97 年碰巧买到这本书，当时正在准备考研，本来打算复习间歇读读闲书，后来变成复习一会迫不及待去读这本书，后来到美国，博后导师被大佬邀请去 SANTAFE 研究所居然不知道是干嘛的，我赶紧把这本书借给他看看，然后他激动的不行，好书啊！这本书是复杂科学的科普入门书之一，简而言之，生命是偶然还是必然？必然，给出足够的物质，生命现象就会涌现，神秘生命现象底层逻辑是自组织与涌现特性。但是必须承认，复杂科学对于生命科学目前还没有实质性推动，可能是因为生命科学还处在积累数据阶段，数学工具还大多用不上，路漫漫其修远兮，我辈继续努力吧！

被这本书吸引的原因应该是它在第一章提出的几个问题：“为什么蚁群可以在无中央控制系统的情况下，完成异常复杂的行为”。打开这本书才发现，蚂蚁不过是作者请君入瓮的诱饵，整本书涉及了混沌、可计算理论、热力学、生物信息、网络多方面知识和背景。先来说复杂系统，他是以混沌理论作为基础的扩大。而说到混沌理论，就不能不说一下非线性原则。还原论喜爱线性，而非线性则是还原论的恶魔。正如一杯酸和碱混合从来不会产生酸碱混合物，而是会中和产生新的化学物质。因此，单单把问题分解是获取不了答案的，需要从系统的角度看待。作者梅拉妮・米歇尔对于复杂系统的定义就是：由大量单元、组、分组，所组成的网络，不存在中央控制，却能通过简单运作规则，而产生出复杂的集体行为和复杂的信息处理，并通过学习和进化产生适应性。梅拉妮・米歇尔的写作和学术能力都非常强，复杂系统理论是多学科的综合，这本书对于所涉及到的学科都做了介绍，不仅把一些深奥的理论简化至使一般人也能理解，而且对于彼此之间的联系也做了介绍。同时，本书在结构上又足够严谨，在材料的选取和对已有研究方向的描述上足够宽广（从书中遍布的各种论文参考可见一般）和小心，也足可作为学术作品的典范。我曾经有段时间对人工智能特别感兴趣，除了对人工智能的各个领域进行过一些了解外，也读过《制脑者》和《皇帝新脑》等系统性描述人工智能发展与未来的书，但即使这样，读这本《复杂》仍然会不时地有惊喜的感觉。无论如何，对于热爱科学的人士来说，这本书都不应该错过。顺带一提，这本书的中文译者唐璐老师，其翻译的基本功相当扎实。在网上查了一下，唐老师光是在数学及科学方面类的翻译就有十本。《烧掉数字书》《不完备性》这两本我很喜欢的书，也是出自唐老师的手笔。单纯从翻译的角度来看，这也应该是我读过的翻译作品中的上乘之作。

-1- 献给每一个有希望成为「复杂科学」的「卡诺」卡诺（Sadi Carnot）是 19 世纪初的一位物理学家，他提出了热力学的一些关键概念。与之类似，作者也在等待出现适当的概念和数学来描述我们在自然界看到的各种形式的复杂性。要实现这个目标我们更需要一位牛顿式的人物。我们现在所面临的概念问题，就类似于微积分发明之前牛顿所面临的问题。在牛顿的传记中，科学作家格雷克（James Gleick）这样描述：“他受困于语言的混乱 —— 有些词汇定义不清，有些词汇甚至还没有出现…… 牛顿相信，只要他能找到合适的词汇，他就能引领整个运动科学。……” 通过发明微积分，牛顿最终创造了所需的词汇。借助于无穷小、微分、积分和极限等概念，微积分为严格描述变化和运动提供了数学语言。这些概念在数学中已经存在，但是不完整；牛顿能够发现它们之间的关联，并且构建出和谐统一的宏大建筑将它们结合到一起，让它们彻底一般化。这幢宏大的建筑使得牛顿能够创造出动力学体系。虽然这本书中介绍的许多科学仍然处于初期阶段，实现这种远大目标的前景正是复杂系统研究真正的迷人之处。有一件事情很清楚：追寻这些目标，要具有在知识上冒险和不惧失败的精神，敢于超越主流科学，进入疑点重重的未知领域，伟大的科学都是这样的。借用作家和探险家纪德（André Gide）的一句话：“不敢远离海岸线，就别想发现新大陆。” 朋友们，让我们一起向复杂性的新疆域进发吧。-2- 适合读者对复杂科学感兴趣的同学，这是一本菜单，如果你想了解复杂科学是什么，你可以从这本书里「看到」琳琅满目的菜肴，但如果想真正「品尝」复杂科学的滋味，这本书还不足以带你走的这么深入。-3- 本书结构 1. 复杂性是什么？2. 混沌 3. 信息 4. 计算 5. 进化 6. 遗传 7. 复杂性度量 8. 自我复制的计算机程序 9. 遗传算法 10. 元胞自动机 11. 粒子计算 12. 生命 13. 类比 14. 计算机 15. 网络 16. 社会网络 17. 规模 18. 进化 19. 复杂科学的过去和未来读者可以按图索骥，选择自己感兴趣的章节阅读，也可以当做一本工具书进行查阅，也可以当做一本书单推荐，后面长达 15% 的篇幅都是参考文献。

复杂性研究还不是严格意义上的科学。一些高度 "复杂" 的自然、社会和技术系统之间具有深刻的相似性。这种系统的例子包括大脑、免疫系统、细胞、昆虫社会、经济、万维网，等等。行为。这类系统由大量相互作用的组分组成的系统，与整个系统比起来，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，并且组分的相互作用导致了所有这些系统都表现出 "适应性的"、"类似生命的"、"智能性的" 和 "涌现性的" 复杂行为。计算机仿真是研究复杂系统的核心方法。性能计算机建模工具和方法对于这个领域的推进具有绝对的重要性。整个生物学领域都越来越多地用信息处理的观念来作为理解适应性行为的框架。信息处理将会成为理解生命系统的一个统一框架。在 20 世纪 90 年代末，巴拉巴西和艾伯特提出了 "无尺度网络" 的概念（本质上是具有分形结构的网络），并证明了许多自然和技术网络都具有无尺度结构。由于许多（也许是所有）复杂系统都可以被视为网络，个体（节点）与有限数量的其他个体进行通信（连接），因此网络的交叉学科研究有可能揭示复杂网络的普遍共性。沃尔夫勒姆在 2002 年出版的《一种新科学》（A New Kind of Science）中，沃尔夫勒姆将规则 110 的通用性视为 "新的自然定律"[156]—— 他提出的计算等价性原理（Principle of Computational Equivalence）—— 的有力证据。沃尔夫勒姆提出的这个原理包括 4 部分：1. 思考自然界中的过程的正确方法是将它们视为计算。2. 像规则 110 这样极为简单的规则（或 "程序"）都能进行通用计算，这表明通用计算的能力在自然界中广泛存在。3. 通用计算是自然界中计算的复杂性的上限。也就是说，自然系统或过程不可能产生出 "不可计算" 的行为。4. 自然界中各种过程实现的计算在复杂程度上都几乎等价。文中罗辑丝蒂影射和元胞自动机的描述都神秘而且令人着迷。需要反复读。

曾经经典物理学的巅峰时期，时钟宇宙的假设，拉普拉斯妖的设想都在告诉我们，人类在浩渺的宇宙机器中有的是早已注定的命运，然而随着大气环流的波动在洛伦兹的计算机上偏差越来越远，混沌的漩涡把秩序慢慢扯得四分五裂，它让我们迷茫，失去了过去对未来的信仰，也让我们振奋，人生还有未知等待我们去探索。

《复杂》这本书讨论了不同学科中的各种 “复杂” 现象：从蚂蚁的觅食行为到金融市场上的波动，从生物的进化到社交网络结构的形成，从交通堵塞到意识的产生…… 为什么这些系统可以表现得如此神奇？《复杂》这本书为我们理解这些系统背后的运作机制提供了一把钥匙，让我们可以看穿复杂系统背后的简单规则。从这里出发，我们可以真正理解各种复杂现象。

哇 35% 的内容是参考文献 😱真的很有趣的一本书，2019 年第一次在混沌大学课程了解到张江老师讲的复杂系统，对里面的知识很是好奇。现在得到也上张江老师的课程，果断拿下，并且我用这一个月的时间，全心的了解《复杂》学科，满足我的好奇心…… 今天还买了《歌德尔 艾舍尔 巴赫 集异璧之大成》决定这个月看完 ✌️ 一直没有勇气看完这本书，内容晦涩难懂很多都是验证和推倒的过程演算和实验对比…… 今天用了一天的时间读完了这本书，太有趣了…… 这本书值得多次品读。就像书中的罗比机器人一样，经过无数次迭代，从笨孩成长到一个优秀的笨孩子…… 我在得到订阅的第一个专栏是吴伯凡老师的，《伯凡日知录》，那个时候也是第一次听到 “迭代” 这个词，本以为迭代就是普普通通的成长！ 通过复杂学科的学习，我对 迭代 这个词有了新的认知，希望我的认知通过 复杂系统 可以实现多次 迭代（进化🧬） ……

读本书获得以下 3 点收获：1、复杂的集体行为：前面讲到的所有系统都是由个体组分（蚂蚁、B 细胞、神经元、股票交易者、网站设计人员）组成的大规模网络，个体一般都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、不断变化而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：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进行适应，即改变自身的行为以增加生存或成功的机会。

得到开设的张江老师的《复杂科学前沿课》，在圈内兴起了探寻复杂科学的新高潮。这部梅拉呢・米歇尔的《复杂》，就是这门课推荐的必读书目之一，读完后，对复杂科学有了进一步的了解。复杂科学研究对象没有固定的模式，科学家总爱研究研究世界的新问题，复杂科学就是把两个以上领域的问题，跨界进行研究，发现其中的共性或规律。有的时候，复杂科学会在一个领域纵向深耕。有的时候，复杂科学又会在多个领域里横向迁移。还有的时候，复杂科学把各种领域的现象拉在一起，发现了一些其他领域的研究者从未注意到的共性。在研究过程中，科学家发现，很多现实世界的问题不能仅仅靠一个学科的知识解决，往往是运用多个学科共同作用才能得出接近真理的结论。他们的目的在于 “把复杂留给自己，把简单留给用户”，这也是复杂科学的目的之所在。

这本书就像它的名字一样，很 “复杂”，涉及的领域太多，一些讲解和理论看了也不一定懂，虽然作者已经很努力的尽量简化了。硬着头皮看了一遍，很多部分并没有看明白。基本上明白的是：复杂性研究之所以产生，是因为一些学者强烈地感觉到，一些高度 "复杂" 的自然、社会和技术系统之间具有深刻的相似性。这种系统的例子包括大脑、免疫系统细胞、昆虫社会、经济、万维网等等。现在科学家们还在努力的研究、建模，希望能模拟出这些系统的运行方式，找到打开复杂系统大门的钥匙，充满悬念和期待！

科学已渗透到社会的各个领域和层面，科学的价值和地位也更高了，但是，毋庸讳言，在一定的范围内或某些特定时候，人们只是承认 “科学是有用的”，只停留在对科学所带来的结果的接受和承认，而不是对科学的原动力 —— 科学的精神的接受和承认。此种现象的存在也是不能忽视的。

系统复杂性让我们很着迷，以前感觉是冷冰冰的组合，现在看起来有很多神奇的地方。一些群体智慧不断的涌现出来，体现了更高一级的智慧。不同的系统，包括人体、城市、企业等，具有一些共性的特点。低级的思维个体，但汇聚在一起，几条简单的规则，整个群体共同遵循，则会呈现出更高一级智慧的特点。城市治理、企业管理等，复杂科学的思维都可以借鉴。我们自己的身体也是一个复杂系统，同样可以借鉴。

我在上大学时，一位老师说过未来一定要好好研究老三论（控制论，系统论和信息论）和新三论（分形论，耗散论和协同论）这本书都涉及了，并且梳理得很清楚，最终直指科学最终的极简目标，好书。

连接的面较广。

下次选择读这种类型的书还是应该谨慎，读本书之前应该有一些理工科思维和知识的铺垫，不然还是会有一些阅读的障碍，复杂性也算是现在的前沿探究，需要非常综合的能力铺垫，否则啃起来很累，也不一定能很好的吸收

复杂

现代文明创造出的复杂性世界催生出这门学科，其成长也来自于不期而遇的一连串跨界传奇（这很符合其所创建的复杂性理论）。除去帮助解决本专业的问题这一功利性目标，我最期待通过这门学问洞悉的是作为世界人口规模第一大（而非文化多元意义上）复杂性共同体，以现状为进化起点，在当下的畸形制度性约束条件下，将会演化成何种模样，可为智人世界做出何种贡献（正数还是负值）？

本书作者梅拉尼米歇尔是一名研究计算机科学、人工智能、复杂系统等方面的大神，既有人工智能著作，又有复杂性科学著作（即本书），她所写的书的一大特点就是：兼顾科学严谨性，又通俗易懂。回到本书。本书使用了众多学科（包括动力学、热力学、混沌系统、控制论、计算机科学、生物基因学、信息论等）的理论与研究成果，全面且系统的介绍了复杂系统的研究成果。什么是复杂系统？作者给出了自己的定义，由简单个体（或叫组分）组成，没有中央控制，通过简单的行为规则产生复杂的行为与信息传递，最终实现群体的适应性的系统。或者简单来说，复杂系统就是：具有自组织和涌现的系统。比如大脑、免疫系统、蚂蚁、经济系统等，都是复杂系统。它们的共性就是：自组织、简单行为规则、适应性、涌现。最经典的案例，还是蚂蚁群。每个蚂蚁都是简单的个体，却可以实现群体的复杂与智能。蚂蚁群体没有中央控制者，每只蚂蚁几乎没有视力，也没什么智能，却可以在亚马逊丛林里，实现几十万只蚂蚁，一起形成一个扇形状进行 “行军”，可以瞬间把足球场大小区域没的食物，进行 “风卷残云”，没吃完就带走。还可以行军一天劳累后，实现居住 “宫殿” 的搭建，以及自发完成巡逻、寻找食物等分工。这是如何发生的呢？蚂蚁内部是有自我分工的，蚂蚁皇后只复杂生育，而工蚁则负责食物、巡逻、居住环境搭建。其中最具代表性的是工蚁的工作。比如它们是如何寻找食物？如何进行信息传递的？每个个体是独立工作，通过发散型的方式，随机向周围去探索食物，而每次走过都会留下对应的信息素。当其中有一个方向或一条路径发现食物时，蚂蚁就会来回运送食物，信息素浓度就会增加，周边更多工蚁就会加入这条路径，信息素就越浓，最终实现了群体搬运食物。这种工作模式，是否似曾相识？字节跳动与腾讯、阿里巴巴等互联网企业，之所以可以涌现这么多国民级的产品，内部工作机制也如此。市场如此复杂与多变，如何确定哪个方向就对呢？最小成本组建不同的团队，同时发散性的探索所有可能性（比如字节跳动的短视频方向，同时做了火山、西瓜、抖音，以及后面的多闪等；腾讯当年多个团队做微信；阿里巴巴当年探索所有可能性的电商产品：B2C、C2C 等），如果发现其中一款用户活跃与留存数据比较好，就持续不断增加资源扶持（比如抖音）。工蚁一岗多职，它们又是如何确定什么时候寻找食物，什么时候巡逻，什么时候搭建房屋呢？工蚁本身并不会明确分工，而是根据情况，随时调整自己的工作内容。比如一只工蚁在巡逻时，发现有信息素比较浓的搬运食物路径出现，则它会自行加入搬运食物的工作，直到食物搬运完成，又会自发回到巡逻工作。搭建房屋也类同。最后，作者书中还讨论了一个富有启发性的问题。即复杂系统是否也存在大系统的基本理论，可以实现对复杂系统的解释与预测？就像牛顿用微积分统一了运动力学、爱因斯坦用 E=mc² 统一了质量与能力。目前这个问题还没有答案，甚至都不确定这个问题是否会有答案，所以复杂系统的研究还有许多的空间。这对我的启发是：如果可以做到用一个极简理论、公式表达一门学科，让它变得可预测、可解释，那将是多么美妙的一件事。比如商业世界，是否存在这种极简模型来解释和预测复杂的商业行为？比如提供产品或服务，是否存在极简模型或方法论，可以指导你，让你避免犯更多的错，踩更多的坑。

自然科学，最重要的目标之一，就是追寻科学本身的原动力。科学是认真的、严谨的、实事求是的，同时，科学又是创造的。科学的最基本态度之一就是疑问，科学的最基本精神之一就是批判。工作所需的知识和技能，更重要的是使人获得科学思想、科学精神、科学态度以及科学方法的熏陶和培养，使人获得非生物本能的智慧没有科学的 “教育”，只是培养信仰，而不是教育。没有受过科学教育的人，只能称为受过训练，而非受过教育。所谓的真理，都只是这一过程中的阶段性成果。来。很显然还原论者对认知的研究是误入歧途 —— 我们根本无法在单个神经元和突触的层面上理解认知。因此，虽然我以前没有听说过 “复杂系统研究”，它却很快引起了我的复杂系统是由大量组分组成的网络，不存在中央控制系统，通过简单的运作规则产生出复杂的集体行为和复杂的信息处理，并通过学习和进化产生适应性。有趣的是，热力学第二定律是唯一区分过去和未来的基本物理定律。其他物理定律在时间上都是可逆的。比如，假设可以将电子等基本粒子的相互作用拍成电影，然后给香农的信息定义关注的是消息源的可预测性。不过在现实世界中，信息是用来分析并产生意义的东西，信息被存储，并和其他信息结合，产生结果或行为。总之，信息是用来计算的。在这里我总结一下图灵里程碑式的成就。首先，他严格定义了 “明确程序” 的概念。其次，他提出的图灵机为电子计算机的发明奠定了基础。第三，他改变了大多数人的观念 —— 计算存在局限。轉錄：發生在細胞核，mRNA 反複製單鏈的 DNA，然後 mRNA 進入細胞質。翻譯：發生在細胞質的核糖體，tRNA 讀取 mRNA 的編碼，tRNA 上的反密碼子會組合成胺基酸，核糖體把氨基酸剝離下來，並合成蛋白質，然後釋出到細胞質。是不是可以说，如果一个学科或者领域里面的基本概念还没有清晰的定义，那么这个学科就还在发展之中。对于想做研究的人来讲，从事这样的学科研究还大有可为。这也就是为何人们对用分形维数度量复杂性感兴趣，许多科学家都用其来度量真实世界的现象各种度量都抓住了复杂性思想的一些方面，但都存在理论和实践上的局限性，还远不能有效刻画实际系统的复杂性。度量的多样性也表明复杂性思想具有许多维度，也许无法通过单一的度量尺度来刻画。制的本质，是用两种方式来使用内存中的信息：既作为执行的指令，又作为这些指令使用的数据。正是对信息的双重使用让我们得以避开前面尝试自我复制程序时遇到的那种无穷反复。自我复制程关键之处不在于单个的基因，而在于各个基因之间的相互作用，就像真正的基因一样。而且同真正的基因一样，很难确定各种相互作用是如何影响整体上的行为或适应度。简单的元胞系统会是复杂系统的理想化模型还是那句，物理上交流的或许只有少数几个，化学信号上就可以体现规模了的如果倒过来，先给出结果，你能推算出来原始的规则吗，这就是人类探索自然的困难。系统还是能正常运转。冗余度使得对信息有许多独立的采样，而且只有大量组分采取同样的微粒化行动时才会产生效果。有时候要想有所收获，得有点斗牛犬的精神。要在这个微型世界中进行类比，同在现实世界中一样，关键就是我所说的概念迁移。根据当前的背景找到合适的概念迁移对于找到好的类比极为重要。一个具有智能的模仿者，你首先必须理解你所 “模仿的” 对象、事件或情景。复杂系统顾名思义就是很复杂的系统，而物理、化学、数学、生物学这些以数学为导向的学科关注的往往是易于用数学处理的简单而理想化的系统。复杂系统很难单独用数学进如果所面临的情景具有很多组成部分，各部后人的发现是基于前人的思想加上灵感产生的。，第一个回合合作，然后在后面的回合中采取对手在前一回合中所使用的策略。也就是说针锋相对策略愿意合作，并且对愿意合作的对手以礼相待。但如果对方背叛，针锋相对策略就会回之以背叛，直到对手又开始合作为止但是它们也具有报复性 —— 它们会在背叛发生后很快就进行惩罚。针锋相对策略不仅友善、宽恕和进行报复，它还有一个很重要的特性：行为明确，具有可预见性。对手很容易就能知这个结论也很有意思，我还以为空间越近，越容易产生竞争呢！可见有时候真实世界确实反直觉对于大部分复杂系统来说，不可能对其进行真正的实验，用数学研究也非常困难，这个时候模型就是研究它们的唯一可行途径建模者有可能会遗漏至关重要的因素；使用者则有可能无视模型只是概略性的，意在揭示某种可能性，而太过生硬地理解和使用实验或计算的具体结果样本。数学家研究抽象网络结构的学科被称为 “图论”，神经科学家研究神经网络，流行病学家网络是由边连接在一起的节点组成的集合。节点对应网络中的个体（例如神经元、线虫的脑神经，但瓦特和斯托加茨的研究表明它们实际上都是小世界网络，平均路径很短，具有高度的集群性。瓦特和斯托加茨 1990 年发表的著名文章 ——《“小世界网络网络在不同尺度下是自相似的无尺度网络同时也具有小世界特性，但不是所有具有小世界特性的网络都是无尺度网络。说得尺度网络对节点的随机删除具有稳健性，但如果中心节点失效或是受到攻击就会非常脆弱。代谢网络之所以演化出无尺度特性，是为了确保代谢的稳定性，并优化不同反应物之间的 “通信”。流行病一些生态学家认为（至少部分）食物网具有小世界特性，其中一些还具有连接度无尺度分布，这种特点可能使食物网在面对物种的随机灭绝时具有一定的稳健性。另一些生态学家则不同意食物网络科学正是它自己所说的那种中心节点 —— 它使得本来相隔遥远的学科变得很近。不管一种思想如何具有吸引力，科学家们对之都天生抱有怀疑，尤其是新提出的思想，还没有被怎么检验过，对于那种声称对很多学科都具有普适性的思想更是如此。这 — 幂律描述的正是曲线的自相似与放大倍数的比例关系。最后的结论就是，分形进化发育生物学的支持者提出，物种形态多样性的主要来源不是基因，而是打开和关闭基因的基因开关。这些开关是不编码蛋白质的 DNA 序列，通常长度为几百个秩序，无处不在而且有生命力的秩序，是自然发生的，而不是进化打磨的理论越是稳固，你就越应当怀疑与之相抵触的事实，反过来如果与之相抵触的事实越是有根据，你就越应当怀疑你提出的理论。这无论是生物还是工程中的复杂系统，研究的关键都不再是质量、能量和力这些物理学概念，而是反馈、控制、信息、通信和目的（或 “目的性”）等概念。梅西基金会系列会议聚集了当时许多杰出人物，除了维纳，还有

018. 大一时候经常去图书馆借科普类 / 科学史类的书，这本书当时借过，但是没看完过。这次读完才发现，对于当时的我来说，的确太难了 —— 复杂科学涉及计算机科学，进化生物学和数学的背景知识太多太多，要不然也不会叫做 “复杂” 了吧。在复杂科学的影响下，近 100 年的进化生物学理论也很 “复杂”，甚至有抛弃了 “自然选择” 的进化学说存在，《复杂》让我关注到了很多这样的 “新视角”。了不起。