如何看待复杂性科学？

Q: 如何看待复杂性科学？ A: 复杂性科学是通过对很多具体领域各种“新颖”现象“复杂”共性的提炼而产生和发展的，主要形成于上个世纪七八十年代，由老三论（系统论；信息论；控制论）和新三论（耗散结构论；超循环论；突变论或者协同学）发展而来，整个学科整体来说尚处于洪荒年代，不是题主说的”国内大家还不是特别确定“，这是已经确定好的，并且是世界性的。 回到题主的问题，首先题主提出”个体之和不等于整体，就是复杂性科学在研究的东西“。 这句话实际上指向了复杂系统问题的一个核心特性，我认为这个性质的重要性是首要的：涌现性，或称内容的开放性。个体之和不等于整体这句话，如果用来描述多主体系统的复杂性现象是非常合适的。比如用来表示一群主体相互作用之下产生的某些宏观模式，”整体“就涌现出来，并表征出其区别于个体的某些性质，而非个体的”简单线性和“。 这里的”简单线性和“就值得琢磨，什么是”简单线性和“呢？ 以下谈谈我个人的理解，这个用词其中包含了一定的历史语境，其指向的是过去乃至当今仍然盛行的还原论的分析法和机械性的建模法。 前者是指更高级系统可以表示为更低级系统的基本单元及其相互作用，这个表示是完全的，意思是只要更低级单元足够广泛，其相互作用描述足够全面，那么更高级系统的各种现象就可以完全地被描述；后者则是由人工方式组织起一个个的低级单元，按照某些预定会发生的流水式程序（我认为机械流水线是对”线性“这个抽象词的最好现实对应物），组装为一些组件乃至一个系统的过程。 只要清楚近代科学和工业发展史，不难清楚这两类方法是被极其广泛地应用的。这两种解决问题的思维甚至几乎是孪生的：机械建模要求对更低层级物质很好地描述的还原论的发展，还原论则凭借机械建模将其充分应用而彰显其巨大威力。 从今天看，我们作为今天的人已经知道复杂性科学产生了，其作为一个对这种过去的传统方式的否定而产生，正是因为固有的一些问题（有所”复杂“共性的）而被发展出来，那这些问题又是如何呢？ 我举一个我认为最具代表性和时效性的例子：合成生物学。 合成生物学在新世纪尤其是近十年取得迅速发展，从最基本的生命零件着手建立一层层更高级的生物系统来执行人工生物功能，一种典型的方法是设计”基因回路“，例如用启动子增强子遏制子等调节基因表达，或者用多个这样的环节来执行更为精妙的生物开关。 但是合成生物学近年来也明显地遇到了”复杂性“的问题： https://zhuanlan.zhihu.com/p/22453582（郭昊天：【观点】从传统到构造——浅谈合成生物学的功能与研究范式） 日常生活中所能见到的生物体，从还原论的角度来说，是一个极其庞大到恐怖的系统，有着无论是从细胞还是分子来说极大的单元量和自由度。对于设计出来的基因回路，实际测试中可能发生很多其他的反应过程，设计好的回路内部进行错误表达或者环境诱导了错误表达。仅提一点我对这个”复杂性问题”的理解：这种内部和环境之分在复杂系统中并不适用，一般作内部与环境的区分，需要在系统内有明显的”边界“。但是上面的内部与环境之分是模型设计者出于设计需要将”回路“区别于环境而进行的，毕竟模型设计者主要可以改变和调整的就是”回路“了。可是设计出的基因回路并不一定每个都和环境在基因表达层面上有明显的边界可以进行区分，这种不合理的划分带来了一部分复杂性，当然也不过是一部分而已。 类似上述问题的复杂性问题不胜枚举，几乎任何你能想象到的现代基础自然科学或社会科学，没有不对这类问题作重要讨论的或者受较大困扰的。出现这种困扰的一个主要原因我认为是，很多模型都采用的思路是构建一些基本单元和一些预定的基本行为进行推演，并预测、观察现象进而对模型效果做出评价，而这种模型框架无疑是还原论式的。 进一步来说，个人认为，还原论式的思维方式遇到复杂性问题是必然的，还原论显然可以初步构建出一个多体多自由度的“庞杂”世界，这样做的确给出了一个现实世界的基本框架，看似好像是“完备”或者说“完美”的，但是这样的世界一旦运动起来就“脱离”了设计者的掌控，其中脱离程度较低的一类，有一种可以称之为“蝴蝶效应”的混沌现象，就是系统局部状态在长期演化中以极高的概率偏离了原有的预测状态（多数时候这种偏离程度也是很大的，如果按照该系统设计者的问题解决需要和评价模型来说）；另一些脱离程度较高的一类，可以称为“涌现模式”的现象，则几乎完全脱离设计者的掌控，比如，这不是"1"与"2"的区别，而是"1"与"&6niai#hf"的区别，意思是，完全出乎意料以至于难以评价，这就是复杂系统真正困难的一面：涌现；突现，Emergence，意料之外。 这个问题，就是我认为的复杂性问题的核心，也是我所认为的复杂性科学的命中对手——只有高度理解和有效处理这类问题，复杂性科学才能真正“成熟”。 具体落实到某个工程问题上来说，同样拿合成生物学作比，我认为，能帮助合成生物学理解、处理和设计、干涉巨型复杂生物系统（注意，不是多体，而是巨型，举一个小数目，比如说几百亿(●ˇ∀ˇ●)），当然这个可能又是“有生之年”的难题了，如果将目标放低到帮助设计“大型细菌群落工程”，也仍然不会简单。 如果是理论层面的话，必须对什么是复杂系统、复杂系统的各种属性等基本定义完全弄清楚，比如不再用“非线性”这种大而不当的词，有一套抽象的理论方法和复杂问题处理流程，而不是各种来自其它具体学科工具的简单堆砌。 霍金说：“21世纪将是复杂性科学的世纪”，我希望是的，不过在此之前应该是“21世纪已经是复杂性问题的世纪”。