第19章 复杂性科学的过去和未来

1995年，科学记者约翰·霍根（John Horgan）在世界顶级科普杂志《科学美国人》上发表了一篇文章，攻击整个复杂系统研究，尤其是圣塔菲研究所。他的文章标题“复杂性是不是骗局？”被印在杂志封面上（图19.1）。

这篇文章主要有两个看法。首先，在霍根看来，复杂系统研究不太可能发现什么有用的一般性原则；其次，他相信计算机建模的盛行使得复杂性成了“与事实无关的科学”。另外，文中还有几处过激攻击，将复杂性称为“流行科学”，称其研究者为“复杂学家（complexologist）”。霍根揣测“复杂性”这个词没有什么意义，我们留着它只是因为它具有“公关价值”。

更过分的是，霍根在文中引用我的话说：“在某种程度上你可以说所有复杂系统都体现了同样的根本原则，但我不认为那会很有用。”我真的这样说过吗？我怀疑。这样说的背景是什么？我是表示认同这种观点吗？霍根通过电话采访了我一个多钟头，我说了很多；他单单选了最负面的评论。当时我还没有多少同科学记者打交道的经验，我感到非常生气。

我给《科学美国人》的编辑写了一封信表达我的愤怒，列出了我认为霍根的文章中所有错误和不公平的地方。当然，我的许多同事也这样做了；杂志只发表了其中一封信，不是我那封。

这件事给了我一些教训：和记者打交道要非常小心。但也促使我更努力细致地思考“一般性原则”的概念，以及这个概念可能的意义。霍根将他的文章扩充成了一本同样充斥着敌意的书，《科学的终结》，他在书中提出所有真正重要的科学发现都已经完成了，以后不会再有了。他在《科学美国人》上写的复杂性文章扩充成了书的一章，并且包括以下消极论断：“混沌、复杂性和人工生命的研究还将继续……但他们不会得到任何对自然的伟大洞察——更不可能与达尔文理论或量子力学相提并论。”

霍根有可能是对的吗？发现所有复杂系统的一般性原理或“统一理论”的目标会是徒劳吗？

统一理论和一般性原理

统一理论[unified theory，或大统一理论（Grand Unified Theory），缩写为GUT]通常指物理学的一个目标：用一个理论统一宇宙中的基本力。弦论就是对GUT的尝试，但对于弦论是不是正确的，甚至GUT是不是存在，在物理学界还没有达成共识。

假如弦论最后被发现是对的——它是物理学长期追寻的GUT，那将会是极其重大的成就，但那不会是科学的终结，更不会是复杂系统科学的终结。让我们感兴趣的复杂系统行为是无法在基本粒子或是十维的弦这样的层面上进行理解的。即使现实世界中的一切都是由基本粒子组成，它们也不是解释复杂性的适当词汇。这就好像在问到“为什么逻辑斯蒂映射是混沌的”时回答说：“因为xt+1=Rx1（1-x1）。”在某种意义上，对混沌的解释确实包含在这个等式中，就好像免疫系统的行为在某种意义上包含在物理的大统一理论中一样。但这并不构成人类的理解，而这才是科学的终极目标。物理学家克鲁奇菲尔德、法墨尔、帕卡德和罗伯特·肖（Robert Shaw）对此说得非常好：“希望物理学能彻底理解基本力从而完结的想法是没有根基的。一个尺度上组分的相互作用会导致更大尺度上复杂的全局行为，而这种行为一般无法从个体组成的知识中演绎出来。”爱因斯坦也曾开玩笑说：“人们相爱不能怪万有引力。”

如果复杂系统的统一理论不是基础物理学，那会是什么呢？又有没有呢？大部分复杂系统研究者可能都会说寻求复杂性的统一理论现在还为时尚早。物理科学发展了两千多年，在认识到质量和能量这两种主要“要素”后很久，才由爱因斯坦用E=mc2将它们统一。物理学还认识到自然界的四种基本力，并且统一了其中至少三种。质量、能量和力，以及它们背后的基本粒子，是物理学理论的基本要素。

对于复杂系统，我们甚至不知道它的基本“要素”或基本“力”是什么；除非你已经知道了统一理论的概念组成或基本要素，否则谈论统一理论没有什么意义。

生态和昆虫学家戈登则表达了以下观点：

继控制隐喻（metaphors of control）之后，关于复杂性、自组织和涌现的思想——整体大于部分之和——也开始流行起来。但这些解释都只是障眼法，仅仅给出了一些我们无法解释的名词；它们给我的感觉就好比物理学家用等式中两项相等解释粒子的行为，无法让人满意。也许存在复杂系统的一般性理论，但是很明显目前还没有。关注具体系统的细节是理解自组织系统动力学更好的途径。这样可以发现是否存在一般性规律……希望用一般性原理来解释自然界中发现的各式各样复杂系统的规律，这会让我们忽视与模型不符的现象。多了解这类系统的具体特性，就能发现在各系统之间哪些类推有效，哪些类推又无效。

确实有很多一般性原理不是很有用，例如，“所有复杂系统都具有涌现性质（emergent properties）”，因为就像戈登说的，它们给出的是“我们无法解释的名词”。我想，这就是我在说霍根引用的话时所表示的意思。没有单一的原理可以适用于所有复杂系统，我认为从这个意义上说戈登是对的。

用共性而不是一般性原理来称呼可能更好：它们为一些系统或现象的机制给出了新的理解或概念，如果没有它们，很难通过分别研究这些系统或现象然后进行类比来厘清。

共性的发现可以是复杂性研究反馈环的一部分：由具体复杂系统的知识总结出共性，反过来又为理解具体系统提供了思想。具体的细节与共性相互启发、约束和丰富对方。

听起来很不错，但有没有例子呢？各种文献中提出了很多共性或普适原理，这本书中我们也看到了一些：混沌系统的普适性质；冯·诺依曼的自复制原理；霍兰德的搜索与开发平衡原理；阿克塞尔罗德的合作进化的基本条件；沃尔夫勒姆的计算等价性原理；巴拉巴西和艾伯特提出偏好附连是真实网络发展的普遍机制；韦斯特、布朗和恩奎斯特提出用分形循环网络解释比例关系；等等。还有很多，受篇幅限制我们无法一一列举。

在第12章我壮着胆子提出了分散系统中适应性信息处理的一些共通原理。我不知道戈登是否会同意，但我相信对于人们研究与我提到的系统类似的系统应该会有用——这些原理也许能给他们一些新的思想，帮助他们理解所研究的系统。例如，我提出了“随机性和或然性很关键”。最近我在一次演讲中阐述了这些原理，听众中一位神经学家就跟着推测了大脑中随机性的可能来源，以及起到了什么作用。听演讲的人中一些人从没有从这个角度思考过大脑，因此这个思想稍微改变了他们的观念，也许在他们以后的研究中就会用到这些新概念。

另一方面，从具体系统到共性也会有反馈。也是在那次演讲中，一些人举了一些复杂适应系统的例子，他们认为这些系统并不符合我的全部原理，这驱使我重新思考我的观点的通用性。正如戈登指出的，我们应当注意不要忽视“与模型不符的现象”。当然，对自然现象的认识有时候也会有错误，而共性也许能引导我们进行辨析。据说爱因斯坦——他是杰出的理论大师——曾说过：“如果事实与理论不符，就改变事实。”当然，这取决于是什么理论和事实。理论越是稳固，你就越应当怀疑与之相抵触的事实，反过来如果与之相抵触的事实越是有根据，你就越应当怀疑你提出的理论。这就是科学的本性——永无止境的提议和质疑。

复杂系统研究的根源

对复杂系统共性的寻找有很长的历史，特别是在物理学中，但发展最快的阶段还是在计算机发明以后。20世纪40年代初，一些科学家提出计算机与动物之间有很强的相似性。

20世纪40年代，以赛亚·梅西基金会（Josiah Macy, Jr.Foundation）资助了一系列交叉科学会议，主题很有趣，包括“生物和社会系统中的反馈机制和循环因果系统”“社会的目的论机理”以及“目的论机理与循环因果系统”。这些会议是由一小群探寻各种复杂系统共性的科学家和数学家组织的。这个团体的主要推动者是数学家维纳（图19.2），他在第二次世界大战期间研究高射炮的控制，这段研究经历让他认识到，无论是生物还是工程中的复杂系统，研究的关键都不再是质量、能量和力这些物理学概念，而是反馈、控制、信息、通信和目的（或“目的性”）等概念。

梅西基金会系列会议聚集了当时许多杰出人物，除了维纳，还有冯·诺依曼、麦卡洛克（Warren Mc Culloch）、米德（Margaret Mead）、贝特森、香农、阿什比（W.Ross Ashby）等人。这些会议促使维纳提出了一门新的学科，控制论（cybernetics），这个词来自希腊语的“舵手”一词，也就是船的操控者。维纳将控制论归结为“整个控制和通信的理论，无论是关于机械还是动物”。

这个松散的控制论团体关注的主题在这本书中都出现过。他们想知道：信息和计算是什么？它们在生物中是如何表现的？生物与机器有什么相似之处？反馈在复杂行为中起什么作用？信息处理是如何产生出意义和目的的？

控制论团体在生物与机器的类似性上做了许多重要工作。例如冯·诺依曼的自复制自动机将信息与繁殖联系到了一起；阿什比的《大脑设计》提出将动力学、信息和反馈应用到神经科学和心理学。麦卡洛克和皮茨（Walter Pitts）提出了神经元模型作为逻辑器件，引发了后来神经网络的研究；米德和贝特森将控制论的思想应用到心理学和人类学；维纳的著作《控制论》和《人有人的用处》则试图为这个领域和许多相关学科提供统一的认识。这些成就只是其中部分例子，它们的影响延续至今。

控制论的研究在当时既有人拥护也有人反对。拥护者认为其开创了科学的新时代；批评者则认为它没有什么用，因为太过宽泛模糊，缺乏严格的理论基础。人类学家贝特森认同前一观点，他写道：“我一生经历的最重要的两次历史事件是凡尔赛条约的签订和控制论的发现。”而生物学家和诺贝尔奖获得者德尔布吕克（Max Delbrück）则认为他参加的控制论会议“极为空洞无物”。决策论学家萨维奇（Leonard Savage）说得客气一点，他说后期的一次梅西基金会会议是“非常精英的团体在一起闲谈”。

控制论主义者参加会议的热情逐渐消退，这个领域本身却繁荣起来。科学史学家艾斯普瑞（William Aspray）研究了控制论运动，他写道：“最后维纳统一控制和通信科学的愿望没有实现。就像其中一位参与者评论的，控制论‘宽泛而缺乏实质’。涵盖的主题过于松散，理论工具又过于贫乏笨拙，无法实现维纳所期望的统一。”

还有一个寻找共性的类似尝试，就是所谓的一般系统论，20世纪50年代由贝塔朗菲（Ludwig Von Bertalanffy）发起，他将其描述为“对一般性‘系统’有效的原则进行形式化和演绎”。系统是在非常一般性的意义上进行定义：由相互作用的组分组成的集合，组分通过相互作用一起产生出某种形式的系统及行为。当然，这什么都可以描述。一般系统论者最感兴趣的是生物系统的一般性质。系统论学家拉普波特将一般系统论（应用到生物系统、社会系统和其他复杂系统）的主线描述为在变化中保持的一致性，有组织的复杂性以及目标导向性。生物学家马图拉纳（Humberto　Maturana）和维埃拉（Francisco Varela）试图用自创生（autopoiesis，或“自我建构”）的概念统一前两条主线，这个概念表示自我维持的过程，系统（例如一个生物细胞）作为一个整体运转，不断产生出系统本身的构成组分（例如细胞的部件）。对于马图拉纳、维埃拉和他们的许多追随者来说，自创生即便不是唯一，也是一个重要的生命特性。

同控制论的研究目标一样，这些思想非常吸引人，但是建构严格的数学框架来解释和预测这类系统重要共性的尝试没有获得普遍成功。然而在这些尝试中提出的核心科学问题形成了一些现代科学和工程领域的基础。人工智能、人工生命、系统生态学、系统生物学、神经网络、系统分析、控制理论和复杂性科学都是由这些控制论学家和一般系统论学者播下的种子发展而来。对控制论和一般系统论的研究仍然很活跃，但基本已经被这些从中衍生出来的学科掩盖了。

后来的一些针对复杂系统一般性理论的尝试来自物理学。例如，哈肯（Hermann Haken）的协同学和普里高津（Ilya Prigogine）的耗散结构和非平衡系统理论，都是试图结合热力学、动力系统理论和“临界现象”理论来解释湍流、复杂化学反应这类物理系统以及生物系统的自组织。特别是，普里高津的目标是确定“复杂性的词汇表”：用普里高津和他的同事尼古拉斯（Grégoire Nicolis）的话说，“涉及在各种现象中反复遇到的机制的一系列概念；包括非平衡性、稳定性、分岔和对称破缺，以及长程有序（long-range order）……我们相信这些是一个新的科学词汇表的基本组成”。研究在不断沿着这些方向进行，但直到目前仍然没有产生出普里高津所预想的那种具有一致性和一般性的复杂性词汇表，更不要说能将这些不同的概念统一到一起，解释自然界中的复杂性的一般性理论。

五个问题

从这本书所涵盖的主题之广泛可以看到，现代复杂系统科学仍然没有统一成一个整体，而是松散的大杂烩，其中有一些相互重叠的概念。目前在这个标题下统一的只有共同的问题和方法，以及超越早期研究中不那么严格的类比特性，得到更严格的数学和实验的渴望。对于现代复杂系统科学相对于以前的尝试有何新的贡献，或者有没有贡献，存在很多争议。它有多成功呢？

对这个问题有各种看法。最近，一位名叫吉尔森逊（Carlos Gershenson）的学者向他的一些同行（其中包括我）分发了一份复杂系统问题表，并计划在名为《复杂性：5个问题》（Complexity：5 Questions）的书中发表这些回应。问题如下：

1．你为何会研究复杂系统？

2．你怎样定义复杂性？

3．你喜欢的复杂性方面/概念是什么？

4．在你看来，复杂性最成问题的方面/概念是什么？

5．你如何看待复杂性的未来？

目前我看到了其中14份回应。虽然表达的观点多种多样，但还是涌现出了一些共同的想法。大部分人认为复杂性的“普适定律”的可能性过于野心勃勃或过于模糊不清。而且，大部分人都认为定义复杂性是这个领域最成问题的方面，可能根本就是错误的目标。许多人认为复杂性一词没有意义；一些人甚至避免使用它。大部分人不认为已经存在“复杂性科学”，至少不是在科学一词的通常意义上——复杂系统似乎是一个四分五裂的学科，而不是统一的整体。

最后，有少数人担心复杂系统领域会遭遇与控制论等相关尝试同样的命运——也就是说，它将阐明不同系统之间有趣的类似之处，而不会得出一致而严格的数学理论，从而解释和预测它们的行为。

不过，虽然对当前的复杂系统研究有这些消极看法，大部分人对于这个领域以及其对科学已经产生和将要产生的贡献还是抱以高度热情。在生命科学、大脑科学和社会科学中，科学家们研究得越深入，发现的复杂现象就越多。新的技术手段使得这样的发现越来越多，这些发现极需有新的概念和理论来解释复杂性的来源和机制。这些发现需要科学做出改变，抓住复杂系统研究中出现的问题。事实上，在本书前面的例子中可以看到，近年来复杂性科学的主题和结果已经触及几乎所有科学领域，而且像生物学和社会学这样的研究领域已经被这些思想深深改变了。不仅如此，一位学者这样说道：“我认为复杂性科学的一些形式正在改变整个科学思想。”一些参与调查的人也表达了类似想法。

除了布朗、恩奎斯特和韦斯特的代谢比例研究和阿克塞尔罗德等重要的具体发现，到目前为止复杂系统研究最有意义的贡献也许是对许多长期持有的科学假设提出了质疑，并且发展出了将复杂问题概念化的新方法。混沌告诉了我们看上去行为随机的系统并不一定是因为有内在的随机性；遗传学的新发现对基因变化在进化中的作用形成了挑战；对随机和自组织的作用的新认识挑战了将自然选择作为进化的核心力量的观念。非线性、分散控制、网络、层次、分布式反馈、信息的统计表示、本质的随机性，这些思想的重要性在科学界和大众中都逐渐被认识到。

新的概念体系经常需要对存在的概念进行拓宽。这本书中我们看到了信息和计算的概念如何被拓展到涵盖生命系统，甚至复杂社会系统；适应和进化的概念如何被拓展到生物王国之外；生命和智能的观念如何被拓展到自复制机器和进行类比的计算机程序。

这种思考方式逐渐进入主流科学。我在SFI暑期学校与年轻的研究生和博士后进行交流时清楚地看到这一点。20世纪90年代初，同学们对暑期学校讲授的新思想和新颖的科学世界观都极为兴奋。但进入21世纪以后，主要得益于SFI等研究机构的大力宣传，这些思想和世界观已经渗入许多学科的文化，逐渐习以为常了，有时候甚至对复杂系统变得如此“主流”感到失望。我想，这应当视为一种成功。最后，复杂系统研究强调多学科合作，现在看来这对目前那些最为重要的科学问题的研究非常关键。

复杂性的未来，等待卡诺

在我看来，复杂系统科学正分化成两个独立的方向。沿其中一个方向，复杂性研究的思想和工具被提炼出来，并应用到更广泛的领域。在这本书中我们已经看到，相似的思想和工具被应用到物理学、生物学、流行病学、社会学、政治学和计算机科学等截然不同的领域。在一些我没有讨论的领域，如神经科学、经济学、生态学、气候学和医学，复杂系统的思想也占据了越来越重要的地位——复杂性和交叉科学的种子撒播得越来越远。

另一个方向则更具争议，它从更高的层面上来审视这些领域，寻求解释性和预测性的数学理论，将复杂系统之间的共性严格化，并且能解释和预测涌现现象。

在我参加的一次复杂性会议上，对于这个领域应当向哪个方向发展，进行了一次热烈的讨论。在一时的失落气氛中，一位与会者说：“‘复杂性’曾让人兴奋过，但现在已经死了。我们应当另起炉灶。”

我们应当如何描述它呢？现在也许清楚了，这才是问题的关键——我们没有合适的词汇表来精确描述我们所研究的对象。我们用复杂性、自组织和涌现来描述我们感兴趣的系统的共同现象，但是我们还是不能以更严格的方法刻画这些共性。我们需要新的词汇表，不仅能抓住自组织和涌现的概念构成，还能解释它们如何涵盖所谓的功能性、目的或意义（参见第12章）。这些不清晰的词汇需要用新的更清晰的词汇来定义，以反映出对所研究的现象的新理解。就像我在书中介绍的，复杂系统的许多研究都涉及对来自动力学、信息、计算和进化的概念进行整合。应当通过这种整合形成新的概念词汇表和新的数学。数学家斯托加茨这样说道：“我认为我们可能缺乏与微积分相当的新概念体系，能根据复杂系统的无数相互作用得到其结果的方法。这种超级微积分，即使告诉了我们，也有可能超出人类的理解能力。到底怎样我们不得而知。”

要想理解、预测或是引导和控制具有涌现性质的自组织系统，就必须有适当的概念词汇表和适当的数学。发展出这样的概念和数学工具在过去和现在都是复杂系统科学所面临的最大挑战。

这个领域有个笑话，说我们是在“等待卡诺”。卡诺（Sadi Carnot，图19.3）是19世纪初的一位物理学家，他提出了热力学的一些关键概念。与之类似，我们也在等待出现适当的概念和数学来描述我们在自然界看到的各种形式的复杂性。

要实现这个目标我们更需要一位牛顿式的人物。我们现在所面临的概念问题，就类似于微积分发明之前牛顿所面临的问题。在牛顿的传记中，科学作家格雷克（James Gleick）这样描述：“他受困于语言的混乱——有些词汇定义不清，有些词汇甚至还没有出现……牛顿相信，只要他能找到合适的词汇，他就能引领整个运动科学。……”通过发明微积分，牛顿最终创造了所需的词汇。借助于无穷小、微分、积分和极限等概念，微积分为严格描述变化和运动提供了数学语言。这些概念在数学中已经存在，但是不完整；牛顿能够发现它们之间的关联，并且构建出和谐统一的宏大建筑将它们结合到一起，让它们彻底一般化。这幢宏大的建筑使得牛顿能够创造出动力学体系。

我们能够类似地发明出复杂性的微积分吗——一种能抓住复杂系统的自组织、涌现行为和适应性的起源和机制的数学语言？一些人已经开始着手于这项宏伟计划。例如，第10章曾介绍过，沃尔夫勒姆正在以元胞自动机中的动力学和计算为基础，创造他所认为的新的基础性的自然理论。前面提到，普里高津和他的追随者曾尝试用一些物理学概念作为基础建立复杂性理论。物理学家巴克（Per Bak）在动力系统理论和相变概念的基础上提出了自组织临界性的概念，并将其作为自组织和涌现的一般性理论。物理学家克鲁奇菲尔德提出了计算力学（computational mechanics），将动力系统、计算理论和统计推断理论结合到一起，解释复杂和适应性行为的涌现和结构。

不过这些方法，以及我没有提到的其他一些方法，都还远没有成为被广泛接受的复杂系统的解释性理论。它们都包含有一些重要的新思想，目前仍然是活跃的研究领域。当然，目前仍然不清楚是否存在这样一个理论；有可能不同系统中的复杂性的产生和运作过程完全不同。在这本书中我介绍了一些复杂系统理论的可能片段，分别涉及信息、计算、动力学和进化等领域。需要做的是发现它们的内在关联，并将它们融合成协调一致的整体——也许可以称其为“复杂性背后的简单性”。

虽然这本书中介绍的许多科学仍然处于初期阶段，但对我来说，实现这种远大目标的前景正是复杂系统研究真正的迷人之处。有一件事情很清楚：追寻这些目标，要具有在知识上冒险和不惧失败的精神，敢于超越主流科学，进入疑点重重的未知领域，伟大的科学都是这样的。借用作家和探险家纪德（André Gide）的一句话：“不敢远离海岸线，就别想发现新大陆。”朋友们，让我们一起向复杂性的新疆域进发吧。