諾亞傳說boss刷新時間(為游戲引擎創作資源真的能賺錢嗎？)
諾亞傳說boss刷新時間文章列表:
- 1、為游戲引擎創作資源真的能賺錢嗎？
- 2、奧特銀河格斗3：小金人收集兩件神器，提坦碰瓷諾亞
- 3、從量子到星空：混沌世界的隱藏秩序
- 4、8點1氪 | 新榮耀股東架構浮現；歡聚遭渾水做空后股價暴跌；小米3年投資110家智能裝備公司
- 5、2019格斗世界TOP踢拳排行榜1月
為游戲引擎創作資源真的能賺錢嗎？
每當喬納森·范伊梅澤爾外出度假時，他總是帶著一個與眾不同的行李箱。除了防曬霜、泳褲和護照之外，還會帶上無人機、綠色幕布和錄音設備，因為他經常前往人跡罕至的荒野，去盡可能細致地記錄周圍環境的每個細節。
范伊梅澤爾之所以這樣做，是為了從大自然里尋找靈感，創作下一個可能廣受歡迎的游戲素材，在Unity資源商店里發布。為了制作用于游戲開發的一系列素材，他學會了欣賞自然界的奇妙細節，將其轉化為數字形式，并在這個過程中愛上了戶外美景。“我的眼睛和耳朵必須對新信息時刻保持開放，留意那些很多人也許會覺得特別怪異的東西，這是工作中的一部分。”
過去5年里，范伊梅澤爾一直在為Unity資源商店創作，并以此謀生。
并不是隨便一樣素材都能帶來價值，你還得懂得開發者想要些什么
先說結論：確實能賺錢
Unity資源商店是一個面向Unity用戶的線上商店，提供成千上萬種虛擬的數字商品，其中一部分制作精良，也有一些相對粗糙。在Unity商店，開發者可以找到大量2D或3D模型、腳本、著色器等能夠在游戲開發中派上用場的資源。如果不考慮實際操作難度，天馬行空地發揮想象，你甚至可以將商店內的各種素材混搭起來，創作出一幫“艾爾登法環”式的角色，或是在充滿田園風光的日本街頭漫步的場景。
很少有開發者完全依靠Unity商店內的現成素材來制作游戲——那很可能會被憤怒的玩家指責為“換皮”。但由于各種不同原因，仍然有很多人在使用這些素材。業余愛好者可以利用它們來學習如何使用Unity引擎，職業開發者可以用它們快速構建原型。例如在為獨立游戲《Sable》構建原型時，開發團隊就使用了一艘預先制作的氣墊船和一片沙丘。
有時候，這些素材和工具甚至會成為商業游戲的基石，比如在外星探索冒險游戲《天外來客》（Exo One）的創作過程中，開發者使用了地圖生成器“MapMagic 1”。在公開發行的游戲中，通常不會將這些工具的開發者加入制作人員名單里，不過在“MapMagic 1”的開發者丹尼斯·帕烏洛夫看來，這不算什么問題。“他們已經付錢給我，自然也不必繼續打廣告了。”
地圖生成器可以生成森林、沙漠、雪原、叢林等場景，也可以生成各種類型的生物群落，與地形完美結合在一起
帕烏洛夫和范伊梅澤爾都曾是模組作者，分別為《上古卷軸3：晨風》和《虛幻競技場》制作模組。雖然兩款游戲的類型完全不同，但通過模組制作，他們都深入了解了游戲的核心內容。帕烏洛夫認為，制作的整個過程就好比拆解玩具，看看里面裝了些什么，然后再精確地重新組裝。范伊梅澤爾回憶說，當他在12歲那年“拆開”《虛幻競技場》時，才發現游戲里的天際線僅僅是帶貼圖的幾何平面，并沒有真正的3D建筑模型……那就像是揭開神秘面紗的時刻，讓他意識到電子游戲擅長使用障眼法。
如今，帕烏洛夫、范伊梅澤爾等人正在創作成套的數字工具，幫助下一代游戲開發者簡化游戲開發中的一些繁瑣流程。在Unity資源商店里，這些插件只需要幾美元就可以下載，卻足以幫助開發者解決各種復雜問題。舉個例子，如果開發者使用帕烏洛夫的地形編輯器“Voxeland”，以及范伊梅澤爾的植被生成器“Vegetation Spawner”，就完全可以在宏觀和微觀層面上創作華麗的虛擬景觀，比如高低起伏綿延數英里、草木茂盛的山丘。
當然，制作資源始終是一門生意。范伊梅澤爾說，在荷蘭薩克遜大學學習藝術與科技期間，他曾為一家倉庫打工，被解雇后有了大把的空閑時間，于是投入精力創作效果插件“Stylized Water Shader”。插件發布到Reddit論壇的Unity版塊后，迅速得到了大量反饋。大學畢業后不久，范伊梅澤爾開始專門為Unity商店創作著色器。2021年，僅“Stylized Water 2”就為他帶來了超過3.3萬歐元的收入。
作為一名游戲開發者，帕烏洛夫在2017到2019年期間也利用業余時間為Unity資源商店創作素材和工具，月收入最高時逾5000美元。
“Stylized Water 2”對水的各種仿真效果十分出色，能為開發者節省大量學習成本和時間
諾亞·拉特克利夫是游戲合作社Aesthetician Labs的一員，他在讀大學期間開發了Unity工具“簡易反饋表”（Easy Feedback Form），雖然這是他的個人項目，但迄今為止已經為工作室創收7000多美元。2021年，卡牌策略游戲《邪惡銘刻》的開發者丹尼爾·穆林斯甚至將其加入了制作人員名單……拉特克利夫打趣道：“現在我們手頭也有一份屢獲殊榮的資源了。”
但是，變數也很多……
與社交媒體主播或獨立游戲開發者面臨的情況類似，對制作和售賣資源的開發者來說，這門生意并不那么穩定。他們不僅要拿出足夠吸引潛在用戶的作品，適應市場的潮起潮落，還嚴重依賴于Unity這樣的公司。當用戶在Unity資源商店搜索時，Unity的算法決定了哪些內容會在搜索結果中出現。
3D藝術家布萊登·吉萊斯皮曾花費數周時間來創作“和平機器人”（Peacekeeper Robot）、“末世房屋”（Apocalypse Houses）等讓人眼前一亮的精美素材，但只賣出了一兩份。作為比較，吉萊斯皮只用幾小時就制作出了“農場田野”（Farm Field），下載量卻超過了200，“格瑞普城市套件”（Greeble City Kit）的下載量突破600。
“格瑞普城市套件”主要用來創建科幻或反烏托邦城市，非常適合用作游戲背景或電影場景
吉萊斯皮是從事醫療行業的一位動畫師，將制作Unity資源視為一份副業，但他認為其中的太多變數會影響作品的銷量，這也是他如今不再發布更多資源的原因之一。與游戲本身一樣，Unity資源的成敗并不完全取決于質量。
如果有人想通過創作資源賺錢，他還要考慮另一項因素——Unity的更新頻率。“這不是小問題。”范伊梅澤爾警告說。按照他的說法，開發者需要維護資源，確保它們能在新版引擎內運行，這件事相當耗時費力。另外，Unity在不同硬件上的工作方式可能略有差異，一旦遇到問題，開發者在修復時需要考慮的細節就更多了。
“有些問題很可能出乎你的意料，比如素材在PS5上遇到了某個奇怪故障。你沒有PS5的開發套件，所以當你想方設法修復故障時，只能希望客戶不會耗盡耐心。”
除了創作Unity資源，范伊梅澤爾還曾與一些獨立工作室合作，參與過幾款高口碑游戲的開發，包括安納布爾納互娛發行的《Last Stop》、清新治愈的郵遞員模擬游戲《Lake》等。不過范伊梅澤爾說，至少在可預見的未來，他仍然會將創作Unity資源作為主業。在他看來，如果自己加入某家工作室，也會做同樣的事，卻不可能擁有同等程度的自主權。
范伊梅澤爾主要承擔了游戲《Lake》中景觀、照明、天氣等系統的構建
帕烏洛夫的想法不太一樣。“我將電子游戲視為藝術品，渴望成為一位畫家或雕塑家，而不是刷子工匠。就算大家都使用我的刷子，也不會讓我覺得我變得更像藝術家。”
從某種意義上講，帕烏洛夫制作的工具確實幫助他實現了夢想。在育碧RedLynx前創意總監安蒂·伊爾韋蘇奧的鼓勵下，帕烏洛夫前往這間工作室應聘，后來成為一位技術美術專家。與此同時，范伊梅澤爾則開始嘗試在自己的作品中加入新內容——聲音。為了在競爭激烈的市場上保持領先優勢，他會帶著錄音設備前往世界各地的遙遠角落。
“很多人都會提供環境包，但總是缺少聲音。”范伊梅澤爾說，“聲音是游戲的重要組成部分之一，所以我認為在資源商店里，包含聲音的環境包肯定不缺買家。”
本文編譯自：theverge.com
原文標題：《THE GAME MAKERS WHO FOUND CAREERS AS ASSET STORE CREATORS》
原作者：Lewis Gordon
奧特銀河格斗3：小金人收集兩件神器，提坦碰瓷諾亞
大家好，我是小蜘蛛。
奧特銀河格斗第三季的劇情更新了，現在來看塔爾塔羅斯是在下一盤大棋啊。前面四集的劇情當中塔爾塔羅斯收集惡魔果實復活了超級強大的怪獸古阿大帝。
本來以為小金人準備靠古阿大帝一舉解決掉新生代的，但是沒想到塔爾塔羅斯看都沒看一眼就帶著終極戰斗儀走了，而且之后的托雷基亞和貝利亞明明有機會解決掉這些新生代的，也是一樣沒有動手，看起來實在太詭異了吧。
這樣來看的話召喚出古阿大帝并不是小金人的終極目的，只是用來掩蓋的一個表象罷了。小金人真正在意的應該是武器終極戰斗儀才對。這也是貝利亞曾經的武器，可以操控一百只怪獸的強大道具。
但是以小金人的能力來說的話終極戰斗儀對他應該沒有太大的效果吧，不懂他為什么會執著于這一把武器。而且從后面的劇情可以看出小金人不只是拿到了終極戰斗儀，好友托雷基亞黑化后的面具也是在他的手上，而且被小金人很好地保存了起來。
按理來說的話貝利亞和托雷基亞的極限都是比不上古阿大帝的，而他們的武器為什么能讓小金人那么費心呢？其中肯定是有著什么我們不知道的事情的，所以貝利亞和托雷基亞這兩個人會變成真正的關鍵人物才對。
而小金人回到王國之后很快出現了第三位究極生命體，雖然在之前的劇情當中我們已經見過了，但是這次出場的時候的確還是自帶霸氣的。
為什么呢？這第三位究極生命體提坦竟然想要去找諾亞的麻煩，因為得到了關于諾亞的消息，所以直接就傳送了過去。
不得不說小金人和小金劍兩個人是真的牛啊，一個人敢下令一個人敢執行，上來就是找最強的奧特戰士，宇宙第一道光諾亞奧特曼的麻煩，也不想想自己是什么級別的實力。
但是想來小金人也不可能就這樣直接讓小金劍去送死吧，雖然說小金人是主導但是都是究極生命體按理小金劍的級別也不會低才對。
而且諾亞奧特曼向來都是神龍見首不見尾的，雖然他們得到的消息很可能只是諾亞的小號奈克瑟斯奧特曼。如果只是奈克瑟斯奧特曼的話那以小金劍的實力拿下應該不是太困難的事情吧。
不過這一話大概率也是一個伏筆說不定在第二段的劇情當中諾亞奧特曼就真的會登場了呢？目前的神秘四奧當中雷杰多出現過了，奧特之王也登場了。而賽迦因為賽羅掌握了全新形態的緣故大概率不會出現了，所以就只有一個諾亞了。
但是以諾亞這個秒殺全場的實力來看的話，一旦登場，估計在場的人沒有一個是對手吧，直接就是降維打擊了，對小金人也太不友好了，小金人應該不至于膽子那么大去招惹諾亞吧。
以上就是本期的全部內容了，對此有不同意見的粉絲們也可以留言討論。我是小蜘蛛，一個喜歡聊聊動漫，收集手辦的愛好者，喜歡就關注我吧，我們下期見！文：小蜘蛛
從量子到星空：混沌世界的隱藏秩序
導語
1963年，洛倫茲用蝴蝶效應形象地展現出了混沌的魅力：亞馬遜熱帶雨林中的一只蝴蝶偶爾扇動幾下翅膀，可以在兩周以后引起美國得克薩斯州的一場龍卷風。正所謂“失之毫厘，謬以千里”，混沌理論告訴我們，即使人類掌握了確定性規則，依舊無法擁有預測未來的能力。本文從混沌的天氣預測實驗開始，介紹了混沌理論和實例：從分岔到分形，從樹木、血管這些自然界的實例，到量子混沌再到人類的意識。
關鍵詞：混沌理論，分形，量子混沌，意識
Irfan Bashir, Hamid Rashid Shah | 作者
牛曉杰 | 譯者
梁金 | 審校
鄧一雪 | 編輯
目錄
1. 一個混沌理論的實驗
2. 解釋混沌理論：混沌科學
3. 什么是混沌理論？
4. 混沌斑圖
5. 混沌理論舉例
6. 量子混沌
7. 混沌理論與意識
在60年前一個寒冷的冬天，愛德華·洛倫茲正在他的電腦上進行一個天氣模式模擬的實驗。在輸入了一些數字之后，他出去喝了杯咖啡。等到他10分鐘后再次回來的時候，發現一些古怪的結果。由此他發現了后來著名的混沌理論——一個將永遠改變科學的發現！
他的電腦模型是12個變量的組合，每一個變量代表天氣的一個方面，諸如溫度和風速。洛倫茲當時正在重復他之前的模擬。然而，當洛倫茲把他程序里的變量從0.506127四舍五入成0.506時，未來兩個月的整個天氣預測模式都完全改變了。在正常參數下，給定相同的起點，天氣每次都會以相同的模式展開。而給定一個稍微不同的起點，天氣應該以稍微不同的模式展開。四舍五入造成的誤差肯定是微不足道的，它不應該造成什么大規模的影響。
在那個時期，科學的假設是，只要了解物理定律和系統的初始條件，就可以計算出一個封閉系統的大致行為。科學思維是，另一個星球上樹葉的掉落不會影響到地球上臺球的運動。人們相信，小的變化不會造成大的影響。法國數學家皮埃爾-西蒙·拉普拉斯（Pierre-Simon Laplace）在1814年出版的《概率哲學論文》（ ）中說，如果我們知道宇宙目前的一切，那么“沒有什么是不確定的，未來就像過去一樣，會毫無保留的呈現在‘我們’眼前”。
但是，在洛倫茲的特殊微分方程系統中，隨著時間的推移，小的錯誤會造成深不可測的變化。這些問題凝視著他，但他并沒有答案。是否簡單的模型可以產生顯著的隨機性？是否在一個系統中的簡單模型會在另一個系統產生復雜性？是否隨機性并不是模糊測量的副產品，而是一種常態？是否混沌并不是人類觀察局限性的結果，而就是自然的底層法則？
圖.運行了兩個月的兩個模擬天氣斑圖
這個出乎意料的結果使洛倫茲意識到，小的改變可以造成大的影響——這是對自然運轉方式的強有力洞察。這個想法被稱為“蝴蝶效應”。混沌效應或者蝴蝶效應就是用來表述“小的改變導致整個混沌系統重大變化”的觀點。蝴蝶效應這個術語是洛倫茲提出的，他假設一只遠處的蝴蝶拍打翅膀的行為可以引起一系列的復雜事件，最終導致其他地方的一場龍卷風。洛倫茲意識到，對初始條件的敏感性是導致非周期性行為的原因。這種效應后來獲得了一個專有名詞：初始條件依賴敏感性。然而，看一下民間傳說就會發現，古代的詩人已經知道并回答了什么是混沌理論：
“因為少了一顆馬蹄釘，而丟了一個馬蹄鐵。
因為丟了一個馬蹄鐵，而少了一匹戰馬。
因為少了一匹戰馬，而缺了一個騎兵。
因為缺了一個騎兵，而輸了一場戰役。
因為輸了一場戰役，而滅亡了整個國家。”
2.解釋混沌理論：混沌科學
正如詹姆斯·格雷克（James Gleick）在他的書《混沌》（）中所說，“在混沌開始的地方，經典科學就止步了。只要世界上有物理學家在試圖探究自然規律，TA就會在面對大氣中的無序狀態、動蕩的海洋、野生動物種群的波動、心臟和大腦的振蕩時感到特別的無知。自然界有其不規則、不連續和不穩定的一面。”
混沌科學孕育了自己的語言，包括分形、湍流、周期性、分岔、奇異吸引子、蝴蝶效應和敏感依賴等詞匯。這些詞代表了一個規則不同的世界——事物分支成奇怪的結構，遵循一種可以知道但不可能精確量化和預測的斑圖和周期性。如果通過時空連續體的棱鏡來參考，那么這個混沌世界的一切就好像是折回自身，同時成為未來和過去——它從自身汲取其周期性。混沌不是對秩序的拒絕，而是秩序的自然表達。
混沌科學似乎可以回答一些人類苦苦追尋的最基本問題。生命是如何開始的？什么是湍流？最重要的是，在一個創造更多無序的熵支配的宇宙中，秩序如何產生？以及古老的科學問題：微觀世界如何將自己編織進宏觀世界。孤立地研究一個原子或神經元時，其行為方式是一樣的，但數十億個原子和神經元的行為方式卻完全不同。這是一門解開周期性和不可預測性之間聯系的科學。
混沌的核心是對非線性的研究，這意味著玩游戲的行為有可能改變規則本身。非線性使得對非線性事物的理解變得困難，因為不同變量之間存在錯綜復雜的變化性，從而創造了豐富而復雜的行為。例如，人們不能給摩擦力定義一個恒定的重要性，因為它的重要性取決于速度，而速度又取決于摩擦力。因此，量化非線性就像解一個魔方，每次移動它時顏色都會改變。
讓我們考慮一些最常見的日常例子：
3.1 預測天氣
過去兩個世紀技術發生了重大變革，短期內的天氣預測水平已經大大提升。但是長期天氣預測仍然是棘手的問題。大部分現代天氣預測模型，甚至是人工智能驅動的模型，都是通過分布在10-200公里范圍內的地理監測點的網格進行預測。為了確定天氣，氣象學家使用一系列微分方程來分析原始數據，其中包括露水強度、溫度、風、壓力以及其他變量。但是地面站和衛星不能觀察到所有的東西，因此對于一些起始數據，例如水分，必須通過猜測給定數值。大多數情況下，這種猜測是可靠的。
但是，假設我們能夠將設備升級到足夠精確的水平，并且用間隔僅幾英尺的傳感器覆蓋整個地球；假設每個傳感器都能給出氣象學家想要觀察的完全準確的讀數；假設一臺由人工智能驅動的量子計算機能夠接收所有這些讀數，并計算出以分鐘為間隔的天氣模式。那會發生什么？如果以上所有假設成立，我們是否能夠絕對準確地預測天氣？
我們將觀察到的是，我們仍然無法預測特定地點或長期的天氣模式。傳感器之間的空間將隱藏微觀波動——它一直延伸到量子范圍，但是計算機并不知道。這些其實只是相比于平均水平的微小偏差。但在幾分鐘內，這些波動已經在幾英尺外造成了微小的錯誤。很快，乘數效應（Multiplier Effect）將隨之而來，錯誤將累計，甚至會擴展到10英尺的距離范圍。因此，這使得人們不可能絕對準確地預測天氣。
3.2 一杯熱咖啡與混沌
熱液體是受混沌法則支配的許多流體力學過程之一。以一杯簡單的咖啡為例，我們怎樣才能計算出一杯咖啡究竟會以怎樣的速度冷卻下來？如果咖啡只是熱的，它的熱量會在沒有任何流體力學運動的情況下耗散，因此不會產生湍流。但是如果溫度上升到咖啡開始沸騰，會發生什么？
如果你仔細觀察過一杯熱咖啡，會立即注意到在飲料表面有一條暗線勾勒出的土灰色漩渦區域。這些旋轉的斑圖被稱為對流單元。它標志著熱咖啡上升到表面，而稍微冷卻的咖啡被引力拉向底部的區域。對流是一種常見的過程，當較熱的空氣或液體位于較冷的下層時就會發生。這就是咖啡杯中發生的情況：上面的咖啡因蒸發而冷卻，隨著冷卻也變得更重，被重力拉下底部。同時，底部的咖啡中較熱的部分上升到頂部以取代它。
漩渦可能很復雜。但最終我們能夠知道這個系統會變成什么。隨著熱量的進一步消散，同時摩擦使移動的液體變慢，杯中咖啡的內部運動肯定會停止。洛倫茲在評論這一現象時曾說："我們可能難以提前一分鐘預測咖啡的溫度，但提前一小時預測它應該沒有什么困難。“
根據教科書上的對流模型，熱的底部和冷的頂部之間的溫度差控制著系統的流動。簡單地說，熱量向頂部移動，但并不干擾液體保持靜止的趨勢。
然而，當開始加熱時可以觀察到，隨著液體變得更熱，它的體積擴大，密度降低，使其輕到足以克服摩擦并向表面上升。但如果熱量進一步增加，液體的行為會變得更加復雜。卷動的液體開始搖晃，為湍流的形成做準備。
因此，一個看似穩定的系統，當面對微小的變化時，如加熱僅0.001度，就可以在幾秒鐘內從有序對流過渡到湍流混沌——即使這種系統是確定性的，它的最終結果可以預測。然而，在短期內，系統的確定性趨勢必須向混沌讓步，使得諸如“一杯咖啡的溫度”這樣簡單的事情無法預測。這樣的系統被稱為遵循確定性的混沌，其行為原則上是可以被預測的，但“隨著時間的推移”或在更小的“時間”尺度，其不可預知性會出現。
自然界中的混沌斑圖就在我們身邊。這些斑圖包括但不限于流體中的分形和湍流，螺旋形或者二維曼德布洛特集合形，或像洋蔥中的嵌套層那樣普遍的事物。
自然界中的混沌是一項迷人的研究。從最小的雪花到龐大的星系，它的每一點、每個聲音和景象都在訴說著自己的故事。這不禁令人著迷，因為它有如此多的層次可以探索！從由不同材料組成的建筑結構（如磚或玻璃）內的音樂回聲，一直到諸如包含后代遺傳信息 DNA 的細胞等更小的結構，混沌無處不在。
大自然是一幅用秩序和混沌的圖案編織的毯子。讓我們探索其中的一些斑圖。
4.1 洛倫茲系統：混沌理論中的蝴蝶效應和奇異吸引子
在洛倫茲觀察到天氣模式對初始條件的敏感依賴后，他對混沌背后的數學產生了濃厚的興趣，并由此發現了著名的洛倫茲方程。1963年3月，洛倫茲寫道，他想引入求解確定性非周期流和有限幅度對流（確定性混沌）的常微分方程。洛倫茲發現，當將傅立葉級數應用于瑞利的對流方程時，除了三個變量外，其他變量都趨于零。這三個變量表現出不規則的、明顯的非周期效應。他利用這些變量構建了一個基于地球大氣二維表示的簡單模型。
他提出了一組對流微分方程，并將其簡化到極致。盡管洛倫茲系統沒有完全模擬對流，但它能夠抽象出現實世界中對流的一個特征：熱流體上升并向四處流動的循環運動過程。
洛倫茲方程如下：
dx/dt = X’ = σ(y ? x)
dy/dt = Y’ = ρx ? y ? xz
dz/dt = Z’ = xy ? βz
洛侖茲方程包含三個參數：σ， ρ， β。接下來，我們均假設這些參數都是正的。在下面所有的數值計算中，我們取 σ = 10.0， β = 8/3，ρ 是變量。這里 x、y、z 并不是指空間中的坐標。x代表平面上的對流翻轉，y和z分別代表水平和垂直的溫度變化。該模型的參數為σ，代表流體粘度與其熱導率之比；ρ 代表大氣平面頂部與底部的溫差；β 代表平面的寬度與高度之比。
洛倫茲的電腦記錄下三個變量的變化值：0-10-0；4-12-0；9-20-0；16-36-2；30-66-7；54-115-24；93-192-74。隨著預設時間間隔的推移，這三個數字先上升后下降。洛倫茲用每組的 xyz 值作為坐標繪制數據圖。這副圖顯示了當一個變量經歷有限時間內的變化時，混沌系統如何隨時間變化。過去對系統的傳統預期是，它要么會穩定下來，進入一個穩態，速度和溫度的變量將不再變化；要么可能會形成一個循環，進入一種周期性重復的行為模式。而這兩者都沒有在洛倫茲系統里出現。
洛倫茲系統
這幅圖形成了一種無限復雜的感覺，同時包含了混沌和秩序。它總是在一定的范圍內運轉，但與此同時，它從不重復自己曾經出現過的狀態。生成的混沌系統可預測地朝著相空間中的吸引子移動——但出現的不是點或簡單的環，而是奇異吸引子。奇異吸引子是混沌系統在特定相空間中的一種表現，但吸引子也存在于許多非混沌的動力系統中。
它的形狀看起來像個三維的雙螺旋，看起來像一只蝴蝶。因此被稱為蝴蝶效應。
洛倫茲吸引子（蝴蝶效應）微分方程在 Java 中的示例實現：
int i = 0;
double x0, y0, z0, x1, y1, z1;
double h = 0.01, a = 10.0, b = 28.0, c = 8.0 / 3.0;
x0 = 0.1;
y0 = 0;
z0 = 0;
for (i = 0; i < N; i ) {
x1 = x0 h * a * (y0 – x0);
y1 = y0 h * (x0 * (b – z0) – y0);
z1 = z0 h * (x0 * y0 – c * z0);
x0 = x1;
y0 = y1;
z0 = z1;
// Printing the coordinates
if (i > 100)
System.out.println(i ” ” x0 ” ” y0 ” ” z0);
}
洛倫茲微分方程組證明了混沌中隱藏著秩序。這種混沌本身并不能簡化為隨機性。混沌的核心終于可以被數學的詩意語言表達了。混沌背后的數學理論表明，宇宙是由復雜的系統控制的，這些系統同時產生了湍流和相干——無論是木星的大紅斑還是物種種群。蝴蝶效應就是混沌的體現。
4.2 費根鮑姆常數和混沌理論
事實上，理解混沌理論最好的方法之一就是觀察動物種群。假設方程 x_next = rx (1-x) 代表種群的增長。在這里，x_next 表示下一年的種群數量，x 表示現有年份的種群數量；r 表示增長率，(1-x)表示使增長保持在一定范圍內的因素：當 x 增加時，(1-x) 下降。在這里，種群數量被表示為0到1之間的一個分數，其中0代表滅絕，1代表物種可能達到的最大種群數量。如果種群數量在一年內下降到某一水平以下，那么明年就有可能增加。但是，如果種群數量增長過快，物種內部對資源的競爭就會趨向于將其限制在一定范圍內。
經過多次初始波動后，總體將達到平衡。當r值很小時，種群逐漸滅絕。對于較大的r值，總體可能收斂于單個值。對于更大的值，它可能在兩個值之間波動，然后是四個值，以此類推。但對于更大的值，一切都變得不可預測。代表種群函數的線，最初是單一的，然后分裂成兩個、四個...... 然后進入混沌。這種情況的種群數量-r曲線產生了有趣的結果。
當r在0和1之間時，種群最終滅絕。在 r = 1 到 r = 3 之間，種群數量收斂到單一值。在r = 3.2左右時，圖分叉（分成兩個），因為在r的這個值處，種群數量不收斂于單個值，而是在兩個值之間波動。r值越大，分岔速度越快；在連續的周期翻倍之后，圖像很快變得混沌。這意味著，對于r的相應值，種群數量在隨機值之間不可預測地波動，從不表現出周期性行為。然而，仔細觀察會發現，在混沌部分之間的某些點時，圖會變得可預測。這些可以被稱為“混沌中的秩序之窗”。在最初的混沌行為之后，混沌突然消失，留下一個穩定的三周期。然后繼續加倍——6, 12, 24，再次進入混沌狀態…...圖中的混沌行為實際上是分形的。它展示了在植物和動物種群調節的簡單模型中固有的非線性如何導致混沌的行為。
超過某一點，周期性就會讓位給混沌，波動根本就不會穩定下來。圖中的整個區域都被完全遮住了。如果你繼續觀察一個由這種最簡單的非線性方程組支配的動物種群，你會發現，復雜性被隱藏為隨機性。然而，復雜性并不意味著隨機性。對于動物種群數量的每一個瘋狂的、不可控的變化，我們觀察到有一連串的事件年復一年地出現。即使參數在上升，這意味著非線性推動系統越來越難，但會突然出現一個具有固定周期的窗口：一個奇數周期，如3或7。種群數量變化的模式在3年或7年的周期中重復出現。然后，周期加倍的分叉以更快的速度重新開始，迅速通過3、6、12......或7、14、28......的周期，然后再次中斷，重新進入混沌。
種群分岔圖
放大后可以看到，上圖中的混沌部分無休止地重復著同樣的模式。分形是永無止境的。分形是無限復雜的斑圖，在不同的尺度上具有自相似性。它們是通過在一個持續的反饋循環中不斷重復一個簡單的過程而產生的。從本質上講，分形是一種永遠重復的斑圖，分形的每一部分，無論你如何放大，或縮小，它看起來都與整個圖像非常相似。在遞歸的驅動下，分形是動態混沌系統的圖像——它是混沌的圖片。正如詹姆斯·格雷克（James Gleick）所說，"這是一種看待無限的方式"。
經過調查，數學家米歇爾·費根鮑姆（Mitchell Feigenbaum）發現，當他用每個分岔段的寬度除以下一個分岔段的寬度時，它們的比率會收斂到一個常數，被稱為費根鮑姆常數，即4.6692016090。對于所有的分叉圖，無論他使用什么函數，這個數字都是一樣的。尺度是關鍵。費根鮑姆認為，（跨越不同范圍的）尺度是理解湍流等復雜現象的關鍵。費根鮑姆提出了一種稱為周期倍增的情況來描述規則動力學和混沌之間的轉變。他的建議是基于1976年生物學家羅伯特·M·梅（Robert M. May）提出的 logistic 映射，梅在研究動物種群的繁榮與蕭條模式時發現了分岔。
隨著時間的推移，復雜性的規則也被證明是普遍的，并適用于所有的動力系統，不管它們的組成部分是什么。這種行為可以通過一個簡單的系統觀察到，比如水龍頭滴水。最初，水會一滴一滴地落下。隨著水流的加速，它會成對地滴落，以此類推，然后它遵循一種混沌的行為。這種類型的行為適用于無數的混沌系統——從滴水到異常復雜的曼德布洛特集合。混沌無處不在。
4.3 曼德布洛特集合和混沌理論
出生于波蘭的法裔美國人伯努瓦·曼德布洛特（Benoit Mandelbrot）是一位對實用科學有廣泛興趣的博學者。現在人們對分形幾何的興趣很大部分是他的功勞。他展示了分形如何在數學和自然界中呈現。事實上，分形已經被用來描述經濟、金融、股票市場、天文學和計算機科學的各種行為。他在分形幾何學上的貢獻為他贏得了“分形之父”的稱號。
1961年，曼德布洛特在美國紐約州約克城高地托馬斯·J·沃森研究中心擔任研究科學家。作為一名尚未找到自己專業定位的年輕聰明學者，曼德布洛特正是那種IBM招聘時所渴求的特立獨行的知識分子。招聘任務很簡單：IBM參與了通過電話線傳輸計算機數據的工作，但一種白噪聲不斷干擾信息流，破壞信號。IBM希望曼德布洛特能對這個問題提供一個新的視角。
從孩提時代起，曼德布洛特就習慣在視覺層面思考問題，所以他沒有使用現成的分析技術，而是本能地從白噪聲產生的形狀角度來研究它——這是IBM當今著名的數據可視化實踐的早期形式。湍流的曲線圖很快揭示了一個奇特的特征。無論圖表的規模如何，無論它代表的是一天、一小時或一秒的數據，干擾的模式都驚人地相似。有一個更大的結構在起作用：一段時間的無誤信號，緊接著就是一段時間的錯誤信號。曼德布洛特發現了誤差爆發和清晰傳輸空間之間一致的幾何關系。傳輸誤差就像時間排列的康托集（Cantor set）。他將這種變化分為兩種效應，他稱之為“諾亞效應”和“約瑟效應”。
康托集
諾亞效應意味著不連續性：當一個數量發生變化時，它幾乎可以任意地快速變化。經濟學家們傳統上認為，價格的變化是平穩的——快速或緩慢，視情況而定。但平穩的意思是，它們在從一個點到另一個點的過程中經過了所有的中間水平。這種運動的概念是從物理學中借來的，就像應用于經濟學的許多數學一樣。但這是錯誤的。價格的變化可以是瞬間的跳躍，就像一條消息在電傳電報上閃現和一千個股票經紀人可以改變他們的主意一樣迅速。曼德布洛特認為，如果假定股票在從60美元跌至10美元過程中的某一時刻必須以50美元的價格出售，那么這條股市策略注定要失敗。
約瑟效應意味著持續性。埃及遍地必來七個大豐年，隨后又要來七個荒年。當然如果《圣經》用它來隱喻周期性的話是過于簡化的。但洪水和干旱確實持續存在。盡管存在潛在的隨機性，但一個地方遭受干旱的時間越長，它就越有可能遭受更長時間的干旱。此外，對尼羅河的數學分析表明，這種持久性持續了幾個世紀，甚至幾十年。諾亞效應和約瑟夫效應推動著不同的方向，但它們加起來就是：自然界的趨勢是真實存在的，但它們來的快去的也快。
曼德布洛特后來將注意力轉向測量海岸線。英國的海岸有多長？根據曼德布洛特的說法，答案取決于人們使用的尺子。據他說，海岸線無限長。一幅圖畫在他的腦海中形成，但它是朦朧的。微觀世界和宏觀世界之間有一種斑圖聯系。當從上面放大或縮小時，巖石海岸的粗糙程度看起來是一樣的。曼德布洛特逐漸認識到，大自然傾向于在不同的測量維度上重復它的模式。
1945年，曼德布洛特的叔叔向他介紹了朱利亞（Julia）1918年的重要論文，認為這是一篇杰作，可以延伸出許多有趣的問題，但曼德布洛特并不喜歡它。事實上，他對他叔叔提出的建議十分抗拒，因為他覺得自己對數學的整個態度與他叔叔的態度是完全不同的。相反，曼德布洛特選擇了屬于他自己的非常不同的學術路線，然而，這條路線又讓他回到了朱利亞的論文。
在加斯頓·朱利亞（Gaston Julia）和皮埃爾·法圖（Pierre Fatou）之前的工作基礎上，曼德布洛特使用計算機繪制朱利亞集的圖像。通過研究這些朱利亞集的拓撲結構、棉花價格的模式、電子傳輸噪音的頻率和河流洪水的重復，曼德布洛特認識到，自然系統中的不規則模式有一種自我相似性。存在一種跨越尺度的對稱性——斑圖中還有斑圖。
曼德布洛特在加斯頓·朱利亞的工作基礎上進行研究。朱利亞集分形通常是通過初始化一個復數 z = x yi 產生的，其中x和y是圖像像素坐標，范圍約為-2至2。經過無數次的迭代，如果z小于2，我們就說這個像素是在朱利亞集里，并相應地給它上色。對整個像素網格進行這樣的計算就可以得到一個分形圖像。
曼德布洛特將c的值設置為 x yi，其中x和y是圖像坐標（也用于初始z值）。這就產生了曼德布洛特集合。曼德布洛特集合可以被認為是所有朱利亞集合的映射，因為它在每個位置使用不同的c，就好像在空間中從一個朱利亞集合轉換到另一個朱利亞集合。結果是一個形狀笨拙的蟲子一樣的結構，至少可以說，這是令人困惑的。更重要的是，每一個小版本都比上一個版本包含了更多復雜的細節。這些結構并不完全相同，但總體形狀驚人地相似，只是細節不同。事實證明，這些細節的具體程度只受限于計算方程的機器的能力，而類似的形狀可以永遠持續下去——在無限的尺度上揭示越來越多的細節。這是一個確定的幾何形狀，它的粗糙度是有規則和參數的，但它是一種先前未被科學界所識別的幾何形式。
曼德布洛特集合
曼德布洛特于1979年提出了曼德布洛特集。1982年，曼德布洛特在《自然界的分形幾何》中擴展并更新了他的觀點。在這本書中，曼德布洛特強調了自然界中許多分形物體的出現。他舉的最基本的例子是一棵樹。他指出，從樹干到樹枝等樹的每個部分都非常相似，但也有細微的差異，這為整棵樹的內部運作提供了越來越多的細節、復雜性和洞察力。忠實于他的學術根源，曼德布洛特基于這些自然實例提出了健全的數學理論和系統，他新創造的“分形幾何”就是基于此。
5.混沌理論舉例
分形斑圖無處不在：在數學、工業、股票市場、氣候科學、星系、樹木，甚至在電影和游戲中也有分形的存在。事實上，多分形圖案已經在量子領域被發現——在掃描隧道顯微鏡的原子級分辨率下，材料從金屬向絕緣體的突變中，與單電子相關的波呈現了明顯的多分形圖案。讓我們來看看我們在自然界發現的一些最令人驚訝的混沌模式。
5.1 木星上的大紅斑
木星的紅斑是混沌研究中的一件藝術品。大紅斑是木星南半球的一場風暴，它的紅色云層以逆時針方向旋轉，風速超過地球上的任何風暴。地球上的颶風是由水分凝結成雨時釋放的熱量驅動的，但紅斑并不是。地球上的颶風以氣旋方向旋轉，在赤道上方逆時針旋轉，在赤道下方順時針旋轉，就像所有地球上的風暴一樣。相比之下，紅斑的旋轉是反氣旋的。而且最重要的是，颶風在幾天內就會消亡。但自1831年9月5日以來，人們一直能觀察到大紅斑。這個斑點是一個受湍流調節的自組織系統，混沌中穩定的矛盾組合創造了這個強大的風暴，這似乎沒有盡頭。
木星大紅斑
5.2 人體
從主動脈到毛細血管，人體的血管形成了另一種連續體：它們分支，分裂，再分支，直到變得非常狹窄，以至于血細胞被迫單列移動。它們分支的本質是分形的。
肺是自然分形器官的一個極好的例子。一對人類肺的體積只有4-6升，但其表面積卻能達到在50-100平方米。肺的表面積與容積比非常高，它對人體非常重要。是肺的分形結構使其具有這樣的特征，從氣管到分支頂端的肺泡一共有11個分支。分形分支幾何提供了一種使非常大的表面積變得非常緊湊的方法。在這種情況下，身體里的每個細胞都必須非常靠近血管才能獲得氧氣和營養（100微米以內）。血管的分形分支系統可以達到直徑約為8微米的程度，這也就是毛細血管的寬度。人體的血管長度可達15萬公里左右，因為人體組織每毫米約有250個毛細血管，而毛細血管的平均長度約為600微米。
同樣地，大腦的神經元也擁有分形模式。人腦由大約1000億個神經元組成，這些神經元之間有大約100萬億個突觸或連接，平均每個神經元可能要在同一時間與大約1000個細胞溝通。軸突伸出來與其他神經元的樹突進行突觸連接。正是神經元的軸突和樹突的分形分支模式使它們能夠與如此多的其他細胞交流。
事實上，癌癥物質的分形維度要高于健康細胞的分形維度。喬治·華盛頓大學數學和工程系兼職教授艾倫·彭（Alan Penn）描述了他在這一領域的工作：核磁共振乳腺成像可能改善對400萬名乳房X光檢查無效的高危婦女的診斷。核磁共振成像的臨床應用的困境是難以診斷哪些腫塊是良性的，哪些是惡性的。研究的重點是開發強大的分形維度估計，這將改善良性和惡性乳房腫塊之間的區分。
自然界中所有動物的身體結構都是分形的，它們的行為甚至時間也是分形的。我們的心跳看起來規律而有節奏，但當仔細觀察計時結構時，就會發現它有非常輕微的分形。這非常重要：我們的心跳并不是規律的，而是有重要的微小變化。這種細微的變化大大減少了心臟的磨損。就像自相似樹的樹枝一樣，健康人的心跳在統計上也是自相似的。此外，心臟病可以通過極端和無節奏的分形行為來檢測。
5.3 自然界中的分形
分形圖案在大自然中隨處可見。樹木是天然的分形斑圖，這些斑圖重復著越來越小的“復制品”，創造了森林的生物多樣性。每根樹枝，從樹干到樹梢，都是之前那根樹枝的副本。這是一個基本原則，我們在自然界整個自然系統的有機生命形式的分形結構中會反復看到。
花朵、蕨類植物、樹葉、河道、閃電、雪花是自然界分形的一些例子。Romanesco Broccoli 是花椰菜的變種，是一種極具分形的蔬菜。它的斑圖是斐波那契數列或黃金螺旋的自然表示，這是一種對數螺旋，每四分之一轉距離原點的距離都是黃金比例的一個因數。
斐波那契數列是自然界中常見而美麗的數字模式，它創造了黃金比例。蕨類植物是自相似集合的一個常見例子，這意味著它們的模式可以在任何放大或縮小的情況下用數學方法生成和復制。描述蕨類植物的數學公式以邁克爾·巴恩斯利（Michael Barnsley）的名字命名，是第一個表明混沌本質上不可預測、但通常遵循基于非線性迭代方程的確定性規則的數學公式之一。換句話說，使用Barnsley的蕨類公式反復生成的隨機數最終產生了一個獨特的蕨類形狀的物體。許多植物在生成分枝形狀和葉型時遵循簡單的遞歸公式。
各種分形的例子
河流三角洲在本質上也趨向于分形；即使在天空中，基于衛星圖片的分析也表明，從數百英里外觀測到的云具有不變的分形維數；閃電不是直線傳播的，而是遵循混沌的行為。閃電可以非常大，跨越數英里，但它在微秒內就可以形成；雷聲是分形的聲音，是由空氣過熱引起的。因為閃電的路徑在3D空間中是一個鋸齒形的分形，它到達我們耳朵所需的時間是不同的，因此我們聽到的聲音是一個分形模式。
星系是已知的最大的螺旋分形中例子。一個螺旋星系可能包含一萬億顆恒星。旋臂并不包含更多的恒星，但是，旋臂仍然更亮，因為它們包含許多由恒星形成的旋轉螺旋波形成的生命短暫的極亮恒星。恒星形成的波之所以可見，是因為它們包含許多年輕的、非常明亮的恒星，它們的壽命很短，可能只有1000萬年，而相比之下，更常見的恒星，如我們的太陽，壽命可達數十億年。
6.量子混沌
“我們在日常生活中所經歷的宏觀世界是如何從肉眼看不見的微觀世界中顯現出來的？”這個問題，和科學本身一樣古老。在過去的100年里，理解支配“宏觀世界的經典力學是如何從支配微觀世界的量子力學中衍生出來的”這一命題變得越來越重要。雖然科學界已經取得了巨大的進步，但仍然存在許多令人困惑的問題。混沌的出現很可能是量子世界和現實世界之間的共同連接。
量子混沌研究的核心目標是描述量子系統的普遍特性，這些特性反映了基礎經典動力學的規則或混沌特征。研究人員已經觀察到，經典混沌的后一種普遍屬性與量子混沌的普遍光譜波動特征密切相關。
量子混沌最初是試圖在量子力學系統中找到混沌，即對初始條件變化的極端敏感性。這一嘗試失敗了，因為人們最終意識到，這種敏感性并不存在。然而，在此過程中，人們發現混沌（或缺乏混沌）以其他方式反映在量子系統中。
量子混沌的一個迷人特征是，它揭示了非常不同的物理系統在行為上的大量普遍性。例如，在強多重散射問題中發現的聲波強度、被稱為瑞利分布（Rayleigh）的概率密度、中子從中重核散射的截面中的埃里克森波動、以及在混沌或無序的量子點中發現的電導率波動，都可以被視為擁有一個共同的基本統計結構。因此，人們能夠看到系統之間的基本相似之處，否則這些往往會被忽略。普遍性意味著對一個系統的統計特性的許多方面缺乏敏感性，即缺乏某些種類的信息。此外，量子混沌把許多不相干的、看似不相干的概念，即經典混沌、半經典物理學和漸進方法、隨機矩陣組合、路徑積分、量子場論、安德森局域性，以意想不到的方式聯系起來。
因此，看到量子混沌在許多領域的應用就不足為奇了。這些領域包括：（1）中核和重核中的低能質子和中子共振；（2）彈道量子點；（3）介觀無序電子導體；（4）非阿貝爾規范場背景下的Dirac譜；（5）原子和分子光譜；（6）里德堡原子與分子；（7）微波驅動原子；（8）超冷原子和光學晶格；（9）光學諧振器；（10）晶體中的聲學和在海洋中遠距離傳播的聲學；（11）黎曼ζ函數和廣義L-函數；（12）退相干性和保真度研究。還有很多其他的例子。
7.混沌理論與意識
意識是一種涌現屬性。正如神經科學家 David Eagleman 在他的書《大腦：你的故事》中解釋的那樣，觀察意識最合適的方式不是關注各個部分，而是關注各個部分之間的相互作用。人類大腦中數百萬個神經元中的一個神經元本身就足夠簡單。它以一種完美的、可預測的方式執行其功能，即神經遞質通過突觸發送信號。通過觀察單個神經元來理解作為一個系統的意識是不可能的。重要的是神經元之間復雜的相互作用。每個神經元執行自己的簡單功能；但是，在數百萬個神經元之間的這種大規模的相互作用，產生了單個神經元無法解釋的東西：意識。
我們可以說，意識與人類大腦中分布式互動的復雜性有關。人腦的功能結構本身就是一個分形反饋循環：分形大腦產生分形意識。人類的意識與中樞神經系統的電信號密切相關。如果大腦中沒有電活動，你就會失去意識，甚至死亡。當意識出現時，大腦活動的熵會增加，而分形是高熵的，這也是一些研究人員認為我們的意識是分形的原因之一。其次，我們的中樞神經系統控制著我們身體和精神的大部分功能，它與分形有很多聯系：第一，中樞神經系統的結構是分形的；第二，中樞神經系統的信號也是分形的。
哲學家 Kerri Welch 通過時間和記憶的鏡頭，以更全面的方式看待意識。“我認為意識是一個時間上的分形。我們每時每刻都在接收無限多的數據，每次我們壓縮處理這些數據的過程都是一次尺度上的飛躍。”Welch認為，感知時間不是一個線性的過程，而是一個“分層”過程，也就是一個分形。她認為這種“分形”會隨著我們的變化而變化：例如，嬰兒只生活在當下，不分割時間，肯定不會像成年人這般體驗時間。這就是為什么對嬰兒來說，大腦的δ波狀態——類似于成年人在深度睡眠中看到的——占主導地位。隨后，當我們成長到童年時期，我們開始看到更快的腦電波，θ腦電波……然后是α腦電波，最后是進入青春期后的β腦電波。這種對時間的分層理解與我們如何越來越多地將時間分割成越來越小的部分相對應。與此同時，“我們內部的密度也在增加。隨著年齡的增長，我們會發生轉變，接受周圍的復雜性，并在內心重新創造它。我們內部的分形維數——即內部密度——正在增加。”
哈佛大學醫學院的心臟病專家 Ary Goldberger 說得好：“我們本質上是分形的，這可能會導致你認為是我們將分形投射到世界上的，然后又看到它，并發現它很熟悉。”所以，當我們觀察和創造藝術，當我們決定什么是高級藝術時，我們實際上只是在回看我們自己嗎？創造在某種程度上是再創造嗎？”
本文翻譯自 projectnile.in.
文章題目：
The Mathematical Beauty of Patterns in Chaos Theory
文章鏈接：
https://projectnile.in/2021/06/06/quantifying-the-patterns-of-chaos/
參考文獻
1. https://www.popsci.com/story/science/predicting-weather-is-hard/
2. https://www.technologyreview.com/2011/02/22/196987/when-the-butterfly-effect-took-flight/
3. https://eapsweb.mit.edu/research/Lorenz/Deterministic_63.pdf
4. https://indianapublicmedia.org/amomentofscience/coffee-cup-convection.php
5. https://fs.blog/2017/08/the-butterfly-effect/
6. http://www2.me.rochester.edu/courses/ME406/webexamp5/loreq.pdf
7. http://links.uwaterloo.ca/pmath370w14/PMATH370/lorenz Latex.pdf
8. https://www.geeksforgeeks.org/creative-programming-processing-set-2-lorenz-attractor/
9. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3202497/
10. https://fractalfoundation.org/resources/what-are-fractals/
11. https://www.nature.com/articles/s42003-019-0715-9
12. https://iternal.us/what-is-a-fractal/
13. https://www.britannica.com/science/fractal
14. https://www.britannica.com/biography/Gaston-Maurice-Julia
15. https://www.api.simply.science/index.php/fractals-in-nature/10479-fractals-in-human-body
16. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5218578/
17. http://www.fractal.org/Life-Science-Technology/Publications/Fractals-and-Human-Biology.pdf
18. https://www.diygenius.com/fractals-in-nature/
19. https://cosmosmagazine.com/mathematics/fractals-in-nature/
20. https://www.ibm.com/ibm/history/ibm100/us/en/icons/fractal/
21. https://en.wikipedia.org/wiki/Benoit_Mandelbrot
22. https://mathshistory.st-andrews.ac.uk/Biographies/Mandelbrot/
23. https://www.treehugger.com/amazing-fractals-found-in-nature-4868776
24. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4005797/
25. https://nautil.us/issue/47/consciousness/is-consciousness-fractal
26. https://fractal.institute/encyclopedia/humanity/psychology/consciousness/
27. https://digitalcommons.ciis.edu/cgi/viewcontent.cgi?article=1043&context=cejournal
28. https://fractalenlightenment.com/18838/fractals/understanding-the-fractal-mind-and-fractal-consciousness
29. https://www.sciencedirect.com/science/article/abs/pii/S0169260718314263
30. https://ysjournal.com/chaos-theory-and-consciousness/
31. https://www.nasa.gov/image-feature/jpl/jupiter-s-great-red-spot-a-rose-by-any-other-name
32. https://www.amazon.in/Brain-David-Eagleman/dp/1782116613
33. https://www.amazon.in/Chaos-James-Gleick/dp/0749386061
34. https://fractalenlightenment.com/18838/fractals/understanding-the-fractal-mind-and-fractal-consciousness
35. https://fractal.institute/encyclopedia/humanity/psychology/consciousness/
36. https://nautil.us/issue/47/consciousness/is-consciousness-fractal
轉載內容僅代表作者觀點
不代表中科院物理所立場
如需轉載請聯系原公眾號
來源：集智俱樂部
編輯：圓周π小姐
8點1氪 | 新榮耀股東架構浮現；歡聚遭渾水做空后股價暴跌；小米3年投資110家智能裝備公司
大公司
新榮耀逐漸清晰：股東架構浮現，萬飚任董事長，趙明任總經理
昨日晚間，接盤榮耀的新公司深圳市智信新信息技術有限公司（深圳智信新）董事會成員出爐。其董事會成員包括，董事長兼法定代表人萬飚、董事總經理趙明、董事方飛、董事彭求恩、董事李山林、董事舒洪峰。其中，萬飚原本是華為消費者業務首席運營官，趙明則是榮耀總裁、彭求恩原本擔任榮耀終端公司董事。舒洪峰則是深圳智慧城市集團的代表。李山林公開信息未知，有可能代表渠道商合作伙伴。（澎湃新聞）
遭渾水做空 周三收盤歡聚集團股價暴跌 26%
北京時間 11 月 19 日凌晨消息，周三收盤，歡聚集團股價暴跌 26.48%，報 73.66 美元。今天知名做空機構渾水公司做空中概股歡聚集團，渾水稱調查顯示 YY 直播有大約 90% 都是偽造數據。
渾水在一份簡短的報告中稱，對于 YY 直播，該機構研究了近 1.5 億筆交易，預期歡聚時代針對 YY 直播業務報告的營收中有近 90% 為偽造數據，此外絕大多數 YY 直播聲稱的付費用戶也存在同樣的問題。歡聚集團海外直播業務 BIGO LIVE 的營收數據也存在 80% 的偽造成分。
圖片來源：新浪科技
雷軍回應小米手機都是中低端：小米想要解決國貨被人看不起的問題
雷軍在亞布力企業論壇上回應“小米手機都是中低端”時表示，小米想要解決國貨被人看不起的問題，做大家理解的高端手機，在貴的產品立住了，大家才能承認小米。（第一財經）
深交所：終止為暴風集團股份有限公司提供證券交易所市場A股登記服務
36氪獲悉，深交所公告稱，終止為暴風集團股份有限公司提供證券交易所市場A股登記服務。
微博就違規收集使用個人信息致歉：正在進行內部整改
36氪獲悉，新浪微博發布社區公告稱，11月14日App違法違規收集使用個人信息治理工作組發布通告，顯示微博App存在兩個“個人信息收集使用”方面的問題，微博對此深表歉意。根據通告要求，微博正在進行內部整改，保證在限期內按主管部門要求更新隱私協議內容，梳理用戶隱私相關權限的合理性，保護用戶隱私權益不受侵害。
嗶哩嗶哩第三季度營收32.3億元，市場預期30.68億元
36氪獲悉，嗶哩嗶哩第三季度營收32.3億元，市場預期30.68億元，去年同期18.59億元。
拼多多將ADS發行規模增至2870萬，發行價為125美元/ADS
36氪獲悉，拼多多將ADS發行規模增至2870萬，每股定價為125美元。每股ADS相當于公司的4股A類普通股，每股面值0.000005美元。同時給予本次ADS發行的承銷商為期30天，共計430.5萬股ADS的超額配售權。拼多多方面此前表示，本次發行所得款項將主要用于繼續重投農產品上行和“新品牌”（C2M）計劃以及技術研發。
雅虎前 CEO 卷土重來：創建消費者 App 公司「Sunshine」
據報道，雅虎公司前 CEO 瑪麗莎·梅耶爾（Marissa Mayer）今日宣布，推出消費者 App 初創公司「Sunshine」，同時也發布了公司的首款 App。Sunshine 是梅耶爾的首次創業成果，也意味著自 2017 年雅虎以 44.8 億美元出售給 Verizon 后，梅耶爾重返人們的視線。
蘋果公司以1.13億美元與美國司法部達成和解
蘋果公司以1.13億美元與美國司法部達成和解。（新浪財經）
蘋果新政：年收入低于100萬美元的開發者傭金將降至15%
今日，蘋果推出針對小型企業和獨立開發者的“傭金”新政：開發者在蘋果App Store應用商店年收入低于100萬美元（扣除傭金后）其傭金將被降至15%，與之前30%傭金相比降了一半。這項計劃將于2021年1月1日正式啟動。（彭博社）
特斯拉CEO埃隆·馬斯克在訪問瑞典后感染新冠肺炎
當地時間11月18日，瑞典電視臺報道，特斯拉CEO伊隆·馬斯克在到訪瑞典后被感染新冠肺炎病毒。他本人在推特上說，他在瑞典逗留期間感染了新冠肺炎病毒。但應該是被另一個來訪的美國人傳染的。馬斯克還發推文說他感覺很好，對他來說只意味著輕微的感冒。
輝瑞和BioNTech最晚將于周五向FDA遞交關于新冠肺炎疫苗的申請文件
輝瑞和BioNTech最晚將于周五向美國食品藥品管理局（FDA）遞交關于新冠肺炎疫苗的申請文件。（每經網）
投融資
雷軍：小米3年投資110家做智能裝備的公司
小米科技創始人雷軍在亞布力企業論壇上表示，小米3年投資110家做智能裝備的公司，未來智能制造就是無人工廠。（證券時報）
消息稱騰訊將投資在線教育初創企業Udemy
消息稱騰訊將投資在線教育初創企業Udemy，Udemy目前估值為32.5億美元。（彭博）
搜床科技旗下品牌“Xbed希酒店”宣布獲1億元融資
36氪獲悉，日前，搜床科技旗下品牌Xbed希酒店宣布獲得1億元的戰略投資，投資方為深圳大一資本，該輪融資將用于未來希酒店的擴張及XMS系統研發升級。Xbed希酒店是2020年新推出的、專注于下沉市場的小微酒店品牌。第一批Xbed希酒店門店集中于華中、華南二、三線的城市，其中成型的樣板店和改造前相比，平均出租率達90%以上，單房收益提升50%以上。
新電商基礎設施提供商“夢餉集團”獲C輪融資
36氪獲悉，今日，新電商基礎設施提供者夢餉集團（原愛庫存）獲C輪融資。本輪融資由陽光保險領投，諾亞財富及老股東君聯資本、創新工場跟投。今年8月，愛庫存將品牌全面升級為夢餉集團，致力于成為新電商基礎設施提供者，目前已擁有注冊店主超 200 萬，累計幫助 10000 多家品牌商累計銷售超3 億件商品。旗下業務涵蓋餉店、愛庫存、愛豆學堂等。
新產品
鐘薛高創始人創立高端水餃品牌“理象國”
36氪據獲悉，網紅雪糕品牌鐘薛高母公司推出水餃產品“理象國”。據天眼查App顯示，理象國品牌LOGO的商標信息關聯企業為殊趣食品（上海）有限公司所有，今年8月，該公司申請了多個名稱為“理象國 THE REPUBLIC”的商標。該公司成立于2019年4月，法定代表人為沈嘉妮，經營范圍含食品銷售，食用農產品（不含生豬產品、牛羊肉品）、日用百貨、工藝品等。天眼查App股東信息顯示，該公司由鐘薛高食品（上海）有限公司全資控股。
圖片來源：天眼查
伯索云學堂發布新產品「伯索 」，與聲網 Agora 達成深度合作
伯索云學堂昨日發布了全新產品版本「伯索 」，并推出了伯索云學堂智慧教室解決方案、直播課堂 5.0，以及題庫與測評，實現對線上（課前、課中、課后）和線下教學的全場景覆蓋，從好用的系統、工具向智能系統、工具的進化。 （鈦媒體）
微信宣布上線6個新表情
昨日晚，微信官方微博宣布上線了6張新表情，分別是：翻白眼、666、讓我看看、嘆氣、苦澀、裂開。需要注意的是，大部分微信用戶的表情面板還未更新這批新表情。用戶可以在輸入框中輸入方括號 上面的詞語，發送完畢后即可看到新的表情圖案。
圖片來源：企業官方
其它重要新聞
1031億千瓦時，三峽電站創單座水電站年發電量世界紀錄
截至目前，在三峽工程發揮防洪、航運、水資源利用等綜合效益的前提下，世界裝機規模最大水電站——三峽電站今年已累計生產清潔電能1031億千瓦時，打破了此前南美洲伊泰普水電站于2016年創造并保持的1030.98億千瓦時的單座水電站年發電量世界紀錄。（中央紀委國家監委網站）
國常會：要擴大汽車消費，鼓勵各地增加號牌指標投放
李克強主持召開國務院常務會議，會議指出，要擴大汽車消費，鼓勵各地增加號牌指標投放。開展新一輪汽車下鄉和以舊換新。（證券時報）
美方批準737MAX復飛，中國民航局方面維持三原則不變
昨日，美國聯邦航空管理局批準波音737Max復飛。對此，中國民航局方面回應，維持此前三原則不變。他表示，中國民航率先在全球停飛737MAX-8，是基于對安全隱患“零容忍”的理念和對航空運輸安全高度負責的職業精神來要求的，是對人民群眾生命安全的高度負責。在復飛問題上，我們也是這個態度，首先要確保737MAX-8的設計更改是安全可靠的。三原則：飛機的設計更改必須獲得適航批準；駕駛員必須得到充分有效的訓練；兩起事故的調查結論必須是明確的，而且改進措施是有效的。（澎湃新聞）
2019格斗世界TOP踢拳排行榜1月
Fighting World Kickboxing Rankings: January 2019
（傳奇的隱退，前P4P踢拳之王羅賓·范·羅斯馬倫宣布踢拳生涯結束，轉戰綜合格斗）
P4P TOP.10（All Weights）：
1.【意大利】喬治·佩托西奧（Giorgio Petrosyan）[1]
2.【泰國】西提猜·西頌披儂（Sitthichai Sitsongpeenong）[2]
3.【比利時】馬拉特·格里戈里安（Marat Grigorian）[3]
4.【日本】武尊（Takeru）[5]
5.【烏克蘭】阿爾圖路奇斯辛柯（Artur Kyshenko）[4]
6.【巴西】亞歷克斯·佩雷拉（Alex Pereira）[6]
7.【中國】邱建良（Qiu Jianliang）[7]
8.【日本】那須川天心（Tenshin Nasukawa）[8]
9.【俄羅斯】阿特姆·瓦克提夫（Artem Vakhitov）[9]
10.【泰國】艾維·雅桑克萊（Yodsanklai Fairtex）[10]
簡述：由于目前新K-1的“當紅小生”，雛量級世界的絕對霸主武尊表現出越來越強大的統治能力，而美麗死神自從戰勝蒂姆爾之后，因傷退出與博斯塔緹的Enfusion 85KG金腰帶爭奪戰，且近一段時間并沒有取得什么有說服力的戰績，所以武尊的P4P排名由第5上升至第4，其他排名保持不變。
無差別級Heavyweight（90KG ）：
1.【荷蘭】里科·范霍文（Rico Verhoeven）[1]
2.【俄羅斯】阿特姆·瓦克提夫（Artem Vakhitov）[2]
3.【摩洛哥】賈馬爾·本·薩迪克（Jamal Ben Saddik）[-]
4.【伊朗】伊拉基·阿茲鮑爾（Iraj Azizpour）[3]
5.【羅馬尼亞】本杰明·阿德巴依（Benjamin Adegbuyi）[4]
6.【烏克蘭】帕維爾·祖拉夫勒夫（Pavel Zhuravlev）[5]
7.【阿塞拜疆】扎比特·薩姆多夫（Zabit Samedov）[6]
8.【立陶宛】謝爾蓋·馬斯洛伯耶夫（Sergej Maslobojev）[7]
9.【烏克蘭】羅曼·凱克利亞（Roman Kryklia）[8]
10.【摩洛哥】塔里克·巴貝茲（Tarik Khbabez）[9]
簡述：2012 GLORY 4，重量級16人大獎賽；2018 GLORY 62，GLORY時隔六年重啟重量級八人大獎賽。K-1 GP的鐵粉們在看直播的時候應該會有很深的感觸，那個“巨神兵”橫行的年代已經逝去。
賈馬爾憑借一晚上兩場KO，一場判定，獲得無差別級排名第3，其中四分之一決賽KO塔法的那一記“三日月蹴”，讓所有人難忘。殺至決賽，賈馬爾憑借連續的后手單擊打開局面。這些破架進來的單個重擊令本杰明無法招架，最終慘遭一回合KO。或許是因為本杰明在半決賽遇上了老對手賈法，三番戰艱難取勝，而給了賈馬爾決賽的機會，但無論如何，成王敗寇，取得最終勝利的賈馬爾已經說明了一切。
薩姆多夫是無差別級榜單上唯一一位GP時代的傳奇名將，本月再次以一場機智的低掃TKO取得自己的第18連勝。薩姆多夫身高180cm，2006年開始征戰K-1 GP，如果不看比賽，你很難想象他是如何與那些2米的怪物周旋。自從五年前以一場驚艷世界的KO勝復仇“惡魔王子”巴德哈里之后，又相繼戰勝“碎骨機”“德國閃電”等GP名將。千言萬語，我們只是希望這位老將的職業生涯能夠更長一些。
羅曼自二月份KLF重量級八人賽點負伊拉基后，本月于Tatneft Cup加時賽收獲了自己的第5連勝。新K-1次重量級冠軍卡里米安因實力有待考究而掉出排名。
中量級Middleweight (80-85 KG)：
1.【烏克蘭】阿爾圖路·奇斯辛柯（Artur Kyshenko）[1]
2.【巴西】亞歷克斯·佩雷拉（Alex Pereira）[2]
3.【加拿大】西蒙·馬庫斯（Simon Marcus）[3]
4.【荷蘭】尤斯里·貝哈瑞（Yousri Belgaroui）[4]
5.【俄羅斯】阿特姆·萊文（Artem Levin）[5]
6.【摩洛哥】易卜拉欣·艾爾·博斯塔緹（Ibrahim El Boustati）[6]
7.【剛果金】奧瑞克·布克米（Ulrik Bokeme）[7]
8.【荷蘭】希沙姆·高威（Hicham El Gaoui）[8]
9.【俄羅斯】蒂姆爾·艾勒亞洛夫（Timur Aylyarov）[9]
10.【意大利】蒂姆爾·卡塞拉（Gabriele Casella）[10]
簡述：剛果金猛將布克米本月又迎來一勝，在令對手窒息的瘋狂連膝之下幾近KO對手，其極具觀賞性的打法令人印象深刻。去年KLF曼谷站和美麗死神戰至難舍難分的意大利新銳加百列最近在Bellator Kickboxing捷報連連，本月憑借其兇狠的組合強勢取勝。隨著美麗死神、萊文、馬庫斯的年齡增長，以及佩雷拉對其踢拳生涯考量的搖擺不定，2018年的中量級已經疲態盡露。在這里，格斗世界只是希望2019年不會出現中量級青黃不接的大斷層局面。
次中量級Welterweight（75-78KG）：
1.【亞美尼亞】哈魯特·格里戈里安（Harut Grigorian）[1]
2.【法國】塞德里克·杜姆貝（Cedric Doumbe）[2]
3.【荷蘭】羅根·艾爾索（Regian Ersel）[3]
4.【阿塞拜疆】阿里姆·納比夫（Alim Nabiev）[4]
5.【荷蘭】穆賽·格羅恩哈特（Murthel Groenhart）[5]
6.【哈薩克斯坦】曼爾干·比利亞洛夫（Mergen Bilyalov）[6]
7.【荷蘭】尼基·霍茲肯（Nieky Holzken）[7]
8.【摩洛哥】默罕默德·邁茲沃瑞（Mohamed Mezouari）[-]
9.【中國】鄭召玉（Zheng Zhaoyu）[8]
10.【俄羅斯】亞歷山大·斯特庫倫克（Alexander Stetsurenko）[9]
簡述：本月次中量級的大事記莫過于，邁茲沃瑞的升重復歸之戰。這也是“奇跡男孩”簽約GLORY的首秀。邁茲沃瑞果然不負眾望，一開局便用精準的組合拳打開局面，在一陣暴擊過后，以一記漂亮的高掃結束戰斗。憑借驚艷的表現，邁茲沃瑞獲得排名第8。烏克蘭悍將索羅金因為近期沒有取得有說服力的戰績而掉出排名。次中量級一向是GLORY傳統的絕對優勢級別，但隨著尼基、孔戈洛的離去，以及穆賽、哈魯特年齡的增長，GLORY的77KG級已經受到了不小的打擊，而邁茲沃瑞的加入也為GLORY這個級別注入了一針有力的強心劑。可以預見，今后必然會上演杜姆貝vs邁茲沃瑞這樣的超級大戰。總的來說，邁茲沃瑞的到來真是讓所有拳迷為之一振。
輕量級Lightweight（70-73KG）：
1.【泰國】西提猜·西頌披儂（Sitthichai Sitsongpeenong）[1]
2.【意大利】喬治·佩托西奧（Giorgio Petrosyan）[2]
3.【比利時】馬拉特·格里戈里安（Marat Grigorian）[3]
4.【泰國】艾維·雅桑克萊（Yodsanklai Fairtex）[4]
5.【泰國】蘇波邦·班柴明（Superbon Banchamek）[5]
6.【白羅斯】欽吉茲·阿拉佐夫（Chingiz Allazov）[6]
7.【荷蘭】艾迪·賽米利爾（Endy Semleer）[7]
8.【格魯吉亞】戴維特·奇利亞（Davit Kiria）[8]
9.【土耳其】泰范·歐斯坎（Tayfun Ozcan）[9]
10.【白羅斯】迪茲尼斯·祖耶夫（Dzianis Zuev）[10]
簡述：GLORY 62，所有拳迷又一次見證了馬拉特的可怕，“噩耗”巴亞險些在馬拉特的重壓之下被擊潰。馬拉特將其沉穩之中，殺機四伏的歐系風格展現得淋漓盡致，70KG之中除喬治，西提猜二人，恐怕再難找出合適的對手。時隔一年，蘇波邦終于如愿摘得Enfusion 72.5KG八人賽冠軍頭銜，鏖戰九局，憑借出色的控制技巧，擊敗了包括今年諸神四強之一的杜托在內的三位歐洲悍將。雖然Enfusion超新星艾迪在擊敗杜托之后退出半決賽，本次八人賽最大的看點——蘇艾二番戰未能如期上演，但蘇波邦的三次勝利還是證明了其真實的水平。本月的輕量級排名保持不變。
次輕量級Junior Lightweight（67-68KG）：
1.【日本】野杁正明（Noiri Masaaki）[1]
2.【日本】久保優太（Yuta Kubo）[2]
3.【荷蘭】哈桑·拓伊（Hassan Toy）[3]
4.【中國】楊茁（Yang Zhuo）[4]
5.【荷蘭】喬丹·皮克托（Jordann Pikeur）[5]
6.【摩洛哥】伊利亞斯·布萊德（Ilias Bulaid）[6]
7.【巴西】木村·菲利普（KimuruPhilipMinoru）[7]
8.【泰國】江佟猜（Jomthong Chuwattana）[8]
9.【泰國】帕奇特儂·班柴明（Petchtanong Banchamek）[9]
10.【美國】貝·諾亞（Bey Noah）[10]
簡述：自升級以后，野杁正明兩戰兩KO，本月一回合即KO與鐵英華鏖戰三局的松岡力。與此同時，野杁正明近期極其出色的表現也令中國拳迷對他有了重新的定位，相信3月份對皮克托一戰會擦出更加別樣的火花。此外，上個月有部分拳迷對本排名移除鐵英華和松岡力的前十排名表示異議，野杁正明與松岡力一戰也恰巧佐證了本排名的觀點。但是考慮到鐵英華與松岡力一戰時，因為賽前體檢抽血過多導致重感冒，極度影響狀態，加上鐵英華此前KO泰國名將星當的出色表現，已經證明其實力不俗。因此，本排名表示鐵英華仍然有希望打進次輕量級的前十榜單。希望鐵英華能夠早日復仇松岡力，打出更有含金量的戰績，殺進次輕量級排名。本月次輕量級排名沒有變化。
羽量級Featherweight（64-66KG）：
1.【中國】邱建良（Qiu Jianliang）[1]
2.【日本】平本蓮（Hiramoto Ren）[2]
3.【泰國】佩帕儂（Petpanomrung Kiatmuu9）[3]
4.【泰國】考·維拉薩克雷克（Kaew Weerasakreck）[4]
5.【日本】不可思（Fukashi）[7]
6.【烏克蘭】謝爾基·古力亞巴（Sergey Kuliaba）[-]
7.【中國】顧輝（Gu Hui）[-]
8.【烏克蘭】謝爾希·阿達姆查克（Serhiy Adamchuk）[9]
9.【美國】凱文·范諾斯特蘭德（Kevin VanNostrand）[10]
10.【日本】安保瑠輝也（Anpo Rukiya）[-]
簡述：本月的羽量級變化也頗為顯著。與佩帕儂二番戰失利后，踢拳明星羅賓轉戰MMA，自此從踢拳界退役而被除名。羅賓在輸給西提猜之前，征戰輕量級，大戰無數：KO美麗死神，讀秒穆塞，復仇黑安迪，三勝奇利亞。細數70KG的諸多“矮腳虎”類型名將（希臘小光頭、達占巴、奇利亞等）可以說都未曾達到羅賓的高度，在看到羅賓宣布轉型MMA的推文時，本排名也是頗為感傷，在這里也只能以文字向這位踢拳巨星表達敬意。
不可思于本月在KNOCK OUT完成一次金腰帶的衛冕，血戰五回合擊退猛將山口侑馬。日本的KNOCK OUT向來以高KO率，敢于拼殺而著稱。奮戰其間的運動員往往要經歷鮮血的洗禮，而不可思正是憑借其過人的格斗天賦，加上全面的技術體系，過五關斬六將走到今天，正所謂“流水前波讓后波”。隨著羅賓，山崎秀晃二位羽量級名將退出歷史舞臺，不可思這位正值巔峰狀態的日本俊才也已經閃耀星空。不可思本月排名上升至第5。
中國戰場，謝爾基降級至66KG一晚連挑賈奧奇、孫志祥、顧輝三位中國名將，一舉奪得KLF 66KG八人賽冠軍。調整級別的謝爾基一改往常的穩健打法，進攻積極，頻頻得點，當晚的表現可圈可點，本月獲得羽量級排名第6。當然，最令人眼前一亮的還是素有“酷刑者”之稱的顧輝，憑借穩定有效的組合，全場最佳的求勝意志，連續干掉橫掃武林風的WLF 63KG世界功夫王者納菲以及Enfusion 63KG王者卡杜里兩位歐洲悍將。當晚的顧輝大漲國人志氣，贏得了所有人的掌聲。顧輝因為傷口原因在決賽二番戰惜敗謝爾基，但憑借其出色的表現，獲得排名第7。位寧輝因為八人賽第一輪被淘汰，而掉出羽量級排名。
本月還有一場羽量級的超級大戰，升級到65KG的瑠輝也加時賽后高掃強勢KO山崎秀晃。此戰到現在回想起來仍然記憶猶新。瑠輝此前也已經KO山崎秀晃同拳館的林健太。山崎秀晃為了復仇而來，但瑠輝整體的技術體系已經得到了長足的進步，也并沒有給山崎任何機會，毫不留情地KO了老前輩。山崎秀晃因為年齡的限制而掉出排名，瑠輝也憑借強勢的表現獲得排名第10。
次羽量級Junior Featherweight（62-63KG）：
1.【日本】卜部功也（Urabe Koya）[1]
2.【中國】魏銳（Wei Rui）[2]
3.【日本】林健太（Hayashi Kenta）[-]
4.【日本】筱田悠人（Shinohara Yuto）[5]
5.【泰國】龔納帕（Gonnapar Weerasakreck）[3]
6.【中國】鄧澤奇（Deng Zeqi）[6]
7.【日本】大澤文也（Osawa Fumiya）[-]
8.【日本】秀樹（Hideki）[-]
9.【羅馬尼亞】克里斯蒂安·斯博圖（Cristian Spetcu）[7]
10.【日本】白鳥大珠（Taiju Shiratori）[10]
簡述:相較雛量級，本月度次羽量級的戰況更為慘烈，八人賽的觀賞性也并沒有因為卜部功也的退賽而打了折扣。兩年前龔納帕被平本蓮KO的情境再次上演；一躍成為“日本國民英雄”的篠原悠人在半決賽即遭到林健太強勢KO；鏖戰五局的大澤文也與林健太決賽相遇，互相四次讀秒，慘遭KO……
林健太在日本內斗中表現出色，成為最后的贏家。雖然曾經慘遭龔納帕KO，但畢竟二人沒有上演二番戰，究竟誰更勝一籌，我們并不好論斷，而且龔納帕的局限性也在八人賽中展露無遺，因此林健太本月獲得次羽量級排名第3。悠人因為對戰中澤純，KO龔納帕的突出表現，排名上升至第4。龔納帕因為在八人賽中的表現過于遜色，排名降至第5。大澤文也憑借連勝劉威，恭士郎的表現，獲得排名第7。
RISE 63KG 王座1號挑戰者秀樹，以及2號挑戰者白鳥大珠，將于2月爭奪RISE 63KG 王者。秀樹自KNOCK OUT 64KG 八人賽惜敗于不可思之后，轉戰RISE，一致判定戰勝“中國KO皇帝”潘家運。秀樹的風格偏穩健，善于尋求重擊，其風格在日本稱得上獨樹一幟。而且今年秀樹的實力也是完全得以展現，此次降至次羽量級，相信今年會有更好的發展，因此秀樹獲得本月次羽量級排名第8。斯博圖由于連吃敗仗，實力有待商榷，排名下降至第9。
雛量級Bantamweight（60-61KG）：
1.【日本】武尊（Takeru）[1]
2.【泰國】育樂佩（Yodlekpet）[2]
3.【日本】森井洋介（Yosuke Morii）[3]
4.【中國】王文峰（Wang Wenfeng）[5]
5.【日本】大雅（Taiga）[4]
6.【日本】皇治（Koji）[6]
7.【希臘】斯達羅斯·艾克薩（Stauros Exakoustidis）[8]
8.【中國】馮亮（Feng Liang）[9]
9.【日本】朝久泰央（Asahisa Taio）[-]
10.【日本】島野浩太郎（Shimano Kotaro）[10]
簡述:雛量級大爆炸的12月，上演了武尊 vs 皇治這樣的年終大戲。武尊再次用他超破壞的重擊能力向全世界宣示了對雛量級的統治能力。皇治也很好地展現出自己遇強則強的戰斗屬性，用驚人的組合輸出和超強的身體硬度為所有拳迷奉獻了一場震驚世界的戰役!
本月的KNOCK OUT，森井洋介迎來了自己的第8連KO，憑借過人的格斗天賦，以低掃TKO勝英雄傳說64KG王者佐藤。相信在接下來的KNOCK OUT 61.5KG 八人賽決賽，森井洋介和育樂佩的二番戰將會不可避免，日本K-1以外的雛量級最強霸王森井洋介著實讓人滿懷期待。
在東海岸的另一頭，中國雛量級一哥之爭也火熱開戰!馮亮在GOH接連挫敗鄭軍峰、贠奇，大有跨洋挑戰武尊之勢。此戰王文峰透過自己良好的距離感，充分發揮身高優勢，運用靈活的步法，嫻熟的迎擊技巧，成功地阻擊了馮亮的攻勢，令其一貫強勢的左右掄擺“全程啞火”。因此王文峰的排名由第5上升至第4。
前K-1 60KG 王者大雅于6月份RIZIN出戰空手道高手原口健飛，以平局告終，再加上王文峰本月的表現突出，所以，大雅由排名第4掉至第5。馮亮雖敗給王文峰，但因為王文峰本身就具備雛量級世界前五的實力，因此排名沒有太大變化。
朝久泰央近期的表現十分搶眼，憑借多變的技術風格，已經先后力敗大巖龍矢、里見柚己、安保璃紅三位小級別名將，與其兄朝久裕貴相較，進步更為明顯。Krush 60KG王者島野浩太郎，本月加時賽擊敗大巖龍矢，衛冕成功，但并沒有展示出很好的實力。因此，朝久泰央本月獲得排名第9，島野浩太郎保持第10不變。
次雛量級Junior Bantamweight（56-58KG）：
1.【日本】那須川天心（Tenshin Nasukawa）[1]
2.【泰國】羅唐（Rodtang Jitmuangnon）[2]
3.【中國】王俊光（Wang Junguang）[4]
4.【日本】朝久裕貴（Asahisa Hirotaka）[5]
5.【日本】村越優太（Murakoshi Yuta）[7]
6.【泰國】舍金（Suakim P.k.saenchai）[8]
7.【日本】卜部弘嵩（Urabe Hirotaka）[-]
8.【日本】西京春馬（Saikyo Haruma）[9]
9.【日本】志朗（hashtag）[10]
10.【日本】江川優生（Egawa Yuki）[-]
簡述:由于開辟了新的蠅量級排名，加上大爆冷擊敗村越優太的西班牙新銳亞歷克斯，3月份準備降級挑戰新K-1 55KG 王者武居由樹，所以此二人均調整至蠅量級排名。日本次雛量級新銳江川優生憑借近期對戰大滝裕太和霸家斗的出色表現獲得排名第10。本月次雛量級排名變化不如11月份那么顯著。不過令人高興的是，天心、羅唐、舍金、志朗四位好手已經確定參加2月份的RISE 57KG 八人賽。相信到時一定會刷新2018年新K-1 57.5KG 八人賽的高度。
蠅量級Flyweight（<56KG）：
1.【日本】武居由樹（Takei Yoshiki）
2.【日本】金子晃大（Kaneko Akihiro）
3.【日本】鈴木真彥（suzuki masahiko）
4.【泰國】尤布達（Yodbuadaeng Fairtex）
5.【日本】石井一成（Issei Ishii）
6.【日本】大崎一貴（Kazuki Osaki）
7.【日本】玖村將史（Kumura Masashi）
8.【日本】軍司泰斗（Gunji Taito）
9.【西班牙】亞歷克斯·里瓦斯（Alex Rivas）
10.【日本】田丸辰（Toki Tamaru）
簡述：踢拳蠅量級雖然在中國不受關注，但近幾年人才輩出，技戰水平已經達到了相當的高度，因此，格斗世界決定將其單獨開辟出來。由于東亞人種在小級別的天生優勢，蠅量級高手主要以日本選手為主，針對有些拳迷抱著一些民族情緒的極端觀點，格斗世界在這里只提一點，“亞洲驅逐艦”帕奎奧也曾經榮獲WBC112磅（50.8KG)蠅量級世界冠軍，其他的也不必多說。
新K-1 55KG 現役王者武居由樹本月取得了第14連勝，毫無疑問地坐上蠅量級的頭號交椅。第3代Krush 53KG 王者金子晃大目前擁有著7戰全勝4KO的完美戰績，今年強勢戰勝軍司泰斗，實力相當可怕，獲得排名第2。RISE 55 KG 現役王者鈴木真彥不久前擊敗結城將人，拿下王者頭銜。這位輾轉于RISE、KNOCK OUT、RIZIN、Hoost Cup多處擂臺的蠅量級猛將已經擁有21戰18勝11KO的可怕戰績，此次獲得排名第3。
泰國名將尤布達憑借本月與武居由樹打到加時賽的突出表現獲得排名第4。石井一成、大崎一貴因為本月分別取得KNOCK OUT 51KG 八人賽的冠亞軍而獲得排名第5、第6。玖村將史和軍司泰斗在本年度的Krush 55KG 八人賽中過關斬將拿到決賽權，即將決出新王，憑借半決賽的出色表現分別獲得排名第7、第8。亞歷克斯不久前擊敗村越優太后即將于3月份挑戰武居由樹，能夠客場首秀擊敗村越優太已經證明其實力不俗，因此獲得排名第9。RISE 53 KG 現役王者田丸辰目前戰績8戰全勝1KO，在日本踢拳市場已經獲得很高的人氣，此次獲得排名第10。
?《格斗世界》出品 2019年1月1日