反馈回路与循环

分析反馈回路，第一步是找出其中的关键变量。反馈回路是一条因果链：行动的结果会反过来影响行动本身，让它增强或减弱。比如，恒温器就利用了反馈回路：它测量室温（一个变量），与设定温度比较，再打开或关闭暖气炉（另一个变量）；这又会改变室温，让循环重新开始。

想一想：这个系统中，什么因素可能绕一圈后反过来影响自身？

分析和处理反馈回路要按步骤来：先找出各个组成部分，再追踪它们之间的联系，理解系统会如何变化。

反馈回路主要有两种：

• 增强回路（也叫正反馈）会放大变化，带来指数式增长或衰减。想想一段迅速走红的视频：分享的人越多，看到它的人就越多，进而带来更多分享。
• 平衡回路（也叫负反馈）会寻求稳定、抵抗变化，让系统朝着目标状态调整。人体调节体温就是一个典型例子：太热时，你会出汗来降温；太冷时，你会发抖来升温，始终试图让体温回到华氏98.6度。

在工作中，增强回路可能表现为：团队士气低落，导致错过截止日期，这又进一步打击士气。平衡回路则可能是经理调整工作量，以减少职业倦怠，并维持可持续的工作节奏。

把一种回路误认成另一种，或根本没发现回路，常常会导致政策失效和意外后果。比如，为了赶上已经延期的项目而提供奖金，可能会增加压力，导致更多错误和更严重的延期，反而强化了恶性的增强循环。这体现了系统思维的一个关键原则：面对不理想的结果，与其责怪个人，不如着手画出系统的结构，因为结构本身往往会驱动行为。

对反馈回路的系统研究是系统动力学的核心。这个领域使用因果回路图（CLD）和存量与流量模型等工具来理解复杂系统。这种方法强调：在决定系统行为时，系统的结构，也就是反馈回路和延迟，往往比单个组成部分更重要。

一定要把这些工具与有向无环图（DAG）等工具区分开。按定义，DAG 是无环的，因此无法表示反馈回路。DAG 用于对不存在同时发生的因果作用或相互因果作用的系统建立因果关系模型，主要用来识别统计分析中的混杂变量。相比之下，CLD 专门用于呈现和分析反馈结构，帮助你理解这些结构如何驱动系统随时间变化。

• Sterman（2000）：指出人类的心智模型并不擅长理解反馈系统，因此容易出现“政策阻力”：凭直觉提出的解决办法不仅可能无效，还可能让原本想解决的问题变得更糟。[1]
• Senge（1990）：将 CLD 推广为一种管理工具，帮助团队画出并讨论影响组织运行的反馈结构，识别“增长极限”等常见模式，也就是“系统基模”。[2]
• Cronin、Gonzalez 与 Sterman（2009）：发现即使是受过良好教育的成年人，也很难推断简单反馈系统的行为，尤其是涉及累积的系统，比如大气中的二氧化碳或金融债务。这揭示了妨碍有效决策的一个关键认知障碍。[3]

画出反馈回路虽然很有用，却不是万能的。模型是对现实的简化，可能漏掉关键变量，也可能错误地呈现因果联系的强弱。要量化社会系统中的关系，比如士气对生产力到底有多大影响，向来都很困难。此外，系统中具备学习能力的行动者会学习并改变行为，让回路本身的结构也随时间发生变化。