自然界存在大量的通用计算，所谓通用计算，就是说用一种简单的规则执行任何可能的计算。自然界中小到细胞的分裂，大到人类大脑的思考，都是基于通用计算而运行，所谓的自指性带来的可能的悖论，只存在理论中而并不存在于自然界当中，而只要是基于通用计算而运行的系统，其复杂性是等价的。
要了解等价的意思，首先要了解什么是分形。分形是一种在不同尺度上展现出自相似性的几何形状或结构，它通常由简单的规则递归生成，表现出无限复杂性。众所周知，任一实在的科学规律都应该有其数学表达，任一实在的数学表达都有其几何表达，分形某种意义上就是说明规律等价的规律。这也就意味着，基于通用计算运行的系统，其复杂性都是某一种简单规则的分形而来。
我们能够在很多事件中发现通用计算的存在，比如自然选择、免疫系统运作、新陈代谢、蚁群活动等等，我们会发现，这些复杂的自然现象中存在简单规则的影子，比如说，对资源的调配都有类似的模式，一开始大规模探索，根据新的反馈不断修正在各种探索上的资源投入，这其中有贝叶斯定律和遗传算法的运用，实际上是一种最低标准的新奇性搜索，也和先民主后集中的政治模式很相似；其结构也有类似的模式，微观层面的个体都非常简单，像蚂蚁、免疫B\T细胞、各种酶、生物个体等等，但遵循一定的规则后都能产生复杂的宏观群体效应，像蚁群中各类分工的不同，免疫系统产生针对性的免疫细胞，新陈代谢的调控，生物有方向的进化，等等。
这些相似性本身也就说明，在各种各样的自然现象和人类行为当中，存在着一种具有等价的规则，基于这种规则而建立的通用计算是可以被研究的。
其中关键的就是发挥作用的简单规则，研究这些规则能够帮助我们更好地认识和改造世界。
对这些规则的利用有很多有意思的事情，比如说，我们常常把社会发展的不均衡归结于人性的阴暗面，但实际上在模拟实验当中，当资源有限的情况下，基础条件下就是一定会产生贫富差距，这也是系统对抗熵增的必然表现。这其实也说明，真正个体和群体都能自由发展的世界必要条件一定是物质的无限丰富。
有人开始将这种情况简化成囚徒困境进行研究解决，他们发现，在多轮次的囚徒困境实验中，当我们给实验设置了一个收益分数，得分最高的策略在不同的验证方向比如遗传算法、人因竞赛等情况下，都是一个看起来非常简单的规则——Tit for Tat，以牙还牙、以眼还眼。
说到这里不禁想到半泽直树的金句，以牙还牙、以眼还眼实际上就是自然界甚至人类社会在个体普遍自私的情况下不断迭代进化出的最优策略，这使得群体经常会表现出各种各样无私的行为。具体运作的方式其实和贝叶斯定律很相似，就是
- 友善：策略开始时总是采取合作态度，不会首先背叛对方。
- 报复性：如果遭到对方背叛，策略会进行报复。
- 宽恕：当对方停止背叛时，策略会原谅对方并继续合作。
- 可预见性：策略非常简单，不会有任何意外，所以对方非常容易就能辨识。
我们其实可以从中感受到很强烈的道德感，这也侧面说明，良好的品质本身就是一种优秀的竞争策略，我们应该建立一个鼓励人们涵养良好品质的世界才能实现资源的最大化利用。
对这些规则的研究还直接影响到人工智能也就是ai的构建。既然自然界的系统包括人的大脑都是基于简单规则的通用计算所驱动的，那研究通用计算的简单规则不也能够建立一个真正和人类似的人工智能吗？实际上正是通用计算和其他方式包括贝叶斯定律和遗传算法将计算机的硬件性能充分挖掘出来，人工智能目前已经学会了类比等一系列复杂的类人行为，而这些大部分都建立在对复杂性的研究之上。
要想理解这个构成，我们势必要了解复杂性，在探索的路上我们也势必会发现，并不存在一个主导者来运行复杂性，而是复杂性表现得像是有主导者。蚁群并不存在一个明确的蚂蚁王来指挥蚁群要干什么，自然选择并没有一个上帝来设计能适应环境的生物，人类的大脑里也没有一个能够做决定的意识体，这也就是说，人工智能也不存在一个明确的核心来说自己就是人类，我们只需要找到那个简单的规则，那个通用计算的模样，他不一定基于冯诺依曼式计算机，而更有可能是元胞计算机等非冯诺依曼计算机而产生，这正是激动人心的地方。