复杂系统的认知框架

 

 

 

复杂适应系统说的是由大量相对简单的个体交互组成的网络或系统，整体上却表现出个体所不具备的特性或适应性。这种现象也称为自组织或涌现。那么，它背后的运作机制是什么？又是如何出现的呢？而复杂系统能够作为一种具有普适性的方法论帮助我们认识和分析各种自然、经济和社会现象。

 

 

我和大家分享的是《复杂》和《复杂的引擎》这两本书。

 

《复杂》这本书讲的是复杂适应系统，复杂适应系统说的是由大量相对简单的个体交互组成的网络或系统，整体上却表现出个体所不具备的特性或适应性。这种现象也称为自组织或涌现。自组织的意思是个体在没有中央控制的情况下通过交互自发形成组织或结构。涌现则指的是系统整体出现了个体所不具备的属性或目的性。

 

面对这样的现象，人们自然会问，它背后的运作机制是什么？它又是如何出现的呢？这也就是复杂系统研究所关注的问题。

 

要分析系统的运作或变化，数学和物理中最基本的工具是动力学和热力学。动力学研究的是在一定的变化规则和初始条件的约束下，系统会如何演化。微分方程和差分方程就是经典的动力学工具。动力学自诞生以来在科学中取得了极大的成功，人们一度认为，只要掌握了宇宙的规律和当前状态，就能够演算出未来的状态。

 

这个美好的愿景很快被庞加莱打破。庞加莱在研究三体问题时发现，即便是如此简单的动力系统，也很难准确预测其长期的行为。庞加莱的研究发展成了后来的混沌研究。混沌现象提醒我们，即便是很简单的确定性系统，如果存在非线性因素，也很难准确预测系统的长期行为。

 

分形是另一种经常与混沌相提并论的动力学现象，简单规则的反复迭代产生出复杂得让人印象深刻的美丽事物。混沌和分形反过来提醒我们，复杂的自然现象背后的机制可能很简单。也许只不过是简单规则反复作用的结果。

 

但动力学无法帮助我们理解复杂系统为何会表现出目的性或适应性，无法解释这样的系统为何会出现。

 

热力学研究的则是大量组分在统计意义上的行为。热力学第二定律限定了封闭系统总是从有序走向无序，从低熵变成高熵，也就是说动态的秩序和有组织的结构不是免费的，需要成本。但热力学无法帮助我们彻底解决动态秩序和有组织的结构是如何出现的问题。

 

因此要理解复杂适应系统，我们还需要借助其他概念和思维框架，而目前最有希望解释清楚复杂系统的框架就是信息、计算和进化。复杂适应系统最重要的特性是整体上表现出适应性或者说目的性，也就是说能适应某种需要或环境。适应性和目的性无法用物理定律来解释，而信息和计算框架则可以很好地解释这种适应性或目的性。

 

我们可以将适应性解释成系统获取信息，通过计算或信息处理，输出结果信息并响应输入信息，以适应相应的需求或达到某种目的，而这种计算能力或算法规则的出现则需要用进化来解释。

 

同样在系统组分和个体层面，也可以用信息和计算来解释个体之间的交互，《复杂》一书中举的蚁群、免疫系统、大脑神经网络和经济系统都是典型的这种例子。蚁群中的蚂蚁在行动过程中释放信息素，信息素又影响到其他蚂蚁的行为，就可以视为蚂蚁之间在传递和处理信息。免疫系统中的淋巴T细胞在识别出抗原后释放化学信号，化学信号激活淋巴B细胞，释放抗体分子，这个过程也可以视为信息的传递和处理过程。

 

大脑神经元获取其他神经元传递的信号，处理后将信号发给其他神经元。市场中的个人和公司不断根据其他人和公司甚至整个市场的行为来决定自己的买卖和生产行为，反过来又影响其他主体的行为和市场的波动。这些现象都可以视为信息和计算过程。因此信息和计算的概念，在复杂系统的研究中具有基础性地位。

 

复杂系统可以从个体的信息交互和计算的角度来理解，这也正是为什么元胞自动机在复杂系统研究中受到重视的原因。元胞自动机是最简单的个体信息交互和计算的模型。单个元胞不断根据邻近元胞的状态调整自身的状态。这里的个体是元胞，信息是元胞状态，计算则是元胞规则。

 

信息和计算能够解释复杂系统的行为，但还解释不了系统的来源问题，缺失的一环是随机和进化。个体生成的方式通常是复制。比如细胞分裂、经济策略和组织方式的模仿和学习，文化、技术和宗教信仰的传播，都可以认为是复制。

 

复制的过程会掺杂有意识的改进或意外的错误，如果复制的机会或所需的资源是有限的，复制过程中的改进或错误就会导致后代复制成功率的适应性差别，从而导致选择进化过程，由此积累的信息就是目的性或适应性的来源。

 

另外由个体的交互关系组成的网络，其网络结构显然会对整体的特性产生影响，有些特性是个体交互规则的自然产物，例如无尺度网络，具有无尺度性的网络中，大量节点只有很少的连接，少量节点则有很多的连接，连接的数量呈幂律分布，出现这种现象往往表明网络的形成过程中有某种机制在起作用，比如马太效应，连接越多的节点越容易获得新的连接。

 

有些特性则会对网络整体的适应性和稳健性产生影响。比如小世界网络，在小世界网络中，节点数量很多，节点的平均路径却很短。最著名的例子就是社会网络的六度分离。这种特性显然会影响到信息或疾病在网络中的传播速度。稳健性说的则是网络在失去节点和连接的情况下结构的稳定性。

 

如果网络作为整体有适应性和稳健性的差别，并且也需要竞争有限资源来维持网络的结构，在网络整体层面上，就有可能将网络视为个体也产生进化过程，从而产生对整体特性的筛选。例如血管网络能用最低的能量成本和最短的时间将养分输送到尽可能多的身体部位；公司的组织结构会影响公司的成本和适应市场变化的速度；军队的组织结构影响军队的战斗力和生存机会；宗教的组织结构和信条影响宗教对信徒的吸引力和稳定性；国家的组织结构影响国家的治理成本和经济活力；这些都是网络整体结构产生适应性差别的例子。

 

有了信息、计算和进化的框架后，就能反过来用于指导科学实践。个体层面的优化的例子是遗传算法。在整体层面进行优化比个体层面显然更为困难。但是《复杂》书中给出了一个例子，就是第11章给出的元胞自动机规则优化的例子，需要寻找的是单个元胞的规则，但优化目标不是单个元胞的性能，而是元胞组成的整个自动机的性能。

 

《复杂的引擎》一书则不仅限于复杂适应系统，而是将这套框架推广到了更广义的领域。作者将自然界的事物、系统和行为分为两类。一类事物在形成过程中需要指令也就是信息的引导，也就是说除了化学和物理定律，还需要额外的信息，如果没有这些额外的信息，这类事物出现的概率将极低，以至于完全不可能，作者称此类事物为II型事物，这类事物包括所有生物以及各种人类智慧的产物。

 

还有一类事物的出现则无需指令引导，这一类包括大部分非生命和非人类活动产物，例如岩石、海洋、飓风和太阳系。两类事物涵盖了一切事物，地球之所以独特，正是因为存在大量II型事物，这也是为什么火星和月球上的疑似人造物让人们感兴趣的原因。因为II型事物的存在意味着进化系统的存在。

 

理解了信息对II型事物的关键作用，我们就能理解生物、技术、人类知识、人类组织、经济、宗教和历史中许多现象的由来，这也是为什么复杂系统能够作为一种具有普适性的方法论帮助我们认识和分析各种自然、经济和社会现象。

 

最后要说的是，有一个问题，两位作者都只给出了猜测性的看法，没有深入，这个问题就是大脑和意识。人类大脑毫无争议是目前已知的宇宙中最复杂的事物，数以亿计神经元是如何通过交互产生出意识这样复杂的事物，目前仍然是科学中的未解之谜，这个问题的探索才刚刚开始。

 

我的讲述就到此结束，谢谢大家！