複雜：誕生於秩序與混沌邊緣的科學

世界簡單又複雜，簡單是在呼吸間，複雜是在每一個細胞的吞吐裏。 世界簡單，簡單在呼吸之間—— 是一呼一吸的節奏，是晝夜交替，是四季輪迴，是大道至簡的秩序。 就像國家大循環，看似宏大，本質不過是一進一出、一內一外。 複雜藏在每一個細胞的吞吐裏—— 是每一次心跳、每一次代謝、每一次供需、每一個人的悲歡。 是系統裏無數微小的聯動、反饋、生長與修復。 宏觀極簡，微觀極繁； 外在是呼吸，內在是生機。 這句話，剛好把複雜系統、生命、文明、國家全都講完了。 心安，就是看懂了： 再大的事，也不過是天地間的一次呼吸。 落於每個人的生活裏，三餐四季而已。

《複雜：誕生於秩序與混沌邊緣的科學》內容介紹與書評 書籍背景與科學革命的緣起 20 世紀 80 年代，一場旨在重構科學認知框架的思想革命在美國新墨西哥州的羣山沙漠間悄然醞釀。這場革命的核心陣地，是 1984 年 5 月成立的聖塔菲研究所（Santa Fe Institute, SFI）—— 一個打破學科壁壘的跨學科智庫。這裏匯聚了物理學、經濟學、計算機科學等領域的頂尖學者，既有諾貝爾物理學獎得主默裏・蓋爾曼、菲利普・安德森，諾貝爾經濟學獎得主肯尼斯・阿羅，也有充滿探索熱情的年輕研究生。他們懷揣共同願景：超越自牛頓時代以來主導科學界的線性還原論思維，創建一門能揭示自然界與人類社會普遍複雜性的 “21 世紀的科學”—— 複雜性科學。 從牛頓範式到複雜性轉向 自牛頓建立經典力學體系以來，傳統科學以線性因果關係和還原論爲核心方法論，將複雜系統拆解爲孤立部分進行研究，認爲微小擾動會被負反饋消除，系統終將趨於均衡與確定狀態。然而，隨着科學發展，當研究對象擴展到生態網絡、經濟市場、神經網絡等複雜系統時，非線性相互作用、不確定性與湧現性行爲凸顯，傳統框架難以解釋 1987 年股市單日暴跌 500 多點、古物種數百萬年穩定後突然滅絕等現象。聖塔菲的科學家們深刻意識到，世界本質上是 “相互關聯、共同進化的動態系統”，需要全新的理論框架理解這種 “無序與秩序之力勢均力敵” 的複雜狀態。 範式轉型的核心突破：傳統科學將世界視爲可無限分割的機械體系，複雜科學則聚焦系統層面的湧現行爲與自組織規律，揭示從微觀互動到宏觀結構的“無縫有機整體”形成機制。這種視角轉變，標誌着科學從“簡化世界”向“擁抱複雜性”的根本轉向。 聖塔菲的智識探索與《複雜》的誕生 聖塔菲研究所的研究者們整合了神經網絡、生態學、人工智能、混沌理論等領域的智識成果，試圖構建複雜系統的通用理論框架。他們相信，非線性數學工具的成熟已爲新科學奠定基礎，而研究所的使命正是打造 “第一個嚴謹的、替代線性還原論思維的方法”。這場探索被科學作家 M. 米切爾・沃爾德羅普以羣像傳記形式記錄下來，形成了 1993 年英文版《Complexity: The Emerging Science at the Edge of Order and Chaos》。該書以聖塔菲研究所的草創歷程爲線索，串聯起科學家們突破學科邊界的思想碰撞，展現了複雜科學作爲 “科學大整合” 運動的誕生軌跡。 書籍的學術定位與中文世界影響 《複雜》初版於 1997 年引入中文世界（三聯書店，譯者陳玲），2024 年中信出版集團推出由集智俱樂部重譯的再版本，使其學術價值在中文複雜科學研究中持續發酵。正如吳家睿在推薦序中指出，該書核心貢獻在於提供了 “替代線性還原論思維” 的系統性視角；集智俱樂部創始人張江則評價其爲中文複雜科學研究的 “啓蒙之作”，爲國內學者打開了理解湧現、自組織等核心概念的窗口。 複雜科學的興起並非偶然，而是科學發展的歷史必然。當傳統學科在各自領域遭遇複雜性瓶頸時，聖塔菲研究所與《複雜》一書共同證明：跨越邊界的智識融合，是破解複雜系統奧祕的關鍵。這場革命不僅挑戰了 “世界簡單、固定、可分割” 的傳統認知，更預示着科學從 “分析” 向 “綜合”、從 “確定性” 向 “可能性” 的範式躍遷。 複雜科學的核心概念與理論突破 複雜科學作爲探索秩序與混沌邊緣規律的新興學科，其核心概念體系構建了理解非線性世界的全新框架。這些概念不僅揭示了自然界與人類社會的共通運作模式，更通過跨學科案例展現了從微觀互動到宏觀湧現的普遍規律。 複雜適應系統：動態互動的非線性網絡 複雜適應系統（Complex Adaptive System, CAS）被定義爲 “由大量相互關聯的元素組成，通過反饋 loops 實現適應，呈現非線性互動與不可預測結果” 的動態系統 1 。其核心特徵在於系統內 “主體” 的並行互動與持續適應 —— 每個主體既受環境影響，又通過行爲改變環境，形成遞歸的因果鏈條。生物學中的非洲草原生態系統是典型案例：獅子捕食控制斑馬種羣數量，斑馬啃食植被影響樹木分佈，樹木根系固定土壤改變水循環，而水循環又反過來制約獅子棲息地的擴張。這種多主體、多尺度的動態耦合，使得系統 “永遠無法真正達到平衡，總是在發展、變化，若達到平衡就是死亡” 2 。 湧現：整體大於部分之和的創造性 湧現（emergence）是複雜系統最深刻的謎題，指 “系統整體行爲無法通過單個組件的屬性單獨解釋，需從整體互動角度理解” 的現象 1 。物理學中的激光器工作原理生動展現了這一過程：當泵浦能量較低時，原子隨機發射非相干光；當能量達到臨界閾值，原子通過受激輻射同步振動，瞬間湧現出方向性、單色性極強的相干激光。這種 “微觀無序到宏觀有序” 的躍遷，正如書中所述，是 “植入自然本質的深層、內在的創造力” 2 。類似地，大腦中數十億神經元的隨機放電湧現出意識，股票市場中無數交易者的獨立決策湧現出集體恐慌或繁榮，均印證了湧現的普遍性。 混沌邊緣：動態平衡的生存智慧 “混沌邊緣” 是複雜系統保持活力的黃金區域 —— 既非完全有序的僵化，也非徹底混沌的解體，而是 “有足夠穩定性支撐存在，又有足夠創造性成爲生命” 的動態平衡態 3 。書中尖銳指出：“穩定即死亡，系統需在混沌邊緣演化”，這一觀點徹底顛覆了傳統科學對 “均衡” 的執着追求 4 。經濟學中的硅谷技術創新生態堪稱典範：既有成熟企業維持技術穩定性（秩序），又有初創公司通過顛覆式創新打破現狀（混沌），兩者的持續博弈使硅谷始終處於技術爆發的臨界點。正如奴隸制被人權運動取代、蘇維埃政權解體等歷史轉折所示，混沌邊緣正是 “新思想蠶食現狀、舊體系突然被取代的時刻” 3 。 核心洞見：複雜系統的生命力在於對“穩定”的抗拒。當系統被鎖定在絕對有序狀態（如計劃經濟的指令性調控）或墜入完全混沌（如市場恐慌性崩盤），其適應性與創造力將徹底喪失。唯有在秩序與混沌的張力中，才能湧現出生命、技術與社會的進化動力。 自組織：無中央控制的自發秩序 自組織是複雜系統 “從無序到有序” 的內在能力，指系統在無外部指令下，通過組件間的局部互動形成全局有序結構。生物學中 “螞蟻羣體覓食” 是最直觀的類比：單隻螞蟻的行爲隨機且簡單，但通過信息素分泌與跟隨機制，整個蟻羣能自發形成最優覓食路徑，展現出遠超個體智能的集體智慧。這種 “簡單規則，複雜結果” 的湧現邏輯，印證了複雜科學的核心主張：“複雜行爲由簡單規則自下而上演化產生” 4 。類似地，城市交通流的自組織（高峰時段的車道分流）、互聯網的分佈式路由協議，均體現了自組織對中心化控制的替代優勢。 正反饋與報酬遞增：歷史偶然的放大效應 布萊恩・阿瑟提出的 “報酬遞增” 理論，揭示了正反饋對系統演化的決定性影響。與傳統經濟學的 “邊際效益遞減” 不同，複雜系統中 “市場微小擾動或偶然事件（歷史偶然性）可能通過正反饋被放大，對未來產生重大影響” 2 。經濟學中 QWERTY 鍵盤的 “鎖定效應” 是經典案例：早期打字機爲避免按鍵卡殼設計的低效佈局，因打字員培訓體系的正反饋固化，最終成爲全球標準，即便更優的 Dvorak 鍵盤出現也無法撼動。這一過程打破了 “市場總是選擇最優解” 的均衡神話，證明 “路徑依賴” 是複雜系統的普遍特性 —— 歷史選擇往往源於偶然，而非必然。 相變：從量變到質變的臨界躍遷 相變是系統在臨界閾值處發生的突然質變，標誌着系統行爲模式的根本轉變。物理學中 “沙堆模型” 形象展示了這一過程：當沙子不斷堆積，沙堆的傾斜度逐漸接近臨界角，此時每添加一粒沙子都可能引發從局部滑落（小事件）到整體崩塌（大事件）的隨機結果。這種 “臨界狀態” 下的不確定性，與人工智能系統的發展相似 —— 當模型參數規模、數據量積累到臨界點，可能突然湧現出人類難以預測的 “湧現能力”（如大語言模型的推理能力） 5 。相變理論的突破在於，它將物理學的相變規律推廣至生態、經濟等複雜系統，揭示了 “微小變化引發巨大差異” 的非線性機制。 理論突破：從還原論到系統觀的範式革命 複雜科學的真正革命性在於對傳統科學範式的顛覆：它超越線性還原論，提出 “通過自組織、動態調整理解系統自發秩序” 的新框架 6 。其核心突破可概括爲三點：一是用 “生命在於組織而非分子” 的聯結主義視角重新定義生命，將認知從物質層面提升至關係層面 4 ；二是通過混沌理論、遺傳算法等數學工具，證明 “確定性系統可能產生不可預測行爲”，打破了 “確定性即可預測” 的經典認知 1 ；三是如王小川在推薦序中強調的 “生命世界觀” 所示，複雜科學將宇宙視爲 “廣闊、無定形且永恆變化的” 動態網絡，元素 “總是保持不變卻總在重新排列自身”，這與 “道生一，一生二，二生三，三生萬物” 的東方智慧不謀而合 7 。 這些概念與突破共同構建了理解複雜性的 “通用語言”，不僅爲生物學、經濟學、物理學等學科提供了跨領域工具，更重塑了人類對世界的認知方式 —— 從追求確定性到擁抱不確定性，從拆解局部到把握整體，從靜態平衡到動態演化。正如書中所述，複雜科學最終要回答的，是 “植入自然本質的深層、內在的創造力” 如何塑造了我們所見的宇宙與生命 2 。 跨學科研究實踐與案例解析 複雜科學的革命性意義不僅在於其理論創新，更體現在對不同學科壁壘的突破。聖塔菲研究所（SFI）的跨學科實踐揭示：從股市波動到物種演化，從城市興衰到人工智能，看似孤立的複雜現象背後，均遵循着自組織、信息傳遞與非線性動態的共通原則 8 。這種 “學科 — 理論突破 — 現實映射” 的研究範式，不僅打破了傳統學科的邊界，更爲解釋複雜系統提供了全新視角。 經濟學：正反饋革命與市場動態重構 傳統新古典經濟學以 “負反饋” 爲核心，假設市場通過價格機制自動趨向均衡。而布萊恩・阿瑟（Brian Arthur）提出的 “報酬遞增” 理論，徹底顛覆了這一認知。他指出，在技術競爭、標準制定等場景中，微小的初始優勢會通過正反饋被無限放大，最終導致系統鎖定於不可預測的結果 2 。例如，QWERTY 鍵盤的勝出並非源於效率優勢，而是早期打字機培訓體系形成的路徑依賴；1987 年 10 月 19 日美股單日暴跌 500 多點的 “黑色星期一”，則展現了金融市場中信息傳遞的非線性 —— 恐慌情緒通過正反饋鏈條自我強化，最終引發遠超基本面的劇烈波動 3 4 。這種 “非均衡” 視角，使得經濟學首次能夠解釋現實市場中的 “鎖定效應” 與 “突發相變”。 生物學：自組織秩序與進化論的拓展 達爾文進化論強調自然選擇驅動物種適應，但無法完全解釋生命起源的 “有序性難題”—— 混亂的分子如何自發形成第一個活細胞？斯圖爾特・考夫曼（Stuart Kauffman）的 “生命自組織” 理論填補了這一空白。他通過計算機模擬發現，分子網絡在特定條件下會自發湧現催化循環，形成 “自動催化集”，這種自組織能力爲生命起源提供了非隨機的路徑 9 。這一理論與達爾文進化論形成互補：自然選擇塑造現有物種，而自組織則解釋了生命複雜性的初始來源。現實中，物種在化石記錄中數百萬年的穩定狀態後突然消失（如恐龍滅絕），正是生態系統自組織平衡被外部擾動打破的典型案例 3 。 理論創新價值：阿瑟與考夫曼的研究共同揭示了複雜科學的核心突破——從“還原論”到“系統論”的範式轉換。傳統學科聚焦單一因素的線性影響，而複雜科學則關注多主體互動產生的“湧現性行爲”，這種視角使得經濟學、生物學等領域首次能夠解釋“整體大於部分之和”的複雜現象。 跨學科案例的共性與啓示 除經濟學與生物學外，複雜科學的跨學科實踐已滲透到更多領域：計算機科學中，克里斯・蘭頓（Chris Langton）的 “元胞自動機” 證明，簡單規則（如細胞狀態轉換）可湧現出雪花、貝殼紋樣等複雜時空結構 4 ；物理學中，凝聚態物質的自組織現象（如超導、液晶）展示了微觀粒子如何通過集體行爲形成宏觀有序結構 3 ；社會學中，“迭代囚徒困境” 實驗則揭示了 “合作” 如何在 “適者生存” 的法則下自發演化 —— 即使個體追求私利，重複博弈仍會催生出信任與利他行爲 10 。 這些案例共同指向一個核心：複雜系統的本質是從無序到有序的自發躍遷，其動力源於元素間的非線性互動而非外部指令 3 。正如聖塔菲研究所的研究所示，無論是生態系統的平衡、城市的創造力，還是市場的動態，均由損傷積累、協調機制、信息傳遞與計算能力等共通原則驅動 8 。這種跨學科的融合，不僅爲解決單一學科的難題提供了新思路，更重塑了人類對自然與社會的認知方式 —— 在秩序與混沌的邊緣，隱藏着世界運行的真正密碼。 科學家羣像與聖塔菲的學術精神 在新墨西哥州聖塔菲市坎楊路藝術區的一座租來的女修道院裏，學術討論會曾在小教堂的穹頂下舉行 —— 這裏沒有象牙塔的森嚴壁壘，卻聚集了科學史上最具叛逆精神的探索者羣體。聖塔菲研究所自 1980 年代中期創立起，便以 “無圍牆研究所” 的開放姿態，打破了傳統學術機構的邊界：諾貝爾物理學獎得主默裏・蓋爾曼（夸克模型提出者）與梳着馬尾辮的研究生在同一張長桌前爭論，凝聚態物理權威菲利普・安德森與經濟學家肯尼斯・阿羅（諾貝爾經濟學獎得主）交換學科隱喻，嬉皮士出身的克里斯托弗・蘭頓在修道院的迴廊裏構思人工生命的元胞自動機模型 。這種多元共生的場景，恰是羅家德在推薦序中所言 “科學家的叛逆精神與跨學科碰撞” 的生動註腳。 叛逆者的聯盟：從諾獎得主到跨界先鋒 聖塔菲的科學家羣像呈現出驚人的多樣性：既有 “大統一” 科學構想者默裏・蓋爾曼，試圖用複雜性理論整合從基本粒子到宇宙演化的規律；也有 “話癆考夫曼”—— 斯圖爾特・考夫曼，這位從醫生轉型的理論家，癡迷於 “自動催化論”，探索生命起源時會在黑板上畫滿相互作用的分子網絡 3 12 。計算機科學家約翰・霍蘭 “30 年默默無聞”，卻開創了遺傳算法與主體建模（ABM）方法，爲複雜適應系統研究提供了核心工具；而留着 “長老般鬍鬚” 的沃倫・韋弗，則在跨學科對話中不斷挑戰還原論的邊界 3 13 。 這羣 “非主流” 學者的共同願景，是創建一套 “揭示普遍複雜性的通用理論框架”，以替代統治科學數百年的線性還原論 11 。正如蓋爾曼所言，他們要推動 “涵蓋衆多學科的偉大涌現綜合”，讓生物學、物理學、經濟學甚至歷史學在複雜性的底層邏輯上重新對話 2 。這種願景吸引了從務實商人到叛逆研究生的加入，使聖塔菲成爲 “學科知識大整合” 的獨特實驗室 14 。 阿瑟的 “異端” 經濟學：在秩序與混沌邊緣突圍 布萊恩・阿瑟的故事，堪稱聖塔菲 “叛逆精神” 的縮影。這位出生于貝爾法斯特的經濟學家，執着於 “報酬遞增率” 理論 —— 一個在主流經濟學界看來近乎 “異端” 的命題。傳統經濟學以 “均衡” 和 “報酬遞減” 爲核心，假設市場會自動達到最優狀態；而阿瑟卻發現，在高科技產業中，正反饋纔是常態：一款軟件因偶然佔據市場先機，會通過用戶習慣形成路徑依賴，最終壟斷市場，這與 “邊際效用遞減” 的經典假設完全相悖 2 13 。 他的論文曾被頂級期刊《美國經濟評論》拒絕，評審意見直言 “這不屬於經濟學”。但在聖塔菲，物理學家安德森卻鼓勵他：“經濟學的均衡範式就像經典物理學的決定論，早該被顛覆了。” 阿瑟將經濟學視爲 “複雜適應系統”，用計算機模擬取代數學推演，最終開創了 “複雜經濟學” 這一全新領域 4 15 。他的經歷印證了聖塔菲的核心信念：真正的科學突破，往往誕生於學科的 “混沌邊緣”。 叛逆與傳承的共生 聖塔菲的學者們並非單純否定傳統，而是在批判中重建。阿瑟曾指出，他的報酬遞增理論與“道教‘道生一，一生二，二生三，三生萬物’的動態宇宙觀”相通——在秩序與混沌的張力中，尋找系統演化的新規律。這種“在對立中尋求動態平衡”的智慧，正是複雜科學最深刻的人文維度 15 。 學術精神的內核：開放、整合與動態適應 聖塔菲的學術精神，本質上是一場 “科學的大整合” 運動。其核心可概括爲四個維度：跨學科協作打破 “物理學研究原子、生物學研究細胞、經濟學研究市場” 的學科割據，鼓勵研究者 “交換隱喻”—— 如用熱力學的 “熵” 解釋經濟系統的無序化，用進化論的 “選擇壓力” 分析技術創新 16 17 ；反還原論思維主張 “整體大於部分之和”，考夫曼的 “自動催化論” 與霍蘭的 “複雜適應系統” 理論，均揭示了系統湧現性無法通過拆解組件獲得 1 ；動態適應理念強調 “適應需要改變內部模型”，正如聖塔菲研究所自身的組織形態 —— 分佈式、自組織，不斷從科學發現中調整研究方向 4 8 ；多元包容則體現在從諾獎得主到研究生的平等對話中，正如蓋爾曼所言：“在這裏，重要的不是頭銜，而是你是否提出了真正的問題。” 這種精神孕育了一場 “重建科學傳統” 的無聲革命。當阿瑟在經濟學界的抵制中堅持探索，當蘭頓在修道院的小教堂裏演示人工生命的演化，當考夫曼用 “生命遊戲” 模擬生態系統的湧現 —— 他們共同證明：科學的突破，不僅需要嚴謹的方法，更需要敢於站在 “秩序與混沌邊緣” 的勇氣。正如羅家德所言，聖塔菲的故事，正是 “科學家的叛逆精神與跨學科碰撞” 如何點燃創新火種的最佳範例。 書籍的學術價值與現實意義 《複雜》作爲複雜科學領域的里程碑著作，其學術價值與現實意義跨越學科邊界，深刻重塑了人類對自然與社會系統的認知範式。在學術層面，該書以 “複雜科學最佳入門之作” 的定位，通過聖塔菲研究所科學家羣像傳記的敘事方式，首次系統梳理了湧現、自組織等核心概念，爲跨學科研究提供了 “架構性理解”，成爲無數學者的 “啓蒙之書”。其核心貢獻在於突破自牛頓時代以來統治科學的線性還原論思維，爲 “非均衡、非線性系統” 研究奠定方法論基礎，被評價爲 “可能改變每門科學的面貌” 的開創性成果。正如張江在推薦序中所言，該書直接推動了中文複雜科學研究的起步 —— 他本人受此啓發創辦集智俱樂部，致力於探索複雜系統的統一性，使《複雜》成爲連接東西方複雜科學研究的橋樑。 學術核心突破： 整合跨學科理論，構建複雜科學概念體系（如湧現、自組織）； 挑戰傳統科學範式，爲非線性、動態系統研究提供方法論； 記錄聖塔菲研究所誕生歷程，保存跨學科合作的早期智識成果。 在現實應用層面，該書的思想輻射已滲透至商業、管理、生命科學等多元領域。王小川將書中對生命系統的解讀延伸至商業組織，提出 “公司類生命系統” 類比 —— 認爲企業如生命體般需要 “適度競爭、避免肥胖、保持開放性”，這種 “向生命學習做公司” 的視角，爲互聯網時代的組織管理提供了全新框架。管理學領域，羅家德、鄭傑等學者從 “混沌邊緣” 理論中獲得啓發，指出創新往往產生於秩序與混沌的臨界狀態，這一洞見顛覆了傳統層級化管理思維，推動 “複雜組織系統的管理學研究” 成爲新熱點。讀者反饋亦印證其現實價值，豆瓣短評中 “啓發思考非線性關係” 的評價，揭示該書幫助大衆在無序的世界中識別隱藏規律 —— 例如理解經濟波動、社會系統演化等複雜現象背後的動態機制。 從技術創新到全球性問題解決，《複雜》的影響力持續擴展：它啓發研究者從 “原始湯分子到活細胞” 的自組織過程中汲取技術創新靈感，爲人工智能大模型的湧現能力提供理論解釋；同時爲氣候變化、疾病傳播等全球性挑戰提供系統分析工具，倡導 “多元包容、動態平衡” 的認知方式。正如《紐約時報書評》所讚譽，該書 “生動展示科學家交換隱喻” 的過程，而這些隱喻最終演化爲理解複雜世界的通用語言，在生物學、經濟學、計算機科學等領域引發連鎖反應，印證了其 “21 世紀的科學” 這一前瞻性定位。 侷限與爭議：複雜科學的未竟之路 《複雜》作爲複雜科學領域的早期啓蒙著作，其價值與侷限始終相伴而生。這種張力不僅源於書籍自身的敘事選擇與時代侷限，更折射出複雜科學作爲一門交叉學科在探索前沿時的固有挑戰。客觀審視這些侷限與爭議，恰能揭示其 “未竟終章” 的深刻內涵 —— 科學革命的開放性恰在於它永遠走在自我完善的路上。 書籍自身的敘事侷限與時代烙印 從文本呈現來看，本書的敘事結構始終存在爭議。部分讀者批評其 “像報道形式”，充斥 “事無鉅細的對話”，對理論的科普篇幅有限，反而更側重科學家個性描繪（如 Stuart Kauffman 的學術堅持、Brian Arthur 的理論突破、Chris Langton 的跨學科探索），這種 “高 screenplay style” 可能分散對理論嚴謹性的關注 4 16 。這種敘事選擇雖增強了可讀性，卻也削弱了對複雜系統核心原理（如湧現性、自組織）的深度解析，使部分讀者產生 “理論內容單薄” 的觀感。 時效性問題則更爲突出。自 1992 年初版至今已 30 餘年，書中經典概念（如混沌、分形）逐漸淡出主流科研視野，而人工智能大模型的崛起可能重構傳統複雜系統分析方法 14 。更值得關注的是，聖塔菲研究所作爲複雜科學的核心陣地，其後續 30 年的重要成果（如生態系統韌性研究、社會網絡動力學模型）未能被納入書中，導致讀者發出 “幾十年後的如今，聖塔菲研究所到底做出了哪些重要工作” 的疑問，這也使得 “重新翻譯的必要性” 受到質疑 4 14 。 複雜科學的學科爭議：方法論、實用性與定義困境 複雜科學自誕生起就面臨着來自傳統學科的方法論拷問。部分學者擔憂其 “靈活的理論框架” 可能導致 “假裝做出成果” 或 “時機尚未成熟” 的研究，形成 “泥沙俱下” 的學術生態 4 。這種批評直指交叉學科的核心矛盾：當研究對象跨越物理、生物、經濟等多個領域時，如何建立統一的方法論標準？經濟學家對布萊恩・阿瑟 “路徑依賴理論” 的質疑頗具代表性 ——“如果世界自組織成多種模式且選擇出於歷史偶然性，無法預測，如何稱爲科學？” 這一詰問揭示了複雜科學在 “不確定性” 與 “科學可預測性” 之間的張力 2 。 實用性爭議則更貼近公衆認知。有評論認爲內容 “也就圖一樂，沒啥實質內容”“不值得讀，浪費時間”，這種極端評價雖顯片面，卻反映出複雜科學在理論抽象與現實問題間的鴻溝 4 。當系統複雜性超過臨界閾值時（如 AI 大模型的 “湧現能力” 突然停滯），現有理論往往難以精準預測與調控，這種 “複雜性過剩” 問題在人工智能、氣候變化等領域已成爲現實挑戰 5 。 更深層的困境在於 “複雜性” 定義的模糊性。正如學者所言，複雜性 “正在試圖解答一切常規學科範疇無法解答的問題”，這種定位使其始終遊走在 “提出問題” 與 “解決問題” 的邊緣 12 。書中第九章 “未竟終章” 以 “襤褸行者”“日照前路” 等隱喻，恰如其分地暗示了這一領域的開放狀態 —— 理論體系尚未完全嚴謹化，應用邊界仍在探索之中 18 。 未竟之路：從理論基石到學科整合的長征 複雜科學的 “未竟性” 首先體現在重大基礎問題的懸而未決。生命起源、意識本質、氣候系統的非線性動力學機制等 “宇宙級謎題”，仍是橫亙在研究者面前的高峰。儘管人工智能大模型已能學習複雜系統的部分行爲模式，但其 “黑箱特性” 使其無法替代人類對第一性原理的追問 ——真正的複雜科學不僅要描述現象，更要揭示 “爲何如此” 的深層邏輯 14 。 學科整合的理想與現實差距同樣顯著。聖塔菲研究所倡導的 “學科大整合” 至今未能完成，多數研究仍停留在 “工具疊加” 層面（如用網絡科學分析經濟數據），而非真正超越學科壁壘的理論融合 14 。這種困境本質上是所有交叉學科的共同挑戰：如何在保留各學科特異性的同時，提煉出普適性的複雜系統規律？ 未竟的核心命題 複雜科學的終極挑戰在於：既要突破傳統還原論的桎梏，又需避免陷入“泛複雜論”的空泛；既要承認系統的不可預測性，又要爲現實問題提供可操作的調控方法。這種“既要……又要……”的張力，正是其保持活力的源泉。 啓蒙讀物的定位：在爭議中照亮前路 將《複雜》置於複雜科學 30 餘年的發展脈絡中審視，其啓蒙價值遠大於理論完備性。與後續著作如《規模》（聚焦生物與城市的普適標度律）相比，本書更像一部 “思想紀錄片”—— 它記錄的不是成熟理論，而是一羣科學家如何打破學科邊界、探索未知的勇氣。那些被批評爲 “過多的人物故事”（如 Stuart Kauffman 對自組織生命網絡的構想、Chris Langton 對人工生命的執着），恰恰展現了科學革命中 “人的因素”：跨學科合作的碰撞、面對失敗的堅持、跳出框架的想象力 16 。 聖塔菲研究所 2024 年春季研討會仍在探討 “過於前沿或風險過高而未成爲主流的新領域”，這一細節生動說明：複雜科學從未停止生長 8 。《複雜》的價值，正在於它讓讀者意識到：當科學麪對 “混沌邊緣的秩序” 時，提出好問題比給出標準答案更重要。正如書中 “日照前路” 的隱喻，真正的科學探索，永遠在已知與未知的交界處尋找光亮。 結論：直面複雜性的認知革命 《複雜》一書所揭示的複雜性科學，不僅是一場學術領域的方法論革新，更是人類認知史上的深刻革命 —— 它標誌着科學範式從牛頓以來的線性還原論，向動態、系統、整體的複雜性思維的根本轉型。這場革命的核心在於顛覆了 "世界是靜態均衡的孤立部件集合" 的傳統認知，確立了 "萬物皆爲相互關聯、動態演化的複雜系統" 的全新世界觀 19 20 。正如聖塔菲研究所的探索所展現的，這種認知轉型絕非抽象的理論建構，而是直面現實世界複雜性的思維覺醒，它要求我們以全新的方式理解生命、社會與技術的演化規律。 認知革命的方法論突破 這場革命的首要突破在於方法論的革新。複雜科學打破了學科壁壘的桎梏，倡導跨學科融合的研究路徑 —— 通過整合物理學、生物學、經濟學、計算機科學等多領域工具，揭示覆雜系統的普適規律 19 。其核心工具包括非線性動力學、混沌理論與自組織模型，這些方法使我們得以超越簡單的因果線性思維，捕捉系統內部 "湧現" 的複雜行爲 —— 即 "極其有趣的複雜行爲可從簡單合成砌塊湧現" 的非線性機制 2 。這種方法論的革新，本質上是將科學研究從 "拆解機器" 轉向 "觀察生態"，從追求單一 "最優化" 轉向 "保持儘可能多的選擇"，在秩序與混沌的邊緣尋找系統演化的動態平衡 9 19 。 現實世界的複雜性啓示 在技術迭代與社會變遷加速的當下，"混沌邊緣" 與 "湧現" 等概念展現出深刻的現實解釋力。面對人工智能大模型的黑箱特性、城市系統的自組織演化、經濟市場的非線性波動，傳統的線性調控與局部優化策略屢屢失效。複雜科學啓示我們：技術創新的突破點往往誕生於規則與隨機的交界處，社會治理的韌性依賴於對 "活系統" 動態性的尊重 —— 正如約翰・霍蘭所言，"穩定即死亡"，任何試圖將系統鎖定於靜態均衡的努力，最終都會扼殺其創造性演化的可能 15 。這種思維對氣候變化應對、城市交通管理、經濟調控等現實議題具有直接指導意義：它要求決策者放棄 "全知全能" 的控制幻想，轉而構建具有適應性的彈性系統，在秩序與混沌的邊緣維持系統的創新活力 5 19 。 直面複雜性的生活與思維啓示 對於個體而言，這場認知革命的終極意義在於重塑我們理解世界與自身的方式。複雜科學啓示我們，人類既是複雜系統的觀察者，更是參與者 —— 正如書中金句所言："你是順流而下的紙船船長，需觀察水流而非逆流"。這種視角要求我們： 複雜性思維的三大核心準則 動態平衡觀：超越"左/右""公平/效率"的二元對立，以"陰陽相生相剋"的系統思維看待矛盾，在變化中尋求動態平衡 15 。 開放適應觀：承認世界的"隨機性與不確定性"，接受"進化路上試錯必不可少"，以開放心態擁抱未知而非追求絕對確定性 4 。 整體關聯觀：認識到"整體大於部分之和"，從孤立關注個體轉向理解系統內的相互關聯，把握"活系統"的湧現特性 21 。 這種思維方式與中國傳統陰陽哲學有着深刻的契合性 —— 二者都強調變化的永恆性與系統的關聯性 22 。當我們以複雜性思維審視生活時，會發現無論是職業發展、人際關係還是個人成長，都不是線性規劃的結果，而是動態適應的過程。正如書中啓示，"理解複雜能讓我們看清更多 ' 活着 ' 的事物，使生命和世界更有意義"，這種認知不僅是科學的進步，更是人類精神向更廣闊維度的拓展 22 。 面向未來的認知啓蒙 作爲 "21 世紀的科學" 與 "一場新的啓蒙運動"，複雜科學的價值遠超出學術範疇 3 。它推動人類邁向 "面向綜合的時代"，要求我們在人工智能、生物技術等前沿領域，以跨學科協作與實證研究爲基礎，在秩序與混沌的邊緣探索可持續發展路徑 12 23 。這場認知革命的終極目標，不是提供解決所有問題的萬能公式，而是培養我們 "直面複雜性" 的勇氣與智慧 —— 承認世界的不確定性，尊重系統的自主性，在動態演化中尋找與自然、社會和諧共生的方式。當我們真正學會 "觀察水流而非逆流" 時，或許才能在這個複雜多變的時代，駕馭好自己的 "紙船"，駛向更具韌性與創造性的未來。

複雜系統領域有 4 本經典著作，分別爲：《混沌》、《複雜》、《湧現》和《失控》，本書爲這 4 部曲中的第 2 部。 這 4 本書分別從不同的角度和層次揭示了複雜系統的四個階段： 混沌：系統的初始階段，表現出高度的不可預測性和敏感性。 複雜：系統處於混沌和秩序之間的邊界，表現出高度的複雜性和自組織行爲。 湧現：個體通過簡單規則和局部互動，形成整體上的複雜行爲和結構。 失控：系統在自組織和演化過程中，超出了人類的控制和預期，表現出高度的自主性和自適應性。 這些階段不僅適用於自然界的物理和生物系統，也適用於社會、經濟和技術系統，提供了理解和分析複雜現象的重要框架。

年度好書，也是我又填充了一塊空白領域——對複雜科學有了初步的瞭解。 讀這本書，有三個不同的感受： 1.感受裏面各種大神對科學的熱愛，這種對事業的熱愛感染了我。 2.湧現其實也是在講人工智能，講的是人工智能的自我學習能力，在某一個點突然就爆發了，一通百通。 3.其實也是對自己的鼓勵。人生歷程中，無論工作上還是生活中，前行就對了，不斷積累經驗，一步步搭框架，把各種知識點串起來，也許某一天也就一通百通，一騎絕塵了。

# 成功如何改變成功的條件---《複雜》：技術、資本與社會系統的適應困境 現代社會有一種令人困惑的失敗：參與者並不缺乏能力，甚至都在按照各自的指標改進，整個系統卻越來越脆弱。企業持續降本，供應網絡失去緩衝；模型不斷提效，算力與電力投入繼續膨脹；服務越來越數字化，一部分人的辦事能力反而下降。 《複雜》爲理解這些現象提供了一條重要線索： **參與者的行動會改變環境，改變後的環境又會重新評價這些行動。** 昨天有效的策略，可能因爲今天被廣泛採用而失效。成功積累出的規模、關係和組織慣性，也可能逐漸構成下一次轉型的阻力。 這使沃爾德羅普的作品在2026年仍有解釋力。它幫助讀者識別相互作用、反饋和適應過程，同時也要求讀者放棄一個誘人的幻想：只要掌握足夠高級的理論，就能站在系統之外，準確指揮它的演化。 ## 一、這本書改變了研究問題的單位 英文原書出版於1992年，記錄的是聖菲研究所早期科學共同體的形成。它兼具科學史、人物羣像和思想史的性質，保留着新研究方向初生時的興奮，也留下了尚未完成驗證的猜想。[^1] 書中幾條線索，分別挑戰了不同的習慣。 布萊恩·阿瑟討論遞增收益：採用一種技術的人越多，它可能越便宜、配套越豐富、學習成本越低，後來的使用者便更願意加入。小規模的早期優勢，可以被反饋不斷放大。 約翰·霍蘭強調主體的學習與適應。市場、生態和組織中的參與者會觀察結果、修改規則，系統因而持續產生新的行爲。用一套固定參數描述這樣的世界，容易漏掉最重要的部分：參數所代表的行爲本身也在變化。[^2] 考夫曼追問秩序如何自發形成，蘭頓藉助人工生命與元胞自動機探索局部規則怎樣產生複雜的整體行爲。他們共同擴展了研究的單位：單個零件的性質當然重要，零件之間的關係、連接方式與反饋速度也必須進入解釋。 還原分析仍然不可替代。電網需要電路理論，藥物需要分子機制，芯片需要器件物理。複雜科學補上的，是把這些知識重新連接起來的工作。 **知道每個部件如何工作，並不自動等於知道它們共同工作時會發生什麼。** 這句話在2026年的分量，來自現實系統連接程度的加深。雲服務、金融、能源、物流與個人生活高度依賴；一個領域的效率改進，可能在另一個領域形成成本和風險。 ## 二、遞增收益解釋優勢形成，也暴露優勢的條件 阿瑟的思想經常被壓縮成“強者恆強”。這個概括過於粗糙。 他的1989年論文研究的是特定條件下的技術競爭：採用能夠改善技術表現，早期隨機事件因此可能影響長期結果，系統甚至可能鎖定在效率較低的路徑上。論文同時討論遞減收益、學習上限等條件，單一技術長期支配並非無條件成立。[^3] 在AI產業中，這一區分十分必要。 微軟2026年7月公佈的年度業績中，Azure年收入首次超過千億美元，Microsoft 365 Copilot付費席位超過3000萬。雲容量、辦公入口、企業合同與開發工具已經構成相互支撐的商業體系。[^4] 企業採購模型，通常還要考慮身份認證、權限、數據流程、員工培訓、歷史系統兼容和供應商責任。由此形成的優勢，遠遠超出一次模型測評的成績。客戶使用得越深，遷移就越複雜；互補工具越豐富，新客戶接入的理由也越充分。 不過，正反饋一直受到反向力量牽制。 斯坦福《2026 AI Index》指出，截至2026年3月，Arena榜單上四家公司的領先模型處在25個Elo分以內，競爭壓力開始更多轉向成本、可靠性和領域表現。這僅代表特定評價體系中的接近，不能推導爲所有能力相同，卻足以說明領先地位需要持續維護。[^5] 模型能力接近、開放權重、兼容接口和多模型部署，都可能降低部分切換成本。基礎設施層面的集中，與模型和應用層面的擴散，可以同時發生。 因此，2026年的產業判斷需要細分到具體層次： - 芯片、供電和數據中心的稀缺，可能強化資本密集環節的優勢。- 模型性能差距縮小，可能壓低通用能力的價格。- 企業流程、客戶關係和責任承擔，可能保留應用層的議價空間。- 開放接口提高可替代性，也可能讓某個接口標準成爲新的集中節點。 資本市場容易把這些層次混成一個“AI增長故事”。《複雜》要求更嚴格的歸因：優勢由哪條反饋產生，靠什麼維持，遇到什麼條件會減弱。 遞增收益能夠解釋領先者爲何繼續擴大投入，卻不能替投資回報背書。企業可能因爲真實需求擴張而建設，也可能因爲擔心失去位置而提前建設。兩種動機可以同時存在。判斷最終仍要落到付費需求、利用率、現金回收和資產壽命。 ## 三、數字技術的速度，正在遭遇物理系統的慢變量 AI討論常以幾個月爲單位：新模型、價格調整、產品升級、能力刷新。電網、變壓器、廠房和輸電線路的建設，遵循另一套時間尺度。 國際能源署2026年4月的報告估計，全球數據中心用電量將從2025年的485太瓦時，上升到2030年的約950太瓦時，屆時約佔全球用電量的3%。這是預測，不是已經發生的結果。[^6] 全球佔比看起來有限，局部衝擊卻可能十分集中。數據中心需要在特定地點獲得穩定電力；服務器可以採購，電網接入、設備交付和配套建設未必能夠同步完成。 《Electricity 2026》指出，全球超過2500吉瓦的發電、儲能及大型用電項目滯留在併網隊列中，並強調電網與系統靈活性投資的重要性。[^7] 這裏出現了一個關鍵矛盾： **決策和需求變化越來越快，支撐它們的物理系統仍然調整緩慢。** 這種錯配會改變產業價值的分佈。模型公司可能把注意力放在算法與用戶，最後卻被供電、散熱、設備交付或施工能力約束。看似傳統的工程、運維和能源管理，由此獲得新的重要性。 資源環境分析也必須考慮反饋。單位任務的能耗下降，會降低使用成本；成本下降又可能誘發更多任務和新用途。技術提效究竟降低還是提高總能耗，要看需求擴張的幅度，不能僅憑芯片能效推斷。 同樣，AI可以增加電網負荷，也可以用於預測維護、優化調度和節能。技術的系統後果取決於它被放在哪個環節、服務什麼目標，以及節省的資源隨後怎樣使用。 從這一角度看，複雜科學對科技樂觀主義的修正十分具體：性能進步需要經過工程、組織和資源約束，才能轉化爲社會收益。 ## 四、局部正確的規則，也可能共同製造系統性失敗 2026年3月，歐洲輸電系統運營商聯盟發佈了對 **2025年4月28日西班牙和葡萄牙大停電** 的最終調查。年份必須分清：事故發生於2025年，最終調查發佈於2026年。 調查沒有給出一個包辦全部解釋的原因。它指出，振盪、電壓和無功控制缺口、調節實踐差異、發電機組解列等因素相互作用，最終形成電壓快速升高與級聯失效。[^8] 這個案例與《複雜》的關聯，在於局部動作會改變其他部分面臨的條件。設備保護某個機組，可能削弱系統支撐；調整潮流可以緩解一種擾動，也可能改變電壓狀態。風險隨着交互過程累積，最後跨過可恢復的邊界。 把事故簡單歸結爲某一種能源技術，既損失事實，也失去改進價值。真正需要檢查的是控制能力、保護設置、運行方式與協調機制是否適應了系統變化。 這一邏輯可以遷移到組織，但遷移只能作爲分析框架，不能把企業當成電網計算。 採購部門壓低價格，供應商可能減少備用能力；人力部門提高人員利用率，關鍵崗位可能沒有替補；客服部門壓縮單次處理時長，複雜問題可能被反覆轉交。每個部門都可以完成指標，客戶經歷和整體韌性卻未必改善。 常見問題在於，成本留在本部門報表裏，風險被轉移到其他環節或未來。 因此，韌性建設需要檢查風險的去向。備用能力、人工複覈、第二供應商和故障隔離，平時可能顯得低效，異常時卻決定系統能否恢復。冗餘也有成本，應根據失效後果和恢復時間配置，不能無限增加。 《複雜》在這裏提供的管理啓示很清楚： **評價局部改進時，必須同時檢查它改變了誰的約束。** ## 五、“混沌邊緣”不能成爲失控的浪漫藉口 本書副標題富有吸引力，也最容易被濫用。 組織頻繁改方向、長期超負荷、責任模糊，都可能被包裝爲“處於混沌邊緣，因此更有創新活力”。這種解釋沒有科學根據。 蘭頓的研究來自特定元胞自動機模型，探討信息存儲、傳輸和處理與動力學狀態之間的關係。後來，梅拉妮·米切爾、赫拉伯和克魯奇菲爾德對相關實驗進行了再檢驗，得到明顯不同的結果，並質疑原先關於臨界參數與計算能力關係的解釋。[^9] 這沒有取消“混沌邊緣”的啓發價值，卻足以阻止它被提升爲普遍規律。 幾個概念也應分開： - **混沌** 涉及確定性系統對初始條件的敏感。- **隨機性** 涉及概率過程造成的不確定性。- **複雜適應系統** 強調多個主體的互動、學習與調整。- **湧現** 描述局部相互作用產生的整體性質，不預先保證這種性質有益。 羣體智慧可以湧現，擁堵、錯誤共識和重複踩踏式的競爭也可以湧現。自組織形成的秩序，同樣可能低效且難以改變。 成熟組織需要允許探索，同時限制失敗的傳播範圍。實驗預算、隔離環境、回滾機制、責任邊界和獨立驗證，比“擁抱混亂”的口號更接近複雜科學的實踐精神。 穩定的底層保障，與可調整的局部規則，可以共同存在。沒有必要讓整個系統持續緊張，來證明自己具有適應能力。 ## 六、人口變化會暴露平均指標隱藏的問題 複雜科學對老齡社會的價值，首先體現在承認人的差異。 同樣年齡的人，視力、認知、行動能力、家庭支持和數字技能可能相差很大。把他們壓縮爲一個“老年用戶畫像”，服務設計很容易失真。 2026年發佈的《中國供電發展報告》總結2025年情況時指出，相關平臺業務線上辦理率超過97%，全年智能生成供電方案超過200萬份。報告也記錄了線下窗口、跨域幫辦和“自助辦＋窗口辦”等多渠道安排。[^10] 這些成績說明數字化能夠處理大量標準業務。進一步評價服務質量，還需要觀察未被順利處理的部分：無法提交申請的人、反覆驗證失敗的人、無法準確描述故障的人，以及沒有家屬協助的人。 這裏的風險不是數字化本身。問題在於，平臺容易測量已經進入流程的用戶，卻不容易看見被擋在入口之外的人。 適老化因此涉及整個服務鏈：操作界面、身份驗證、電話協助、代理權限、社區幫助、線下受理和異常升級。每個環節都可能成爲限制條件。單純放大字體，解決不了其中大多數問題。 一個穩定的服務系統需要多種渠道相互補充。保留人工窗口，可以承擔機器難以處理的例外；一線人員發現的例外，又應反饋給產品和流程設計。 文化傳承也存在類似結構。數字化保存了文字、圖像和動作，技藝仍可能失去活力。手藝往往依賴材料觸感、師徒糾錯、地方語言、使用場景和穩定需求。只保留展示內容，容易留下檔案，卻失去繼續實踐的人。 這是從複雜科學作出的遷移判斷：文化延續需要維持產生知識的關係和場景。數字工具可以擴大傳播，也應服務於學習、使用和再創造，避免把活態文化壓縮成可供觀看的標準樣本。 ## 七、聖菲的啓發：跨學科需要解決接口問題 沃爾德羅普記錄的聖菲研究所，值得關注的還有它組織知識的方式。 阿瑟的經濟學、霍蘭的計算思想、考夫曼的生物學問題，能夠發生聯繫，依賴共同問題、交流時間和能夠容納探索的機構環境。跨學科由此具有明確成本：學習別人的語言、暴露自己的盲區、協調不同證據標準，並容忍初期產出緩慢。 把幾個專業名詞寫在一起，不會自動產生解釋力。物理系統的臨界點、經濟學的均衡、組織管理的穩定，各有定義和測量方法，不能僅憑詞義相近就相互替代。 對接受過博士訓練、正在經歷中年職業轉型的人，這一點尤其現實。 專業訓練能夠提供證據判斷、問題分解、模型構建和長期追蹤的能力。但進入產業之後，技術可行性只是一個條件。預算、交付、責任、客戶信任和維護成本，會共同影響方案能否被採用。 模型負責人可能需要理解數據權限和業務責任；材料研究者需要面對良率、認證與採購週期；老齡服務從業者需要連接營養、康復、空間與家庭照護。這些接口上的工作，往往難以由單一學科獨立完成。 深度仍然重要。缺乏專業基礎，跨界容易變成對各種說法的轉述。更有效的路徑是保留一個能夠獨立判斷的專業支點，再圍繞真實問題擴展相鄰能力。 可以用一個有限實驗檢驗遷移方向：在90天內，與真實使用者共同完成一項小規模交付，記錄它是否被採用、是否減少返工、是否節省總成本，以及誰願意承擔持續使用的預算。12—18個月後，檢查它能否在第二個場景複用。 如果反饋始終停留在認可觀點，沒有實際採用，應調整問題選擇。把持續學習等同於不斷積累課程和證書，容易延長舊路徑，卻沒有建立新位置。 本書對職業的提醒相當嚴厲：過去的成功證明你曾適應某個環境，未來的價值需要重新驗證。 ## 八、戰略應當容納多種演化路徑 複雜系統分析最容易發生的滑坡，是用一個宏大概念宣佈未來已經確定。無論聲稱平臺將永久壟斷，還是聲稱開放技術將消滅一切壁壘，都過早關閉了判斷。 結合2026年的證據，可以保留三條競爭性路徑。 **協調速度逐步追上技術擴張。** 在未來0—18個月內，模型進步繼續受到併網、組織採用和數據質量約束。應觀察項目投產時間、真實使用率和付費續約，避免只跟蹤發佈頻率。 **能力擴散快於生態鎖定。** 在18—36個月尺度上，如果兼容接口、多模型使用和開源部署繼續降低替換成本，部分價值會向客戶關係、專業流程和可信交付轉移。供應商切換的實際成本，比模型數量更有判斷意義。 **集中化伴隨脆弱性上升。** 在3—7年的較長尺度上，如果資本、資源和關鍵依賴持續集中，局部中斷可能產生更大的外溢影響。屆時應提高對可替代性、模塊化和恢復能力的投入。 這些路徑可以在不同層次同時出現。基礎設施集中，並不排除應用繁榮；局部替換方便，也不代表底層依賴減少。 相應的戰略能力，是保留能夠區分這些路徑的觀測指標，並事先約定改變行動的條件。市場採用、現金回收、故障恢復時間和遷移成本，都比“趨勢不會錯”的信念更可靠。 ## 結語：複雜性要求更精確地承擔責任 《複雜》的持久價值，來自它對簡單因果與靜態最優的持續挑戰。局部理性可能積累整體風險，成功可能固化路徑，技術進步可能重新分配瓶頸。 它也有時代邊界。早期探索的熱情不能替代後續驗證，計算機模擬不能憑藉逼真外觀自動獲得現實解釋權，“湧現”更不能成爲解釋不清時的結論。 在2026年重讀這本書，值得保留的是一種有紀律的戰略態度：理解反饋，識別約束，允許有限試驗，控制失敗傳播，並持續檢查自己的行動如何改變了他人的環境。 系統超出任何單個參與者的控制，並不意味着無人需要負責。恰恰因爲相互依賴加深，責任必須延伸到接口、後果和恢復能力。

複雜之美 以前我們總認爲萬物的本質是簡單的，可用數學公式來歸納，比如牛頓力學，我們稱這種簡單爲美，這同時也是美學的標準，數學和公式簡單之美貌似爲我們鋪就了抵達本質的通途。但越來越多的現象揭示（比如量子力學以及混沌學），本質是複雜的，如果真有本質，那也應該是藏在複雜背後的東西，起碼複雜沒弄明白之前，談複雜背後的東西沒有意義，複雜之美，纔是美學今後發展的對象。談本質，不再是把現象歸納爲簡單的公式，而是要尋找簡單公式背後的複雜意義，找到那種或許註定沒有本質背後的本質是什麼？邏輯註定存在悖論的本質是什麼？不可預測的本質是什麼？但無論如何，我們或許要試着轉變觀念，用心，用理性，用感性去體驗複雜之美，放棄那種簡單之美，放棄那種簡單的歷史決定論，放棄那種看待本質的方式，放棄那種簡單的本質主義。 量子的概率分佈比牛頓力學的精確更美。 簡單很美，但複雜比簡單更美。 歷史之美在於不可預測的複雜，而不是簡單的歷史決定論。 那隻看不見的手比那隻指手畫腳的手更美。 有人會說，只有簡單才能賦予意義，複雜是沒有意義的。但簡單的意義只是被賦予的意義，而複雜所展現的意義卻更爲深刻，複雜中蘊涵的某種難以言說的趨勢，比所謂精確的預測，更有意義。複雜中體現的多樣性比簡單的本質更有意義。複雜的，沒有明確邊界的概念比精準的劃分更有意義。複雜的人生意義比單純的意識形態更有意義。 人類的一切苦難說穿了都是因爲視簡單爲美，簡單之美給妄人以實現其虛妄理想的機會，簡單很簡單，簡單之美看起來確實很美，大部份人都能領略，那麼大部份人也就很容易被這種美迷惑，這種美美的很有道理，而道理大部分時候是經不起推敲的，道理總是看起來很美，就像那些扯淡的詩歌。 推敲是需要勇氣的，打破美好的東西，總是需要勇氣的，複雜很沒有道理，所以看起來不美，看起來不美的東西自然不能用看。 沒有複雜就沒有我們，沒有意識，沒有自由，沒有豐富多樣的世界，複雜的美如此複雜，無法用言語去概括，語言對此無能爲力，範疇對此無法設立邊界，複雜無拘無束卻又遵循某種規範，複雜沒有形式，卻甚至形式，複雜本身就是形式。 其實，複雜之美就是承認自己的無知，當然這種無知是建立在更多的知之上的，無知之知是避免極端的最佳思考方式。 複雜是由簡單構成的，複雜的每一步都足夠簡單，簡單到傻子也能實施，但簡單的每一步最終體現的卻是極致的複雜，就如算法，零和一的簡單規則最後卻能展開爲複雜到我們本身無法理解的程度，就如基因的四個簡單的鹼基卻能創造意識。 複雜和簡單的辯證統一是世上最深刻，最美麗的辯證關係。

這本書應該是幾年前已經讀過了的，而且不止讀過一遍。重刷一遍，依然感覺挺好。 複雜性科學的哲學基礎還是理性形而上學，方法論也只能是形式邏輯的演繹法和歸納法。雖然對於一些混沌的現象，複雜性科學解釋起來更有力度。但是這種方法論畢竟不能上升到哲學存在論於認識論的高度，因此只能在概念、範疇和事實以及邏輯中徘徊，也就很難有真正的“革命”成果呈現出來。 現象學大師胡塞爾說：近代以來的歐洲，只見事實的科學造就了只見事實的人。他要求我們“回到事情本身”。20世紀最偉大的哲學家海德格爾說：幾個世紀以來，思想最大的敵人就是理性，思想只有告別理性，才能真正思想。他們的看法跟馬克思和尼采一起，宣佈了理性形而上學的終結。未來的哲學應該屬於馬克思所開創的“歷史唯物主義”哲學，儘管馬克思本人不認爲這是哲學，而是世界觀。未來的科學，也不應該是實證科學，而應該是馬克思提到的唯一的科學：歷史科學。 如果用歷史科學的方法論，去解釋所有的複雜性科學所研究的命題，我覺得解釋力更好，而且更具未來圖景。

這是一本科學紀實，記錄複雜性科學研究所聖塔菲創立與成長曆程。單一變量研究很難還原複雜系統，傳統科學家在複雜系統提煉出簡潔經典科學理論，這些理論基於明確假說，有嚴苛使用條件。但現實世界：生命、經濟、意識、心理等富有創造力的系統，都存在於嚴格秩序與徹底混沌之間的“混沌邊緣”。他是簡單個體自組織，湧現出來整體上無法準確預測的現象，研究這個新系統需要有有全新跨學科視角。作者提供了這個複雜系統研究的方法與思想，也是現在人工智能爆發的思想根源。值得讀一讀。

經濟系統和生態系統一樣，充滿着自下而上的變化，各種機緣，因緣和合，一個微小的開始會帶來巨大的變化，強者恆強弱者恆弱，直到天之道損有餘而補不足，週而復始，萬千條線都是這樣螺旋的發展運動變化，其大無外其小無內，構成既有局部的秩序，又有混沌，秩序和混沌在系統裏面不斷的演化，相生相剋，一切皆有可能，一切又似乎有所軌跡。 當你感覺處理問題混亂和棘手時，意味這個混沌狀態，不妨升維，在更高的視野和更大的時間跨度，可能問題就變得很簡單。 冪律分佈很有意思，這個世界極少數人掌握着3成到5成的財富，極少數上市公司貢獻着大部分財富，一家技術領先的公司贏家通喫，大型地震，火山，金融危機，金融泡沫此消彼伏，就是構成系統的一部分，包容波動，引導波動纔是正解。 適者生存和幸者生存同時存在系統當中，秩序和混沌同步存在於這個世界，同樣道理，具備兩種能力的企業和個人處於邊緣地帶通常容易幹大事，變成冪律的一部分。 生態系統足夠大，時間足夠長，就可能演化出智能生命體，同樣適用於炭基人類和硅基智能體，生命本質是消耗能量處理信息並不斷自適應強化的過程，對應芯片和能源，技術革命的兩個驅動輪子，芯片核心又是存儲和處理核心。 預測有邊界，在一定時間範圍內和更大的宏觀顆粒度基礎上具有秩序和穩定性，對於投資來說，宏觀和長遠投資的模糊性定義長期主義投資，成長投資，才能享受非線性的成長。 經濟系統，免疫系統，股票系統，生態系統遵循類似的法則，比如冪律分佈，比如秩序和混沌組合推進，比如自適應演化，比如動態，對應純混沌容易失效，市場主義並非萬能，政府幹預和市場調節在一個經濟體中都很重要，相當於秩序和混沌的動態平衡纔是關鍵。 所有的單一決定論和預測離開時間尺度和空間範圍，就會出現很亂的混沌，那麼很多事情都是有邊界的

很高興我沒有因爲書中有大量專業名詞而放棄，這種跨越多學科的書籍會夾雜着大量晦澀的概念，對許多讀者來說相當不友好，不過認真讀完，慶幸我沒有迷失在文本中，還算有所收穫，這本書是我入門系統科學的第一本，以後肯定還需要再讀一遍。 阿瑟：對古典經濟學裏市場無論經歷怎樣波動，最終都歸於靜態平衡充滿懷疑，不認爲經濟學裏智識上堪稱完美的數學工具可以解釋現實經濟運行，決定用報酬遞增（延伸出技術鎖定這一概念）來解釋經濟。市場裏的人行事並非完全理性，他們不是遵照最優化效用函數來行事的。在複雜系統當中一切都在變化，是不存在局部最優這一說法的。 霍蘭：讓我印象比較深刻的是對於複雜自適應系統特徵的描述：多主體交互成的網絡。系統有多層級主體。上一層級的主體成爲合成砌塊，充當下一層級主體。系統內沒有主導主體，沒有哪個主體擁有大量控制權，複雜系統在主體的互相作用中變化。每個主體當佔據着某種生態位，當新生態位誕生，會有更多的生態位產生，由此，系統永遠在更新，不會停止變化腳步。 霍蘭針對複雜系統提出的概念相當精彩。 自適應：複雜系統通過改變其合成砌塊來適應外部變化，完全依靠內部主體互動，不在外部指導下就做到了自適應。 湧現：主體們僅僅遵守簡單規則，聯結而成的系統就出現許多簡單規則無法囊括的特徵。他對湧現這一概念相當嚴謹，湧現出來的特徵必須要是主體遵守的簡單規則所無法解釋的。所以他在自己的模型中，取消使用主體獲取獎勵作爲解釋湧現的出現，而是用主體的競爭來解釋湧現。 學習：主體們不需要有意識和智慧也能學習進化，光是在應對外部環境的過程中，主體們就擁有了自己的內部預測模型。 蘭頓：我去網上看完元胞自動機的演示，還挺好玩的。他由此提出了複雜系統生於秩序和混沌之間，信息複製和複雜系統變化要在混沌邊緣纔行得通，並且還從物理學上來對應這個三元劃分。固體-二階相變-液體對應秩序-混沌邊緣-混沌。打破了對隨機程度秩序和混亂的二元劃分。 考夫曼：我看過理查德道金斯對生命起源的解釋，在一片原始生命之海中，用偶然有複製體誕生來解釋生命。道金斯的初衷也是，宇宙完全的隨機混亂，是不可能出現生命的，需要用偶然出現了複製者這個不那麼隨機的機制來解釋生命起源。考夫曼更進一步，認爲進化論裏的自然選擇和基因隨機變異以及偶然誕生複製者這三大機制都還是不足以解釋生命的發展歷程，宇宙短暫的時間還是無法滿足生命這種究極小可能事件的誕生，於是他開始用自催化作爲生命誕生的起點來解釋爲何複製者會誕生。 總而言之，這個世界上我們觀察到的許多屬性都不是物質本身自帶的屬性，而是蘊含在物質的組織形式之中。 這本書我花了20多個小時細細看了一遍，還是不夠，等看完其他系統科學書籍，回頭重讀時或許才能完全喫透本書，下次重讀再好好做總結筆記了。