斯图亚特·考夫曼的仿真像任何数学模型一样：缜密、新颖，备受科学家们的关注。也许还不只如此，因为他是在用真实的（计算机）网络来仿真假设的网络，而不是像往常一样，用假设的网络来仿真真实的网络。尽管如此，我承认这只是将纯数学的抽象概念应用于不规则现实的漫漫征途中的一点点进展。没有什么比在线网络、生物基因网络和国际经济网络更不规则的了。不过，斯图亚特·考夫曼非常渴望将其通用试验的结果外推到真实生命中。复杂的真实世界网络与他自己运行在硅芯上的数学仿真之间的比对正是考夫曼苦苦追寻的圣杯。他认为他的模型“就仿佛是真实的一般”。他打赌道，群网络在某个层面上的表现都是相似的。考夫曼喜欢说，“IBM和大肠杆菌看待世界的方式并无不同。”

    我倾向于相信他的观点。我们拥有把每个人与其他所有人连接起来的技术，但一些试着以那种方式生活的人却发现，无论要完成什么事情，我们都在断开连接。我们生活在加速连接的时代，其实，就是在稳步地攀登考夫曼的小山丘。但是，我们很难阻止自己越过山顶，滑入连通性越来越强而适应性越来越弱的山坡。而断开就是刹车，它能避免系统的过度连接，它能使我们的文化系统保持在最高进化度的边缘。

    进化的艺术就是管理动态复杂性的艺术。把事物连接起来并不难，但是进化的艺术是要找到有组织的、间接的、有限的连接方式。

    考夫曼在圣塔菲研究所的同事克里斯·朗顿从其人工生命的群体模型试验中得到了一种抽象性质，叫做λ参数。λ参数能预测一个群体在某个特定规则集下产生行为“最佳平衡点”的可能性。在这个平衡点之外的系统往往陷入两种模式：它们或者定格在几个晶格点上，或者散落成白噪声。那些落在最佳平衡点范围内的值则使系统最长时间地保持有意义的行为。

    通过调节λ参数，朗顿就能调节世界使之更容易地学习或进化。朗顿把在几个固定点之间变化的状态和无定相的气态之间的临界值称为“相变”——物理学家用同样的术语来描述液体转化为气体，或是液体转化为固体。然而，最令人惊奇的是，朗顿发现，当λ参数接近相变——即最大适应性的“最佳平衡点”——时，它减速了。也就是说，系统趋向于停在这个边缘上，而不会跑过了头。在靠近这个进化的极致点时，它变得小心翼翼。朗顿喜欢将之描绘成这样一幅图景：系统在一个缓慢运动的永不消逝的完美浪头上冲浪，越接近于浪顶，时间就走得越慢。

    这种在“边缘”处的减速对于解释为什么不稳定的胚胎活系统能不断进化非常关键。当一个随机系统接近相变时，它会被“拉向”并停靠在最佳平衡点，在那里进化，并力求保留那个位置。这就是它为自己所建的自静态的反馈环。由于最佳平衡点很难用静止来形容，所以也许把这种反馈环称为“自动态”会更好。

    斯图亚特·考夫曼也讲到过将其仿真的基因网络参数“调节”到“最佳平衡点”。上百万个基因或神经元的连接方式数也数不清，但在连接方式之外，一些数目较少的设置对促进整个网络的学习和适应要重要得多。处于这个进化平衡点上的系统能够最快地学习，最容易地进化。如果朗顿和考夫曼是对的话，那么一个进化的系统会自己找到这个平衡点。

    那么这一切是如何发生的？朗顿找到了一些线索。他发现，这个点就处于混沌的边缘。他认为，最具适应性的系统是如此不羁，以致于与失控之间仅一线之隔。生命既非毫无沟通的停滞系统，也非沟通太多的死锁系统。生命是被调节到“混沌边缘”的活系统——就处在那个λ点上，信息流量刚好足够到使每个事物都处于摇摇欲坠当中。

    稍稍放松一点缰绳，死板的系统就会运转得更好；而稍微加强一些组织，紊乱的系统