这些模块可以使用它们的信息输入生成“输出

shetu77

即对系统的命令。 然而，在像城市这样必须启发式修改自身功能以进行学习的复杂系统中，维持明确的上下文是不切实际的。在学习系统中，模块必须启发式地确定自己的输入和输出（即通过试错来学习）。即便如此，如果一个模块改变了它的输出，那么之前从它接收过输入的其他模块就很难重新调整。接收模块无法为新的“输出”分配明确的含义。因此，模块的输出只能以最小化其他模块意义损失的方式逐渐改变。在城市中，这意味着健康的城市结构是通过缓慢的演变而产生的，而且城市必须能够随着时间的推移而发展。另一方面，对健康城市结构的彻底重建破坏了城市内有意义的信息交换。结果是城市功能失调，直到有足够的时间来重建信息环境。 在复杂的系统中，有两种可能的信息架构。一种是冯·诺依曼架构，具有处理器/内存分离，支持明确的信息交换，并且其中的功能受到显式控制。

另一种是具有聚类/竞争分离的推荐架构，它支持有意义但稍微模糊的信息交换，并且其中的功能是启发式定。竞争子系统将子模块的输出解释为一系列替代行为，并快速选择其中一个选项。这个过程主要取决于反馈来确定系统的适当行为。 当由于功能原因 手机号码数据 需要进行启发式更改或没有中央指导时，系统会采用推荐架构。生物大脑已经朝着推荐架构的方向发在哺乳动物大脑中，分组/竞争分离对应于皮层和皮层下结构之间的解剖分离。另一方面，商业电子系统总是使用冯·诺依曼架构。在更复杂的电子系统中，功能以受控方式发展是极其困难的。当进行更改时，需要进行广泛的测试和调试，其中测试不仅涵盖更改的功能，还涵盖系统所有不同功能的示例。 冯·诺依曼系统架构不支持重新缩放。因此，一个在一定维度上运作的城市无法有效地改变它的衡量标准。



由于推荐架构比冯诺依曼架构使用更多的资源来执行相同的功能，因此如果不需要功能更改，操作力量会将系统引导至冯诺依曼架构。这样，信息交换就会变得明确，因为每种条件所需的操作都得到了很好的理解。然而，如果情况开始发生变化，这个系统就会很难适应。系统无法在模块平等和信息交换之间找到有效的折衷方案，从而导致更改能力不断下降。十九世纪曼彻斯特的失败就是一个城市的例子。该市的棉花工业变得极其高效，但当情况发生变化时却无法适应。 解决建议之间的冲突应由机构上不同的职能部门进行，不需要复杂的协调。选举和法律机构在城市中发挥着这一作用。这里定义的竞争子系统与法律和政治机制之间存在有趣的相似之处。一般来说，在生理大脑中，竞争功能会选择一个或另一个选项，而不是试图找到妥协，因为不可能知道这是否会让事情变得更糟。