6.

6.md

@@ -109,7 +109,7 @@ GoL中的稳定模式很难不被注意，特别是那些移动的模式。 将
 
 对嘛？
 
-好吧，不是那样。 我们认为“真实”的许多实体，也是规模较小的实体的持久图案。 飓风只是气流的图案，但我们给了他们个人名称。 而人就像滑翔机，随着时间的推移不是由相同细胞组成的。 但即使你更换了你体内的每一个细胞，我们也认为你是同一个人。
+好吧，不是那样。 我们认为“真实”的许多实体，也是规模较小的实体的持久图案。 飓风只是气流的模式，但我们给了他们个人名称。 而人就像滑翔机，随着时间的推移不是由相同细胞组成的。 但即使你更换了你体内的每一个细胞，我们也认为你是同一个人。
 
 这不是一个新观察 - 大约在 2500 年前，赫拉克利特（Heraclitus）指出你不能在同一条河流中两次 - 但是出现在生命游戏中的实体，是思考哲学现实主义的实用测试用例。
 
@@ -140,3 +140,116 @@ SR4：
 如果一个理论正确地描述了现实，那么这个理论就是真的，否则就是假。真实理论所假设的实体是真实的；其他不是。
 
 SR4 非常强，可能是站不住脚的；通过这样一个严格的标准，几乎所有当前的理论都被认为是错误的。 大多数现实主义者会接受 SR1 和 SR3 之间的东西。
+
+## 6.5 工具主义
+
+但 SR1 很弱以至于它接近工具主义，这是一种观点，我们不能说理论是真是假，因为我们不知道理论是否符合现实。 理论是我们用于我们的目的的工具；在适用于其目的的程度上，理论是有用的，或者不是。
+
+
+要看看你是否对工具主义感到满意，请考虑以下陈述：
+
+“声明游戏中的实体并不是真实的；他们只是人们赋予可爱的名字的细胞图案。”
+
+“飓风只是一种气流模式，但它是一种有用的描述，因为它可以让我们进行有关天气的预测和沟通。”
+
+“像自我和超我这样的弗洛伊德实体并不是真实的，但它们是思考和交流心理学的有用工具（或者至少有些人是这么认为的）。”
+
+“电磁场是我们最好的电磁理论中的假设实体，但它们并不真实。 我们可以构建其他理论，而不用场的假设，这也是一样有用的。”
+
+“我们认为，世界上的许多物体都是像星座一样的任意集合。 例如，蘑菇只是真菌的子实体，其中大部分是在地下生长的，几乎不连续的细胞网络。 我们由于实际原因专注于蘑菇，如可见性和可爱。”
+
+“有些物体边界清晰，但很多都是模糊的。 例如，哪些分子是你身体的一部分：你的肺里的空气？ 你的胃里的食物？ 你血液中的营养物质？ 细胞中的营养物质？ 细胞中的水？ 细胞的结构部分？ 头发？ 死皮？ 污垢？ 你的皮肤上的细菌？ 你的肠道细菌？线粒体？ 当你称量自己时，你包含了多少这些分子？ 根据离散对象构想世界是有用的，但我们确定的实体并不是真实的。”
+
+对于每一个你同意的陈述，给自己一分。 如果你的分数超过 4 分，你可能会成为一名工具主义者！
+
+如果你比其他人更喜欢这些陈述，那么问问你自己为什么。 这些情景中的哪些差异会影响你的反应？ 你能否在他们之间做出原则性区分？
+
+工具主义的更多信息，请参阅 <http://en.wikipedia.org/wiki/Instrumentalism>。
+
+## 6.6 实现
+
+本章最后的练习要求你尝试和修改生命游戏，并实现其他二维元胞自动机。 本节介绍 GoL 的实现，您可以将其用作实验的起始位置。
+
+为了表示细胞的状态，我使用类型为`uint8`的 NumPy 数组，它是一个 8 位无符号整数。 例如，下面这行创建一个 10 乘 10 的数组，并用 0 和 1 的随机值进行初始化。
+
+```py
+a = np.random.randint(2, size=(10, 10)).astype(np.uint8)
+```
+
+我们可以用几种方法计算 GoL 规则。 最简单的方法是使用`for`循环遍历数组的行和列：
+
+```py
+
+b = np.zeros_like(a)
+rows, cols = a.shape
+for i in range(1, rows-1):
+    for j in range(1, cols-1):
+        state = a[i, j]
+        neighbors = a[i-1:i+2, j-1:j+2]
+        k = np.sum(neighbors) - state
+        if state:
+            if k==2 or k==3:
+                b[i, j] = 1
+        else:
+            if k == 3:
+                b[i, j] = 1
+```
+
+最初，`b`是一个与`a`大小相同的零数组。 每次循环中，状态是中心细胞的条件，邻居是`3×3`的邻域。 `k`是活动邻居的数量（不包括中心细胞）。 嵌套的`if`语句评估 GoL 规则并相应地激活`b`中的细胞。
+
+这个实现是规则的直接翻译，但它是冗长而缓慢的。 我们可以使用互相关做得更好，正如我们在第？节中看到的那样。 在那里，我们使用`np.correlate`来计算一维相关。 现在，为了计算二维相关，我们将使用`scipy.signal`中的`correlate2d`，它是一个 SciPy 模块，提供信号处理的相关函数：
+
+```py
+
+from scipy.signal import correlate2d
+
+kernel = np.array([[1, 1, 1],
+                   [1, 0, 1],
+                   [1, 1, 1]])
+
+c = correlate2d(a, kernel, mode='same')
+```
+
+在一维相关的背景下，我们称之为“窗口”的内容，在二维相关的背景下被称为“核”，但其想法是相同的：`correlate2d`将核和数组相乘来选择一个邻域，然后将结果加起来。 这会核选择中心细胞周围的 8 个邻居。
+
+`correlate2d`将核应用于数组中的每个位置。 使用`mode ='same'`时，结果与`a`的大小相同。
+
+现在我们可以使用逻辑运算符来计算规则：
+
+```py
+
+b = (c==3) | (c==2) & a
+b = b.astype(np.uint8)
+```
+
+第一行计算了一个布尔数组，其中应该有活细胞的地方为`True`，其他地方为`False`。 然后，`astype`将布尔数组转换为整数数组。
+
+这个版本更快，也许够好，但是我们可以通过修改核来简化它：
+
+```py
+kernel = np.array([[1, 1, 1],
+                   [1,10, 1],
+                   [1, 1, 1]])
+
+c = correlate2d(a, kernel, mode='same')
+b = (c==3) | (c==12) | (c==13)
+b = b.astype(np.uint8)
+```
+
+这个版本核的包含中心单元并赋予其权重 10。如果中心单元为 0，则结果介于 0 和 8 之间; 如果中心单元为 1，则结果在 10 到 18 之间。使用这个核，我们可以简化逻辑运算，只选择值为 3，12 和 13 的细胞。
+
+这看起来可能不是什么大的改进，但它允许进一步简化：使用这个核，我们可以使用一个表来查找细胞的值，就像我们在第？节中所做的那样。
+
+```py
+
+table = np.zeros(20, dtype=np.uint8)
+table[[3, 12, 13]] = 1
+c = correlate2d(a, kernel, mode='same')
+b = table[c]
+```
+
+除了位置 3，12 和 13 以外，表格中的任何位置都为零。当我们使用`c`作为表格中的索引时，NumPy 执行逐元素查找；也就是说，它从`c`中获取每个值，在表中查找它并将结果放入`b`中。
+
+这个版本比其他版本更快更简洁， 唯一的缺点是需要更多的解释。
+
+包含在本书仓库中的`Life.py`提供了一个封装规则实现的`Life`类。 如果你执行`Life.py`，你应该看到一个“蒸汽火车”的动画，这是一种飞船，在其尾部留下一串碎屑。