复杂适应系统

复杂适应系统由许多独立的部分组成，它们相互作用、学习，并随时间不断变化。想想一群鸟：每只鸟只遵循一些简单规则，比如靠近同伴、避免碰撞，整个鸟群却像有一位看不见的编舞师在指挥一样移动。没有哪只鸟带领或控制整个群体；协调的运动来自无数次局部互动。你也能在车流、应对威胁的免疫系统，以及股票市场中看到同样的现象：个人的决策汇聚起来，造成谁也没预料到的暴跌和上涨。 试试这样：留意日常习惯中的小变化，比如提前10分钟出门或换一条路线，如何出乎意料地改变你一整天的节奏。

复杂适应系统的核心，是一些遵循简单规则、同时又会根据彼此行为做出调整的个体。它们可能是调整车速的司机、根据价格变化做出反应的交易者，也可能是应对威胁的免疫细胞。每个个体掌握的信息都有限，只根据局部情况做决定。但通过反馈循环，也就是让行动的结果成为后续决策的依据，系统会形成一些模式、结构和行为。这些既不是任何一个个体有意促成的，也不是它能独自创造的。

股票市场就是一个生动的例子。交易者各自根据自己的研究、判断和策略买卖股票。没有哪个交易者能控制市场，或预测市场的整体走势。然而，价格的涨跌会呈现出一定模式，泡沫会形成并破裂，数百万个独立决策通过反馈相互影响，还会引发市场暴跌。市场不断适应，将新闻、趋势和情绪融入运行之中。虽然其中的机制可以理解，整体变化却很难用简单的方法预测。

城市也以复杂适应系统的方式运行。居民、企业和政府围绕住在哪里、在哪里工作、购物和建设，做出无数独立选择。社区、交通模式和文化街区并非由某个中央规划者设计，却会自然形成各具特色的区域：科技企业聚集成片，族裔社区逐渐形成，车流也呈现出规律与混乱交织的状态，让规划者难以照样重现。当城市试图自上而下地建立秩序，却不了解这些自发形成的动态时，往往会造成更严重的问题。比如，拓宽高速公路会诱使人们更多地开车，反而加剧拥堵。

自然界中的生物系统处处体现着这一原理。你的免疫系统无需中央协调，就能调动专门的细胞来识别、攻击和记住病原体。蚁群中的每只蚂蚁只需遵循简单的化学信号，整个群体就能建造精巧的巢穴、优化觅食路线，并应对威胁。进化本身也是一个复杂适应系统：生物不断适应环境，而环境又因为其他生物也在适应而持续变化。在这些领域中，核心认识都一样：会适应的个体通过局部互动，形成令人意外的整体模式，而且整体表现往往超出各部分简单相加的结果。

复杂适应系统研究关注的是：许多能够适应的个体，如何通过非线性相互作用和反馈循环，涌现出整体秩序。圣菲研究所的先驱学者约翰·H. 霍兰德将复杂适应系统（CAS）定义为由许多相互作用的智能体组成的系统。这些智能体会根据经验学习和适应，而系统涌现出的特性，无法通过孤立研究各个组成部分来预测 [1]。这一框架揭示，系统层面的行为在很大程度上取决于相互作用，而不只是单个智能体的属性，由此产生自组织、路径依赖以及稳定状态之间的相变等现象 [2]。

Holland（2006）：复杂适应系统通过标记（用标签实现有选择的互动）、内部模型（智能体用于预测的内部表征）和构建块（可以组合成复杂结构的组成部分）等机制实现协调 [1]。 Miller 和 Page（2007）：复杂适应系统的建模需要采用基于智能体的计算方法，因为传统分析方法无法捕捉个体适应如何产生群体模式和系统层面的行为 [3]。 Anderson（1972）：物理系统在不同复杂程度的尺度上，会呈现出本质上全新的特性。这意味着，大型系统的行为无法仅凭支配其组成部分的定律来还原或预测 [4]。

复杂适应系统理论受到的一项批评是，它逐渐成了一个宽泛的统称，被随意套用到任何包含多个相互作用部分的系统上。一些研究者认为，这一框架缺乏精确的预测能力，提供的往往是事后解释，而不是可以检验的预测。复杂适应系统与仅仅由繁多部件构成的系统之间，界限仍有争议：某些所谓的“涌现”特性，究竟真的配得上这个名称，还是只反映了我们尚未充分理解底层机制，研究者对此看法不一。此外，这一理论对实际干预的指导也有限。知道系统复杂且会适应，并不一定能告诉政策制定者，应该在哪里、以什么方式有效干预。由于反馈循环和适应的存在，试图操控复杂适应系统往往会带来意想不到的后果。