序

像我们自身这样复杂的事物是怎么可能出现的？这个问题困扰了数个世纪来最杰出的一些思想家。复杂性的本质问题带来了理论和方法上的挑战。人们对复杂性提出了许多定义，其中很多都不能量化，无法对这种属性进行度量。我认为，信息、复杂和进化的概念在其中相互缠绕，只有综合考虑，对它们的认识才可能形成突破。而将它们结合到一起的是计算的概念。

极为复杂的事物随处可见。动植物就是明显的例子，还有许多人类发明的事物，例如航天飞机、美国国防部，以及现代汽车制造业背后的供应链。一些无生命、非人造的事物显得也很复杂，例如星系和山脉。有没有可行的方法比较人类和银河系的复杂性？或者珊瑚礁和超级计算机的复杂性？

解决与复杂性有关的问题不是件容易的事情。传统方法——常被称为复杂性科学——采取的是高度数学化的方法。许多专家的背景是物理学，虽然经常会涉及经济和社会系统，但研究的对象多来自非生物领域。我选取了不同的路径，一条偏向哲学和生物学，另一条避开数学，两条路径互为补充。非数学化的方法解释了数学方法曾试图解释的许多事物，反过来又说明了传统的数学为何有时候无效。这本书虽然没有什么公式，但并不是因为反感数学。书中的思想建立在计算理论的基础之上，这是高度专业化的数学分支。不包含公式，是因为在理解相关概念时，它们不是必需的，并且数学推导会给许多读者造成障碍。我希望能让非专业读者也能理解一些基本的计算概念，这些概念虽然本质上极为数学化，但其主要思想却可以用非数学的语言进行阐释。

理查德·道金斯于1986年出版的获奖图书《盲眼钟表匠》部分触及了复杂性问题。他意识到，我们真正想知道的不是如何度量复杂性，而是复杂事物是如何形成的。他指出，一些复杂事物有预先设计，而另一些则没有。计算机的出现是因为工程师的设计。一块嵌满水晶的岩石也很复杂，却没有科学意义上的预先设计；它只是一定条件下一系列自然力量长期作用的产物，而这些条件本身又是一系列长期的自然过程的结果。岩石和计算机都遵循物理定律，但创造计算机还需要一些东西：精确组织的特定信息。这一点将计算机与非生物、非人造的事物区分开来，从复杂性科学的视角来看，也正是这一点让它不一样。

生物也给人以设计感。然而，水母的构造并非由工程师设计。虽然过去60年，分子遗传学家对水母的结构已经研究得非常清楚，但水母仍然是没有预先设计的。当然现在我们知道了，是水母的DNA编码信息与化学和物理定律的协同运作使得水母的形成成为可能。对于生物，必须有描述其自身并且经常是存于其自身的附加信息，这一点将生命的复杂性与岩石、天气、太阳系这类事物的复杂性清晰地区分开来。因此我们必须追问，这些“附加”的信息从何而来？有意义的信息不会凭空产生，它肯定是来自某个地方。

再次归功于遗传学家，他们研究了达尔文的自然选择过程是如何作用于由不同个体组成的种群，发现生物种群中成员的DNA会随时间变化。个体的DNA不会变化，但种群的DNA会随时间改变。DNA的变化来自突变，然后经过自然选择累积，点滴增加的信息使得水母得以适应环境生存。种群中遗传物质的随机变化（生殖过程中产生的突变）受自然选择的长期作用，就是创造所有生物所需的附加描述信息的来源。但是当工程师设计新的计算机或悬索桥时，附加的描述信息又来自哪里呢？都是工程师凭空想出来的吗？显然不是，后面会解释，当被视为计算时，文化和技术领域遵循的是与生物界同样的运作模式。这意味着让众多复杂事物成为可能的所有附加信息是来自对随机变化的累积选择。我将这个逻辑范式称为“复杂引擎”。同样的引擎驱动了生命的进化以及社会和技术的进步，我猜想人类的学习和创造性也是受其驱动。

信息是个时髦的词：“我们生活在数字（信息）时代”，“生物学正在成为信息科学”，“最有希望统一广义相对论和量子力学的是信息理论”——在这本书中，将许多事物具有的特殊复杂性与岩石、火星或半人马座阿尔法星这类事物的普通复杂性区分开来的是“附加信息”。

根据我们使用手机、计算机的经验，以及我们回应他人话语的基本能力，很显然信息可以被处理、操作和用于达成某种目的。对其进行研究的科学被称为计算机科学。这个学科是众多从不同角度解释世界的学科中的新成员。对计算的数学分析区分了什么是可计算的和不可计算的。一些人认为，从广义的信息和信息处理的角度来看，当我们观察世界的变化时，我们实际是在观察宇宙的计算。在书中我将阐明，这种相对较新的观点是怎样将进化的思想推广到之前只是在很模糊的意义上被视为具有进化性的领域，以及在许多并不涉及DNA的领域，进化计算是如何运作的。

计算的观点能引申出更广义的进化论，同时也能回答，对于信息没有编码在DNA中的复杂事物，其所需的描述信息来自哪里。答案是随机性：随机事件和随机选择是所有目的性信息的最终来源。这看似疯狂，并且完全有违直觉——这也正是促使我写这本书的动机。