可以想象一下未来的公司形态，他们将不断演化，直到彻底的网络化。一个纯粹网络化的公司，应该具有以下几个特点：分布式、去中心化、协作以及可适应性。
- 分布式：商业不再是在某个单一的地点进行，他在几个不同的地方同时发生。
- 去中心化：工业时代，财富通过把流程置于集中控制之下而获得，整合上下游资源、为员工修建福利房，在自己内部形成闭环~
但这种形式正在改变，通用汽车，把造发动机、喷漆这种工作都托付给了外包。
外包一定会带来制造成本的下降，资源分配更加合理，但交付质量怎么保证？灵活性怎么保证？哪怕今天，这个问题依然没有解决。那这个问题什么时候会解决呢？沟通其实不是问题，电话、视频会议已经非常发达了，组织架构间的矛盾、利益不一致，可能是最终要面临的问题，外包公司要为自己的总营收负责，但托付公司是为自己这一单子的利益负责。而这个问题，不是任何科技进步能够改变的，本质还是人类群组的社会结构问题。
11.5 联通所有的一切
下面列出作者认为的网络经济所具备的一切特征。
- 分布式核心，公司的边界变得模糊，财务、制造这样的核心人物都通过网络分布给合同商，公司便成了一个个有所有权和地理位置都分散的工作中心所组成的社会。
还没见过这么极端去中心化的公司，问题还是之前说的，专人专事，集中，在这个时期仍然会带来超额的利润收益。
- 适应性技术，"实时"技术，业务的灵活性，不仅体现在价格变化、货物配送，本质是科技发展带来的生产、运输、供销整体适应速度的改变。
厉害了，企业供给侧改革、点子标签，最近还真在往这个方向发展。
- 灵活制造，需求量小的商品可以利用更小的机器在更短的周期内生产。
无敌，橙汁、扭蛋机，还真是这个趋势，弱需求+线下化。
- 批量化定制，流水线上生产的都是个性化定制的产品。
厉害，有这个苗头，但趋势没走出来，大佬们已经开始注目这个方向了。
- 工业生态学，闭合回路、无废料、零污染的制造业，对违背生物学准则的行为越来越无法容忍。
这个倒是没怎么听说，可能也因为我不了解工业方面的。
- 公共进化的消费者，产品根据用户的反馈迭代。
这在今天都不是新闻了。
- 以知识为基础，联网的数据会让所有工作变的更快，人们学习的门槛遍地，此时你的优势不是体现在"如何完成工作"而是"做什么工作"。
学习的成本降低，行业中，人们能力表现的中位数上升，通过单纯的努力，就能获取高额回报的平均数越来越低，选择开始变得比努力重要。
- 免费的宽带，接入是免费的，但选择接入或者不接入需要付费.
这儿也没看懂
- 收益递增，一个网络，其价值增长的速度，要超过其用户增长的速度。
作者的意思，是新增的用户会和老用户互动，导致整体营收增长，但未必，这也要看产品是什么。
- 数字货币，数字货币取代了纸币。
厉害
- 隐性经济，创造性的前沿和边缘区域得到扩展，不过，他们现在以一种不可见的方式链接到加密的网络中，分布式核心和电子货币是驱动这种隐形经济的力量，其负面结果，不规范的经济活动四处萌芽。
神了，这些猜测是基于什么逻辑？
14.在形式的图书馆中
14.1 大千图书馆之旅
假如有一个图书馆，包含了世界上所有的书，每本书的基本组成形式，都是22个字母、句号、逗号、空格，那可以认为，自宇宙诞生，所有的知识、历史都存在与这个图书馆中。
如何通过最少的步骤，在无限世界找到最优解。
15.7 死亡是最好的老师
贝尔实验室的研究员，在实验中，手动的调优了一段代码的基因，但发现这部分代码，虽然能力得到了提升，但种群数量却迟迟得不到提升。
一句古老的生态格言，第一次得到了明证：对个体而言最好的，对物种而言却不一定。我不明白从长远看，什么才是最好的，这点让人很难接受。
这话简直是发人深省，今天我们做的每个决策，针对每个问题提出的解决方法，真的是最好的么？对自己利益最好，对公、对私最好？
每个解决方案，是针对这个 1个问题？过去发生的所有这类问题？未来还没有发生的类似问题？
如果IQ可以影响人类对问题的洞察，那是不是IQ无限高，突破肉体的极限，有种形态能够洞察所有规则，它是不是神？
16.控制的未来
16.4 行为学架构中的代理
动物行为是一种去中心化协同，他将许多独立的动作中心像盖房子一样搭建到一起，有些行为模块是有反射现象组成的；他们能调用一些最简单的功能，比如遇热时回缩，这些反射现象既不知道自己所处的位置，也不知道外界在发生什么事，甚至不知道他们所附属的这个身体当前的目标是什么。
有点意思，这个结合蜥蜴脑的一个观点，人类95%的行为都是潜意识的，那这些潜意识，是不是就是独立的反射组合呢？只不过反射的内容更加高级一些，培养用户习惯，是不是约等于，培养用户行为？
18.有组织的变化之架构
18.2 绕开中心法则
拉马克进化，当生物体在自身内部发展出足够的复杂度之后，可以自主选择要进化的方向，面对寒冷，可以自主选择进化脂肪层。
这种拉式进化，真的是进化路上更高效的一条路么？对个体更高效还是对种群更高效？
拉式进化，要求生物体能够为其基因编制有效的索引。
搜索，如何，在广袤无限可能的世界背景下，最高效的寻找到，你要的哪个唯一有限解。
发人深省的一句话：
明智的立法委员会，很少率先推出行为准则，往往是将那些已经成为人民习惯的行为准则确认为法律。
人可以洞察未来么？师母在网易云音乐的发展中，成功预见到了电子音乐的崛起，但经管部门推动北京链家发展的10年经验，告诉我们未来只能后验，所有指标落后于经纪人的行为，我们无法提前洞察&指导业务。结合刚才那句话，立法委只能后验树立规则，不能前置规则，为什么？
差在哪里？一个是宏观大势、一个是微观业务，也许宏观更依赖系统思维，微观更依赖业务知识，但绝不存在无法洞察的问题。
18.3 学习和进化之间的区别
"仿真实验表明，会学习的生物族群是如何比那些不会学习的生物族群更快的进化，这里所说的学习，是指通过改变行为来不断搜索种种可能的适应性。"
这个仿真实验，其实就是在一个巨大空间中，搜索一个确定性答案的，该实验也表名，由生物群自行选择任务的自导向学习具有最佳的学习效率。
刚才也有个实验，说人强行改变、指引基因的进化，导致了一个种群的竞争力下降，那为什么这会又说，学习可以帮助进化呢？
我想是因为，人类都是短时的，每个学习、决策的差别就在于有多短时，假如人类缺少一种从局部最优解的高峰，寻找更好答案的能力，那最终会陷入一个陷阱，走向灭绝。
18.4 进化的进化
进化的历史进程：
- 系统自发：如果把太初的世界，理解成一片荒寂，唯有稳定和单调才能生存，那进化的第一步，就是打破单调，形成复杂性，为进化提供可作用于其上的持久种族。
- 复制：单点的变异后，就是扩散成面，为错误和变异提供可能的空间。
- 遗传控制：机体复杂化，进化出基因型和表现型的对偶系统，将巨大的可能性库压缩到致密的基因中，进化进入到下一个广袤的运行空间。
- 肉体可塑性：基因、环境、肉体，建立简单的适应链接，肉体开始缓慢进化
- 弥母文化：人脑的出现，机体由被动的适应，变成了主动的探索。
- 自我导向的进化：拉式进化
19.后达尔文主义
19.1 达尔文进化的不完备之处
生物的进化，来自一次次自然选择，但像眼球这种复杂&严密的结构，晶体、视网膜等等，是怎么通过一次次细微自然选择，积累下来的？
19.10 自然选择之数学原理
正如算数是数学，但数学绝不仅是算数，自然选择是进化，但进化绝不仅是自然选择。
进化应该既有深度又有广度，深度进化是多种进化的聚合，是一位多面的神帝，他的造物方法多种多样，自然选择也许只是其中最朴实的一个方法。
在40亿年生物进化的长河中，不同的进化方式在各个环节发挥着自己的作用，当我们构建人工进化来繁育机器或者软件时，也要考虑到进化的这种异质特性
- 共生，便捷的信息交换，允许不同的进化路径汇聚在一起
- 定向变异，非随机变异以及与环境的直接交流和互换机制
- 跳变，功能聚类、控制的层级结构、组成部分的模块化、以及同时改变许多特性的适应过程
- 自组织，偏向于某种特定形态，并使之成为普遍标准的发展过程
一个物种的进化之路，是漫长、复杂的，面对浩瀚世界的无穷选择，我们很难提前一万步决定进化的方向。
但总有一些规则，可以加速这个成长的过程，1.更便捷的信息交换方式。 2.贴近目标的进化方向选择。3.层级结构的洞察，跳跃式的进化点选择。
20. 沉睡的蝴蝶
20.1 反直觉的网络数学
考夫满思考的这套网络数学，有点像现在大家说的神经网络，尤其是面对海量复杂输入因子，如何形成一个垂直的、瞬时平衡态，毫无疑问，这种工作人是做不了的。
有趣的是，生命的诞生也不是线性的，也是在复杂的环境下，充满了各种蛋白、激素的激励，猛然从无到有，迸发出来。
21. 40亿年的庞氏骗局
热力学第一和第二定律，作为现代物理学的基石之一，许多科学理论的主要框架，影响了后世100年。
从宇宙大爆炸至今，宇宙从业以团之谜耳机热的原是无知慢慢冷却，这是大势，然而总有一股贪得无厌的力量强迫这些正在慢慢下搜an的热河秩序在局部才形成更好的秩序。
他有两个特点：
- 自给自足
- 自强化
这就是生命，在混沌中创造秩序，然而面对着宇宙必然以混沌终结的宿命。
22.预言机
22.2 混沌的另一面
作者的观点：混沌是无法远期预测的，因为海量的输入+纠缠的影响+时间长，但并混沌不是随机，混沌之下是隐藏有秩序的，所以，短期的混沌是可以预测的。
然而长期混沌真的没有办法预见么？还是我们的生物局限+科技水平，限制了我们的视野？
22.6 预测的多样性
成长曲线，一个系统越大、层次越多、越是去中心化，啊那么他在有机成长方面取得的进展也就越多。
22.7 以万变求不变
一个系统，之所以建立反馈，是因为这是系统应对未来的比较高性价比的做法，想要与加你未来，就必须要了解过去。
除了反馈，另一种了解未来的做法，就是擦亮你的眼睛，竖起你的耳朵，发现未来的萌芽，预见他。
多像做产品，一个是反馈闭环，一个是跟踪学习。