第一章 因何寻因
我们为什么做我们做的事情？这个问题值得深思。长久以来，对答案的求索驱使人们踏上各种各样或平凡庸常，或意义深远的旅程。自人类文明伊始，伟大的思想者们就围绕人类选择决策和行为动因的起源问题，以及与理性和感性相关的话题，展开了持续至今的争论。
我不确定自己是在童年的何时意识到并非所有事物都是可知的。当时的我同样十分惊讶地意识到我的父母与老师也并不知道所有问题的答案。我下定决心，要尽己所能去理解人们为何如此行事，为何如此决策，无论这些行为是对是错。我们如何评判对与错？我在亚里士多德、柏拉图、洛克、克尔凯郭尔、孔子和康德的哲学理论中找寻答案，也在达尔文和爱因斯坦的科学理论中找寻答案。我在马克思、弗洛伊德、梭罗的著作中找寻答案，也尝试在美国建国者们的辩论中找寻答案。通过广览群史，了解从古至今那些关于战争、和平与文明兴衰的往事，我深切认识到了历史的教育意义。随着阅读量的增加，我愈发体会到人类行为动因和道德观念的复杂性。尽管我的追寻尚未完全成功，我仍渴望整理并分享我现有的部分答案。
数不胜数的理论和研究方法支撑起了心理学、社会学、人类学、经济学、生物学和神经科学。在过去的16年，我广泛学习了上述诸多学科，寄望于它们能帮助我理解人类行为。我曾尝试整合可以运用的全部信息，以赋予这个不断流变的世界一个合理的解释，在世界多样的可能性之中寻找启示。最终，我相信任何单一学科都不可能解答全部的问题。但我确实相信我们正在进入一个突破边界的时代。如今，越来越多的概念在学科间交融，助力各个学科的发展与革新。我怀着对人类历史与人类未来的重视踏上这段旅程。我对人类未来的关注，就包括数据科学带来的伟大技术革新，尤其是人工智能，这项技术对人类思想和情绪活动机制的解读越来越透彻。
要“理解人类为什么做他们做的事情”并不简单。我同意神经生物学家、灵长类动物学家罗伯特·萨波斯基（Robert Sapolsky）的观点：“如果你对生物学知识感兴趣，比方说候鸟如何识途，母仓鼠在排卵期与求偶行为相关的本能反应，这些相对而言比较简单。但这些并非我感兴趣的领域。我关注人类个体行为、常规社群行为以及反常社群行为。这确实是个异常复杂的领域，涉及的知识包含脑化学、激素、神经感知线索、母胎环境、婴幼儿生长发育、基因等，研究主题覆盖的范围包括生物进化、文化进化、生态压力等。”1简而言之，理解人类行为是一项复杂的任务。
一个复杂（complex）的问题与一个繁复（complicated）的问题有显著差异。我们关注复杂性科学，并非仅仅为了据此解答复杂与繁复这两个定义之间的差异，而是希望为理解人类行为提供一个必要的切入点。否则，我们得出的任何答案，只不过是缺乏科学根据的臆测，或者个体偏见的延伸。正是在与科学交流研究所（Institute for Scientific Interchange，ISI）共事期间，我体会到了科学的复杂性。科学交流研究所位于意大利都灵市，是世界领先的数据科学实验室。自1983年创建以来，它参与的科研活动多次在数据科学领域取得重大突破，其中就包括混沌理论、量子计算、复杂网络等。当今的它仍在持续发展，创新向上。
2014年，我受邀为科学交流研究所下一阶段的发展规划提出建议。对科学交流研究所而言，在发展壮大的同时保持组织文化至关重要。科学交流研究所创建的核心理念是“以好奇心驱动科学”，这是一种不拘泥于学科边界限制，以摆脱成见的姿态去面对、求解复杂问题的理念。
这段经历让我开始认识数据和理论之间的平衡。“无界理念”让科学交流研究所“在无穷无尽的时间、空间、学科和研究领域里遨游”2，也启发我去不同的领域寻找答案。科学交流研究所提出：“面对那些至关重要的复杂性科学问题，我们重视平衡运用数据和理论，以避免科学研究过于闭塞。数据、理论、作用三者的结合是科学交流研究所全部成果的精要。”3我常常思考，打破数据与理论之间的平衡是否其实就是打着科学方法的名号进行自我分析。如果天平朝着数据和理论的任一方倾斜，我们都将面临失去少许人性的风险。
不了解复杂性科学的读者，可以参考专家意见来理解复杂任务和繁复任务的区别。就职于科学交流研究所的马里奥·拉塞蒂博士（Dr.Mario Rasetti）曾言：“如果把一架波音777飞机的全部零件分散摆放在一个足球场上，再让一个人把这些零件重新拼装起来，我们说这件工作是一件非常繁复、困难且枯燥的任务；但拼装工作本身，尤其是在有安装手册指引的情况下，不会被认为是复杂的。解决问题的办法是一个线性过程。与之相反，预测某种全球性传染病的传播方式是一个复杂问题。这需要我们通过数量庞大的变量去理解诸如天气、交通、风力与风向、疾病传播率与潜伏期等传播方式的特征节点，以得出一系列以时间变量和位置变量为输出值的预测。也别忘了，无论病毒是否对应一种能在空气中传播的病毒，疾病的传染率和被感染的人口都是研究者需要纳入考虑的变量。另外一个说明复杂性和繁复性区别的例子是理解天气变化和预测天气模式，前者是繁复问题，后者则是复杂问题。复杂性无关难度，它仅仅意味着一个系统受多种因素共同影响以至于系统内的因果关系几乎不可能被证明。”
直白地说，数据显示的真值与我们期待的真值之间总是存在偏差。这种偏差指引着人类追寻所有的知识，而没有任何一个学科能提供足够广阔的视角，以定义我们遇到的所有问题和我们提出的所有答案。因此我们必须采取多学科的方法来进行研究，这样才能真正地学到所有知识。
关于这一点，萨波斯基有话要说。他主张“区分行为中哪些要素是生物要素、心理要素或文化要素是无意义的，因为这些要素彼此紧密相连”。4换句话说，我们必须借助生物学来理解人类行为，但也不能将全部希望寄托于生物学之上。
复杂性的另一个特征源于知识的不完备性。也就是说，假设时间足够长，我们给予任何复杂问题的解答都将被证明是错误的，或者说，至少是不完备的。新知识的获得总会带来新的洞见和对现有问题更完备的理解。这就如同在举目无尽的层峦叠嶂中向上攀登。每座山峰都将提升你的眼界，但没有任何一座山峰可提供关于未来的完整知识。
举例来说，假设我们渴望理解病原体所在的微观世界和病原体对我们健康的影响。一开始，探究人类生物学中的因果关系就是一件典型的复杂问题，因为我们复杂的生物系统中有众多需要纳入考虑的变量。后来，制造一种让科学家和研究者可以在微观层面观察那些引发疾病的细菌、病毒、真菌、寄生虫的工具同样被认为是一项复杂问题。要理解这有多复杂，我们需把目光放回到1590年。那时查卡里亚斯·詹森（Zacharias Janssen）和他的儿子汉斯·詹森（Hans Janssen）把一叠镜片和一个筒状物组装在一起，发明了第一架显微镜5。它的放大效果并不理想，但它为未来放大显示倍数等有关显微镜的升级改良打下了基础。在1665年，物理学家罗伯特·胡克（Robert Hooke）使用了简单的单镜筒显微镜，并且成为识别细胞结构的历史第一人。随着显微镜制造家们逐渐认识到传统光学的局限性，他们意识到必须更深刻地理解光学原理，并且需要制造出具备分辨构造世界的每个粒子的电磁镜头，他们推动显微镜研发制造进入高速发展的时代。1986年，诺贝尔物理学奖项授予了电子显微镜和扫描隧道显微镜的发明者。2014年，诺贝尔奖的授予再次与显微镜相关成就有关，这次是超分辨荧光显微镜，一种通过它可以“看见”尺寸小于0.2微米物质的显微镜。6还有人以为这条发展道路存在终点吗？我相信人机交互的复杂性预示未来发展前途的复杂性更胜以往，我们则需要为此做好长途旅行的准备。