複雜性研究如何改變我們對世界的認識？
歡迎關注並聯繫我們！
導讀
梅拉妮·米歇爾（Melanie Mitchell）曾出版複雜系統研究科普著作《複雜》（Complexity: A Guided Tour）。藉助於聖塔菲研究所的工作經歷和交叉學科方法，她以清晰的思路介紹了複雜系統的研究，橫跨生物、技術和社會學等領域，並探尋複雜系統的普遍規律。還探討了複雜性與進化、人工智慧、計算、遺傳、信息處理等領域的關係。本文是她於2014年發表在《複雜性文摘》（Complexity Digest）的觀點，小編翻譯時略作刪減。
1894年，物理學家、諾貝爾獎獲得者阿爾伯特·邁克爾遜宣布科學已經基本完成使命，人類對一切都了如指掌：現在似乎大多數重大的基本原則已經牢固地建立起來了，而且要進一步取得進展，主要是在這些原則的嚴格適用範圍內，對我們所注意到的所有現象進行分析。像這樣大膽而又令人興奮的預言似乎註定要被顛覆。物理學的世界很快就被相對論和量子力學的革命動搖了。
進入20世紀，人類尺度的許多現象——生物學、社會科學、經濟、政治等受到更多關注。我們越深入地挖掘人類社會的運作，我們發現的複雜性就越出人意料。正是在20世紀，科學開始跨越學科界限，以尋求複雜性本身的原則。
什麼是複雜性？
「複雜系統」是指大量組件以非線性的方式相互作用的系統。而「複雜性研究」試圖發現複雜系統行為背後的共同原理。在這裡，非線性一詞意味著系統不能僅僅通過理解它的各個組成部分來理解;非線性相互作用導致整體「大於部分之和」。
複雜系統科學家試圖了解這種集體複雜性是如何產生的，無論是在蟻群、細胞、大腦、免疫系統、社會群體還是經濟市場中。研究複雜性的人對這些不同系統之間隱含的相似性很感興趣。所有這些系統都顯示出自組織性：系統的組成部分在沒有任何中央或外部「控制器」的幫助下組織起來作為一個連貫的整體。複雜系統能夠對信息進行編碼和處理，而單個組件無法使用這些信息。複雜系統不斷進化——它們以開放的方式不斷變化，並且隨著時間的推移不斷學習和適應。這種系統無法精確預測，也無法達到科學家更容易理解的平衡。
當然，所有重要的科學發現都改變了我們對自然的理解，但我認為對複雜性的研究更進一步：它不僅幫助我們理解重要的現象，而且改變了我們對自然和科學本身的看法。下面是複雜系統科學發現的令人驚訝的、不同於傳統視角的例子。如果這些對你來說並不那麼令人驚訝，那說明你已經具有一些複雜性思維了。
簡單的規則會產生複雜、不可預測的行為
為什麼我們不能預測超過一周時間的天氣呢？為什麼預測每年漁業資源變化如此困難？為什麼我們不能預測股市泡沫和崩潰？過去人們普遍認為，這種現象很難預測，因為潛在的過程非常複雜，隨機因素髮揮著關鍵作用。然而，複雜系統科學——特別是動力學和混沌的研究——已經表明，即使基本規則極其簡單和完全確定，系統中也可能出現複雜的行為和不可預測性。複雜性的關鍵往往是系統組成部分之間簡單但非線性的交互規則隨時間的迭代。目前還不清楚天氣、股市和動物種群的不可預測性是否僅僅是由這種迭代引起的，但是對混沌的研究表明這是可能的。
上面我反覆強調，「整體多於各部分的總和」。物理學家菲爾·安德森創造了一個更好的格言：他指出，複雜性的一個重要啟示是「更多是不同的」。
蟻群就是一個很好的例子。正如生態學家奈傑爾·弗蘭克斯所言，「單個螞蟻是可以想像到的最不複雜的動物之一。如果100隻螞蟻被安置在平坦的地面上，它們就會四處走動，直到精疲力盡而死。然而，把50萬隻螞蟻放在一起，整個蟻群就像一個難以預測的「超級有機體」，擁有複雜的、有時甚至令人恐懼的「集體智慧」。更多的果然是不同的。
對於大腦中的神經元、免疫系統中的細胞、城市中的創造力和社會運動以及市場經濟中的代理人，也可以講出類似的故事。對複雜性的研究表明，當一個系統的組件具有正確的交互方式時，它的全局行為——系統處理信息、做出決策、進化和學習的能力——可能與它的單個組件有很大的不同。
在本世紀初，人類基因組完成了完整測序。雖然這對科學的益處是巨大的，但一些著名科學家和其他人的預測卻帶有邁克爾遜式的味道(見第一段)，即人類基因組計劃將「徹底改變大多數(如果不是全部)人類疾病的診斷、預防和治療。事實上，許多科學家相信，人類基因的完整圖譜將提供一個近乎完整的理解：遺傳是如何工作的，哪些基因負責哪些性狀。這將指導革命性的醫學發現和靶向基因治療的道路。
十多年後的今天，這些預言中的醫學革命尚未實現。但是人類基因組計劃，以及隨之而來的遺傳學研究的巨大進步，確實揭示了一些意想不到的結果。首先，人類基因(編碼蛋白質的DNA序列)大約有2.1萬個，比任何人想像的都要少，而且與老鼠、蠕蟲和芥菜植物的數量大致相同。其次，這些編碼蛋白質的基因只佔我們DNA的2 %。於是出現了兩個謎團：如果我們人類的基因相對較少，那麼我們的複雜性從何而來？至於98 %的非基因DNA，過去被輕蔑地稱為「垃圾DNA」，它的功能是什麼？
遺傳學家們所了解到的是，細胞中的遺傳元素，就像蟻群中的螞蟻，會以非線性的方式相互作用，從而形成複雜的信息處理網路。形成有機體的是網路，而不是單個的基因。此外，最令人驚訝的是：所謂的「垃圾」DNA是形成這些網路的關鍵。正如生物學家JohnMattick所說，「諷刺的是.因為不被理解而被認為是垃圾的東西最終成為人類複雜性的秘密。」
信息處理網路正成為生物學的核心組織原則。過去被稱為「細胞信號通路」的現在是「細胞信息處理網路」了。「癌症治療的新研究關注的不是單個基因，而是破壞許多癌症所利用的細胞信息處理網路」。現在已知一些類型的細菌通過「群體感應」網路通信，以共同攻擊宿主；這一發現也推動了對感染的網路特異性治療的研究。
在過去的20年里，一個跨學科的網路科學出現了，並發展出了從遺傳學到經濟學網路應用的洞察力和研究方法。網路思維是一個複雜系統的領域，它可能是改變我們對世界理解的最重要的部分。
2009年，諾貝爾經濟學獎得主保羅·克魯格曼(PaulKrugman)說，「很少有經濟學家看到我們當前危機到來，但這種預測失敗是這個領域中最不重要的問題。更重要的問題是，這個行業對市場經濟中出現災難性失敗的可能性視而不見」。這種「盲目」至少有一部分是由於依賴於所謂的正態分布的風險模型。
由於長尾分布現在被認為是複雜網路的特徵，我們對這些網路的日益了解意味著從疾病流行到電網故障，從金融危機到生態系統崩潰的許多領域需要重新考慮風險模型。簡明扼要地說，威脅來自於複雜性本身。
複雜性是一門新科學嗎
「複雜性的新科學」已經成為一些圈子裡的流行語，但是複雜性的研究是如何「新」的呢？它究竟在多大程度上是一門「科學」？
當前圍繞複雜性的科學努力有幾個前因。20世紀40、50年代的控制論運動，60年代的一般系統論運動，以及最近出現的系統生物學、系統工程、系統科學等，都與複雜的系統科學共享目標：找到解釋系統級行為是如何從低級別組件之間的交互中產生的一般原理。不同的理論形成了不同的(儘管有時是重疊的)分支和不同的關注焦點。
在我看來，複雜性不是指單一的科學，而是指不同學科的科學家群體，他們對如何解決科學問題有著共同的跨學科興趣、方法和思維。這種思維是很難確定的。首先，我認為理解複雜性需要整合動力學、信息、統計物理學和進化論的概念。其次，計算機建模是傳統科學理論和實驗的重要補充。迄今為止，複雜性還不是一門統一的科學；相反，套用威廉·詹姆斯的話說，它仍然是「科學的希望」。我相信這一「希望」大有希望。
在大數據時代，複雜性潛在地提供了「大理論」——對產生我們淹沒在其中的數據的複雜過程的科學理解。如果這一領域過去有過任何啟示的話，複雜性所追求的大理論將更深刻地改變我們對世界的理解。這是一件值得期待的事。用劇作家湯姆·斯托帕德的話來說:「當你認為你知道的幾乎所有事情都是錯的時候，這是活著的最好時機」。屬於複雜性研究的時代，終於到來。
TAG:全球大搜羅 |