第一节 复杂系统及复杂性科学

一 复杂系统及其特征

系统是由两个或两个以上相互联系、相互作用的元素组成的有机体，按照标准不同，可以划分成不同类型。如按照系统的规模分为巨系统、大系统和小系统，按照系统与外界环境的关联程度可分为开放系统和孤立系统。[67]

复杂系统是相对于简单系统而言的，简单系统通常由少量相互作用比较弱的个体或者大量行为相近的个体组成，比如遥远的星系或封闭的气体，借助简单的统计方法便可以描述它们的行为；而复杂系统要有一定的规模，但其复杂性不一定与系统规模成正比。另外，复杂系统中的个体具有智能性，如生态系统中的各种动植物、城市交通系统中的行人和司机、战略联盟中的各类企业……这些系统中的主体都可以借助自身情况适应所处环境，做出智能判断和决策。[68]

复杂系统具有普遍性，研究者们从事的学科领域不同，对其理解也不尽相同。1999年美国SCIENCE出版“复杂系统”专刊时，两位主编指出：“通过对一个系统分量部分的了解，无法对系统整体性质做出完全解释，这样的系统便是复杂系统。”美国科学家Simon（1962）认为：“复杂系统是由许多部件组成的，各个部件之间的相互作用使系统的整体功能大于各部分之和。”[69]按照他的解释，即使已经掌握每个部件的性质和它们相互作用的规律，也很难推断整体性质。丹麦科学家巴克则把有巨大变化性的系统认定为复杂系统。[70]日本福田丰生认为：“复杂系统由多个要素组成，要素间具有复杂非线性关系。”圣菲学派的学者们给出的定义是：“复杂系统是由一系列具备自身目的、主动的个体组成，它们在没有统一指挥的情况下，凭借彼此的相互作用与彼此适应也能形成整体有序的状态。”约翰·沃菲尔德（Warfield，1974）则认为：“复杂系统是不能借助传统方法与理论解释其行为的系统。”[71]

目前，关于复杂系统的定义尚未统一，但对复杂系统基本特征的认识却是一致的。一般认为，复杂系统具有以下特征。

①层次性。复杂系统内部具有若干层次，组成系统的元素也是一个复杂系统，最终呈现出“系统—子系统—子子系统—……”的层层嵌套结构。②整体性。复杂系统整体具有完全不同于其构成元素的性质，系统内部元素的性质不能代表整体性质，低层次规律不能反映高层次规律，且这种整体性受元素间非线性关联的影响。③多样性。一是构成要素的多样性：不同层次的要素具有不同的功能、性质，同一层次不同要素的属性空间也存在差异；二是元素间作用方式的多样性：要素间相互影响及影响的方式不同。④开放性。开放是系统与外部环境发生的相互作用，包括系统与外部环境的物质流、能量流以及信息流交换，它有助于系统向更好、更适应环境的方向发展变化，复杂系统的外部环境也是一个复杂系统，两者存在多样的、非线性的相互影响。⑤动态演化。伴随着时间的推进，外部环境和系统本身的内部结构都可能会发生一些变化，这时系统会有一些自发的自我调节，去适应这些变化，从而呈现出更加有序、稳定的状态。系统的演化由底层元素诱发，越低层的元素活跃度越高。当有少量元素改变行为时，系统呈现出鲁棒性，整体不发生大的变化，但大量元素变化时，系统稳定性被破坏，向另一种状态演化。

二 复杂性科学

复杂性科学是以复杂系统为研究对象并对其性质与行为进行深入探索的科学，它涉及数学、物理学、计算机科学、生物学、社会学、经济学和管理科学等众多学科，是一门多学科交叉融合的科学。[72]复杂性科学与简单科学相对立，其核心方法论是非还原论或整体论，因此又被称为非还原论科学或整体论科学。20世纪以来，科技迅猛发展使还原方法论受到了多方面的冲击，在解释生物机体秩序方面传统科学遇到不少困难，在解决社会、经济等复杂问题时更是捉襟见肘。面对这些困境，复杂性科学应运而生，它避免了传统还原论科学的局限性，提供了一个运用“整体”或“系统”处理复杂性问题的新方向。

从历史角度看，复杂性科学的发展大致经历了3个阶段，如图2-1所示。

图2-1 复杂性科学的发展阶段及相关理论构成

第一阶段是研究存在阶段。这一时期的主要理论有一般系统论、控制论和人工智能。一般系统论由Bertalanffy于20世纪40年代创立。他在1968年出版的代表著《一般系统论：基础、发展和应用》中详细阐述了一般系统论思想、理论框架和内容，强调以系统和整体作为主要研究对象，反对还原论的研究范式。[73]Norbert Wiener（1948）的《控制论》标志着控制论的产生，其核心思想是反馈调节机制，强调系统通过反馈调节维持某一状态或趋向于某一目标。[74]人工智能的奠基者是Mc Culloch和Pitz，他们发扬了Wiener控制论的思想，借助相关算法模拟人或动物的思维活动、智能判断和心理变化。[75]这一阶段的3门学科中，一般系统论最具有代表性，它所传达出来的思维方式和研究方法论促成了复杂性科学的诞生，但此后发展缓慢，甚至出现了停滞；控制论也是如此，后期逐渐转向了工程技术的应用层次；目前只有人工智能还在不断发展，并且成为复杂性科学的一个重要研究方向。

第二阶段是研究演化阶段。这一时期的主要理论有协同学、突变论、分形理论、混沌理论、超循环理论和耗散结构理论。该阶段主要探索系统如何从无序演变成有序状态，其研究方法包括数学实验、物理实验以及计算机仿真等。

耗散结构理论认为：“当非封闭系统处于混乱状态时，系统会自发地与外界交换能量，当这种能量的补给达到一定数量时，该系统会从混沌状态逐渐向有序转化。当然，要实现这一过程有4个条件是必要的，即远离平衡、系统开放、涨落作用以及系统内部自催化的非线性相互作用。”[76]协同学主要对“复合系统内部的子系统如何相互影响形成有序结构”进行解释，[77]与耗散结构理论相比，更强调数学的抽象性和普适性。超循环理论是一种与生命起源相关的进化理论，揭示了简单系统到复杂系统转变过程中存在超循环规律，具体包括自稳定性原理、开放性原理、选择评价原理以及突现原理。[78]突变理论则借助奇点理论、拓扑学等数学工具，对不连续现象和突变现象进行解释，用数学的方式提供了事物在量变和质变转化过程中的模型和控制条件。[79]分形理论作为描述复杂系统内部无规则结构形态的一门新兴科学，利用分形几何语言，对传统理论尚未阐明的问题做更加深入的分析。[80]混沌理论是解释确定性系统内部出现的一种貌似无规则、类似随机现象的一门学科，最早开始于气象学，目前已经拓展到物理学、生物学、经济学等众多学科领域，研究的范围也从混沌的性质和特点，逐渐转入了混沌的应用。[81]

第三个阶段是综合阶段。第三个阶段复杂性科学研究不再分门别类地进行，而是打破了以往的学科界线开展综合研究，逐渐形成了美国、欧洲和中国3个大学派。美国学派以计算机模拟和实验室教学为主要手段，最具代表性的研究机构是圣塔菲研究所，最具代表性的人物是著名经济学家Samuel Bowles和Hebert Gintis（2003）。圣塔菲学派的标志性成果是复杂适应系统理论（CAS）。该理论把系统元素理解为活的、具有主动适应能力的主体，并引入了描述宏观状态变化的概念——“涌现”。每一个CAS都是由并行的相互作用的Agent组成的网络，CAS分析的核心内容是通过自组织的异质个体和个体模型产生秩序。[82]圣塔菲学派为复杂性科学研究设定了界限，强调客观的、科学的研究，而不是仅停留在哲学思考上。欧洲学派带有强烈的人文情怀和哲学思想，以数学设计为特点，代表人物是Prigogine和Harken，他们开创的耗散结构及协同理论是复杂性科学研究中思想上的开路先锋。中国学派以中国传统文化思想为根基，强调以综合集成法探索复杂系统，代表人物是钱学森。钱学森（2005）以开放复杂巨系统为研究主线，提出了“从定性到定量的综合集成”的方法论，后来又拓展为“从定性到定量的综合集成研讨厅”体系，主张人机结合，把人心智的高度灵活性和计算机处理信息的高性能有机结合起来，形成“大成智慧工程”。[83]