复杂性科学 | 一文讲透复杂性科学及其复杂适应系统模型
任何一个门学科在创立初期，都会有不同的声音，或支持，或反对，或提出自己的主张。
复杂性科学（姑且叫复杂性研究吧，免得引来口舌之争），一个刚刚初具雏形的理论却能在生物界、免疫系统、社会、经济、产业、城市等给予共性方面的大尺度解释，可想而知一些人会对之充满热情，而一些人则极力反对。
什么是复杂性?这个问题看似简单，其实是最复杂、最难以回答的问题。复杂性研究之所以产生，是因为一些研究和一些高度复杂的自然现象、社会发展、经济系统之间具有深刻的相似性。这个实例包括我们大众所熟知的大脑、免疫系统、细胞、经济等，说它们相似，并不是说必然存在掌控这些不同系统的唯一原理，而是说这些系统都表现出“适应性”“类生命”“智能性”“自发涌现性”的行为。
复杂性科学
复杂性科学是在现有的学科体系下继续追究终极的一个产物，所以它天然的是跨学科的、更是跨尺度的，哪怕是在复杂性科学的圣地：圣塔菲研究所，也无法准确的给出复杂性科学的定义；
所以，学习复杂性科学，首先要“掌握一些基础学科的重要道理”，尤其是底层的、决定性的原理，然后再尝试着去从“交叉学科”中的“普遍规律”着手，去找到这个普遍规律与重要学科的重要道理之间的联系，才能逐渐打开视野并深入实践下去。
然而，这种研究方式最终一定会让我们在研究的过程中“脱实向虚”，最后看起来越来越像一个哲学家。
理解复杂性
为什么要研究复杂性呢?主要原因是牛顿机械论时代之后，大家已经习惯了“观察--抽象—建立范式--分析和预测”的循环。
但领域越来越来细分、范式越来越不稳定，这个时间大家惊讶的发现单一理论体系下衍生出来的范式经常受到跨学科的要素的影响，因此大家才日益重视“跨学科的底层逻辑”，期待着一个更基础、更稳定的底层逻辑的出现，为大家建立一个更稳定的认知范式。
就像互联网刚兴起的时候，大家最经常提到的一个词是“跨界打动”和“能消灭你的对手都是你平时看不见的”，其中一层意思就是：你现在的行业中的商业范式会因为另一个行业与你所在的行业产生和交集而被推毁。刘慈欣《三体》里有一句话常常被大家引用“高维打低维”，因为这种战斗方式是推枯拉朽的、无往不利的。为什么呢?因为多个行业的范式的碰撞产生了原行业中无法理解的新范式，跨领域的理论碰撞产生了原领域难以预料的新理论。
另外，复杂性并不是“对象”本身变多了，而是对象的“联系”复杂了，正是这种“出乎意料”的联系多到无法驾驭，所以才倒逼我们去寻找底层不变的部分，才能“以不变应万变”。
自组织规律
在组织内，连接是几维的?如果不假思索的给个答案，通常会二维或是一维，因为能想象到的场景是连接是向上下级和平级的，或者是点对点连接。但实际情况并非如此，典型如“科赫曲线”，它的维数是1到2之间《科赫曲线示意图》，这张图是一个看起来是“线”的东西竟然可以几乎是二维的！而它反常识的地方在于：线是一维的、面才是二维的，这种貌似是界限分明的东西中间有巨大的“中间地带”存在。
再就是血管网络，它的维度是近似4维的。生物体内的血管与科赫曲线一样，也是个分形的存在。重要的是什么?是血管网络是需要向全身每个细胞都输送养分的，所以它貌似是三维结构，但通过分形的方式遍布全身、直接触入人体的每一个细胞的过程中它“升维”了，它是四维的存在。
同样的道理，组织内部的沟通是几维的呢，这个沟通网络与血管网络一样，其实也是四维的，因为这个沟通网络和血管网络一样，因此它的沟通维度再次被升级，是5维的存在。
这种维度的变化才是自组织相比“组织整体”的优势之所在，正是这种维度差，才会让有自组织的组织比没有自组织的组织更有活力、更容易在竞争中获胜。
米歇尔在《复杂》中将其描述为“由大量相互作用的组成成份组成的系统，与整个系统相比，组分相对简单，没有中央控制，组分之间也没有全局性的通信，组分之间的相互作用导致了群体的复杂行为”，这里面的“复杂行为”就是上面所提到的“适应性”“类生命”“智能性”“自发涌现性”的行为。所以研究复杂性就是为了理清这些系统之间的共同原则。
复杂性研究对象的共性表现
1、 复杂的集体行为
上面所提到的自然界各系统都是由个体组成的大规模网络，个性一般遵循相对简单的规则，不存在中央控制或领导者，大量个体的集体行为产生出了复杂、不断变化且难以预测的行为模式，让我们为之着迷。
2、 信号和信息处理机制
所有这些系统都利用来自内部和外部环境中的信息和信号，同时自己也产生信息和信号。
3、 适应性
所有这些系统都通过学习和进化过程来适应内外部环境，从而改变或调整自身的行为来增加生存和成功的机会。
如果系统有组织的行为不存在内部和外部的控制者，则是自组织，即简单规则以难以预测的方式产生出复杂行为，也可以称为“涌现”，是具有涌现和自组织行为的系统。所以复杂系统研究的核心问题即是“涌现和自组织行为是如何产生的”。
于是复杂性科学（复杂性研究）就诞生了，瞬间，熵、信息量、动力学等学科开始对复杂性和各种类型的复杂系统扮演论证（证实/证否）的角色，在这里面尤属达尔文的进化论起到了主导作用。达尔文的核心思想表现在：
1、 存在进化，所有物种来自共同的祖先；
2、 一旦生物的数量超过资源的承载能力生物之间就会竞争资源，从而导致自然选择；
3、 生物性状会遗传变异，变异在某种意义上是随机的，变异并不必然会增加适应性，能够适应环境的变异更可能被自然选择；
4、 进化是通过细微的有利变异不断累积形成的。
达尔文的贡献在于“自然选择”，但是它无法解释遗传是如何发生的。
冯·诺依曼是量子力学、计算机、经济学等多个领域的先驱，他很早就认识到计算与生物之间的密切关系，他同时又是人工生命科学的先驱，他设计的“自复杂自动机”从原则上证明了自我复杂的机器是可能实现的，并提供了自我复杂的逻辑。在“机器能否复杂自身”得到肯定的答案后，冯·诺依曼很自然的想让计算机复制自己和产生变异，并在某种环境下竞争资源，在他去世后，这个问题由他的后继者约翰·霍兰得到了解决。
约翰·霍兰的研究兴趣在于适应性，即生物是如何进化以应对其它竞争者和环境变化的，于是他提出了“遗传算法”的构想：
1、 生成侯选方案的初始群体，这些群体就是由大量个体产生；
2、 计算当前群体中的各个个体的适应度；
3、 选择一定数量适应度高的个体作为下一代的父母；
4、 将选出的父母配对，重组出后代，并伴有一定程度的随机突变，后代逐步发展成新一代群体；
5、 转入第2步，重复。
你无法探索所有可能性，但如果你不探索他们，你就无法知识哪种可能值得探索，我们必须毫无偏见，但需要探索的领域又太大，模型在这过程中起到了关键作用：模型通常是我们思维方式的表现，是用我们熟悉的概念解释观察到的现象，而这些概念通常又是我们大脑所能够理解的（就像弦理论则是少数聪明人能够理解的），模型也是预测未来的最佳途径。
分析模型—CAS复杂适应系统分析模型
Comples Adaptive System：复杂适应系统，即构成整体的各个部分以不同的方式相互作用，聚合之后的整体会呈现各个部分所不具有的功能和特征，具有显著的非线性特征。具有非线性、不确定性、自组织性、涌现性的特征。
复杂性研究应用于在规则和规律方面富有启发的系统：
· 游戏
· 物质系统
· 概念系统
· 道德伦理
· 种群进化
少量规则或规律生成了复杂系统，以不断变化的形式引起永恒的新奇和新的迭代，这些变化是动态的，隔一段时间会改变，尽管规律本身不会改变，然而规律所决定的事物却会变化；只有弄清楚系统中涌现现象的规律，真正理解复杂系统在涌现现象中可以识别的特征和模式是关键
CAS复杂适应系统分析流程
流程：
机制（积木器、生成器、主体）和永恒的新奇（大量不断生成的结构）
动态性和规律性（在生成结构中持续的重复发生的结构和模式）
具有层次的组织（在生成器结构的原则上，生成更高组织层次的生成器）
建模（支持具有风险的研究）
过程：
涌现问题中的诱因和可能性的有效解释
还原到有明确定义的机制及其相互作用的研究上
注意事项：
涌现依赖于对涌现现象的还原能力，复杂系统用较之简单系统之间的相互作用
涌现发生在整体行为不等于各部分行为的简单相加（国际象棋：棋子相加不等于棋类游戏）
较低层次的行为和结构可以限定较高层次的行为和结构，并能帮助我们去认识较高层以次的行为和结构，但是任一层次的行为和结构要与所有层次的观察结果保持一致。