Emergence：More is Different?

其實我想寫 Emergence 一陣子了，就是沒事會在腦中閃過的想法。

Emergence 很難被定義成一個具體量化的物理量，它更像是一種現象。雖然常被說是「量變產生質變」，但這說法總覺得只對了一半。前幾天看到加恩寫的〈如何成為新時代的文盲〉¹，讀著有些既視感。他用印刷術當例子提醒：新科技出現，不代表理解會自動普及；識字率的提升其實是很慢的社會轉型，背後得靠宗教、國家、經濟結構這些推力，才真的能把人推進那個新時代。

這讓我回頭翻翻 Philip Anderson 在 1972 年發表的〈More is Different〉²。Anderson 真正想說的是：當尺度一換，重要的就不再是更精準的微觀方程，而是全新的描述語言與組織原理。拿氨分子（\(\text{NH}_3\)）當例子最直觀：在理想的孤立系統裡，氮原子可以在氫原子平面的兩側翻轉，對應的是一個 double-well potential。在對稱的理想化描述下，它的 eigenstate 往往不偏向任何一邊，而是兩側 localized states 的線性疊加。

但現實世界從來不是孤立系統。一旦與環境交互作用——不管是碰撞、溶劑、還是量測裝置——Decoherence 會讓相位資訊難以維持。環境會篩選出那些特別穩、特別能被重複觀察的局域狀態。於是對稱在可觀測層次被環境有效地選掉，系統才會穩定地呈現成一個能被記錄下來的「事實」。

聯想到現在的大型語言模型（LLM），很多人討論 AI 的湧現，好像參數大到某個神祕數量級，模型就突然學會了推理。但如果看 Kaplan et al. 的 Scaling Laws ³，語言模型的 Loss 往往隨模型大小、資料量呈現相對平滑的預測趨勢。

LLM 的能力增長更像是連續變化，不一定存在物理相變式的臨界點。更有趣的是 Schaeffer et al. 的觀點⁴：許多所謂的 emergent abilities，可能只是評測指標的非線性（例如門檻效應）造成的假象（Mirage），把連續的改善誤讀成突變的圖像。

就像海浪，微觀上是無數水分子的動力學，但在宏觀尺度，我們看到了「浪」。我們之所以命名它，是因為那個集體模式已經穩定到足以被辨認。在浪花成形前，水珠的運動一直都在積累；只是還沒長成一個願意替它命名的型態。

所以所謂的神奇，往往不在於瞬間的魔法，而是大量微觀積累終於觸及了人類感知與分類的邊界。湧現不只是物理上發生了什麼，同時也是一個「終於知道該用什麼尺度去看它」的敘事。

在這個脈絡下，提問（Prompt）變得非常關鍵。與其說提問是神祕的投影，不如說它是一種強大的條件化（Conditioning）：我們提供背景、格式，等於是在限縮輸出的空間。如果說 Emergence 包含了人類的觀測與定義，那 Prompt 其實就是在定義：什麼叫做「好答案」。

回到加恩說的新的識字能力（Literacy），在 AI 時代這種能力意味著在一個算力瘋狂擴張的世界裡，仍能保持主體性。我們必須理解這種「受限下的生成」，並懂得設計約束（條件化、驗證、評測）。問句本身就是你對這個龐大複雜系統施加的邊界條件。在無數隨機的律動中，唯有透過精準的限制，我們才能觀測到那朵真正有意義的浪花。