複雜性科學，將徹底顛覆我們對世界的認知

本文作者梅勒妮·米切爾（Melanie Mitchell）是波特蘭州立大學計算機科學教授，聖塔菲研究所（Santa Fe Institute）外聘教授和科學委員會成員。

她是研究複雜系統的前沿科學家，是人工智慧、認知科學和複雜系統領域五本著作和70多篇學術論文的作者或編輯。

她的著作《複雜》（Complexity：A Guided Tour）獲得2010年美國大學優等生榮譽學會科學圖書獎，被Amazon.com評為2009年十大最佳科學書籍之一，並被列入英國皇家學會2010年圖書獎初選名單。

1894年，物理學家、諾貝爾獎得主阿爾伯特·邁克爾遜（Albert Michelson）宣布，科學即將終結，不久之後，人類便會解開所有未知之謎。

看上去，似乎大部分的基本原理都已牢固確立，但如此大膽而勁爆的預測常常會淪為一個笑話。很快，相對論和量子力學革命就在物理學界引發了一場大地震。

漸漸地，我們還發現，那些與人類生活最密切相關的生物學、社會學、經濟學、政治學等等，恰恰不受任何基本原理的管轄。

越是深究人類自身與社會的運轉，我們越能發現更多意料之外的複雜性。從20世紀起，科學開始在學科之間建立起橋樑，尋找適用於複雜性本身的原理。

什麼是複雜性？

「複雜性研究」的對象是複雜系統行為背後的普遍原則。在這些系統中，大量成分以非線性方式展開互動。

在這裡，「非線性」是指，單去理解個體成分，是無法理解整個系統的；非線性交互導致「整體大於部分之和」。

複雜系統科學家想要理解，在蟻群、細胞、大腦、免疫系統、社會團體和經濟市場中，這些集體複雜性是如何產生的？它們雖截然不同，但卻似乎存在著某種相似性，這令研究者頗感興趣。

它們全都呈現出自組織性：系統成分通過自行組織，在沒有任何核心或外部「控制者」的情況下，表現出一個連貫整體的行為方式。

複雜系統能夠以個體成分無法實現的複雜程度，實現信息的編碼與處理。複雜系統會演化，它們以一種開放的狀態，持續發生著改變，逐漸學習並適應。

這類系統無法被精確預測，也不會呈現出便於科學家理解的平衡態。

轉變我們的理解

當然，所有重要的科學發現都會改變我們對自然的理解，但我認為，複雜性研究在此基礎上更進了一步：它不僅有助於我們理解那些重要現象，更會改變我們看待自然和科學本身的方式。

以下就是複雜系統科學改變我們理解方式的一些例子，也許會讓你意想不到。

1

簡單規則能產生不可預測的複雜行為

一周以後的天氣預報為何不準？

漁業人口的年變化數預測為何很難？

股市泡沫和崩盤為何無法預知？

過去，人們普遍認為，這類現象之所以難以預測，是因為其行為的高度複雜性，且還存在不少隨機因素。

然而，複雜系統科學顯示，即便是在基本規則極為簡單、且完全確定的系統中，複雜行為和不可預測性也能產生。

通常，複雜性的關鍵在於系統之間交互規則的逐漸迭代。至於這種迭代是否是導致天氣、股市和動物種群數量存在不可預測性的唯一原因，目前尚無定論。

2

數量眾多導致結果迥異

在上文中，我引用了一句老話：整體大於部分之和。物理學家菲爾·安德森（Phil Anderson）則說得更為簡潔，他說，複雜性告訴我們的關鍵一點是，「多則異，數量多了，結果的確就會不一樣。」

蟻群就是一個絕佳範例。

正如生態學家尼格爾·弗蘭克斯（Nigel Franks）所言，「單獨來看，一隻爬行中的行軍蟻非常簡單，若把100隻行軍蟻放在一處平面上，它們會兜兜轉轉，永不消停，直至累死。」

若是把50萬隻行軍蟻放在一起，整體蟻群就成了難以預測的「超級生物體」，展現出高深、乃至駭人的「集體智力」。

腦部神經元、免疫系統細胞、創造力和城市中的社會運動、市場經濟中的行為人等等，它們都遵循類似的道理。

複雜性研究顯示，當系統成分之間以恰當的方式交互時，其整體行為——系統處理信息、決策、進化與學習的能力——能夠與個體成分的行為形成明顯反差。

3

著眼全局的「網路式」思維方式

21世紀初，首個人類基因組測序完成，科學界獲益匪淺。美國前總統比爾·柯林頓曾指出，有賴於人類基因組項目，「即便不說全部，大部分人類疾病的診斷、預防和治療都將被徹底改變。」

的確，許多科學家都認為，只要繪製出人類基因的完整圖譜，我們就能對基因運作有一個近乎全面的了解，知道哪些基因對應哪些性狀，而這將為革命性的醫療發現和靶向基因療法指明方向。

但如今，十多年過去了，當初預言的醫療變革還沒有實現，不過人類基因組計劃及基因學研究倒取得了巨大進展。

首先，人類基因（為蛋白質編碼的DNA序列）約有2.1萬個，遠少於所有人的預期，僅僅與小鼠、蠕蟲和芥菜的基因數差不多。

其次，這些編碼蛋白質的基因僅占人類DNA的2%上下。

兩個謎團油然而生：

如果人類基因數相對如此之少，那我們的複雜性源於何處？

至於那98%的非基因DNA——過去曾被輕蔑地稱為「垃圾DNA」，它們的作用又是什麼？

基因學家認識到，細胞中的遺傳元素就像蟻群中的螞蟻，它們的相互作用是非線性的，並以此形成錯綜複雜的信息處理網路。塑造生物體的正是這樣一個網路，而非一個個基因。

另外，更令人吃驚的是：所謂的「垃圾」DNA是形成這些網路的關鍵。信息處理網路正日漸成為生物學中的核心組織原則。曾經的「細胞信號通路」如今已被稱為「細胞信息處理網路」。

癌症治療方面的新研究並不關注個體基因，而是著眼於被很多癌症所利用的細胞信息處理網路，對其施加干擾。

人們還發現，某些類型的細菌可通過「群體感應」網路進行交流，從而對宿主發起集體攻擊；這一發現也在驅使人們研究針對感染的網路式療法。

近二十年來，一種著眼於網路的跨學科科學逐漸嶄露頭角，並發展出相應的洞見與研究方式，應用於從基因學到經濟學的各種網路。

在複雜系統領域內，就變革人類對世界的認知而言，貢獻最大的也許要數「網路式思維方法」了。

4

非正態才是新常態

2009年，諾貝爾經濟學獎得主保羅·克魯格曼（Paul Krugman）曾說，「幾乎沒有經濟學家預見到這場危機，但這不是最堪憂的。更嚴重的是，這個領域根本無視市場經濟中出現災難性崩潰的可能性。」

至少在一定程度上，這種「無視」是源於對一種風險模型的依賴，而這種模型就是以正態分布為基礎。

圖表1：金融收益或損失概率的正態分布示例圖。

（a）顯示了風險的正態分布。我在其中標出了出現「災難性損失」的位置。如圖所示，出現這種損失的概率幾近於零，可能比你當街被雷劈的可能性還小。所以，從圖表上看，你完全不用擔心，除非模型本身是錯的。

（b）長尾分布示例圖，圖中只顯示了損失一側。長尾分布所預測的災難性損失的概率遠遠高於正態分布。

正態分布即我們熟知的鐘形曲線。經濟學家和金融業人士常常使用這種分布，為投資的收益概率和損失風險建模。

複雜性研究顯示，在高度網路化的非線性系統中，更精確的風險預估模型是「長尾分布」。

若2008年的風險模型採用了長尾而非正態分布模型，人們在預測「極端事件」 時（本例中為「災難性損失」），就會得出更高的可能性。

如今我們已知，長尾分布是複雜系統的標誌性特徵，隨著我們對這類網路的理解日益加深，許多領域中的風險模型都需要重新審視——從疾病流行到電網故障，從金融危機到生態系統崩潰。技術專家安德烈亞斯·安東諾普洛斯（Andreas Antonopoulos）作了簡潔的概括：「複雜性本身便是威脅所在。」

複雜性是一門新科學嗎？

在一些領域，「複雜性這門新科學」已成為了一種流行語。但它「新」到何種程度？跟「科學」又能沾上多少邊？

在當代的複雜性研究之前，曾有上世紀四五十年代的控制論運動，六十年代的一般系統理論，以及近幾年的系統生物學、系統工程學、系統科學等，它們與複雜系統科學有一個共同的目標：找到通用的原理，從而能夠解釋，系統級別的行為如何從低級別成分之間的相互作用中產生。這些不同的運動吸引了不同的社群，關注點也不盡相同。

於我而言，複雜性並非一門單一科學，而是由不同領域科學家構成的社群，他們有著共同的跨學科關注點、方式方法，以及看待科學問題的共同觀念。

至於這種觀念的具體構成，我們很難下定論。我覺得，這首先涉及一種觀念，即想要理解複雜性，需要整合力學、信息學、統計物理學和進化論的概念。其次，計算機模型是傳統科學理論和實驗的重要補充。

迄今為止，複雜性並非一門統一的科學，借用美國哲學家威廉·詹姆斯（William James）的話來說，它依然只是「科學的一種希望」。而我認為，這個希望有著光明的前景。

在這個大數據時代，複雜性也許能提供「大理論」——即針對催生海量數據的複雜過程，提供一種科學的理解。從該領域過去的貢獻來看，複雜性催生的「大理論」備受追捧，它將更加深刻地變革我們對世界的認知。

這值得我們翹首以盼。用劇作家湯姆·斯塔帕德（Tom Stoppard）的話說：「活在這個年代是最好的，你自以為懂得的一切，幾乎都是錯的。」

今日互動話題：

你怎樣看待科學對意識轉變的影響？

翻譯丨雁行

校對丨其奇

來源丨bigquestionsonline.com

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！