生命中的涌现
椋鸟群在傍晚的天空里整体转向，没有领队；蚂蚁找到最短路径，没有一只知道地图；黏菌在没有神经系统的情况下"设计"出一张接近东京铁路网的管道图。三件事的共同点是：规则全在局部，秩序出现在整体。这一页把三者都放进浏览器里跑一遍。
LAB 01
Boids 鸟群
分离、对齐、聚合三条局部规则，调权重看群体从散沙变成一团、再变成一条流动的带子
问题
一群椋鸟能在空中整体翻滚而不相撞，可鸟群里并没有指挥。那"整体的形状"是谁决定的？1986 年 Reynolds 用三条只看邻居的规则复现了它，从此成为动画和机器人集群的标准做法。
模型
Boids：每只个体在感知半径 R 内做三件事的加权和。
vi ← vi + ws·分离 + wa·对齐 + wc·聚合
分离 = −Σj∈N (xj−xi)/‖·‖²， 对齐 = ⟨vj⟩ − vi， 聚合 = ⟨xj⟩ − xi
N 是半径 R 内的邻居集合。三条规则都是局部的、都不知道群体的形状——而群体的形状完全由这三个权重的比例决定。分离 = −Σj∈N (xj−xi)/‖·‖²， 对齐 = ⟨vj⟩ − vi， 聚合 = ⟨xj⟩ − xi
序参量（速度一致度）—
群体数—
平均最近邻距离—
模拟步数—
序参量那个读数是重点。它是所有个体速度方向的矢量平均长度：0 表示乱成一团，1 表示完全一致。把对齐权重从 0 缓慢拉上去，你会看到序参量不是线性上升的，而是在某个值附近突然跳起来——这是一次相变。鸟群的"整体转向"不是某个开关，而是参数越过临界点后自动出现的集体态。
LAB 02
蚁群觅食
两条长短不同的路，信息素蒸发率一变，蚁群从「随机乱走」切换到「全部走短边」
问题
蚂蚁个体看不到全局，却总能找到蚁穴到食物的最短路径。信息是怎么在没有地图的情况下被"算"出来的？这个机制后来被抽象成蚁群算法，用来解 TSP 和路由问题。
模型
信息素正反馈 + 蒸发负反馈。
选路概率 pij ∝ τijα ηijβ； 更新 τij ← (1−ρ)τij + Σk Q/Lk
τ 是信息素浓度，η = 1/d 是启发信息，ρ 是蒸发率，Lk 是第 k 只蚂蚁走过的总路程。短路径走完得快、留下的信息素被蒸发得少，所以自动被放大——ρ 太小会锁死在早期的错误选择上。走短路的比例—
短路信息素—
长路信息素—
时间步—
正反馈会锁死，也会锁错。蒸发率调到接近 0：最先偶然多走的那条路会被越强化越走，哪怕它更长，蚁群也再也改不回来了。蒸发相当于遗忘，它把系统从"锁死在先到的解"里救出来——这正是蚁群算法里蒸发系数存在的理由，也是所有正反馈系统都要面对的探索与利用的权衡。
LAB 03
黏菌路网
在城市点阵上放黏菌，看管道随流量加粗、无用支路萎缩，最后逼近真实铁路图
问题
2010 年一篇《科学》论文把燕麦片按东京周边城市的位置摆好，让一团黏菌去连它们——长出来的管道网络和真实的关东铁路网惊人地相似。一个没有神经系统的单细胞，怎么解出了工程师要算很久的问题？
模型
管道半径随流量自适应：流量大的加粗，闲置的萎缩。
Qij = (Dij/Lij)(pi−pj)， dDij/dt = f(|Qij|) − Dij
D 是管道导率（粗细），L 是长度，p 是压力，f 通常取 |Q|μ/(1+|Q|μ)。这是一个"用物理过程做优化"的例子：没有目标函数、没有迭代求解器，只有局部的加粗与萎缩。保留的管道数—
总管长—
最小生成树长—
断一条后仍连通—
黏菌没有在解最短路问题。它保留的总管长比最小生成树长一些，但断掉任意一条管道后，网络往往仍然连通——最小生成树断一条就散。多出来的那点长度买到的是容错。真实的铁路网、电网、血管都是这样：不是最省，而是在"省"和"断得起"之间选了一个点。
LAB 04
从个体到整体
同一套规则，把个体数从 1 加到 500，看「整体行为」在哪一刻突然出现
问题
一只蚂蚁不是蚁群，两只也不是。那么"整体行为"是从第几只开始出现的？这一台把同一套规则下的个体数从 1 加到 500，看序参量在哪一刻抬头——这是"涌现"这个词能不能被量化的关键。
模型
用序参量刻画群体有序程度，看它随 N 的变化。
r = ‖ (1/N) Σi v̂i ‖ ∈ [0, 1]； 有限尺度标度 r(N) ~ N−β/ν g(N1/ν(a−ac))
v̂i 是个体速度方向的单位向量。严格的相变只在 N → ∞ 时才有奇点；有限的 N 只有一个"变陡的区间"——所以"涌现发生在第几只"这个问题，答案本身依赖于你用多大的系统去问。序参量—
当前 N—
序参量 > 0.5 的最小 N—
"整体行为"没有一个诞生的瞬间，但有一段很窄的区间。点"自动扫 N"，看曲线在几十个个体这一档上抬起来。少于这个数只是几只各走各的，多于这个数就有了"群"。值得注意的是这个阈值随噪声变化：噪声越大，需要越多个体才能形成群体态——这跟渗流里的临界密度、大语言模型里的临界规模，是同一类现象。
这一页想说的
三个系统，三套完全不同的机制（视觉对齐、化学信息素、流量反馈），却都在"个体规则 + 局部交互 + 正反馈"这套骨架下长出了整体秩序。建模时真正可迁移的不是某一条具体规则，而是这个骨架：先问清楚个体看得见什么、能改变什么、改变之后谁会受影响，整体行为往往不需要单独建模，它会自己出现。