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》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。

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。

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🧬） ……

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。

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。

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。

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！

复杂是一门学科，而不是一门科学。否则它是自组织的，传递信息，传递消息，好像蚂蚁一群蚂蚁一样分工合理，遵守着规则！像一群沙丁鱼一样当遇到鲨鱼会自动散开不会伤害到自己，像机器人捡木桶一样半个小时更达 1000 次达到 438 分，这里是满分 500 分。像大脑一样有很多传递信息，只有脑干不出问题，有小部分的瘫痪不影响大脑的正常远转。现在信息是智能的，机器，机器更新换代，不需要付出代价，而人更新换代需要有 DNA 的重组，花费更多的时间。复杂是有趣的，也是有意义的。

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。

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）？

【8 级，264k】在 19 世纪之前，科学和宗教似乎是泾渭分明的：人类能搞清楚的问题归科学管，人类搞不清楚的问题归宗教管。直到达尔文突破了这个底线：进化论开始解释一些人类似乎搞不清楚的问题了。自那以后，科学开始入侵 “宗教的领地了”，越来越多的科学家一头扎进了复杂系统的泥潭，好在 20 世纪后半叶出现了高性能计算机，让复杂系统的研究有了一些进展。而走在复杂系统研究最前沿的就是圣达菲研究所（SFI），本书就是从 SFI 出来的米歇尔的著作。不同于《反脆弱》、《黑天鹅》、《智人之上》这种 “未来学家” 的著作，米歇尔作为侯世达的学生，也可能是现今最有印象力的复杂系统研究科学家，她的著作的数学、科学背景要强得多。这本书的第一部分就是科学家最喜欢的一项工作 —— 定义问题。然而就像这本书的书名所表达的那样，这是一个非常复杂的问题。过去 100 多年，科学家尝试研究昆虫群落（比如蜜蜂和蚂蚁）、大脑皮层、免疫系统、经济（比如通胀）、互联网等多个复杂系统，也没能清晰地定义什么是复杂系统。作者只能总结出复杂系统的一些常见特点：1. 由相对简单的个体相互交互而产生的集体行为，2. 其中涉及到海量的内部和外部信号处理和传递，3. 复杂系统都具有学习和进化（适应）的能力。这一章最迷人的部分就是 “逻辑斯蒂映射 “带来的混沌性和复杂性。它其实只是一个非常简单的函数，但是它存在一个非常关键的参数 R，这个 R 值的极其微小的改变都可以让涌现出来的函数曲线发生天翻地覆的改变（就像三体问题）。本书的第二部分讲的是科学家目前常用的研究手段 —— 计算机模拟，其中最关键的就是元胞自动机。这不是我第一次看到元胞自动机，但是这是我见过讲元胞自动机最深刻的一本书。本书并不局限于讨论 “生命”，而是直接深入到元胞自动机的核心：“简单的规则和大量的交互可以体现出多么复杂的规律”，这让我们能跳出进化论的框架重新理解这个世界 —— 我们看到的有形的一切，从希格斯波色子到恒星，从引力场到量子态，从时间到空间，是否背后都是一个个元胞自动机。我们看到的只是这些元胞自动机涌现出来的规律，物理学尝试寻找的终极理论（统一场论），其实就是想从涌现的现象反推回元胞自动机的基本规则。而第三部分则进一步扩展了 “计算” 的概念，就像元胞自动机的规则本身就是一种计算一样，生命处理内外部信号的过程是一种计算，空间和场的相互作用是一种计算，化学反应同样是一种计算。而计算分成了 “专有计算” 和 “通用计算”。也就是说，不限于一个通用计算机，任何一个称得上是 “计算” 的物体的计算满足了计算的通用性，那么它都可以用来计算任何东西。举个例子，一个通用计算的生命本质上是可以计算相对论的，一堆通用计算的夸克也可以用来计算恒星的运行（当然计算效率、模型和算法不在讨论的范围内）。而本书还举了一个很好的例子 —— 假如通用计算机想要计算智能体的 “类比” 能力，它会如何实现。作者在这方面给出了一个非常复杂而深刻的 “模仿者” 程序，也是让我大开眼界。除此以外，作者还提到了著名的 “合作的进化” 模型，以展示通用计算研究复杂系统的能力。本书的第四部分深入了复杂系统最迷人也是最艰难的部分 —— 网络。作者只讨论了两个最有帮助的网络模型：小世界网络和无尺度网络。之所以这两个网络模型最重要，是因为它们不只是简单的人造网络模型，它还体现出了非常意外的能力。小世界网络描述的是一个拥有众多节点的网络，节点之间不需要全联通，只需要每个节点都有有限的几个链接，而少数几个节点可以长距离联通，就可以让所有的节点在非常少的步数内触及任何一个节点。这体现了网络拓扑结构如何用有限的资源优化自己的联通能力。类似神经元网络、演员社交网络、食物网络等自然网络都具有小世界网络的特点。而无尺度网络是指” 如果按照每个节点连接的数量做统计，这个曲线类似于二八曲线的指数曲线 “。因为这是一个指数曲线，它的任何一个片段都和原曲线相同（也就是分形的）。它有两个特点：鲁棒性（随机破坏网络中的节点并不影响网络工作）和脆弱性（如果非常不凑巧破坏了少数几个流量大的节点，网络有可能会崩溃）。互联网、免疫系统、基因网络都有可能满足一定的无尺度网络的特点。本书的最后一部分则谈到了复杂性研究目前的困境。它目前的状态像是一个开源社区，物理学家、计算机科学家、经济学家、生物学家、化学家、政客都对复杂系统有一定的贡献，也都从复杂系统的研究成果中受益。至于复杂系统能否成长为一个像物理学一样拥有严密逻辑的学科，取决于什么时候能发现复杂系统自己的” 热力学三定律 “。鉴于复杂系统自己的复杂性，我对找到这样一个奠基级别的定律并不抱有希望…… 我为什么说 “复杂系统可能是我们需要 AI 帮助解决的最紧迫的问题” 呢？我有三个理由：1. AI 神经网络本身就是复杂系统，它的拓扑结构、涌现、网络结构、都应属于复杂系统研究的范畴，也只有复杂系统研究有机会回答这个问题。2. 如果不理解复杂系统，我们就无法知道 AI 的能力边界在哪儿，比如一个看似最简单的问题：以人类的认知和知识素材训练的 AI 究竟能不能拥有超过人类的智能？还是它只是一个比人脑快得多的” 人脑 “呢？3. 人类智慧在处理复杂系统上已经遇到了瓶颈，海量的信息、复杂的关联、对精度极度敏感、涌现与基础规则的联系，这些都是人类目前解答起来非常困难的问题，我们需要 AI 帮助我们梳理复杂系统的特点，甚至帮我们找到” 复杂系统学科自己的热力学三定律 “。总之，这是一本非常好的书，但是它不适合绝大多数人……

复杂系统的许多研究都涉及对来自动力学、信息、计算和进化的概念进行整合。应当通过这种整合形成新的概念词汇表和新的数学。    复杂系统涉及多学科融合，融会贯通，相互影响，还处在学科发展的初级阶段，并且分化出几支互不认同的不同分支，还有待牛顿、爱因斯坦式的大家来一统江湖。