等待卡诺《复杂》书评
(function(){
var cover = "http://mmbiz.qpic.cn/mmbiz/dcEP2tDMibcdGJrgibbQYovTU7pSlHsWvcrz4Co4NUKgxgvVL6ibHqxVgbNLpf56iaicWcUTzoEBRIoo9wgL1BFpoicg/0?wx_fmt=jpeg";
var tempImg = document.createElement('img');
tempImg.setAttribute('class', 'rich_media_thumb');
tempImg.setAttribute('id', 'js_cover');
tempImg.setAttribute('data-backsrc', cover);
tempImg.setAttribute('src', cover);
tempImg.setAttribute('onerror', 'this.parentNode.removeChild(this)');
document.getElementById('media').appendChild(tempImg);
})();
编者语：
《复杂》 作者：梅拉妮·米歇尔。如果你之前对复杂性科学还没有太多了解，那这本书可以成为你复杂性科学的第一本书。
本书试图回答以下的问题：
蚁群在没有中央控制的情况下为何会表现出如此精密的复杂行为？
数以亿计的神经元是如何产生出像意识这样极度复杂的事物？
是什么在引导免疫系统、互联网、全球经济和人类基因组等自组织结构？
理解复杂系统需要有全新的方法，需要超越传统的科学还原论，并重新划定学科的疆域。
借助于圣塔菲研究所的工作经历和交叉学科方法，复杂系统的前沿科学家米歇尔以清晰的思路介绍了复杂系统的研究，横跨生物、技术和社会学等领域，并探寻复杂系统的普遍规律，探讨了复杂性与进化、人工智能、计算、遗传、信息处理、代谢比例、网络科学等领域的关系。
关于这本书，本公众号曾推出一个读后感，以下是另一篇关于本书的精彩书评，作者为MIT在读博士
作为一个研究复杂系统行为的人，我读此书时格外认真。自从在北京三联书店时光咖啡馆邂逅这本书，屈指算来，大概断断续续读了有一个月。
当我们说我们研究系统，通常并不是指非常简单的系统。因为那样的系统很容易理解，很容易模拟。因此本书书名很恰当–复杂。复杂系统普遍有两种定义：
1.由大量组分组成的网络，不存在中央控制，通过简单运作规则产生出复杂的集体行为和复杂的信息处理，并通过学习和进化产生适应性。
2.具有涌现(Emergent Property)和自组织(Self-Organization)行为的系统。
复杂系统研究的根基很广，包括动力学，混沌理论，信息科学以及信息与热力学之间的关系，计算理论，以及进化理论。它能被应用的领域同样很广。在目前阶段，复杂性研究的思想和工具常常被提炼出来，应用到更广泛的，与复杂性有关的领域中去，譬如生物，物理，流行病，社会，政治，计算机科学，神经科学，经济学，生态学，气候学，医学等等。之所以说“等待卡诺”，是因为系统科学家们仍然在等待一个像卡诺那样能够以数学与建模方法精确地提炼出不同学科间复杂系统所共有的一些通性，并依据这一套通性来解释涌现与自组织现象，同时对复杂系统未来的行为做出有效的判断。
接下去我介绍几个书中对我触动比较大的概念，尽量平铺直叙，深入浅出。
- 复杂系统研究和社会科学
我们在研究系统问题时，最重要的问题之一便是宏观–微观问题。在MIT写硕士论文时，我受经济学诺贝尔奖获得者卢卡斯的影响很深。在Lucas (1974)中，他提出宏观建筑必须有微观基础。换句话说，任何宏观模型的构建，必须是微观个体的加和，并且我们需要非常了解微观个体的行为，才能在宏观条件改变时，通过分析宏观条件改变对微观个体行为的影响并将这种影响宏观化以后才能获得对宏观体系的稳健预判。
然而如今反思，这种认识有两个大的问题。第一个问题来自于图灵奖和诺贝尔经济学奖获得者司马贺(Herbert Simon)的层次理论(Hierarchy Theory)。在准可降解系统中，由于宏观系统的行为频率通常远远低于微观系统的行为频率，因此宏观现象与参数可能与微观系统并没有太大的关系。
举例来说，学过平均统计理论的人知道，了解气体的宏观状态，譬如温度，不需要我们了解每一个粒子的运动轨迹或运动速率。再举例来说，分子化合物的性质未必和每个原子内中子和质子之间的强作用力有关。司马贺的解释是，中子和质子间的作用用掉了强作用力，原子间作用力次之，最后没有被用掉的分子间作用力形成分子键组成了分子化合物。因此微观个体的行为尽管可能强度很大频率很高，但未必会有宏观的表现；而宏观性质可能是其他原因体现出来的。
另一个问题则来自于诺贝尔物理学奖获得者菲利普 安德森(Philip Anderson)。当粒子物理学如日中天的时候，是安德森扭转乾坤，在凝聚态物理领域写上了浓墨重彩的一笔。安德森发现，当微观粒子凝聚时，他们组成的整体常常具有可能与微观个体毫无关系的性质。他没有轻易否定微观粒子对宏观整体性质的贡献，只是认为任何对宏观现象的了解都不能单纯地通过对微观个体进行加和，因为宏观整体通常可能具有很多微观个体没有的现象，这种复杂系统的现象叫做涌现。
因此对系统某些性质的理解完全可以忽略微观个体，而只研究整体。事实上，笔者认为以肯尼斯 沃尔兹(Ken Waltz)等人为首的国际关系理论中的新现实主义(Neo-Realism)就是以复杂系统的方法在研究国际关系 – 亦即更注重系统层面的关系与性质，而相对减少对个体层面或国家层面的探讨与认识。尽管近来国际关系理论有走向微观的趋势，但只要国际关系仍可被看作是一个准可降解系统，那么笔者认为系统层面的分析仍可能是最有效的。
当然，以上提到的两种意见大多适用于物理体系，是否适用于社会/政治体系，抑或说复杂性理论是否会对社会/政治体系研究做出较大的贡献，则有待时间检验了。
*附带说一句，系统社会以及系统政治学不是没有兴起过。事实上，二战后控制理论(Cybernetics)的兴起造就了不少系统政治学大家，譬如大卫 伊斯顿(David Easton)和嘉贝莉 阿尔蒙德(Gabriel Almond)。但他们的研究方法大致类似系统动态学以及结构功能主义，注重体系的输入输出，信息流动，反馈，存量流量分析等。这种方法可能也有可取之处，但笔者此处只想指出这种控制论衍生的理论和复杂系统理论有诸多不同。
2.复杂系统如何运行
每个系统都需要解决一个重要的问题，亦即在有信息输入或信息反馈时，如何对这种信息作出最优的回应，并在时间轴上相应地调整系统自身行为。
对于这个问题，侯世达(Douglas Hofstadter)有一个非常精彩的理论，并被作者非常成功地用来解释人体代谢，蚁群行为，和免疫系统的运行逻辑。
这种理论叫做并行级差扫描(Parallel Terraced Scan)。他指的是对许多可能性和路径同时进行探测，某项探测所获得的资源依赖于其当时的成效。搜索时并行的，许多可能性被同时探测，但是存在“级差”，意思是并不是所有可能都以同样的速度和深度进行探测。利用获得的信息不断调整探测，从而有所侧重。
例如，开始时许多蚂蚁随即寻找食物。一旦在某个方向发现了食物，就会开始派更多的系统资源（蚂蚁），通过前面描述的反馈机制，进一步探索这个方向。路径得到的探测资源不断通过其相对极小–所发现食物的数量和质量–进行动态调整。但是，由于蚂蚁数量很多，再加上具有随机性，绩效不好的路径也会继续探测，当然分派的资源会少很多。谁知道呢，说不定就能发现更好的食物源。
如此，复杂系统中的随机性与确定性便达到了平衡。复杂系统通常具有这种微粒化结构，除了上述原因外，还因为这种结构稳健(Robust)，高效，可以演进。
为什么说它高效和可以演进呢？**因为系统微粒化的特性不仅使其能探测各种不同的路径，同时也使得系统能够连续地调整探测路径，因为采取的动作都相对较小。而如果更加粗粒化，就很有可能在没有绩效的探测路径上浪费时间。**因此，探测的微粒化特性使得系统能根据其获得的信息连贯地对探测进行调整。
那么为什么它稳健呢？因为微粒化系统天生具有冗余度，因此即使有个体组分不能可靠工作，获得的信息也只是统计性的，系统还是能正常运转。
**对于所有适应性系统，在上述两种探测模式中保持适当的平衡都是关键。**而最优的平衡点随时间不断变化。开始时所知的信息很少，探测基本是随机分散的。随着信息增多并产生影响，探测逐渐变得具有确定性，集中于对系统的感知进行响应。简而言之，系统既要探测信息，又要对信息加以利用，不断调整适应。在分散探测和集中行动之间的平衡可能是适应性和智能系统的共性。
3.复杂系统如何进化
复杂系统又是如何随着环境条件的改变而演化的呢？笔者以为古德尔(Stephen Gould)和埃尔德雷奇(Niles Eldredge)的间断平衡理论(Punctuated Equilibrium)具有很强的解释效力。而且，笔者以为这与生物学的现代综合(The Modern Synthesis)并不互相矛盾，而是互相补充的。换句话说，进化是自然选择，历史随机，和生物制约三位一体的客观体现。
生物制约有两重意思。第一重意思很简单，就是生物的一些特性，譬如我们不能以光速奔跑，是显而易见受到制约的。第二重意思更深入一些：尤其是近十年蓬勃发展的进化发育生物学(Evolutionary Developmental Biology)指出，虽然主导基因引导的基因调控网络能产生多样性，它们也对进化施加了一些限制。
进化发育生物学家认为任何生物的身体形态类型都受主导基因高度约束，这也是为什么自然界中只有少数基本的身体结构类型。如果基因组很不相同的话，也许会有新的身体结构类型，但实际上进化无法让我们变成那样，因为我们非常依赖现在的调控基因。因此，我们的进化可能性是有局限的，“所有特性都能无限变化"的概念是错误的。
在生物制约的基础上，历史随机外生冲击(也就是说超越生态系统这个系统范围的)，譬如剧烈气候变迁以及小行星撞击地球，会随机地改变自然环境，而自然环境对生物系统产生选择决定生物的演化方向。所以通常生态系统处于平衡状态，但随机的历史事件可能将系统带离均衡，因此称之为间断平衡（puncture equilibrium）。
事实上在社会科学中，这种观点我以为也很具有解释性。戴蒙德(Jared Diamond)与莫里斯(Ian Morris)都认为地理环境决定了长期的社会形态与演化，莫里斯进一步认为地理环境决定形态与演化，而社会/生物发展改变地理对于社会/生物的意义。阿齐莫格鲁(Daron Acemoglu)则认为制度是增长和发展的决定性要素。
这两种观点看似对立，其实可以统一。我认为外生冲击造成的制度改变（见Acemoglu (2001))就像是对社会系统的随机外生冲击，而Morris的地理决定因素则是自然选择和社会发展的原动力。这两者对社会演进都很重要，但地理决定因素更绵长持久，而外生冲击造成的制度性大转变可能在历史时间单位之下更短暂一些。
近来逐渐显现的一种新的对系统复杂性的演进的解释来自于考夫曼(J. Kauffman)。进化生物学家麦舒(Dan McShea)把考夫曼归为结构主义者(Structuralism)。简单地说，考夫曼认为生命本身具有自我复杂化的特征（从自然选择角度说，复杂化可能给个体更多的能力以及更稳健的适应力等等），但他更大胆地提出这种自我复杂化的特性可能在一定程度上独立于自然选择。或许一个复杂网络本身就有自我组织，秩序等涌现性质。
考夫曼认为他的发现类似于统计力学的定律，其决定的是从大量相互连接调控的组分中涌现出来的复杂性–“第四定律”–生命具有复杂化的内在趋势。我对这一点表示怀疑，尤其是为何这种复杂性独立于自然选择的任何趋势，作者并没有很成功地在书中解释。或许阅读考夫曼的《The Origins of Order》会给我们更多洞见。然而结构主义的视角却是宝贵的。
譬如近来如日中天的网络研究就为理解复杂系统提供了许多。举例来说，无尺度网络很常见（譬如万维网），而它的连接度无尺度分布（譬如幂律分布），集群性（这点书中讨论不多，或许可以和层次理论结合），和存在中心节点，让网络系统具有小世界模型(Small-World Model)的高效通信能力，并且在随机删除节点时具有稳健性（譬如食物网可能在一种生物灭绝或数量大量减少时仍能运作）。所有这些特点都有助于理解科学和技术领域的复杂系统。网络科学也正如它自己所说的那种中心节点，使得本来相隔遥远的学科变得很近。
- 复杂系统的未来
对于复杂系统的未来，笔者人微言轻，不敢妄加揣度。但就譬如无尺度分布中幂律分布(Power Law Distribution)的产生机理在不同的系统中可能不同（譬如偏好附连(Preferential Attachment)，也就是社科中的马太效应(Matthew Effect)，又譬如自组织临界性(Self-Organized Criticality)和高容错性(Highly Optimized Tolerance))，或许真的如司马贺所说，复杂系统的科学可以有，但囊括所有类型的系统的机理甚至大一统理论可能没有。当然，之所以眼前系统机理五花八门，也可能是因为我们还没有站到一个更高的高度。或许到了那个高度，这些看似不同的现象也可以用一个统一的概念来诠释。总之，在这个领域耕耘的我，还是为这个领域的未来而怀有憧憬和期待的。
更多阅读