《复杂性与后现代主义——理解复杂系统》前言

“复杂性”(complexity)与“后现代主义”(postmodernism)都是充满争议的概念。当代社会容易被描述成后现代的，但是对此种描述的反响却大相径庭。在一些人[如鲍曼(Zygmunt Bauman)]看来，后现代主义使得我们有可能逃离现代主义的束缚，使世界返魅(re-enchant)。在另一些人[如盖尔纳(Ernest Gellner)]看来，它体现着相对主义，即一种在其中怎样都行(anything goes)的理论框架。这弄得人们晕头转向。后现代主义也可被视作现代主义的寄生物，或是现代主义的软肋。在这种情况下，人们便会主张，如果我们希望超越这种过分简化的启蒙理想，那就应该彻底放弃这个概念。对于后现代主义有种种不同反响，是以对于这个词的意义有种种不同理解为基础的。即使有可能澄清这种争论，这却不是本书的意图；本书也不试图为后现代主义提供某种辩解。这里主要关心的是复杂性和复杂系统(complex systems)的概念。本书的讨论中，所谓的后现代主义，只不过是将一些理论趋法[如德里达(Derrida)和利奥塔尔(Lyotard)的观点]松散地(甚至是不恰当地)归拢在“后现代”的麾下，它们对于所处理现象的复杂性是内含着敏感性的。这些趋法认为，不应以单个或者根本性原则来分析复杂现象，而应承认不可能对真正复杂的事物给出单一的、排他的叙述。不过，承认复杂性，肯定不意味着“怎样都行”的结论。 “复杂性”概念也并非是单义的。首先，有必要将“复杂”(complex)与“复合”(complicated)两个概念加以区分。一个系统，尽管它可以是由极其大量组分构成，但倘若可从其个体组成而获得关于系统的某种完整描述，这样的系统仅仅就是复合的。喷气式飞机和计算机就是复合的。另一方面，系统组成之间、系统与环境之间具有相互作用的复杂系统，则具有这样的属性：作为整体的系统不可能只通过分析其组分而得到完全理解。而且，这样的一些关系并非固定不变的，而是流动着、变化着，常常是作为自组织(selforganisation)的结果。这会产生出新的特征，通常称作涌现性质(emergent properties)。大脑、自然语言和社会系统是复杂的。理解这种复杂性，是贯穿本书的中心问题。 其次，有必要对复杂性和混沌理论(chaos theory)之间的关系作一交代。由混沌理论制造的轰动已经部分地消退了，但是认为它对于复杂系统研究仍具有重要作用的观念则依旧流传甚广。尽管我不否认混沌理论对于复杂性研究能够有所贡献，但我确实也感觉到，这种贡献会是极其有限的。例如，在对复杂系统进行分析时，对初始条件的敏感性并不是一个如此重要的问题。事实上，正是复杂系统的鲁棒(robust)本性，即其在不同条件下以同样的方式发生作用的能力，保证了系统的生存。蝴蝶翅膀的扇动在地球的另一方引发风暴的比喻，是描述对于初始条件的敏感性的一个很妙的比喻，但是我感觉到它也引起了太多的混乱，应该完全弃而不用。混沌行为(chaotic behaviour)——在“决定论混沌”(deterministic chaos)专门术语的意义上——源于相对少量方程的非线性相互作用。然而，在复杂系统中却总是存在着相互作用着的极其大量的组分。尽管人们获得了关于嗅觉系统或心室纤维颤动的功能性方面的描述，但我却难以相信在自然界中发现的任何行为都能够被描述成该专门术语意义上的真正混沌。我发现，一旦需要在系统的不同状态之间的明显转化，自组织临界性(self organised criticality)概念(参见第6章)较之混沌的比喻要更为恰当。这也许听起来有些过分轻率了，我也的确不想声称，混沌理论(或分形数学)的若干方面不可能有效地运用于关于自然的建模过程。我倒是认为，混沌理论特别是决定论混沌和普适性(universality)概念，并没有真正帮助我们理解复杂系统的动力学。作为分形数学样板的芒德布罗集(Mandelbrot set)，常常被当作我们已知的最复杂的数学对象，但在最终分析的意义上，它是复合的而不是复杂的。在眼下的研究框架中，混沌理论仍作为现代范式(modern paradigm)的一部分，但不会对其细节作深入探讨。 本书的目标，是要从后现代，或者也许更精确地说是从后结构(post structural)的视角来阐明复杂性概念。从这种视角获得的最明显的结论是，不存在总揽一切的、可忽略掉复杂系统中偶发性方面的复杂性理论。如果某事物的确是复杂的，就不可能从简单理论得到恰当的描述。关注复杂性，必须关注特定的复杂系统。尽管如此，我们还是可以在非常基础的层面上，对复杂行为和复杂系统动力学的条件进行一般性说明。而且我还认为，可以对复杂系统进行建模。模型可以在计算上执行，并可能导致可以执行更复杂任务的机器。不过，模型本身将至少与被建模的系统同样复杂，因此不可能导致我们对于系统本身理解的任何简化。作为这种模型的一个例子，我广泛地使用了神经网络，即一种称作联结论的趋法。事实上本书通过指出神经网络的运行与德里达的语言工作的描述之间具有结构相似性，来理解后现代理论对于复杂性研究的意义。

“复杂性”(complexity)与“后现代主义”(postmodernism)都是充满争议的概念。当代社会容易被描述成后现代的，但是对此种描述的反响却大相径庭。在一些人[如鲍曼(Zygmunt Bauman)]看来，后现代主义使得我们有可能逃离现代主义的束缚，使世界返魅(re-enchant)。在另一些人[如盖尔纳(Ernest Gellner)]看来，它体现着相对主义，即一种在其中怎样都行(anything goes)的理论框架。这弄得人们晕头转向。后现代主义也可被视作现代主义的寄生物，或是现代主义的软肋。在这种情况下，人们便会主张，如果我们希望超越这种过分简化的启蒙理想，那就应该彻底放弃这个概念。
对于后现代主义有种种不同反响，是以对于这个词的意义有种种不同理解为基础的。即使有可能澄清这种争论，这却不是本书的意图；本书也不试图为后现代主义提供某种辩解。这里主要关心的是复杂性和复杂系统(complex systems)的概念。本书的讨论中，所谓的后现代主义，只不过是将一些理论趋法[如德里达(Derrida)和利奥塔尔(Lyotard)的观点]松散地(甚至是不恰当地)归拢在“后现代”的麾下，它们对于所处理现象的复杂性是内含着敏感性的。这些趋法认为，不应以单个或者根本性原则来分析复杂现象，而应承认不可能对真正复杂的事物给出单一的、排他的叙述。不过，承认复杂性，肯定不意味着“怎样都行”的结论。
“复杂性”概念也并非是单义的。首先，有必要将“复杂”(complex)与“复合”(complicated)两个概念加以区分。一个系统，尽管它可以是由极其大量组分构成，但倘若可从其个体组成而获得关于系统的某种完整描述，这样的系统仅仅就是复合的。喷气式飞机和计算机就是复合的。另一方面，系统组成之间、系统与环境之间具有相互作用的复杂系统，则具有这样的属性：作为整体的系统不可能只通过分析其组分而得到完全理解。而且，这样的一些关系并非固定不变的，而是流动着、变化着，常常是作为自组织(selforganisation)的结果。这会产生出新的特征，通常称作涌现性质(emergent properties)。大脑、自然语言和社会系统是复杂的。理解这种复杂性，是贯穿本书的中心问题。
其次，有必要对复杂性和混沌理论(chaos theory)之间的关系作一交代。由混沌理论制造的轰动已经部分地消退了，但是认为它对于复杂系统研究仍具有重要作用的观念则依旧流传甚广。尽管我不否认混沌理论对于复杂性研究能够有所贡献，但我确实也感觉到，这种贡献会是极其有限的。例如，在对复杂系统进行分析时，对初始条件的敏感性并不是一个如此重要的问题。事实上，正是复杂系统的鲁棒(robust)本性，即其在不同条件下以同样的方式发生作用的能力，保证了系统的生存。蝴蝶翅膀的扇动在地球的另一方引发风暴的比喻，是描述对于初始条件的敏感性的一个很妙的比喻，但是我感觉到它也引起了太多的混乱，应该完全弃而不用。混沌行为(chaotic behaviour)——在“决定论混沌”(deterministic chaos)专门术语的意义上——源于相对少量方程的非线性相互作用。然而，在复杂系统中却总是存在着相互作用着的极其大量的组分。尽管人们获得了关于嗅觉系统或心室纤维颤动的功能性方面的描述，但我却难以相信在自然界中发现的任何行为都能够被描述成该专门术语意义上的真正混沌。我发现，一旦需要在系统的不同状态之间的明显转化，自组织临界性(self organised criticality)概念(参见第6章)较之混沌的比喻要更为恰当。这也许听起来有些过分轻率了，我也的确不想声称，混沌理论(或分形数学)的若干方面不可能有效地运用于关于自然的建模过程。我倒是认为，混沌理论特别是决定论混沌和普适性(universality)概念，并没有真正帮助我们理解复杂系统的动力学。作为分形数学样板的芒德布罗集(Mandelbrot set)，常常被当作我们已知的最复杂的数学对象，但在最终分析的意义上，它是复合的而不是复杂的。在眼下的研究框架中，混沌理论仍作为现代范式(modern paradigm)的一部分，但不会对其细节作深入探讨。
本书的目标，是要从后现代，或者也许更精确地说是从后结构(post structural)的视角来阐明复杂性概念。从这种视角获得的最明显的结论是，不存在总揽一切的、可忽略掉复杂系统中偶发性方面的复杂性理论。如果某事物的确是复杂的，就不可能从简单理论得到恰当的描述。关注复杂性，必须关注特定的复杂系统。尽管如此，我们还是可以在非常基础的层面上，对复杂行为和复杂系统动力学的条件进行一般性说明。而且我还认为，可以对复杂系统进行建模。模型可以在计算上执行，并可能导致可以执行更复杂任务的机器。不过，模型本身将至少与被建模的系统同样复杂，因此不可能导致我们对于系统本身理解的任何简化。作为这种模型的一个例子，我广泛地使用了神经网络，即一种称作联结论的趋法。事实上本书通过指出神经网络的运行与德里达的语言工作的描述之间具有结构相似性，来理解后现代理论对于复杂性研究的意义。