涌现

当简单的组成部分遵循简单规则、彼此互动，产生任何单个部分都无法独自形成的复杂模式时，涌现就发生了。想想鸟群：每只鸟只关注最近的同伴，避免碰撞，并与它们保持相同的速度，整个鸟群却能像一个协调的整体，一起掠过、俯冲、流畅地变换队形，完全不需要领头者指挥。 请注意：观察行人在拥挤的空间里，如何在没有协调安排的情况下，自发形成行走的通道或相互避让的习惯。

许多相似的组成部分按照简单规则，与周围的部分互动，却能产生令人惊讶的复杂集体行为，这就是涌现。关键在于，没有哪个个体掌握“全局”：蚂蚁只能感知附近的信息素踪迹，神经元只与紧邻的神经元相连，司机只对身边的车辆作出反应。然而，无数次局部互动汇聚起来，就形成了整体模式：蚁群能解决复杂的路径规划问题，大脑能产生意识，车流中会出现逆着行车方向向后传播的“幽灵堵车”。整体的确变得大于各部分之和。

这种模式出现在许多截然不同的领域。在生物界，黏菌这种单细胞生物可以聚集成多细胞的“蛞蝓状体”，朝着光爬行，再形成带柄的子实体来传播孢子，整个过程都不需要任何中央协调。在经济活动中，市场价格从数百万次个人买卖决策中涌现出来，即使没有哪个参与者了解整个系统，资源依然能得到有效配置。在城市中，人们对邻居与自己相似程度的偏好，可以形成鲜明的社区格局，带来任何个人都无意促成的隔离或融合。托马斯·谢林的著名模型表明，即使这种偏好很温和，也能造成显著的分隔。

理解涌现，会改变我们处理复杂问题的方式。我们可以设计简单的局部规则，引导系统产生期望的结果，而不必事事都从上到下控制。交通工程师设计环形交叉路口时，就运用了这个原理，让车流通过自组织，比依靠红绿灯更好地运行。组织管理者为团队制定清晰的局部行动准则，而不是事无巨细地干预每个决策，也是在运用这个原理。这里的启示是：别与涌现较劲，设定合适的条件，让系统自行组织起来，借助它的力量。

涌现已经从一个哲学概念，发展为理解物理学、生物学和社会科学中复杂系统的核心框架。当代研究区分了“弱涌现”和“强涌现”：前者指系统表现出出人意料、但完全由底层过程决定的性质；后者指系统产生了真正全新的因果作用能力，无法还原为各组成部分的行为。大多数科学家认可弱涌现是复杂性科学的基础，而强涌现仍有争议，其中意识是讨论最多的候选现象。这个领域已不再局限于哲学争论，而是进一步通过定量研究，探索涌现如何发生、在何时发生，应用范围从元胞自动机延伸到社会网络。

• Holland（1998）：展示了“复杂适应系统”中的个体如何遵循简单规则，产生涌现，带来持续的新变化和适应，而这些变化无法仅凭微观规则来预测 [1]。
• Axelrod（1997）：展示了追求自身利益的个体，在反复互动中遵循简单策略，如何在没有中央权威的情况下形成合作 [2]。
• Mitchell（2009）：综合了不同学科的涌现研究，说明信息处理和计算是自然系统与人工系统中涌现现象的基础 [3]。

涌现已经成了一个热门词，听起来似乎什么都能解释，却也可能什么都没解释。批评者指出，把某种现象称为“涌现”，有时只是在回避问题：给我们的无知起了个名字，并没有增进理解。弱涌现和强涌现的区分在哲学上仍有争议。有人认为，所谓的强涌现要么是幻觉，要么只是反映了我们目前计算能力的局限。在实际应用中，利用涌现比识别涌现更难：要设计出简单的局部规则，让它们可靠地产生期望的结果，极其困难。有些复杂系统只有在很有限的条件下才会出现涌现，因此这种现象很脆弱，也难以复现。最后，涌现也可能带来负面结果：市场崩盘、族群隔离和电网的连锁故障，都可以从合理的个体行为中涌现出来。