复杂：诞生于秩序与混沌边缘的科学

世界简单又复杂，简单是在呼吸间，复杂是在每一个细胞的吞吐里。 世界简单，简单在呼吸之间—— 是一呼一吸的节奏，是昼夜交替，是四季轮回，是大道至简的秩序。 就像国家大循环，看似宏大，本质不过是一进一出、一内一外。 复杂藏在每一个细胞的吞吐里—— 是每一次心跳、每一次代谢、每一次供需、每一个人的悲欢。 是系统里无数微小的联动、反馈、生长与修复。 宏观极简，微观极繁； 外在是呼吸，内在是生机。 这句话，刚好把复杂系统、生命、文明、国家全都讲完了。 心安，就是看懂了： 再大的事，也不过是天地间的一次呼吸。 落于每个人的生活里，三餐四季而已。

《复杂：诞生于秩序与混沌边缘的科学》内容介绍与书评 书籍背景与科学革命的缘起 20 世纪 80 年代，一场旨在重构科学认知框架的思想革命在美国新墨西哥州的群山沙漠间悄然酝酿。这场革命的核心阵地，是 1984 年 5 月成立的圣塔菲研究所（Santa Fe Institute, SFI）—— 一个打破学科壁垒的跨学科智库。这里汇聚了物理学、经济学、计算机科学等领域的顶尖学者，既有诺贝尔物理学奖得主默里・盖尔曼、菲利普・安德森，诺贝尔经济学奖得主肯尼斯・阿罗，也有充满探索热情的年轻研究生。他们怀揣共同愿景：超越自牛顿时代以来主导科学界的线性还原论思维，创建一门能揭示自然界与人类社会普遍复杂性的 “21 世纪的科学”—— 复杂性科学。 从牛顿范式到复杂性转向 自牛顿建立经典力学体系以来，传统科学以线性因果关系和还原论为核心方法论，将复杂系统拆解为孤立部分进行研究，认为微小扰动会被负反馈消除，系统终将趋于均衡与确定状态。然而，随着科学发展，当研究对象扩展到生态网络、经济市场、神经网络等复杂系统时，非线性相互作用、不确定性与涌现性行为凸显，传统框架难以解释 1987 年股市单日暴跌 500 多点、古物种数百万年稳定后突然灭绝等现象。圣塔菲的科学家们深刻意识到，世界本质上是 “相互关联、共同进化的动态系统”，需要全新的理论框架理解这种 “无序与秩序之力势均力敌” 的复杂状态。 范式转型的核心突破：传统科学将世界视为可无限分割的机械体系，复杂科学则聚焦系统层面的涌现行为与自组织规律，揭示从微观互动到宏观结构的“无缝有机整体”形成机制。这种视角转变，标志着科学从“简化世界”向“拥抱复杂性”的根本转向。 圣塔菲的智识探索与《复杂》的诞生 圣塔菲研究所的研究者们整合了神经网络、生态学、人工智能、混沌理论等领域的智识成果，试图构建复杂系统的通用理论框架。他们相信，非线性数学工具的成熟已为新科学奠定基础，而研究所的使命正是打造 “第一个严谨的、替代线性还原论思维的方法”。这场探索被科学作家 M. 米切尔・沃尔德罗普以群像传记形式记录下来，形成了 1993 年英文版《Complexity: The Emerging Science at the Edge of Order and Chaos》。该书以圣塔菲研究所的草创历程为线索，串联起科学家们突破学科边界的思想碰撞，展现了复杂科学作为 “科学大整合” 运动的诞生轨迹。 书籍的学术定位与中文世界影响 《复杂》初版于 1997 年引入中文世界（三联书店，译者陈玲），2024 年中信出版集团推出由集智俱乐部重译的再版本，使其学术价值在中文复杂科学研究中持续发酵。正如吴家睿在推荐序中指出，该书核心贡献在于提供了 “替代线性还原论思维” 的系统性视角；集智俱乐部创始人张江则评价其为中文复杂科学研究的 “启蒙之作”，为国内学者打开了理解涌现、自组织等核心概念的窗口。 复杂科学的兴起并非偶然，而是科学发展的历史必然。当传统学科在各自领域遭遇复杂性瓶颈时，圣塔菲研究所与《复杂》一书共同证明：跨越边界的智识融合，是破解复杂系统奥秘的关键。这场革命不仅挑战了 “世界简单、固定、可分割” 的传统认知，更预示着科学从 “分析” 向 “综合”、从 “确定性” 向 “可能性” 的范式跃迁。 复杂科学的核心概念与理论突破 复杂科学作为探索秩序与混沌边缘规律的新兴学科，其核心概念体系构建了理解非线性世界的全新框架。这些概念不仅揭示了自然界与人类社会的共通运作模式，更通过跨学科案例展现了从微观互动到宏观涌现的普遍规律。 复杂适应系统：动态互动的非线性网络 复杂适应系统（Complex Adaptive System, CAS）被定义为 “由大量相互关联的元素组成，通过反馈 loops 实现适应，呈现非线性互动与不可预测结果” 的动态系统 1 。其核心特征在于系统内 “主体” 的并行互动与持续适应 —— 每个主体既受环境影响，又通过行为改变环境，形成递归的因果链条。生物学中的非洲草原生态系统是典型案例：狮子捕食控制斑马种群数量，斑马啃食植被影响树木分布，树木根系固定土壤改变水循环，而水循环又反过来制约狮子栖息地的扩张。这种多主体、多尺度的动态耦合，使得系统 “永远无法真正达到平衡，总是在发展、变化，若达到平衡就是死亡” 2 。 涌现：整体大于部分之和的创造性 涌现（emergence）是复杂系统最深刻的谜题，指 “系统整体行为无法通过单个组件的属性单独解释，需从整体互动角度理解” 的现象 1 。物理学中的激光器工作原理生动展现了这一过程：当泵浦能量较低时，原子随机发射非相干光；当能量达到临界阈值，原子通过受激辐射同步振动，瞬间涌现出方向性、单色性极强的相干激光。这种 “微观无序到宏观有序” 的跃迁，正如书中所述，是 “植入自然本质的深层、内在的创造力” 2 。类似地，大脑中数十亿神经元的随机放电涌现出意识，股票市场中无数交易者的独立决策涌现出集体恐慌或繁荣，均印证了涌现的普遍性。 混沌边缘：动态平衡的生存智慧 “混沌边缘” 是复杂系统保持活力的黄金区域 —— 既非完全有序的僵化，也非彻底混沌的解体，而是 “有足够稳定性支撑存在，又有足够创造性成为生命” 的动态平衡态 3 。书中尖锐指出：“稳定即死亡，系统需在混沌边缘演化”，这一观点彻底颠覆了传统科学对 “均衡” 的执着追求 4 。经济学中的硅谷技术创新生态堪称典范：既有成熟企业维持技术稳定性（秩序），又有初创公司通过颠覆式创新打破现状（混沌），两者的持续博弈使硅谷始终处于技术爆发的临界点。正如奴隶制被人权运动取代、苏维埃政权解体等历史转折所示，混沌边缘正是 “新思想蚕食现状、旧体系突然被取代的时刻” 3 。 核心洞见：复杂系统的生命力在于对“稳定”的抗拒。当系统被锁定在绝对有序状态（如计划经济的指令性调控）或坠入完全混沌（如市场恐慌性崩盘），其适应性与创造力将彻底丧失。唯有在秩序与混沌的张力中，才能涌现出生命、技术与社会的进化动力。 自组织：无中央控制的自发秩序 自组织是复杂系统 “从无序到有序” 的内在能力，指系统在无外部指令下，通过组件间的局部互动形成全局有序结构。生物学中 “蚂蚁群体觅食” 是最直观的类比：单只蚂蚁的行为随机且简单，但通过信息素分泌与跟随机制，整个蚁群能自发形成最优觅食路径，展现出远超个体智能的集体智慧。这种 “简单规则，复杂结果” 的涌现逻辑，印证了复杂科学的核心主张：“复杂行为由简单规则自下而上演化产生” 4 。类似地，城市交通流的自组织（高峰时段的车道分流）、互联网的分布式路由协议，均体现了自组织对中心化控制的替代优势。 正反馈与报酬递增：历史偶然的放大效应 布莱恩・阿瑟提出的 “报酬递增” 理论，揭示了正反馈对系统演化的决定性影响。与传统经济学的 “边际效益递减” 不同，复杂系统中 “市场微小扰动或偶然事件（历史偶然性）可能通过正反馈被放大，对未来产生重大影响” 2 。经济学中 QWERTY 键盘的 “锁定效应” 是经典案例：早期打字机为避免按键卡壳设计的低效布局，因打字员培训体系的正反馈固化，最终成为全球标准，即便更优的 Dvorak 键盘出现也无法撼动。这一过程打破了 “市场总是选择最优解” 的均衡神话，证明 “路径依赖” 是复杂系统的普遍特性 —— 历史选择往往源于偶然，而非必然。 相变：从量变到质变的临界跃迁 相变是系统在临界阈值处发生的突然质变，标志着系统行为模式的根本转变。物理学中 “沙堆模型” 形象展示了这一过程：当沙子不断堆积，沙堆的倾斜度逐渐接近临界角，此时每添加一粒沙子都可能引发从局部滑落（小事件）到整体崩塌（大事件）的随机结果。这种 “临界状态” 下的不确定性，与人工智能系统的发展相似 —— 当模型参数规模、数据量积累到临界点，可能突然涌现出人类难以预测的 “涌现能力”（如大语言模型的推理能力） 5 。相变理论的突破在于，它将物理学的相变规律推广至生态、经济等复杂系统，揭示了 “微小变化引发巨大差异” 的非线性机制。 理论突破：从还原论到系统观的范式革命 复杂科学的真正革命性在于对传统科学范式的颠覆：它超越线性还原论，提出 “通过自组织、动态调整理解系统自发秩序” 的新框架 6 。其核心突破可概括为三点：一是用 “生命在于组织而非分子” 的联结主义视角重新定义生命，将认知从物质层面提升至关系层面 4 ；二是通过混沌理论、遗传算法等数学工具，证明 “确定性系统可能产生不可预测行为”，打破了 “确定性即可预测” 的经典认知 1 ；三是如王小川在推荐序中强调的 “生命世界观” 所示，复杂科学将宇宙视为 “广阔、无定形且永恒变化的” 动态网络，元素 “总是保持不变却总在重新排列自身”，这与 “道生一，一生二，二生三，三生万物” 的东方智慧不谋而合 7 。 这些概念与突破共同构建了理解复杂性的 “通用语言”，不仅为生物学、经济学、物理学等学科提供了跨领域工具，更重塑了人类对世界的认知方式 —— 从追求确定性到拥抱不确定性，从拆解局部到把握整体，从静态平衡到动态演化。正如书中所述，复杂科学最终要回答的，是 “植入自然本质的深层、内在的创造力” 如何塑造了我们所见的宇宙与生命 2 。 跨学科研究实践与案例解析 复杂科学的革命性意义不仅在于其理论创新，更体现在对不同学科壁垒的突破。圣塔菲研究所（SFI）的跨学科实践揭示：从股市波动到物种演化，从城市兴衰到人工智能，看似孤立的复杂现象背后，均遵循着自组织、信息传递与非线性动态的共通原则 8 。这种 “学科 — 理论突破 — 现实映射” 的研究范式，不仅打破了传统学科的边界，更为解释复杂系统提供了全新视角。 经济学：正反馈革命与市场动态重构 传统新古典经济学以 “负反馈” 为核心，假设市场通过价格机制自动趋向均衡。而布莱恩・阿瑟（Brian Arthur）提出的 “报酬递增” 理论，彻底颠覆了这一认知。他指出，在技术竞争、标准制定等场景中，微小的初始优势会通过正反馈被无限放大，最终导致系统锁定于不可预测的结果 2 。例如，QWERTY 键盘的胜出并非源于效率优势，而是早期打字机培训体系形成的路径依赖；1987 年 10 月 19 日美股单日暴跌 500 多点的 “黑色星期一”，则展现了金融市场中信息传递的非线性 —— 恐慌情绪通过正反馈链条自我强化，最终引发远超基本面的剧烈波动 3 4 。这种 “非均衡” 视角，使得经济学首次能够解释现实市场中的 “锁定效应” 与 “突发相变”。 生物学：自组织秩序与进化论的拓展 达尔文进化论强调自然选择驱动物种适应，但无法完全解释生命起源的 “有序性难题”—— 混乱的分子如何自发形成第一个活细胞？斯图尔特・考夫曼（Stuart Kauffman）的 “生命自组织” 理论填补了这一空白。他通过计算机模拟发现，分子网络在特定条件下会自发涌现催化循环，形成 “自动催化集”，这种自组织能力为生命起源提供了非随机的路径 9 。这一理论与达尔文进化论形成互补：自然选择塑造现有物种，而自组织则解释了生命复杂性的初始来源。现实中，物种在化石记录中数百万年的稳定状态后突然消失（如恐龙灭绝），正是生态系统自组织平衡被外部扰动打破的典型案例 3 。 理论创新价值：阿瑟与考夫曼的研究共同揭示了复杂科学的核心突破——从“还原论”到“系统论”的范式转换。传统学科聚焦单一因素的线性影响，而复杂科学则关注多主体互动产生的“涌现性行为”，这种视角使得经济学、生物学等领域首次能够解释“整体大于部分之和”的复杂现象。 跨学科案例的共性与启示 除经济学与生物学外，复杂科学的跨学科实践已渗透到更多领域：计算机科学中，克里斯・兰顿（Chris Langton）的 “元胞自动机” 证明，简单规则（如细胞状态转换）可涌现出雪花、贝壳纹样等复杂时空结构 4 ；物理学中，凝聚态物质的自组织现象（如超导、液晶）展示了微观粒子如何通过集体行为形成宏观有序结构 3 ；社会学中，“迭代囚徒困境” 实验则揭示了 “合作” 如何在 “适者生存” 的法则下自发演化 —— 即使个体追求私利，重复博弈仍会催生出信任与利他行为 10 。 这些案例共同指向一个核心：复杂系统的本质是从无序到有序的自发跃迁，其动力源于元素间的非线性互动而非外部指令 3 。正如圣塔菲研究所的研究所示，无论是生态系统的平衡、城市的创造力，还是市场的动态，均由损伤积累、协调机制、信息传递与计算能力等共通原则驱动 8 。这种跨学科的融合，不仅为解决单一学科的难题提供了新思路，更重塑了人类对自然与社会的认知方式 —— 在秩序与混沌的边缘，隐藏着世界运行的真正密码。 科学家群像与圣塔菲的学术精神 在新墨西哥州圣塔菲市坎杨路艺术区的一座租来的女修道院里，学术讨论会曾在小教堂的穹顶下举行 —— 这里没有象牙塔的森严壁垒，却聚集了科学史上最具叛逆精神的探索者群体。圣塔菲研究所自 1980 年代中期创立起，便以 “无围墙研究所” 的开放姿态，打破了传统学术机构的边界：诺贝尔物理学奖得主默里・盖尔曼（夸克模型提出者）与梳着马尾辫的研究生在同一张长桌前争论，凝聚态物理权威菲利普・安德森与经济学家肯尼斯・阿罗（诺贝尔经济学奖得主）交换学科隐喻，嬉皮士出身的克里斯托弗・兰顿在修道院的回廊里构思人工生命的元胞自动机模型 。这种多元共生的场景，恰是罗家德在推荐序中所言 “科学家的叛逆精神与跨学科碰撞” 的生动注脚。 叛逆者的联盟：从诺奖得主到跨界先锋 圣塔菲的科学家群像呈现出惊人的多样性：既有 “大统一” 科学构想者默里・盖尔曼，试图用复杂性理论整合从基本粒子到宇宙演化的规律；也有 “话痨考夫曼”—— 斯图尔特・考夫曼，这位从医生转型的理论家，痴迷于 “自动催化论”，探索生命起源时会在黑板上画满相互作用的分子网络 3 12 。计算机科学家约翰・霍兰 “30 年默默无闻”，却开创了遗传算法与主体建模（ABM）方法，为复杂适应系统研究提供了核心工具；而留着 “长老般胡须” 的沃伦・韦弗，则在跨学科对话中不断挑战还原论的边界 3 13 。 这群 “非主流” 学者的共同愿景，是创建一套 “揭示普遍复杂性的通用理论框架”，以替代统治科学数百年的线性还原论 11 。正如盖尔曼所言，他们要推动 “涵盖众多学科的伟大涌现综合”，让生物学、物理学、经济学甚至历史学在复杂性的底层逻辑上重新对话 2 。这种愿景吸引了从务实商人到叛逆研究生的加入，使圣塔菲成为 “学科知识大整合” 的独特实验室 14 。 阿瑟的 “异端” 经济学：在秩序与混沌边缘突围 布莱恩・阿瑟的故事，堪称圣塔菲 “叛逆精神” 的缩影。这位出生于贝尔法斯特的经济学家，执着于 “报酬递增率” 理论 —— 一个在主流经济学界看来近乎 “异端” 的命题。传统经济学以 “均衡” 和 “报酬递减” 为核心，假设市场会自动达到最优状态；而阿瑟却发现，在高科技产业中，正反馈才是常态：一款软件因偶然占据市场先机，会通过用户习惯形成路径依赖，最终垄断市场，这与 “边际效用递减” 的经典假设完全相悖 2 13 。 他的论文曾被顶级期刊《美国经济评论》拒绝，评审意见直言 “这不属于经济学”。但在圣塔菲，物理学家安德森却鼓励他：“经济学的均衡范式就像经典物理学的决定论，早该被颠覆了。” 阿瑟将经济学视为 “复杂适应系统”，用计算机模拟取代数学推演，最终开创了 “复杂经济学” 这一全新领域 4 15 。他的经历印证了圣塔菲的核心信念：真正的科学突破，往往诞生于学科的 “混沌边缘”。 叛逆与传承的共生 圣塔菲的学者们并非单纯否定传统，而是在批判中重建。阿瑟曾指出，他的报酬递增理论与“道教‘道生一，一生二，二生三，三生万物’的动态宇宙观”相通——在秩序与混沌的张力中，寻找系统演化的新规律。这种“在对立中寻求动态平衡”的智慧，正是复杂科学最深刻的人文维度 15 。 学术精神的内核：开放、整合与动态适应 圣塔菲的学术精神，本质上是一场 “科学的大整合” 运动。其核心可概括为四个维度：跨学科协作打破 “物理学研究原子、生物学研究细胞、经济学研究市场” 的学科割据，鼓励研究者 “交换隐喻”—— 如用热力学的 “熵” 解释经济系统的无序化，用进化论的 “选择压力” 分析技术创新 16 17 ；反还原论思维主张 “整体大于部分之和”，考夫曼的 “自动催化论” 与霍兰的 “复杂适应系统” 理论，均揭示了系统涌现性无法通过拆解组件获得 1 ；动态适应理念强调 “适应需要改变内部模型”，正如圣塔菲研究所自身的组织形态 —— 分布式、自组织，不断从科学发现中调整研究方向 4 8 ；多元包容则体现在从诺奖得主到研究生的平等对话中，正如盖尔曼所言：“在这里，重要的不是头衔，而是你是否提出了真正的问题。” 这种精神孕育了一场 “重建科学传统” 的无声革命。当阿瑟在经济学界的抵制中坚持探索，当兰顿在修道院的小教堂里演示人工生命的演化，当考夫曼用 “生命游戏” 模拟生态系统的涌现 —— 他们共同证明：科学的突破，不仅需要严谨的方法，更需要敢于站在 “秩序与混沌边缘” 的勇气。正如罗家德所言，圣塔菲的故事，正是 “科学家的叛逆精神与跨学科碰撞” 如何点燃创新火种的最佳范例。 书籍的学术价值与现实意义 《复杂》作为复杂科学领域的里程碑著作，其学术价值与现实意义跨越学科边界，深刻重塑了人类对自然与社会系统的认知范式。在学术层面，该书以 “复杂科学最佳入门之作” 的定位，通过圣塔菲研究所科学家群像传记的叙事方式，首次系统梳理了涌现、自组织等核心概念，为跨学科研究提供了 “架构性理解”，成为无数学者的 “启蒙之书”。其核心贡献在于突破自牛顿时代以来统治科学的线性还原论思维，为 “非均衡、非线性系统” 研究奠定方法论基础，被评价为 “可能改变每门科学的面貌” 的开创性成果。正如张江在推荐序中所言，该书直接推动了中文复杂科学研究的起步 —— 他本人受此启发创办集智俱乐部，致力于探索复杂系统的统一性，使《复杂》成为连接东西方复杂科学研究的桥梁。 学术核心突破： 整合跨学科理论，构建复杂科学概念体系（如涌现、自组织）； 挑战传统科学范式，为非线性、动态系统研究提供方法论； 记录圣塔菲研究所诞生历程，保存跨学科合作的早期智识成果。 在现实应用层面，该书的思想辐射已渗透至商业、管理、生命科学等多元领域。王小川将书中对生命系统的解读延伸至商业组织，提出 “公司类生命系统” 类比 —— 认为企业如生命体般需要 “适度竞争、避免肥胖、保持开放性”，这种 “向生命学习做公司” 的视角，为互联网时代的组织管理提供了全新框架。管理学领域，罗家德、郑杰等学者从 “混沌边缘” 理论中获得启发，指出创新往往产生于秩序与混沌的临界状态，这一洞见颠覆了传统层级化管理思维，推动 “复杂组织系统的管理学研究” 成为新热点。读者反馈亦印证其现实价值，豆瓣短评中 “启发思考非线性关系” 的评价，揭示该书帮助大众在无序的世界中识别隐藏规律 —— 例如理解经济波动、社会系统演化等复杂现象背后的动态机制。 从技术创新到全球性问题解决，《复杂》的影响力持续扩展：它启发研究者从 “原始汤分子到活细胞” 的自组织过程中汲取技术创新灵感，为人工智能大模型的涌现能力提供理论解释；同时为气候变化、疾病传播等全球性挑战提供系统分析工具，倡导 “多元包容、动态平衡” 的认知方式。正如《纽约时报书评》所赞誉，该书 “生动展示科学家交换隐喻” 的过程，而这些隐喻最终演化为理解复杂世界的通用语言，在生物学、经济学、计算机科学等领域引发连锁反应，印证了其 “21 世纪的科学” 这一前瞻性定位。 局限与争议：复杂科学的未竟之路 《复杂》作为复杂科学领域的早期启蒙著作，其价值与局限始终相伴而生。这种张力不仅源于书籍自身的叙事选择与时代局限，更折射出复杂科学作为一门交叉学科在探索前沿时的固有挑战。客观审视这些局限与争议，恰能揭示其 “未竟终章” 的深刻内涵 —— 科学革命的开放性恰在于它永远走在自我完善的路上。 书籍自身的叙事局限与时代烙印 从文本呈现来看，本书的叙事结构始终存在争议。部分读者批评其 “像报道形式”，充斥 “事无巨细的对话”，对理论的科普篇幅有限，反而更侧重科学家个性描绘（如 Stuart Kauffman 的学术坚持、Brian Arthur 的理论突破、Chris Langton 的跨学科探索），这种 “高 screenplay style” 可能分散对理论严谨性的关注 4 16 。这种叙事选择虽增强了可读性，却也削弱了对复杂系统核心原理（如涌现性、自组织）的深度解析，使部分读者产生 “理论内容单薄” 的观感。 时效性问题则更为突出。自 1992 年初版至今已 30 余年，书中经典概念（如混沌、分形）逐渐淡出主流科研视野，而人工智能大模型的崛起可能重构传统复杂系统分析方法 14 。更值得关注的是，圣塔菲研究所作为复杂科学的核心阵地，其后续 30 年的重要成果（如生态系统韧性研究、社会网络动力学模型）未能被纳入书中，导致读者发出 “几十年后的如今，圣塔菲研究所到底做出了哪些重要工作” 的疑问，这也使得 “重新翻译的必要性” 受到质疑 4 14 。 复杂科学的学科争议：方法论、实用性与定义困境 复杂科学自诞生起就面临着来自传统学科的方法论拷问。部分学者担忧其 “灵活的理论框架” 可能导致 “假装做出成果” 或 “时机尚未成熟” 的研究，形成 “泥沙俱下” 的学术生态 4 。这种批评直指交叉学科的核心矛盾：当研究对象跨越物理、生物、经济等多个领域时，如何建立统一的方法论标准？经济学家对布莱恩・阿瑟 “路径依赖理论” 的质疑颇具代表性 ——“如果世界自组织成多种模式且选择出于历史偶然性，无法预测，如何称为科学？” 这一诘问揭示了复杂科学在 “不确定性” 与 “科学可预测性” 之间的张力 2 。 实用性争议则更贴近公众认知。有评论认为内容 “也就图一乐，没啥实质内容”“不值得读，浪费时间”，这种极端评价虽显片面，却反映出复杂科学在理论抽象与现实问题间的鸿沟 4 。当系统复杂性超过临界阈值时（如 AI 大模型的 “涌现能力” 突然停滞），现有理论往往难以精准预测与调控，这种 “复杂性过剩” 问题在人工智能、气候变化等领域已成为现实挑战 5 。 更深层的困境在于 “复杂性” 定义的模糊性。正如学者所言，复杂性 “正在试图解答一切常规学科范畴无法解答的问题”，这种定位使其始终游走在 “提出问题” 与 “解决问题” 的边缘 12 。书中第九章 “未竟终章” 以 “褴褛行者”“日照前路” 等隐喻，恰如其分地暗示了这一领域的开放状态 —— 理论体系尚未完全严谨化，应用边界仍在探索之中 18 。 未竟之路：从理论基石到学科整合的长征 复杂科学的 “未竟性” 首先体现在重大基础问题的悬而未决。生命起源、意识本质、气候系统的非线性动力学机制等 “宇宙级谜题”，仍是横亘在研究者面前的高峰。尽管人工智能大模型已能学习复杂系统的部分行为模式，但其 “黑箱特性” 使其无法替代人类对第一性原理的追问 ——真正的复杂科学不仅要描述现象，更要揭示 “为何如此” 的深层逻辑 14 。 学科整合的理想与现实差距同样显著。圣塔菲研究所倡导的 “学科大整合” 至今未能完成，多数研究仍停留在 “工具叠加” 层面（如用网络科学分析经济数据），而非真正超越学科壁垒的理论融合 14 。这种困境本质上是所有交叉学科的共同挑战：如何在保留各学科特异性的同时，提炼出普适性的复杂系统规律？ 未竟的核心命题 复杂科学的终极挑战在于：既要突破传统还原论的桎梏，又需避免陷入“泛复杂论”的空泛；既要承认系统的不可预测性，又要为现实问题提供可操作的调控方法。这种“既要……又要……”的张力，正是其保持活力的源泉。 启蒙读物的定位：在争议中照亮前路 将《复杂》置于复杂科学 30 余年的发展脉络中审视，其启蒙价值远大于理论完备性。与后续著作如《规模》（聚焦生物与城市的普适标度律）相比，本书更像一部 “思想纪录片”—— 它记录的不是成熟理论，而是一群科学家如何打破学科边界、探索未知的勇气。那些被批评为 “过多的人物故事”（如 Stuart Kauffman 对自组织生命网络的构想、Chris Langton 对人工生命的执着），恰恰展现了科学革命中 “人的因素”：跨学科合作的碰撞、面对失败的坚持、跳出框架的想象力 16 。 圣塔菲研究所 2024 年春季研讨会仍在探讨 “过于前沿或风险过高而未成为主流的新领域”，这一细节生动说明：复杂科学从未停止生长 8 。《复杂》的价值，正在于它让读者意识到：当科学面对 “混沌边缘的秩序” 时，提出好问题比给出标准答案更重要。正如书中 “日照前路” 的隐喻，真正的科学探索，永远在已知与未知的交界处寻找光亮。 结论：直面复杂性的认知革命 《复杂》一书所揭示的复杂性科学，不仅是一场学术领域的方法论革新，更是人类认知史上的深刻革命 —— 它标志着科学范式从牛顿以来的线性还原论，向动态、系统、整体的复杂性思维的根本转型。这场革命的核心在于颠覆了 "世界是静态均衡的孤立部件集合" 的传统认知，确立了 "万物皆为相互关联、动态演化的复杂系统" 的全新世界观 19 20 。正如圣塔菲研究所的探索所展现的，这种认知转型绝非抽象的理论建构，而是直面现实世界复杂性的思维觉醒，它要求我们以全新的方式理解生命、社会与技术的演化规律。 认知革命的方法论突破 这场革命的首要突破在于方法论的革新。复杂科学打破了学科壁垒的桎梏，倡导跨学科融合的研究路径 —— 通过整合物理学、生物学、经济学、计算机科学等多领域工具，揭示复杂系统的普适规律 19 。其核心工具包括非线性动力学、混沌理论与自组织模型，这些方法使我们得以超越简单的因果线性思维，捕捉系统内部 "涌现" 的复杂行为 —— 即 "极其有趣的复杂行为可从简单合成砌块涌现" 的非线性机制 2 。这种方法论的革新，本质上是将科学研究从 "拆解机器" 转向 "观察生态"，从追求单一 "最优化" 转向 "保持尽可能多的选择"，在秩序与混沌的边缘寻找系统演化的动态平衡 9 19 。 现实世界的复杂性启示 在技术迭代与社会变迁加速的当下，"混沌边缘" 与 "涌现" 等概念展现出深刻的现实解释力。面对人工智能大模型的黑箱特性、城市系统的自组织演化、经济市场的非线性波动，传统的线性调控与局部优化策略屡屡失效。复杂科学启示我们：技术创新的突破点往往诞生于规则与随机的交界处，社会治理的韧性依赖于对 "活系统" 动态性的尊重 —— 正如约翰・霍兰所言，"稳定即死亡"，任何试图将系统锁定于静态均衡的努力，最终都会扼杀其创造性演化的可能 15 。这种思维对气候变化应对、城市交通管理、经济调控等现实议题具有直接指导意义：它要求决策者放弃 "全知全能" 的控制幻想，转而构建具有适应性的弹性系统，在秩序与混沌的边缘维持系统的创新活力 5 19 。 直面复杂性的生活与思维启示 对于个体而言，这场认知革命的终极意义在于重塑我们理解世界与自身的方式。复杂科学启示我们，人类既是复杂系统的观察者，更是参与者 —— 正如书中金句所言："你是顺流而下的纸船船长，需观察水流而非逆流"。这种视角要求我们： 复杂性思维的三大核心准则 动态平衡观：超越"左/右""公平/效率"的二元对立，以"阴阳相生相克"的系统思维看待矛盾，在变化中寻求动态平衡 15 。 开放适应观：承认世界的"随机性与不确定性"，接受"进化路上试错必不可少"，以开放心态拥抱未知而非追求绝对确定性 4 。 整体关联观：认识到"整体大于部分之和"，从孤立关注个体转向理解系统内的相互关联，把握"活系统"的涌现特性 21 。 这种思维方式与中国传统阴阳哲学有着深刻的契合性 —— 二者都强调变化的永恒性与系统的关联性 22 。当我们以复杂性思维审视生活时，会发现无论是职业发展、人际关系还是个人成长，都不是线性规划的结果，而是动态适应的过程。正如书中启示，"理解复杂能让我们看清更多 ' 活着 ' 的事物，使生命和世界更有意义"，这种认知不仅是科学的进步，更是人类精神向更广阔维度的拓展 22 。 面向未来的认知启蒙 作为 "21 世纪的科学" 与 "一场新的启蒙运动"，复杂科学的价值远超出学术范畴 3 。它推动人类迈向 "面向综合的时代"，要求我们在人工智能、生物技术等前沿领域，以跨学科协作与实证研究为基础，在秩序与混沌的边缘探索可持续发展路径 12 23 。这场认知革命的终极目标，不是提供解决所有问题的万能公式，而是培养我们 "直面复杂性" 的勇气与智慧 —— 承认世界的不确定性，尊重系统的自主性，在动态演化中寻找与自然、社会和谐共生的方式。当我们真正学会 "观察水流而非逆流" 时，或许才能在这个复杂多变的时代，驾驭好自己的 "纸船"，驶向更具韧性与创造性的未来。

复杂系统领域有 4 本经典著作，分别为：《混沌》、《复杂》、《涌现》和《失控》，本书为这 4 部曲中的第 2 部。 这 4 本书分别从不同的角度和层次揭示了复杂系统的四个阶段： 混沌：系统的初始阶段，表现出高度的不可预测性和敏感性。 复杂：系统处于混沌和秩序之间的边界，表现出高度的复杂性和自组织行为。 涌现：个体通过简单规则和局部互动，形成整体上的复杂行为和结构。 失控：系统在自组织和演化过程中，超出了人类的控制和预期，表现出高度的自主性和自适应性。 这些阶段不仅适用于自然界的物理和生物系统，也适用于社会、经济和技术系统，提供了理解和分析复杂现象的重要框架。

年度好书，也是我又填充了一块空白领域——对复杂科学有了初步的了解。 读这本书，有三个不同的感受： 1.感受里面各种大神对科学的热爱，这种对事业的热爱感染了我。 2.涌现其实也是在讲人工智能，讲的是人工智能的自我学习能力，在某一个点突然就爆发了，一通百通。 3.其实也是对自己的鼓励。人生历程中，无论工作上还是生活中，前行就对了，不断积累经验，一步步搭框架，把各种知识点串起来，也许某一天也就一通百通，一骑绝尘了。

# 成功如何改变成功的条件---《复杂》：技术、资本与社会系统的适应困境 现代社会有一种令人困惑的失败：参与者并不缺乏能力，甚至都在按照各自的指标改进，整个系统却越来越脆弱。企业持续降本，供应网络失去缓冲；模型不断提效，算力与电力投入继续膨胀；服务越来越数字化，一部分人的办事能力反而下降。 《复杂》为理解这些现象提供了一条重要线索： **参与者的行动会改变环境，改变后的环境又会重新评价这些行动。** 昨天有效的策略，可能因为今天被广泛采用而失效。成功积累出的规模、关系和组织惯性，也可能逐渐构成下一次转型的阻力。 这使沃尔德罗普的作品在2026年仍有解释力。它帮助读者识别相互作用、反馈和适应过程，同时也要求读者放弃一个诱人的幻想：只要掌握足够高级的理论，就能站在系统之外，准确指挥它的演化。 ## 一、这本书改变了研究问题的单位 英文原书出版于1992年，记录的是圣菲研究所早期科学共同体的形成。它兼具科学史、人物群像和思想史的性质，保留着新研究方向初生时的兴奋，也留下了尚未完成验证的猜想。[^1] 书中几条线索，分别挑战了不同的习惯。 布莱恩·阿瑟讨论递增收益：采用一种技术的人越多，它可能越便宜、配套越丰富、学习成本越低，后来的使用者便更愿意加入。小规模的早期优势，可以被反馈不断放大。 约翰·霍兰强调主体的学习与适应。市场、生态和组织中的参与者会观察结果、修改规则，系统因而持续产生新的行为。用一套固定参数描述这样的世界，容易漏掉最重要的部分：参数所代表的行为本身也在变化。[^2] 考夫曼追问秩序如何自发形成，兰顿借助人工生命与元胞自动机探索局部规则怎样产生复杂的整体行为。他们共同扩展了研究的单位：单个零件的性质当然重要，零件之间的关系、连接方式与反馈速度也必须进入解释。 还原分析仍然不可替代。电网需要电路理论，药物需要分子机制，芯片需要器件物理。复杂科学补上的，是把这些知识重新连接起来的工作。 **知道每个部件如何工作，并不自动等于知道它们共同工作时会发生什么。** 这句话在2026年的分量，来自现实系统连接程度的加深。云服务、金融、能源、物流与个人生活高度依赖；一个领域的效率改进，可能在另一个领域形成成本和风险。 ## 二、递增收益解释优势形成，也暴露优势的条件 阿瑟的思想经常被压缩成“强者恒强”。这个概括过于粗糙。 他的1989年论文研究的是特定条件下的技术竞争：采用能够改善技术表现，早期随机事件因此可能影响长期结果，系统甚至可能锁定在效率较低的路径上。论文同时讨论递减收益、学习上限等条件，单一技术长期支配并非无条件成立。[^3] 在AI产业中，这一区分十分必要。 微软2026年7月公布的年度业绩中，Azure年收入首次超过千亿美元，Microsoft 365 Copilot付费席位超过3000万。云容量、办公入口、企业合同与开发工具已经构成相互支撑的商业体系。[^4] 企业采购模型，通常还要考虑身份认证、权限、数据流程、员工培训、历史系统兼容和供应商责任。由此形成的优势，远远超出一次模型测评的成绩。客户使用得越深，迁移就越复杂；互补工具越丰富，新客户接入的理由也越充分。 不过，正反馈一直受到反向力量牵制。 斯坦福《2026 AI Index》指出，截至2026年3月，Arena榜单上四家公司的领先模型处在25个Elo分以内，竞争压力开始更多转向成本、可靠性和领域表现。这仅代表特定评价体系中的接近，不能推导为所有能力相同，却足以说明领先地位需要持续维护。[^5] 模型能力接近、开放权重、兼容接口和多模型部署，都可能降低部分切换成本。基础设施层面的集中，与模型和应用层面的扩散，可以同时发生。 因此，2026年的产业判断需要细分到具体层次： - 芯片、供电和数据中心的稀缺，可能强化资本密集环节的优势。- 模型性能差距缩小，可能压低通用能力的价格。- 企业流程、客户关系和责任承担，可能保留应用层的议价空间。- 开放接口提高可替代性，也可能让某个接口标准成为新的集中节点。 资本市场容易把这些层次混成一个“AI增长故事”。《复杂》要求更严格的归因：优势由哪条反馈产生，靠什么维持，遇到什么条件会减弱。 递增收益能够解释领先者为何继续扩大投入，却不能替投资回报背书。企业可能因为真实需求扩张而建设，也可能因为担心失去位置而提前建设。两种动机可以同时存在。判断最终仍要落到付费需求、利用率、现金回收和资产寿命。 ## 三、数字技术的速度，正在遭遇物理系统的慢变量 AI讨论常以几个月为单位：新模型、价格调整、产品升级、能力刷新。电网、变压器、厂房和输电线路的建设，遵循另一套时间尺度。 国际能源署2026年4月的报告估计，全球数据中心用电量将从2025年的485太瓦时，上升到2030年的约950太瓦时，届时约占全球用电量的3%。这是预测，不是已经发生的结果。[^6] 全球占比看起来有限，局部冲击却可能十分集中。数据中心需要在特定地点获得稳定电力；服务器可以采购，电网接入、设备交付和配套建设未必能够同步完成。 《Electricity 2026》指出，全球超过2500吉瓦的发电、储能及大型用电项目滞留在并网队列中，并强调电网与系统灵活性投资的重要性。[^7] 这里出现了一个关键矛盾： **决策和需求变化越来越快，支撑它们的物理系统仍然调整缓慢。** 这种错配会改变产业价值的分布。模型公司可能把注意力放在算法与用户，最后却被供电、散热、设备交付或施工能力约束。看似传统的工程、运维和能源管理，由此获得新的重要性。 资源环境分析也必须考虑反馈。单位任务的能耗下降，会降低使用成本；成本下降又可能诱发更多任务和新用途。技术提效究竟降低还是提高总能耗，要看需求扩张的幅度，不能仅凭芯片能效推断。 同样，AI可以增加电网负荷，也可以用于预测维护、优化调度和节能。技术的系统后果取决于它被放在哪个环节、服务什么目标，以及节省的资源随后怎样使用。 从这一角度看，复杂科学对科技乐观主义的修正十分具体：性能进步需要经过工程、组织和资源约束，才能转化为社会收益。 ## 四、局部正确的规则，也可能共同制造系统性失败 2026年3月，欧洲输电系统运营商联盟发布了对 **2025年4月28日西班牙和葡萄牙大停电** 的最终调查。年份必须分清：事故发生于2025年，最终调查发布于2026年。 调查没有给出一个包办全部解释的原因。它指出，振荡、电压和无功控制缺口、调节实践差异、发电机组解列等因素相互作用，最终形成电压快速升高与级联失效。[^8] 这个案例与《复杂》的关联，在于局部动作会改变其他部分面临的条件。设备保护某个机组，可能削弱系统支撑；调整潮流可以缓解一种扰动，也可能改变电压状态。风险随着交互过程累积，最后跨过可恢复的边界。 把事故简单归结为某一种能源技术，既损失事实，也失去改进价值。真正需要检查的是控制能力、保护设置、运行方式与协调机制是否适应了系统变化。 这一逻辑可以迁移到组织，但迁移只能作为分析框架，不能把企业当成电网计算。 采购部门压低价格，供应商可能减少备用能力；人力部门提高人员利用率，关键岗位可能没有替补；客服部门压缩单次处理时长，复杂问题可能被反复转交。每个部门都可以完成指标，客户经历和整体韧性却未必改善。 常见问题在于，成本留在本部门报表里，风险被转移到其他环节或未来。 因此，韧性建设需要检查风险的去向。备用能力、人工复核、第二供应商和故障隔离，平时可能显得低效，异常时却决定系统能否恢复。冗余也有成本，应根据失效后果和恢复时间配置，不能无限增加。 《复杂》在这里提供的管理启示很清楚： **评价局部改进时，必须同时检查它改变了谁的约束。** ## 五、“混沌边缘”不能成为失控的浪漫借口 本书副标题富有吸引力，也最容易被滥用。 组织频繁改方向、长期超负荷、责任模糊，都可能被包装为“处于混沌边缘，因此更有创新活力”。这种解释没有科学根据。 兰顿的研究来自特定元胞自动机模型，探讨信息存储、传输和处理与动力学状态之间的关系。后来，梅拉妮·米切尔、赫拉伯和克鲁奇菲尔德对相关实验进行了再检验，得到明显不同的结果，并质疑原先关于临界参数与计算能力关系的解释。[^9] 这没有取消“混沌边缘”的启发价值，却足以阻止它被提升为普遍规律。 几个概念也应分开： - **混沌** 涉及确定性系统对初始条件的敏感。- **随机性** 涉及概率过程造成的不确定性。- **复杂适应系统** 强调多个主体的互动、学习与调整。- **涌现** 描述局部相互作用产生的整体性质，不预先保证这种性质有益。 群体智慧可以涌现，拥堵、错误共识和重复踩踏式的竞争也可以涌现。自组织形成的秩序，同样可能低效且难以改变。 成熟组织需要允许探索，同时限制失败的传播范围。实验预算、隔离环境、回滚机制、责任边界和独立验证，比“拥抱混乱”的口号更接近复杂科学的实践精神。 稳定的底层保障，与可调整的局部规则，可以共同存在。没有必要让整个系统持续紧张，来证明自己具有适应能力。 ## 六、人口变化会暴露平均指标隐藏的问题 复杂科学对老龄社会的价值，首先体现在承认人的差异。 同样年龄的人，视力、认知、行动能力、家庭支持和数字技能可能相差很大。把他们压缩为一个“老年用户画像”，服务设计很容易失真。 2026年发布的《中国供电发展报告》总结2025年情况时指出，相关平台业务线上办理率超过97%，全年智能生成供电方案超过200万份。报告也记录了线下窗口、跨域帮办和“自助办＋窗口办”等多渠道安排。[^10] 这些成绩说明数字化能够处理大量标准业务。进一步评价服务质量，还需要观察未被顺利处理的部分：无法提交申请的人、反复验证失败的人、无法准确描述故障的人，以及没有家属协助的人。 这里的风险不是数字化本身。问题在于，平台容易测量已经进入流程的用户，却不容易看见被挡在入口之外的人。 适老化因此涉及整个服务链：操作界面、身份验证、电话协助、代理权限、社区帮助、线下受理和异常升级。每个环节都可能成为限制条件。单纯放大字体，解决不了其中大多数问题。 一个稳定的服务系统需要多种渠道相互补充。保留人工窗口，可以承担机器难以处理的例外；一线人员发现的例外，又应反馈给产品和流程设计。 文化传承也存在类似结构。数字化保存了文字、图像和动作，技艺仍可能失去活力。手艺往往依赖材料触感、师徒纠错、地方语言、使用场景和稳定需求。只保留展示内容，容易留下档案，却失去继续实践的人。 这是从复杂科学作出的迁移判断：文化延续需要维持产生知识的关系和场景。数字工具可以扩大传播，也应服务于学习、使用和再创造，避免把活态文化压缩成可供观看的标准样本。 ## 七、圣菲的启发：跨学科需要解决接口问题 沃尔德罗普记录的圣菲研究所，值得关注的还有它组织知识的方式。 阿瑟的经济学、霍兰的计算思想、考夫曼的生物学问题，能够发生联系，依赖共同问题、交流时间和能够容纳探索的机构环境。跨学科由此具有明确成本：学习别人的语言、暴露自己的盲区、协调不同证据标准，并容忍初期产出缓慢。 把几个专业名词写在一起，不会自动产生解释力。物理系统的临界点、经济学的均衡、组织管理的稳定，各有定义和测量方法，不能仅凭词义相近就相互替代。 对接受过博士训练、正在经历中年职业转型的人，这一点尤其现实。 专业训练能够提供证据判断、问题分解、模型构建和长期追踪的能力。但进入产业之后，技术可行性只是一个条件。预算、交付、责任、客户信任和维护成本，会共同影响方案能否被采用。 模型负责人可能需要理解数据权限和业务责任；材料研究者需要面对良率、认证与采购周期；老龄服务从业者需要连接营养、康复、空间与家庭照护。这些接口上的工作，往往难以由单一学科独立完成。 深度仍然重要。缺乏专业基础，跨界容易变成对各种说法的转述。更有效的路径是保留一个能够独立判断的专业支点，再围绕真实问题扩展相邻能力。 可以用一个有限实验检验迁移方向：在90天内，与真实使用者共同完成一项小规模交付，记录它是否被采用、是否减少返工、是否节省总成本，以及谁愿意承担持续使用的预算。12—18个月后，检查它能否在第二个场景复用。 如果反馈始终停留在认可观点，没有实际采用，应调整问题选择。把持续学习等同于不断积累课程和证书，容易延长旧路径，却没有建立新位置。 本书对职业的提醒相当严厉：过去的成功证明你曾适应某个环境，未来的价值需要重新验证。 ## 八、战略应当容纳多种演化路径 复杂系统分析最容易发生的滑坡，是用一个宏大概念宣布未来已经确定。无论声称平台将永久垄断，还是声称开放技术将消灭一切壁垒，都过早关闭了判断。 结合2026年的证据，可以保留三条竞争性路径。 **协调速度逐步追上技术扩张。** 在未来0—18个月内，模型进步继续受到并网、组织采用和数据质量约束。应观察项目投产时间、真实使用率和付费续约，避免只跟踪发布频率。 **能力扩散快于生态锁定。** 在18—36个月尺度上，如果兼容接口、多模型使用和开源部署继续降低替换成本，部分价值会向客户关系、专业流程和可信交付转移。供应商切换的实际成本，比模型数量更有判断意义。 **集中化伴随脆弱性上升。** 在3—7年的较长尺度上，如果资本、资源和关键依赖持续集中，局部中断可能产生更大的外溢影响。届时应提高对可替代性、模块化和恢复能力的投入。 这些路径可以在不同层次同时出现。基础设施集中，并不排除应用繁荣；局部替换方便，也不代表底层依赖减少。 相应的战略能力，是保留能够区分这些路径的观测指标，并事先约定改变行动的条件。市场采用、现金回收、故障恢复时间和迁移成本，都比“趋势不会错”的信念更可靠。 ## 结语：复杂性要求更精确地承担责任 《复杂》的持久价值，来自它对简单因果与静态最优的持续挑战。局部理性可能积累整体风险，成功可能固化路径，技术进步可能重新分配瓶颈。 它也有时代边界。早期探索的热情不能替代后续验证，计算机模拟不能凭借逼真外观自动获得现实解释权，“涌现”更不能成为解释不清时的结论。 在2026年重读这本书，值得保留的是一种有纪律的战略态度：理解反馈，识别约束，允许有限试验，控制失败传播，并持续检查自己的行动如何改变了他人的环境。 系统超出任何单个参与者的控制，并不意味着无人需要负责。恰恰因为相互依赖加深，责任必须延伸到接口、后果和恢复能力。

复杂之美 以前我们总认为万物的本质是简单的，可用数学公式来归纳，比如牛顿力学，我们称这种简单为美，这同时也是美学的标准，数学和公式简单之美貌似为我们铺就了抵达本质的通途。但越来越多的现象揭示（比如量子力学以及混沌学），本质是复杂的，如果真有本质，那也应该是藏在复杂背后的东西，起码复杂没弄明白之前，谈复杂背后的东西没有意义，复杂之美，才是美学今后发展的对象。谈本质，不再是把现象归纳为简单的公式，而是要寻找简单公式背后的复杂意义，找到那种或许注定没有本质背后的本质是什么？逻辑注定存在悖论的本质是什么？不可预测的本质是什么？但无论如何，我们或许要试着转变观念，用心，用理性，用感性去体验复杂之美，放弃那种简单之美，放弃那种简单的历史决定论，放弃那种看待本质的方式，放弃那种简单的本质主义。 量子的概率分布比牛顿力学的精确更美。 简单很美，但复杂比简单更美。 历史之美在于不可预测的复杂，而不是简单的历史决定论。 那只看不见的手比那只指手画脚的手更美。 有人会说，只有简单才能赋予意义，复杂是没有意义的。但简单的意义只是被赋予的意义，而复杂所展现的意义却更为深刻，复杂中蕴涵的某种难以言说的趋势，比所谓精确的预测，更有意义。复杂中体现的多样性比简单的本质更有意义。复杂的，没有明确边界的概念比精准的划分更有意义。复杂的人生意义比单纯的意识形态更有意义。 人类的一切苦难说穿了都是因为视简单为美，简单之美给妄人以实现其虚妄理想的机会，简单很简单，简单之美看起来确实很美，大部份人都能领略，那么大部份人也就很容易被这种美迷惑，这种美美的很有道理，而道理大部分时候是经不起推敲的，道理总是看起来很美，就像那些扯淡的诗歌。 推敲是需要勇气的，打破美好的东西，总是需要勇气的，复杂很没有道理，所以看起来不美，看起来不美的东西自然不能用看。 没有复杂就没有我们，没有意识，没有自由，没有丰富多样的世界，复杂的美如此复杂，无法用言语去概括，语言对此无能为力，范畴对此无法设立边界，复杂无拘无束却又遵循某种规范，复杂没有形式，却甚至形式，复杂本身就是形式。 其实，复杂之美就是承认自己的无知，当然这种无知是建立在更多的知之上的，无知之知是避免极端的最佳思考方式。 复杂是由简单构成的，复杂的每一步都足够简单，简单到傻子也能实施，但简单的每一步最终体现的却是极致的复杂，就如算法，零和一的简单规则最后却能展开为复杂到我们本身无法理解的程度，就如基因的四个简单的碱基却能创造意识。 复杂和简单的辩证统一是世上最深刻，最美丽的辩证关系。

这本书应该是几年前已经读过了的，而且不止读过一遍。重刷一遍，依然感觉挺好。 复杂性科学的哲学基础还是理性形而上学，方法论也只能是形式逻辑的演绎法和归纳法。虽然对于一些混沌的现象，复杂性科学解释起来更有力度。但是这种方法论毕竟不能上升到哲学存在论于认识论的高度，因此只能在概念、范畴和事实以及逻辑中徘徊，也就很难有真正的“革命”成果呈现出来。 现象学大师胡塞尔说：近代以来的欧洲，只见事实的科学造就了只见事实的人。他要求我们“回到事情本身”。20世纪最伟大的哲学家海德格尔说：几个世纪以来，思想最大的敌人就是理性，思想只有告别理性，才能真正思想。他们的看法跟马克思和尼采一起，宣布了理性形而上学的终结。未来的哲学应该属于马克思所开创的“历史唯物主义”哲学，尽管马克思本人不认为这是哲学，而是世界观。未来的科学，也不应该是实证科学，而应该是马克思提到的唯一的科学：历史科学。 如果用历史科学的方法论，去解释所有的复杂性科学所研究的命题，我觉得解释力更好，而且更具未来图景。

这是一本科学纪实，记录复杂性科学研究所圣塔菲创立与成长历程。单一变量研究很难还原复杂系统，传统科学家在复杂系统提炼出简洁经典科学理论，这些理论基于明确假说，有严苛使用条件。但现实世界：生命、经济、意识、心理等富有创造力的系统，都存在于严格秩序与彻底混沌之间的“混沌边缘”。他是简单个体自组织，涌现出来整体上无法准确预测的现象，研究这个新系统需要有有全新跨学科视角。作者提供了这个复杂系统研究的方法与思想，也是现在人工智能爆发的思想根源。值得读一读。

经济系统和生态系统一样，充满着自下而上的变化，各种机缘，因缘和合，一个微小的开始会带来巨大的变化，强者恒强弱者恒弱，直到天之道损有余而补不足，周而复始，万千条线都是这样螺旋的发展运动变化，其大无外其小无内，构成既有局部的秩序，又有混沌，秩序和混沌在系统里面不断的演化，相生相克，一切皆有可能，一切又似乎有所轨迹。 当你感觉处理问题混乱和棘手时，意味这个混沌状态，不妨升维，在更高的视野和更大的时间跨度，可能问题就变得很简单。 幂律分布很有意思，这个世界极少数人掌握着3成到5成的财富，极少数上市公司贡献着大部分财富，一家技术领先的公司赢家通吃，大型地震，火山，金融危机，金融泡沫此消彼伏，就是构成系统的一部分，包容波动，引导波动才是正解。 适者生存和幸者生存同时存在系统当中，秩序和混沌同步存在于这个世界，同样道理，具备两种能力的企业和个人处于边缘地带通常容易干大事，变成幂律的一部分。 生态系统足够大，时间足够长，就可能演化出智能生命体，同样适用于炭基人类和硅基智能体，生命本质是消耗能量处理信息并不断自适应强化的过程，对应芯片和能源，技术革命的两个驱动轮子，芯片核心又是存储和处理核心。 预测有边界，在一定时间范围内和更大的宏观颗粒度基础上具有秩序和稳定性，对于投资来说，宏观和长远投资的模糊性定义长期主义投资，成长投资，才能享受非线性的成长。 经济系统，免疫系统，股票系统，生态系统遵循类似的法则，比如幂律分布，比如秩序和混沌组合推进，比如自适应演化，比如动态，对应纯混沌容易失效，市场主义并非万能，政府干预和市场调节在一个经济体中都很重要，相当于秩序和混沌的动态平衡才是关键。 所有的单一决定论和预测离开时间尺度和空间范围，就会出现很乱的混沌，那么很多事情都是有边界的

很高兴我没有因为书中有大量专业名词而放弃，这种跨越多学科的书籍会夹杂着大量晦涩的概念，对许多读者来说相当不友好，不过认真读完，庆幸我没有迷失在文本中，还算有所收获，这本书是我入门系统科学的第一本，以后肯定还需要再读一遍。 阿瑟：对古典经济学里市场无论经历怎样波动，最终都归于静态平衡充满怀疑，不认为经济学里智识上堪称完美的数学工具可以解释现实经济运行，决定用报酬递增（延伸出技术锁定这一概念）来解释经济。市场里的人行事并非完全理性，他们不是遵照最优化效用函数来行事的。在复杂系统当中一切都在变化，是不存在局部最优这一说法的。 霍兰：让我印象比较深刻的是对于复杂自适应系统特征的描述：多主体交互成的网络。系统有多层级主体。上一层级的主体成为合成砌块，充当下一层级主体。系统内没有主导主体，没有哪个主体拥有大量控制权，复杂系统在主体的互相作用中变化。每个主体当占据着某种生态位，当新生态位诞生，会有更多的生态位产生，由此，系统永远在更新，不会停止变化脚步。 霍兰针对复杂系统提出的概念相当精彩。 自适应：复杂系统通过改变其合成砌块来适应外部变化，完全依靠内部主体互动，不在外部指导下就做到了自适应。 涌现：主体们仅仅遵守简单规则，联结而成的系统就出现许多简单规则无法囊括的特征。他对涌现这一概念相当严谨，涌现出来的特征必须要是主体遵守的简单规则所无法解释的。所以他在自己的模型中，取消使用主体获取奖励作为解释涌现的出现，而是用主体的竞争来解释涌现。 学习：主体们不需要有意识和智慧也能学习进化，光是在应对外部环境的过程中，主体们就拥有了自己的内部预测模型。 兰顿：我去网上看完元胞自动机的演示，还挺好玩的。他由此提出了复杂系统生于秩序和混沌之间，信息复制和复杂系统变化要在混沌边缘才行得通，并且还从物理学上来对应这个三元划分。固体-二阶相变-液体对应秩序-混沌边缘-混沌。打破了对随机程度秩序和混乱的二元划分。 考夫曼：我看过理查德道金斯对生命起源的解释，在一片原始生命之海中，用偶然有复制体诞生来解释生命。道金斯的初衷也是，宇宙完全的随机混乱，是不可能出现生命的，需要用偶然出现了复制者这个不那么随机的机制来解释生命起源。考夫曼更进一步，认为进化论里的自然选择和基因随机变异以及偶然诞生复制者这三大机制都还是不足以解释生命的发展历程，宇宙短暂的时间还是无法满足生命这种究极小可能事件的诞生，于是他开始用自催化作为生命诞生的起点来解释为何复制者会诞生。 总而言之，这个世界上我们观察到的许多属性都不是物质本身自带的属性，而是蕴含在物质的组织形式之中。 这本书我花了20多个小时细细看了一遍，还是不够，等看完其他系统科学书籍，回头重读时或许才能完全吃透本书，下次重读再好好做总结笔记了。