Comparthing Logo
系统论物理复杂性科学造型

复杂系统与简单系统

简单的系统按照线性、可预测的规则运行，总输出等于各个部分的总和；而复杂的系统则具有相互连接的自适应组件网络，这些组件相互作用，产生不可预测的、涌现行为，其结果大于各个输入的结果。

亮点

  • 简单的系统能够根据确定性的输入提供完全成比例的输出。
  • 复杂系统通过去中心化网络产生自发的、自组织的行为。
  • 通过分析其各个组成部分，就可以全面了解一个简单的系统。
  • 复杂系统具有涌现性，使得整体与各个部分截然不同。

复杂系统是什么？

由高度互连的组件构成的动态网络，能够适应环境、自我组织，并表现出不可预测的涌现行为。

  • 表现出涌现现象，意味着整个系统发展出其各个组成部分所不具备的独特属性。
  • 依赖于非线性动力学，其中初始条件的微观变化可能会引发灾难性的大规模后果。
  • 保持开放的边界，与周围环境不断交换能量、物质和信息。
  • 通过复杂的反馈回路运作，其中输出反馈到系统中，以放大或减弱未来的反应。
  • 列举各种现实世界的例子，例如人脑、全球气候模式、经济市场和生物生态系统。

简单系统是什么？

具有固定组件且遵循线性逻辑的可预测机制，其中输出与输入完全成正比。

  • 遵循确定性路径，这意味着了解当前状态可以对所有未来状态有绝对的确定性。
  • 按照线性关系进行操作，确保投入翻倍总是能得到精确翻倍的输出。
  • 拥有封闭或严格控制的边界，以最大限度地减少不可预测的外部干扰和环境破坏。
  • 可以完全拆卸和重新组装，而不会改变各个部件的机械功能。
  • 包括一些常见的机械例子，例如摆锤、基本恒温器、电子表和电灯开关。

比较表

功能 复杂系统 简单系统
可预测性 由于敏感性叠加，长期来看其表现高度不可预测。 在相同条件下，结果完全可预测且可重复。
组件交互 非线性；各部分会持续地相互影响。 线性；各部分通过固定的、顺序的机械机制相互作用
涌现特性 整体与各部分之和截然不同 不存在；整体恰好等于各部分之和。
适应性 适应性极强；组件会根据经验改变行为。 刚性；组件遵循固定指令，无需学习
系统架构 具有分布式控制结构的去中心化网络 具有明确控制蓝图的集中式或层级式结构
对变化的敏感性 极端；极易受到蝴蝶效应的影响，微小的变化就会改变一切。 按比例；微小的变化只会产生同样微小且孤立的影响。
行为随时间变化 动态的、不断发展的，并且经常在远离平衡状态下运行 静态的、稳定的，并且始终回归到固定的平衡状态

详细对比

线性可预测行为与非线性行为

简单系统和复杂系统之间的根本区别在于其组成部分如何相互作用并产生输出。在简单系统中，因果关系简单明了、直接且完全成比例，因此可以用基本的数学方程进行建模。复杂系统则完全摒弃了这种简单性，它们遵循非线性动力学，微小的调整都可能引发大规模、意想不到的系统性变革。这种不可预测性使得对复杂系统（例如股市或下个月的天气）进行长期预测几乎不可能。

涌现和自组织现象

简单的系统是彻底的还原论，这意味着你可以通过将其分解并单独研究每个部件来理解整个机制。钟表匠只需详细介绍齿轮即可解释手表的工作原理。然而，复杂的系统会揭示一种称为涌现的现象，在这种现象中，集体的相互作用会产生全新的模式，这些模式在单个部件中是找不到的。想想意识：你无法通过观察单个孤立的神经元来找到它，但数十亿个相互作用的神经元却能产生人类的思维，而无需任何中央协调器来指挥。

反馈机制与适应性韧性

系统如何处理信息循环从根本上决定了其长期生存和稳定性。简单的系统利用基本的、直接的反馈回路，例如家用恒温器在房间达到设定温度后自动关闭暖气。而复杂的系统则依靠同时处理成千上万个相互交织的正负反馈回路来维持生存。这些相互交织的回路使复杂的结构能够从错误中学习、适应不断变化的环境并进行自我修复，从而赋予它们一种僵化的、简单的机器所完全不具备的内在韧性。

系统边界与环境开放性

简单系统通常被设计成封闭的机制，有意与外界隔绝，以保持其精确性并防止外部变量干扰其功能。复杂系统则必须保持本质上的开放性，不断地跨越流动边界吸收、处理和释放能量和信息。由于复杂系统与其周围环境相互交织，因此，如果将其与环境隔离，其运行方式将发生根本性的改变，这使得情境对于分析至关重要。

优点与缺点

复杂系统

优点

  • + 惊人的进化韧性
  • + 自发性自愈能力
  • + 高度的创造性适应能力
  • + 稳健的问题解决能力

继续

  • − 无法准确预测。
  • − 容易发生突发性系统故障
  • − 难以直接监管。
  • − 不易受自上而下控制

简单系统

优点

  • + 完美的机械重复性
  • + 易于排除故障
  • + 结果完全可预测
  • + 简明的设计蓝图

继续

  • − 在新的应力作用下易碎
  • − 零学习能力
  • − 需要持续的外部维护
  • − 如果其中一个部件损坏，则完全失效。

常见误解

神话

复杂系统只不过是简单系统加上了大量额外部件而已。

现实

增加部件只会使系统变得复杂，而非真正意义上的复杂。一架商用飞机拥有数百万个部件，但它遵循严格的蓝图和线性逻辑，这意味着它是一个复杂的简单系统。真正的复杂性需要能够根据周围部件的运行情况主动调整自身行为的自适应部件。

神话

因为复杂系统是不可预测的，所以它们必然是完全混乱和无序的。

现实

复杂的系统实际上能够从看似随机的相互作用中产生高度有序的结构模式，这一过程被称为自组织。鸟群的飞行看起来无比协调，但实际上并没有领头鸟；每只鸟都遵循着简单的局部规则，自然而然地形成了优美有序的集体运动。

神话

您可以通过更换单个性能不佳的组件来修复损坏的复杂系统。

现实

由于各个组件通过反馈回路紧密相连，更换其中一个组件往往会在整个网络中引发难以预料的副作用。改进某个孤立的部分可能会意外地破坏系统的其他部分，因此需要采用整体方法，而不是模块化的快速修复。

神话

在自然界和工程领域，简单的系统本质上不如复杂的系统。

现实

两种系统风格并无优劣之分；它们服务于完全不同的运行功能。工程师们特意将安全开关、制动器和断路器设计成简单、可预测的系统，因为他们需要绝对、毫不含糊地确保特定输入能够立即产生相应的、挽救生命的输出。

常见问题解答

什么是“蝴蝶效应”？它与复杂系统有何直接关系？
蝴蝶效应是一个富有诗意的比喻，它形象地描述了复杂系统初始条件中看似微小的变化如何彻底改变其长期走向。这个概念源于这样一种假设：一只蝴蝶在巴西扇动翅膀，理论上可能在几周后引发德克萨斯州的龙卷风。蝴蝶效应凸显了非线性数学的现实意义。由于复杂系统对环境极其敏感，初始测量误差会随着时间的推移呈指数级累积，这也解释了为什么气象学家无法提供未来三周完美无瑕的天气预报。
一个系统能否从简单系统演变为真正复杂的系统？
如果改变系统内部组件的交互方式或增强其适应能力，系统无疑会发生巨大的转变。例如，一个运行静态线性代码的基本计算机程序完全是一个可预测的简单系统。然而，如果将该软件升级为能够从用户输入中学习、修改自身代码并与互联网上数百万个其他自适应程序交互的高级神经网络，它就会演变成一个开放的、不断演进的复杂系统。
为什么还原论科学在分析复杂系统时效果不佳？
还原论的运作方式是将事物分解成孤立的、易于理解的部分，分别研究这些部分，然后再将它们重新组合起来以解释整个系统。虽然这种方法对于像汽车引擎这样的简单系统非常有效，但它对复杂系统却失效了，因为它完全忽略了各个组成部分之间的动态关系。在复杂性科学中，各部分之间的相互作用实际上比部分本身更为重要，因此将系统拆解开来反而会破坏你试图研究的行为。
反馈回路如何决定复杂系统的稳定性？
反馈回路是任何复杂系统的基本控制通道。负反馈回路起到稳定器的作用，抑制扰动，使系统恢复到安全状态，就像出汗在过热时帮助身体降温一样。正反馈回路则起到加速器的作用，放大变化，使系统更快地偏离其基线，这可能导致失控的爆炸或彻底崩溃，就像牛群被踩踏而散开或恶性通货膨胀摧毁整个经济体一样。
去中心化在管理复杂网络中扮演什么角色？
在真正的复杂网络中，并不存在一个自上而下统筹运作的单一主控计算机或最高领导者。相反，控制权完全分散，分布在成千上万个独立的个体之间，这些个体根据其所处的环境做出局部决策。蚁群管理着庞大的觅食领地，建造复杂的巢穴，并利用分散的信息素踪迹来保卫领地，这证明高度复杂的全球组织可以从基本的局部互动中自然涌现。
工程师如何运用简单系统的原理来建造安全的基础设施？
当人身安全受到威胁时，工程师会刻意采用简单、线性的系统设计，因为他们需要完全的可预测性。例如，在设计电梯制动装置时，他们希望找到一个机械触发器，当张力低于精确阈值时，该触发器能够立即启动。通过消除自适应学习并最大限度地减少外部反馈回路，他们确保机械装置每次运行都完全相同，从而消除了突发行为带来的危险不确定性。
系统“远离平衡状态”意味着什么？
远离平衡状态意味着一个系统必须持续不断地消耗外部能量和资源，才能维持其内部结构并避免陷入混乱。像岩石这样的简单系统处于永久的静态平衡状态，无需任何能量就能保持现状。而生物体、城市和生态系统都是复杂的系统，它们必须不断消耗能量来维持内部秩序；如果切断外部能量供应，系统会迅速衰败，陷入极度混乱。
了解复杂性科学如何帮助我们应对诸如流行病之类的全球性挑战？
疫情大流行是一个典型的复杂系统挑战，涉及病毒变异、人类出行网络、公众行为转变、经济影响以及医疗资源等诸多因素交织在一起。试图用简单、孤立的策略来解决问题通常会因为意想不到的反馈循环而适得其反。通过运用复杂性科学的视角来审视这场危机，政策制定者可以进行模拟，预测出行规则的改变可能会如何连锁反应，进而影响供应链、公众遵守情况以及感染曲线，从而制定更具适应性的策略。

裁决

在处理封闭的机械框架问题时，如果精度、可重复性和严格控制至关重要，则可以选择将问题建模为一个简单的系统。而在处理生命网络、人类行为或生态环境等问题时，如果适应性、不可预测的反馈回路和涌现模式占据主导地位，则可以将问题视为一个复杂的系统。

相关比较

复杂性科学与还原论科学

这种比较探讨了还原论科学（将系统分解成最小的组成部分来理解它们）和复杂性科学（研究这些组成部分如何在全球范围内相互作用以产生自发的、不可预测的行为）之间的哲学和方法论分歧。

个人观察与实验室检测

本文对比探讨了科学研究中个人观察和实验室测试这两种截然不同的方法。在自然环境中观察现象能够提供无可比拟的生态背景，而在受控的实验室环境中测试变量则能够提供必要的隔离条件，从而证实明确的因果关系。

开放研究共享与竞争模式保密

开放的研究共享通过促进全球科学界的透明度、协作和快速验证来加速技术进步，而竞争性的保密模式则利用专有控制和战略性保留来保障私人收益并鼓励商业投资。在这两种方法之间取得平衡，决定了社会将原始发现转化为实际创新的效率。

科学解决方案与伦理考量

本文分析了突破性科学解决方案与指导其实施的基本伦理考量之间的动态张力。科学进步为应对全球危机提供了强有力的解决方案，而伦理框架则确立了保护人权、身体自主权和生态平衡所必需的界限。

科学权威与大众信念

公众的集体直觉与既定的经验共识之间的张力，凸显了社会在定义真理方面存在的根本分歧。科学权威的合法性源于严谨的方法论、系统的同行评审以及对客观性的系统性追求，而大众信仰的力量则来自广泛流传的文化叙事、情感共鸣和共同的日常经验，这构建了两种截然不同的世界观。