复杂系统科学认为由许多成分组成的系统。这些系统可以是物理的、生物的、或社会。鉴于这种多样性的系统,它可能看起来奇怪的研究都在一个框架。虽然大多数学科倾向于关注组件本身,复杂系统科学侧重于系统中的组件是如何彼此相关的( 1]。例如,虽然大多数学科组织系统图 1列复杂系统科学团体的行。

系统可能不同于彼此不是因为部分的差异,而是因为这些地区差异的相互依赖和影响。例如,蒸汽和冰是由相同的水分子,但由于分子间的相互作用的差异,有着不同的属性。相反,所有的气体有许多相同的行为,尽管其组成分子的差异。这个方法同样适用于固体和液体。区分固体和液体从气体的行为的例子 出现:他们不能确定从一个系统的单独部分。流体湍流,可以观察在流动的河流,是一个部分之间的关系如何产生紧急大规模自组织行为和模式,这意味着他们不出现从一些外部或自动集中控制,而是从系统组件之间的交互 3- - - - - - 7]。自组织行为的其他例子包括自发形成的谈话组在一个聚会上,商品的分配在一个分散的经济、生态系统的演变,植绒的鸟类。如此大规模的行为和模式不能确定通过检查每个系统隔离。通过考虑系统整体的一般属性,而是复杂系统科学提供了一个跨学科的科学框架,该框架允许的发现新的想法,应用程序和连接。

所有的小细节的完整描述甚至相对简单的系统是不可能的;因此,合理的分析必须只描述这些属性的系统不依赖于所有这些细节。是由于这样的属性存在 普遍性节中,将讨论这一现象 3。统计物理学提供了一个潜在的洞察力,可以发现这样的属性:即,虽然试图描述一个特定的系统状态的行为(例如,气体)可能完全棘手,描述系统的所有可能状态的集合可能不仅是驯良的,但也可能为我们提供一个模型的相关信息(如压力、温度、密度和压缩系数)。换句话说,退后一步,考虑到 空间可能的行为提供了一个强大的分析视角,不仅可以应用物理系统,而且生物和社会的。

我们行为的复杂性定义为等于其描述的长度。的长度的描述一个特定系统的行为取决于可能的行为,系统表现出的数量( 8]。例如,一个灯泡,有两个可能的国家或休假足可以被描述由一个位:0或1。两位可以描述四种不同行为(00,01、10或11),三位可以描述八行为,等等。在数学上,我们可以写 C = 日志 2 N ,在那里 C 是一个系统的复杂性和 N 是它的许多可能的行为(从技术上讲, 日志 2 N 实际上是一个上界为系统的复杂性比其他人更有可能因为如果一些行为,系统的平均长度的描述可以减少使用短描述的更常见的行为和更长的描述不太常见的ones-lossless压缩算法依赖于这种逻辑),但是对于我们的目的,它是足够大的数量可能的行为,更大的复杂性。

重要的是要注意,一个人必须仔细定义的空间可能的行为。例如,如果我们感兴趣一个灯泡已经在一个套接字,灯泡有两个可能的行为,如上所述,但是如果我们感兴趣的是建立一个灯泡的复杂性,可能的空间行为可能包括所有的部件可以安排的方法。另外一个例子,考虑编程电脑正确回答一个多项选择题的问题有四个选择。乍一看,这个任务很简单:因为有四种可能的行为,只有两位是必需的。尽管如此,我们觉得编程电脑在多项选择题测试分数完全是相当困难的。这是一个显而易见的悖论解决,然而,当我们认识到这样一个任务是困难的,只是因为我们不 先天的知道什么问题将在测试,因此,真正的任务是能够正确回答 任何多项选择题的问题。这个任务是相当复杂的,鉴于大量可能的方法程序应对一系列任意的选择题。

考虑一个人类,然后考虑包含同样的气体分子在人类但没有特别的安排。更复杂的是哪个系统?天然气具有更多的分子(即可能安排。,has more entropy, or disorder) and thus would take longer to describe at a microscopic level. However, when we think of a complex system, we think of the behaviors arising from the ordered arrangement of molecules in a human, not the behaviors arising from the maximally disordered arrangement of molecules in a gas. It therefore may be tempting to conclude that complex systems are those with reduced disorder. But the systems with the least disorder are those in which all components exhibit the same behavior (coherent systems in Figure 1),这样的行为很容易描述,从而直观上并不复杂。

解决这个明显的矛盾,我们必须考虑系统的描述的长度取决于用来描述的详细程度。因此,复杂性取决于规模。在微观层面,它真的是很难描述的位置和速度气体的分子比为所有的分子人类做同样的事情。但在人类感知的规模,气体的行为取决于它的温度和压力,而人类的行为仍然相当复杂。熵对应的复杂性最小的规模,但描述一个系统需要跨多个尺度理解其复杂性。系统的 复杂性概要是系统的复杂性的情节作为规模的函数( 9]。在下面的例子中,规模将长度,但从根本上讲,一个行为的规模的数量等于协调组件参与行为,身体长度是一个代理。气体很简单在人类感知的范围,因为在这个规模,只有行为涉及数万亿分子相关,还有相对较少涉及如此多的气体分子的行为。

如图 2、随机的、一致的和相关系统(见图 1)定性不同复杂性概要文件。随机系统最复杂的最小规模(最好的粒度/最细节),但是复杂的数量迅速下降的规模增加,平均个人的随机行为组件。一个连贯的系统有相同数量的复杂性在小尺度上,在更大的尺度上,因为描述系统的整体行为(例如,炮弹)的位置和速度还描述了所有组件的行为(例如,所有的原子的位置和速度)。注意,复杂性会增加(或保持不变)的规模减少,因为看着系统详细(同时还包括整个系统的描述)往往会产生更多的信息。对于相关系统,不同的行为发生在不同的尺度,因此复杂性逐渐增加作为一个越来越大的详细地检查系统。例如,从非常遥远,一个人,几乎看不见,有很少的复杂性。随着细节的程度逐渐增加,将首先描述包括人类的整体位置和速度,然后每个肢体的位置和速度,其次是运动的手,手指,面部表情,以及人类可能会说的单词。器官继续更高层次的细节,然后在人类的大脑成为相关组织和模式,并最终因此单个细胞。在尺度小于细胞的复杂性进一步增加一看到细胞器(细胞子结构),其次是大分子如蛋白质和DNA,然后最终小分子和单个原子。在每一个层面,描述的长度越来越长, This incredible multiscale structure with gradually increasing complexity is a defining characteristic of complex systems.

直觉,复杂系统需要秩序并非毫无根据的:有复杂性在更大的尺度上,必须有行为涉及许多小规模的协调组件。这种协调的行为抑制的复杂性在较小的尺度上,因为小规模组件现在限制了它们之间的相互依赖关系。小规模和大规模的复杂性之间的紧张关系可以精确:给定一组固定的组件与一组固定的潜在的个人行为,复杂性剖面下的面积将常数,无论组件之间的相互依赖关系(或缺乏)。更准确地说,系统的复杂性在每个规模的总和(即。,the area under its complexity profile) will equal the sum of each individual component’s complexity [ 9]。因此,对于任何系统,有一个基本的数量之间的权衡行为系统可以和这些行为的规模。

例如,考虑一个工厂组成的许多工人( 2]。工厂的输出可以使用复杂性特征剖面(图 3)。不同类型的商品的数量,工厂可以生产在给定的规模是一个代理工厂的规模,复杂性的副本的数量相同类型的好,工厂可以生产在给定的时间被一个代理。基本的权衡是明显的事实,如果工厂希望能够生产出许多副本一个类型的在很短的时间内,它将不得不协调所有的工人(也许在装配线上工作),从而减少他们的个人自由,使许多不同种类的商品。工厂的生产将复杂性较低,但大规模的(例如,生产许多相同的t型福特——“任何客户都可以有一个汽车漆成任何颜色,他想只要黑人”)。从另一方面来说,如果工厂的员工独立工作,他们将能够创造许多不同类型的产品,但是没有一个在规模。当然,一个工厂可以增加的复杂性和规模生产通过添加新机器或更多的工人;精确的复杂性和规模之间的权衡只适用于当考虑一组固定的组件与一组固定的个人行为。微妙的点,就是引入系统的两个部分之间的相互作用可能在某些情况下增加每个部分的设置相关的个人行为,从而增加复杂性概要文件下的总面积。例如,如果两个人进入相互沟通,交流本身(如演讲)现在可能相关的行为每个人以前不存在的东西。

复杂性和规模之间的权衡的一个推论是适应性和效率之间的权衡( 10- - - - - - 15]。适应性时就会有很多可能的行动发生在平行,大多是独立的,即,当系统具有较高的复杂性。效率,另一方面,当系统的许多地方都出现在演唱会工作,以便系统可以执行它的任务是在最大可能范围内设计的。由于复杂性和规模之间的权衡,系统更复杂的适应性会更复杂,但主要是在较小的尺度上,当一个系统有更多的效率将会有一个复杂性复杂性较低但扩展到更大的尺度。因此,一个有效的系统,由于其一定复杂性较低,不适应本身或其环境中不可预见的变化,而一个非常灵活的系统,用于处理各种各样的冲击,必然要牺牲一些大规模的行为。苏联认为他们可以有自己的蛋糕和吃,:他们最初相信经济会优于资本主义的,因为资本主义经济有这么多废物相关的多个企业竞争做同样的事情(第十六章( 16])。它将更有效协调所有经济生产。但在创建这样的大规模的经济结构、地位的复杂性是牺牲,导致非适应系统。监管的资本主义制度不当也可能牺牲冗余和适应性效率,导致,例如,过度集中的市场权力,有害的反馈循环,和羊群行为( 17- - - - - - 21]。

由于复杂性和规模之间的权衡,任何机制,创建大规模complexity-whether市场或政府或否则将必然减少个人的复杂性。这并不是说,大规模的复杂性总是有害的;通常是值得交易大规模合作的一些个体层面的自由。那么,当在特定规模的复杂性?

测定时提供的复杂性是可取的 法律的必需的多样性( 22]:系统必须是有效的,至少那样复杂的环境行为必须不同反应。如果一个系统必须能够提供不同的响应每个100环境可能性和系统只有10个可能的行动,该系统将不会有效。至少,系统需要100个可能的行动,一个用于每个场景可能遇到。(以上条件是必要的,但当然不够;一个系统有足够多的行动可能仍不采取正确的行动在正确的情况下)。注意环境的系统也必须反应本身就是一个系统,有时会被称为。

由于复杂性定义只对一个特定的范围,我们可以完善必要的变异规律:要有效,系统必须匹配(或超过)环境行为的复杂性,它必须对这些行为发生的反应在所有尺度不同( 9]。为了说明这多尺度版本的必需的多样性,我们考虑军事冲突 23)(见图 4)。这里,可以认为是一个军事系统,在其他军事环境的一部分的系统必须进行交互。两军的平等的复杂性,即。,with the same number of behaviors, but with one military operating at a larger scale (e.g., two very tightly controlled armies, but with one army larger than the other), the larger-scale military will likely win. For two militaries of equal scale but unequal complexity (e.g., two equally sized and equally powered fleets, but with one being more maneuverable than the other), the higher-complexity military will likely win, since the high-complexity military has an action for every action of the lower-complexity military but not vice versa. When a military with high complexity at a smaller scale (e.g., a guerrilla force) conflicts with a military with larger-scale behavior but lower complexity (e.g., the US army in Vietnam or the Soviet army in Afghanistan), the terrain, which constrains the scale of the conflict, plays an important role. In an open field, or in open waters, the military that has more complexity at the larger scales is favored, while in the jungle or in the mountains, higher complexity at smaller scales is favored.

另外一个例子,医疗涉及小型任务整体复杂性高的如病例管理和大规模、lower-complexity任务,比如制造业和提供疫苗( 24]。疫苗复杂性较低但规模较大,因为本质上执行相同的动作,几乎每一个病人。大规模的自上而下的组织和计划是适合大规模、lower-complexity任务,但任务像案例管理需要卫生系统具有高程度的小规模(即。,本地)的复杂性。

欧元区提供了一个潜在的多尺度复杂性说明不匹配。财政政策主要是由个别国家的规模,从而有更高的复杂性在国家规模但相对较少的复杂性在整个欧元区的规模,而货币政策在整个欧元区的规模,因此有一些复杂性在欧元区的规模,但缺乏(即不同的能力。缺少复杂性),个别国家的规模。许多人都认为欧元区内部经济困难出现,因为这妨碍了有效的财政和货币政策之间的相互作用不匹配( 25- - - - - - 29日]。

出现问题不是来自过多或过少的复杂性(在任何规模)本身,而是来自不匹配将被执行任务的复杂性和系统执行任务的复杂性。(顺便说一句,人类情感似乎反映出这一原则:我们无聊时环境过于简单和不知所措的时候太复杂 30.]。)注意,该系统在一个场景中可能的任务/环境;例如,相同的复杂性,帮助系统与环境交互可以预防其他系统的有效管理。在以上的例子中有复杂性概要文件是精打细算,也没有精确定义的尺度。相反,使用规模的代理和估计比较复杂。这种方法不能产生精确的结果(事实上,没有方法可以,考虑到复杂的完整描述这样的系统需要),但是不需要额外的精度甚至近似分析揭示了大不匹配的复杂性。(纠正诊断不匹配,可能需要更详细的分析)。虽然它可能容易属性产生的问题复杂性不匹配特定的近因和事件链,一种或另一种形式的问题将不可避免,除非潜在的不匹配是解决。

即使系统匹配及其环境的复杂性在适当的尺度,还有复杂性不匹配的可能性。考虑两双friends-four人,每个人都可以举起100磅考虑两个200磅的沙发需要感动。此外,假设每个人都能配合她的朋友但不是与其他两人。总的来说,系统的人有足够的复杂性在适当的尺度将两个沙发自每一对朋友能举起200磅的沙发。然而,被一个人从每一对朋友是分配给每个沙发,他们将无法提升沙发,因为两人提升每个沙发不属于相同的一对朋友,因此将无法协调他们的行动。这里的问题是,尽管对朋友拥有足够的整体复杂性在正确的尺度的沙发,系统内的细分的朋友不匹配的自然系统内细分沙发。不匹配的复杂性可以看到如果我们只关注一个沙发,在沙发上需要协调行动的规模200英镑,两人解除它只能够两个独立的行为,每一个在100磅的规模。

学术部门的组织提供了一个更现实的细分的潜力不匹配的例子。学术界有多个层次的细分(部门、分支等)为了组织知识和协调,导致整体程度高的复杂性在多个尺度,规模可以指协调人数或协调的知识的数量,这取决于方面的学术体系正在考虑之中。同样,有多个级别的自然细分的问题,学术界可能地址,与每个细分的问题需要特殊类型的协调知识和努力才能得到解决。学术界跨多个尺度的复杂性使其有效地工作在许多这些问题。然而,学术界可能存在问题,尽管拥有足够的整体多尺度复杂性,仍无法解决,因为问题不匹配中的细分细分在学术界。跨学科中心和项目的增加在过去的几十年里显示的感觉这样的不匹配;然而,学术系统作为一个整体的结构可能仍然阻碍进展问题,不收在一个学科或学科的分支 31日- - - - - - 36]。

上面的示例提供了一个例证的原则,为了使系统不同反应一定的行为在其环境中,不仅系统作为一个整体必须至少尽可能多的复杂性在所有尺度这组环境行为(如部分所述 2.5),但也 每个子集的系统必须至少尽可能多的复杂性在所有尺度相对应的环境行为子集。一个好的经验法则适用这一原则是决定关于独立的部分或方面的系统应该能够独立,而决策有关系统的相关部分应非独立。它遵循的组织应该相应地细分做出这样的决定,所以,他们的细分与自然的分裂系统相互作用。细分存在于人类的大脑和细分的分析神经网络更广泛(章节2.4 - -2.5 ( 1])演示系统细分,比赛自然细分的环境比那些内部连接。

系统组织的常用方法是通过层次结构。在一个理想化的层次,没有横向连接:涉及多个组件层次结构的任何决定必须通过一个共同的节点的控制这些组件(直接或间接)的所有谎言。复杂性概要文件的层次结构的刚度取决于控制结构(图 5)。在一个极端,每一个决定,无论多么大或小,都是由这些层次结构的顶部。这个层次结构有相同数量的复杂性在所有尺度:即任何决策的复杂性正在顶部。在另一个极端,在层次结构中没有交流,每独立个体行为。这种层次结构很少的复杂性超出了个体层面。在这两个极端之间是一个典型的层次结构,在各级不同的决策。

没有天生就比任何其他类型的层次结构。为一个特定的环境,最好的层次结构是一个复杂的配置文件匹配需要执行的任务。严格控制(头重脚轻)层次结构是不适合的环境有很多变化的系统层次结构的低水平必须进行交互;都是一个非常松散的控制层次结构适合环境要求大规模的协调行动。例如,美国治理系统中集中了太大的权力在联邦(相对于当地或国家)不允许足够的小规模的复杂性与地区之间的差异;太分散治理系统不会允许足够的大规模复杂接触问题,需要在全国范围内协调反应。分配决策更高水平层次结构允许但不适应性和更高的效率和规模变化。

我们还应该考虑不仅治理系统的整体复杂性概要文件,如何治理系统的细分与在其领土内(2.6节)。大城市在某些方面更类似于另一个比他们各自国家的农村地区。因此而把美国分为50个州提供了实质性的政府地位的复杂性,这种复杂性不一定匹配自然城乡分裂。在某种程度上,这种不匹配存在,可能有问题目前在州一级处理会更好处理在当地的水平,从而允许对不同的政策在城市和农村地区(同样,也许一些权力,一些人认为应该从联邦下放到各州实际上应该下放到地方层面)。

重要的是要区分层次结构的复杂性和决策的复杂性层次结构内的人有能力。例如,可以设计一个严格控制的层次结构,可能需要大量的大规模行动(即。,high complexity at its largest scale), but since the decision-making abilities of even the most capable humans are of finite complexity, the individuals at the top may be fundamentally unable to correctly choose from among these actions. This brings us to an important limitation of hierarchies: the complexity of the decisions concerning the largest-scale behaviors of a hierarchy—the behaviors involving the entire organization—is limited by the complexity of the group of people at the top [ 2]。因此,层次结构必然会失败时其最匹配的复杂性行为高于它的环境决策的复杂性由任何个人或委员会,是可以实现的。(注意,系统的复杂性决定的行为应该对应于行为的环境通常是大于系统或环境的复杂性:例如,如果两个系统和环境有10个可能的行为,该系统有足够的比赛环境的复杂性,但系统的正确决定哪些行为应该对应于环境条件需要正确地选择一个选择的空间!或3628800的可能性。)命令经济的失败提供了一个鲜明的例子:资源配置和劳动太复杂问题对于任何一个人或一组人理解。市场分配资源通过网络系统:决定如何分配资源是由没有任何个人让他们决定在人类的大脑神经元使它们。(这些市场分配是否可取的部分取决于市场结构和监管的方式)。

我们开始考虑理想层次只有垂直连接,但是横向联系提供另一种机制使大规模的行为。例如,城市可以相互作用交互(而不是只与他们的州和国家政府)为了复制好的政策和互相学习的错误。通过这些进化过程(在部分进一步描述 4),大规模的决策(大规模因为政策可能由多个城市被复制)比任何个人更复杂的组件。这样的横向连接可以存在于一个层次框架层次结构的顶部(在这个例子中,国家政府)维护重要的控制,或者他们可以严格层次结构之外的存在,人类的大脑。此外,这些横向连接的强度各不相同。过于强烈的连接会导致羊群行为不足小规模的变异,如集体思维( 37- - - - - - 39)(没有系统可以免除部分中描述的权衡 2.4。),而过于弱连接导致大部分是独立的行为协调。

从某种意义上说,令人惊讶的是,我们可以理解任何宏观系统,即使是一个非常简单的机械系统有数万亿在数万亿的分子。我们能够理解这种系统,因为他们拥有 的分离尺度( 40),这意味着宏观行为我们感兴趣的是发生在一个更大的规模比单个分子的行为,没有行为发生在这两个尺度之间(见图 6)。这种分离让我们单独把宏观和微观行为:对于机械系统,我们对待宏观行为明确与牛顿力学,而聚合的微观行为被认为是使用热力学。

更普遍的是,上述方法的一个例子 平均场理论( 41),系统的平均行为的组件是显式地建模和单个组件的偏差从这个被视为平均统计独立的随机波动。这种方法很适合系统,如电脑,汽车,飞机,和建筑,单个分子的运动分开一些主要是不相关的fluctuations-well所描述的运动块材料它们所属。平均场假设也常常用于分析生物、社会、经济系统;这些假设在许多情况下工作得很好,但是,正如我们将看到的,他们并不总是适合复杂系统。是很重要的,因此,确定在什么条件下平均场理论。

平均场理论适用于展览大规模的系统行为的平均行为的组件。他们必须具备的分离尺度,当统计时出现波动的组件是完全独立于另一个超过一定规模。平均场理论可能即使在强相互作用的存在,只要这些强相互作用的效应可以被平均行为的系统,只要系统的每个组件可以建模为如果与平均(即交互。系统的,意味着字段)。例如,固体的大规模运动所描述的平均场理论,即使分子固体相互作用非常强烈,因为这些交互的主要作用是保持每个分子在一定的距离和方向的平均位置(重心)固体。同样,在一些(但肯定不是全部)条件下,经济市场可以有效地描述建模每个市场参与者互动的总供求的力量而不是个人与其他市场参与者。

然而,当有足够强大的系统的组件之间的相关性,即。,when the interactions between a component of the system and a specific set of other components (as opposed to its general interaction with the rest of the system) cannot be neglected, mean-field theory will break down. These systems will instead exhibit large-scale behaviors that arise not solely from the properties of individual components but also from the relationships between components. For example, while the behavior of a muscle can be roughly understood from the behavior of an individual muscle cell, the behavior of the human brain is fundamentally different from that of individual neurons, because cognitive behaviors are determined largely by variations in the synapses 之间的神经元。同样,森林的复杂生态行为不能由其组成生物体的行为隔离。

因为他们的小规模随机出现不统计独立的,复杂的系统往往表现出大规模的波动不是预测的平均场理论,如森林火灾,病毒社交媒体上的内容,在经济市场和崩溃。有时,这些大规模的波动适应性:他们让一个系统共同应对小输入( 42]。例如,人类对小扰动的反应很强烈在空气的密度,如自己的名字的声音。然而,一些大规模的波动造成系统性风险。

当一个系统的组件是独立的从一个另一个超过一定规模,然后在更大的尺度上,波动的大小的系统遵循正态分布(钟形曲线)的平均值和标准偏差事件的定义得很好,而且许多个标准差是非常不可能的。相互依赖关系,可能会导致一个分布的波动一个极端事件的概率,同时还小,不是天文爱好者。这样的分布特征 厚尾可以去图 7。例如,尽管人类身高瘦尾分布,没有任何的记录超过两倍高的平均人类,人类wealth-due individuals-follows厚尾分布之间的复杂的经济互动,与多个个体偏离平均超过一百万的因素( 43]。

相互依赖的危险之一是,他们可能在短期内使系统显得更稳定的降低小规模的波动的程度,而实际上增加灾难性故障的概率( 44- - - - - - 47]。这种危险是雪上加霜的是,当潜在的概率分布厚尾(一种情况更有可能由相互依赖关系),标准统计方法通常分解,导致潜在的严重低估的极端事件发生的概率 48]。作为一个思想实验,想象100梯子,每一个都有1/10的概率下降。如果梯子是独立的,他们下降的概率极低(字面意思:有关 10 20. 倍的概率随机选择一个特定的原子的原子的已知宇宙)。如果我们把所有的梯子在一起,我们将会使他们更安全,在某种意义上,任何个人阶梯下降的概率会小很多,但是我们也会创建一个不可忽视的机会,所有的梯子会一起掉下来。其他的例子包括我们的金融系统的互联性导致全球市场崩溃的可能性 49- - - - - - 54)和旅游路线的互联性增加西班牙流感等传染病的概率和COVID-19 55, 56]。当此类危机发生时,他们往往归因于近因或事件链,然后措施确保实现这些特定的连锁事件不会再次发生。但除非底层系统解决不稳定,另一个危机是迟早会发生,即使其精确的形式是无法预测的。

因为它通常是更容易收集数据关于组件的系统比收集数据关于组件之间的相互作用,研究往往不能捕获信息相关的复杂系统,由于复杂大规模行为极度依赖这样的交互。此外,随着讨论的部分 3所示。3数据分析,会严重低估了极端事件的概率(尾部风险)。最后,分析经常(隐式地)假设线性,即。,they assume that the total impact of a set of factors is equal to the sum of the impacts of each individual factor, an assumption that often breaks down for complex systems, which may possess feedback loops, abrupt transitions (tipping points), and other highly nonlinear behaviors [ 57- - - - - - 64年]。

我们如何理解这些标准的系统方法不适用吗?我们理解 所有与许多组件依赖于系统 普遍性( 65年),即。,the existence of large-scale behaviors that do not depend on the microscopic details. The standard approaches are predicated on the assumption of sufficient independence between components, which allows large-scale behaviors to be determined without a full accounting of the system’s details via mean-field theory and/or normal distributions. But mean-field theory is just one example of universality.

声音是另一个例子:所有材料,不管他们的成分,使声波的传播。声音表现同样在所有材料因为在声波的长度尺度有关,这是远远大于单个原子和分子的大小、微观参数的影响仅仅是声音的速度。注意,声波不能被理解为一个属性的平均行为在这种情况下,平均密度的材料,因为它正是系统的相关性引起的偏离平均值的声音。声音也不是最好的理解通过专注于原子运动的小细节:科学家理解声音甚至在他们知道原子是什么。理解声波的关键是认识到他们有多尺度结构的大规模波动对应于低频率和小规模的波动对应高频率和相应的模型。

林等人应用这个方法研究种族暴力( 66年]。他们建立了一个预测模型来分析种族暴力有可能发生,他们的模型适用于印度和南斯拉夫。种族暴力的原因有很多,但是,而不是专注于特定的文化机制或依赖的平均属性区域,如人口、经济数据,作者考虑了多尺度模式在民族地理分布(图 8)。他们发现,种族暴力事件并没有发生在民族要么是混合或分离而发生只有当民族分为地理补丁(这种分离属于相同的普遍性类的分离油和水),暴力最可能发生的地理特定大小的补丁。这种分析意味着种族暴力是可以预防的,用良好的政治界限,像在瑞士 67年]。虽然没有明确包括在分析中,具体细节的区域相关,因为它们导致或产生影响(或两者)的块大小,两个民族之间的仇恨,虽然没有明确认为,可能是一个原因以及地理隔离的结果( 68年]。

了解任何复杂的系统的所有细节是不可能的,就像大多数系统的分离尺度;有太多的复杂性在最小的范围。然而,与系统的行为尺度分离,重要的大型复杂系统的行为不仅仅是小规模的平均行为。多尺度的相互依赖关系可能很难或无法准确理解小规模的行为引起大规模的,但即使对于复杂系统,复杂性在更大的尺度上少了很多比在较小的尺度上。因此,总是会有大规模的行为,不依赖于系统的大部分细节(参见图 9)。分析这些行为的关键是找到合适的数学(或概念)描述,即,to identify variables that describe the relevant space of possible (large-scale) behaviors, which for complex systems is neither a simple average nor a full account of all the details. For additional examples of this multiscale approach, see [ 40]。

而不确定性使得大多数系统较弱,一些系统受益于不确定性和变化( 69年- - - - - - 72年]。这些系统的共同特点是他们的体现某种进化过程,即。,a process in which successful changes are copied (and further modified) while unsuccessful changes are not. The classic evolutionary processes are biological: due to variability introduced by random mutations, organisms with the complexity and scale of humans evolved from single-celled organisms. Furthermore, humans themselves have the property of benefiting from exposure to random shocks (provided the shocks are not too strong). Immune system performance is improved by early exposure to nonlethal pathogens [ 73年, 74年];肌肉和骨骼是由microtears加强和裂隙,分别;我们学习接触新信息和解决问题;巩固了我们的心理暴露于逆境,逆境是提供不太严重 75年, 76年]。

竞争激烈的市场经济提供系统如何能应付不确定性的另一个例子。由于我们的无知的成功,许多潜在的创新和企业必须创建和并行改进,成功的扩大和不成功的人失败。成功在这些可以改进以同样的方式与很多方法被应用在一次,等等。(然而,没有有效监管的多尺度合作frameworks-see 4.2节。大规模的经济体制可能优化的目标,适应有害社会平衡( 77年, 78年]。)

同样,大型组织的内部流程可能遵循一种进化模式的一小部分组织的失败,从而可以改进;没有这样的灵活性,整个组织可能会失败一次面对内部或外部环境的变化。在某些情况下,整个组织的失败使更有效的空间组织取而代之(假设经济充分分散和竞争的组织问题不是“太大而不能倒闭”)。政府的崩溃通常不是其中的一个例子,然而[ 79年),所以尤为重要,治理系统内部具有的灵活性受益于随机性和不确定性。也许相反,不允许小故障发生可能削弱系统长期停止进化过程和通过创建相互依赖性导致系统性风险(部分 3所示。3)。

为了在不确定性和超过个人决策的复杂性,系统可以将进化过程,让他们即使非常有限,随着时间的推移自然会提高。第一步是允许足够的变化系统,以便系统可以探索可能性的空间。因为大量的变异意味着大量的复杂性和复杂性交易规模(部分 2.4。),这种变化必须发生在较小的尺度上(空间和时间)。例如,在治理的情况下,使每个城市独立实验允许许多计划尝试并行和迭代。相反的方法是制定一个国家计划的影响将无法比较评估。

第二步是允许的一种手段的各个部分之间的通信系统,采用成功的选择和建立在其他地方(例如,城市复制其他城市的成功实践)。计划总是会产生意想不到的后果;关键是要让意想不到的后果,而不是对工作系统作为一个整体。系统只能明确地设计系统复杂性较低的自一个显式的设计本身就是一个第一个系统的行为。然而,系统随时间推移而发展成为更复杂的比他们的设计师。直接控制的欲望,因此必须放弃为了让自主增加复杂性。

成功的进化过程通常不包括激烈的竞争,而是同时包含竞争和合作,每一个发生在多尺度 80年]。例如,细胞内合作多细胞生物为了更有效地与其他生物,物种之间和有机体内部合作,为了更有效地与其他物种的竞争。竞争在更大的尺度上自然品种在小范围合作因为为了一群有效地与另一组(大规模的竞争),必须有合作。合作也可以繁殖竞争有时以来的最佳方式组织实现其共同的目标是促进健康的子组之间的竞争。这些子组必须在自己为了有效地促进合作与彼此竞争,和他们也可以增加他们的内部合作的有效性通过引入一些健康他们的成员(图之间的竞争 10提供了一个示例)。如果这些成员自己组织,竞争产生合作的过程中,产生更多的竞争可以继续更小的尺度。这个过程可以反过来:为了使个人更有效地竞争,相互配合,形成组织,进而可能会形成更大的团体合作,等等。因此,一个复杂的网络组织之间的合作与竞争不同大小的(尺度)可以自然地发展。

为了促进有效的小组合作,竞争必须得到适当的结构。足球队的球员与自己的团队成员进球不会是有效的,但是一个球员争夺最适合的标题。竞争发生的框架必须结构化,这样的竞争对手有动力采取行动集团净好;否则,一种公地悲剧的情况发生。潜在的竞争出错强调的重要性有多尺度结构与发生在多个层面上的竞争,而不是让系统中的每个人都与别人竞争。与多尺度结构,与不健康的选择进化动力学与组织,而组织与健康的竞争和合作,有利于整个集团选择。有证据表明,自然地理环境和生物进化的进化一些隔离平均场理论并不apply-has恰恰导致了这种多尺度结构的进化,因此允许真正的利他行为(例如,不是倒数)( 81年, 82年]。同样,市场经济系统是成功不是因为自由市场产生最佳结果(实际市场往往大幅偏离自由市场模型的假设,以及外部性比比皆是),而是因为,在他们最好的,适当调节市场系统允许多尺度演化过程会自然的产生,导致创新和复杂性远远超出了任何人的想象,更不用说设计。