深入理解社會(huì)經(jīng)濟(jì)系統(tǒng)背后的復(fù)雜性，一直是社會(huì)科學(xué)的研究重點(diǎn)，但直到復(fù)雜性科學(xué)（Complexity Sciences，或譯復(fù)雜科學(xué)）作為一門學(xué)科出現(xiàn)之前，這一探索道路始終崎嶇艱難。作為密歇根大學(xué)復(fù)雜系統(tǒng)研究中心負(fù)責(zé)人，同時(shí)也是計(jì)算社會(huì)科學(xué)家的Scott E. Page教授，撰寫了本篇綜述，梳理了復(fù)雜性科學(xué)（complexity sciences）為社會(huì)科學(xué)研究提供的重要方法、工具和思路。本文討論了復(fù)雜性的概念、正在蓬勃發(fā)展的復(fù)雜系統(tǒng)研究領(lǐng)域以及該領(lǐng)域與社會(huì)學(xué)的關(guān)系。首先，通過比較眾多復(fù)雜性的定義之異同，本文描述了能夠產(chǎn)生復(fù)雜性的系統(tǒng)特征：多樣性 (diversity)、網(wǎng)絡(luò)化的互動(dòng)結(jié)構(gòu) (networked interactions)、相互依賴的行為 (interdependent behavior) 以及適應(yīng)（adaptation）。接著，本文梳理了與社會(huì)學(xué)最有共鳴的復(fù)雜性科學(xué)研究成果。本文將這些成果分為四種類別：動(dòng)力學(xué) (dynamics)、聚集 (aggregation)、分布 (distributions) 以及結(jié)構(gòu)和多樣性的功能屬性（functional properties of structure and diversity）。在此基礎(chǔ)上，本文認(rèn)為將復(fù)雜性科學(xué)納入社會(huì)學(xué)需要引入新的模型和方法，以及探索更加廣闊的實(shí)證研究路徑，而更深入地吸收復(fù)雜性也將對社會(huì)學(xué)大有裨益。
關(guān)鍵詞：復(fù)雜性，多樣性，建模， 方法學(xué)，網(wǎng)絡(luò)
Scott E. Page | 作者
單俊杰 | 譯者
劉培源 | 審校
鄧一雪 | 編輯
論文題目：
What Sociologists Should Know About Complexity
https://www.annualreviews.org/doi/abs/10.1146/annurev-soc-073014-112230
1. 導(dǎo)論
2. 復(fù)雜性和復(fù)雜適應(yīng)性系統(tǒng)
3. 圖解涌現(xiàn)
4. 動(dòng)力學(xué)
5. 聚集
6. 分布
7. 多樣性和結(jié)構(gòu)
8. 討論
在這篇文章中，我描述了一系列的想法、模型、結(jié)果、理論和技術(shù)，它們都被松散地歸入復(fù)雜性科學(xué)的標(biāo)簽下。同時(shí)，我還討論了它們與社會(huì)學(xué)的關(guān)系以及對社會(huì)學(xué)的潛在影響。復(fù)雜性科學(xué)這門學(xué)科在學(xué)術(shù)期刊和大眾媒體上都引起了極大的關(guān)注，部分原因在于世界的復(fù)雜性不斷增加，原因還在于高維數(shù)據(jù)的大量出現(xiàn)。復(fù)雜性科學(xué)的倡導(dǎo)者們認(rèn)為，復(fù)雜系統(tǒng)的方法擴(kuò)大了我們可以考慮的問題范圍、我們可以收集和使用的數(shù)據(jù)類型、以及我們可以識(shí)別和分析的現(xiàn)象類別。他們還認(rèn)為從復(fù)雜性的角度出發(fā)，我們必須重新考慮與世界如何運(yùn)作以及系統(tǒng)如何聚合這些問題所緊密關(guān)聯(lián)而又習(xí)以為常的假設(shè)和觀念。一些學(xué)者將復(fù)雜性科學(xué)視作一種具有變革意義的“新科學(xué)”，這種“新科學(xué)”將會(huì)改變當(dāng)前的科學(xué)實(shí)踐 (Wolfram 2002) 。而我則持有一種更為溫和的主張，復(fù)雜性科學(xué)聚焦于許多曾經(jīng)無人問津的問題，因而有希望作為當(dāng)前社會(huì)科學(xué)研究方法的補(bǔ)充。復(fù)雜性科學(xué)的方法代表了社會(huì)科學(xué)方法論上的另一只箭 (Castellani & Hafferty 2009) ，這支箭可以幫助改善社會(huì)科學(xué)研究以及指導(dǎo)和設(shè)定政策選擇 (Colander & Kupers 2014) 。為了明確目標(biāo)，我對復(fù)雜系統(tǒng)研究中具有社會(huì)學(xué)意義的方法、發(fā)現(xiàn)、概念和模型進(jìn)行了個(gè)人化（而且有點(diǎn)特立獨(dú)行）的介紹。在這一過程中，我有選擇地評論了一些已發(fā)表的社會(huì)學(xué)研究，但我并沒有試圖對社會(huì)學(xué)和復(fù)雜性研究的交集進(jìn)行全面的文獻(xiàn)回顧。這意味著我忽略了社會(huì)學(xué)中一些優(yōu)秀的復(fù)雜性研究的例子。因此，我要求把這篇文章看作是對一系列想法的回顧，而不是更為傳統(tǒng)的文獻(xiàn)回顧。復(fù)雜性與社會(huì)學(xué)的關(guān)聯(lián)始于一種共鳴。正如我作為局外人看到的那樣，社會(huì)學(xué)這門學(xué)科試圖合理化個(gè)人與個(gè)人的集合體——群體、階級和社會(huì)——之間的互動(dòng)，并探索這些互動(dòng)是如何為人類心理、文化、社會(huì)結(jié)構(gòu)和正式組織所形塑。簡而言之，社會(huì)學(xué)認(rèn)為主體（agents）身處于網(wǎng)絡(luò)、群類和地域等環(huán)境之中。與經(jīng)濟(jì)學(xué)不同，在社會(huì)學(xué)中，這些環(huán)境或場域發(fā)揮著核心作用（Bourdieu 1984, 1993）。社會(huì)學(xué)擁抱變化和進(jìn)步，而不假定均衡狀態(tài)的存在。從社會(huì)學(xué)的角度來看，我們的社會(huì)、經(jīng)濟(jì)和政治生活都是動(dòng)態(tài)的——允許有新的想法、群類和技術(shù)。這些創(chuàng)新可以產(chǎn)生復(fù)雜的（非穩(wěn)定的）動(dòng)力學(xué)。最后，社會(huì)學(xué)的一些部分研究接受了這樣一種可能性，即一個(gè)群體可以有獨(dú)立于其成員而存在的涌現(xiàn)性質(zhì)（Byrne & Callaghan 2014, Little 2012, Sawyer 2005）。在社會(huì)學(xué)中，許多縝密的思想和信念在復(fù)雜系統(tǒng)中占據(jù)了核心地位（Xie 2007）。簡而言之，復(fù)雜系統(tǒng)由嵌入的、適應(yīng)的、多樣的個(gè)體構(gòu)成，這些個(gè)體之間的互動(dòng)產(chǎn)生了更高階的結(jié)構(gòu)（自組織）和功能（涌現(xiàn)）。復(fù)雜性科學(xué)的研究者和社會(huì)學(xué)家們一樣，為這些系統(tǒng)的性質(zhì)所吸引。這些系統(tǒng)是穩(wěn)健的嗎？行為如何聚集？形成了什么結(jié)構(gòu)？涌現(xiàn)出了什么樣的模式？出現(xiàn)了哪些跨類型的分布？系統(tǒng)中的實(shí)體是持續(xù)的嗎？這些系統(tǒng)會(huì)隨著時(shí)間變得更加復(fù)雜嗎？目前為止，我們對復(fù)雜系統(tǒng)所擁有的認(rèn)識(shí)令人印象深刻但又失之片面。我們知道，復(fù)雜系統(tǒng)往往是不可預(yù)測的，很難描述和定義，往往容易收到大事件的影響，而且容易產(chǎn)生跨類別的長尾分布 (Miller & Page 2007, Mitchell 2009) 。我可以有把握地宣稱（使用維恩圖術(shù)語），社會(huì)學(xué)中一個(gè)有意義的部分與復(fù)雜性科學(xué)的一個(gè)重要子集相重合。也就是說，盡管社會(huì)學(xué)家研究的大部分內(nèi)容可以被認(rèn)為是發(fā)生在一個(gè)復(fù)雜系統(tǒng)中，但并不是所有都是如此。換言之，盡管復(fù)雜系統(tǒng)包括社會(huì)學(xué)關(guān)注的問題，但復(fù)雜系統(tǒng)研究中的許多內(nèi)容與社會(huì)學(xué)沒有什么關(guān)系。例如，一些復(fù)雜系統(tǒng)科學(xué)家研究是對社會(huì)學(xué)不太重要的社會(huì)行動(dòng)，如交通模式（Nagel & Paczuski 1995）、金融崩潰（Goldin & Mariathasan 2014）以及國際政治（Jervis 1998）。此外，大部分的復(fù)雜系統(tǒng)研究根本不包括人類。它聚焦于物理、生物和生態(tài)系統(tǒng)。因此，人們可以找到磁鐵、神經(jīng)元、蜜蜂、森林火災(zāi)和雪崩的復(fù)雜系統(tǒng)模型。在思考社會(huì)學(xué)和復(fù)雜性之間的交集時(shí)，我看到了社會(huì)學(xué)在獲取和應(yīng)用復(fù)雜系統(tǒng)模型方面的極大潛力。這樣說是因?yàn)閺?fù)雜性科學(xué)家的沙盤中包含了大量的模型，其中許多模型可以直接或間接地應(yīng)用于社會(huì)世界。一些模型探討了一些理論問題，如一個(gè)系統(tǒng)是否會(huì)產(chǎn)生平衡、復(fù)雜性或隨機(jī)性（Page 2008，Hidalgo et al. 2014，Wolfram 2002），或一個(gè)系統(tǒng)如何受到網(wǎng)絡(luò)結(jié)構(gòu)（Newman 2010，Watts 2004）、相互依賴（Durlauf & Ioannides 2010）、多樣性（Page 2007，2010）或?qū)W習(xí)（Epstein 2014，Vriend 2000）的影響。其中許多模型可以與空間和時(shí)間數(shù)據(jù)相連接，然后應(yīng)用于從社會(huì)組織（Helbing 2010）到文化、思想和疾病的傳播（Tassier 2013）等諸多主題。有些人把復(fù)雜系統(tǒng)模型稱為跨學(xué)科模型，因?yàn)樗鼈儩M足一對多特性。我的意思是，為單一目的開發(fā)的模型可以應(yīng)用于許多其他目的。為探索疾病傳播而開發(fā)的模型已被應(yīng)用于犯罪（Akers & Lanier 2009）、肥胖（Akers & Lanier 2009）和歌星賈斯汀·比伯（Tweedle & Smith 2011）的傳播。這種應(yīng)用是通過將一種行為的擴(kuò)散（例如下載比伯的歌曲）視為一種疾病的傳播來完成的。就像一個(gè)朋友可能給你帶來麻疹，她也可能給你帶來比伯熱。不同的是，比伯熱是在互聯(lián)網(wǎng)上傳播的，而麻疹是在現(xiàn)實(shí)世界通過社交網(wǎng)絡(luò)傳播的。但是近似地看，這兩種現(xiàn)象都可以被理解為在網(wǎng)絡(luò)上的傳播。在接下來的章節(jié)中，我將描述這些模型所產(chǎn)生的概念、想法和洞見。這些想法被歸屬于動(dòng)力學(xué)、聚集、分布以及多樣性和結(jié)構(gòu)的功能屬性等類別。我將依次討論每一種類別，然后評論社會(huì)學(xué)內(nèi)部要吸收復(fù)雜性研究的成果需要的改變，以及將新的、大的數(shù)據(jù)用于這些模型的潛力。為了使文章的其余部分易于理解，我首先簡要地描述了復(fù)雜性和復(fù)雜系統(tǒng)的含義，并介紹必要的術(shù)語。2. 復(fù)雜性和復(fù)雜適應(yīng)性系統(tǒng)
復(fù)雜性這一概念可以應(yīng)用于一系列廣泛的系統(tǒng)和現(xiàn)象。大腦、全球金融系統(tǒng)、稅收碼、國際政治、中學(xué)、蛋白質(zhì)折疊、生態(tài)系統(tǒng)和螞蟻群都可以而且已經(jīng)被描述為復(fù)雜的。鑒于復(fù)雜性應(yīng)用的多樣性，人們不能期望用一個(gè)單一的測量或統(tǒng)計(jì)來捕捉復(fù)雜性的本質(zhì)（Mitchell 2009, Page 2010）。這就產(chǎn)生了一個(gè)問題和一個(gè)機(jī)會(huì)。問題在于，要使這個(gè)領(lǐng)域從組織理論家 Michael Cohen 曾經(jīng)說過的“隱喻的節(jié)慶”過渡到一門真正的科學(xué)，需要有明確的術(shù)語和概念，這就意味著需要測量。但是，沒有任何一個(gè)測量可以捕捉到復(fù)雜性概念的無數(shù)含義和細(xì)微差別。而機(jī)會(huì)則在于各種測量有可能共同發(fā)揮這種作用，因?yàn)槊恳环N測量都能捕捉到“復(fù)雜性”的部分含義。現(xiàn)有的一系列測量既可以被看作是一系列五花八門的失敗嘗試，也可以被看作是各種觀點(diǎn)的集合，其中每一種觀點(diǎn)都揭示了復(fù)雜性的某些方面。我認(rèn)為后一種描述更為準(zhǔn)確。我們可以通過接受多種定義并探索它們的相同點(diǎn)和獨(dú)特性來獲得對復(fù)雜性概念的深刻理解。出于這個(gè)原因，我將首先對多種不同類型的復(fù)雜性的測量進(jìn)行簡要的描述。有了一組數(shù)據(jù)就能更好地解釋這些測量?？紤]一組并發(fā)的時(shí)間序列數(shù)據(jù)，也許是標(biāo)準(zhǔn)普爾500指數(shù)中股票的每日價(jià)格集合，或者是密歇根州安娜堡市塔潘中學(xué)學(xué)生的智能手機(jī)上每天不斷變化的播放列表。根據(jù)各種測量，每組數(shù)據(jù)都是復(fù)雜的。首先，每一個(gè)都很難描述，我的意思是，每一個(gè)都需要很多文字來表達(dá)。在計(jì)算機(jī)科學(xué)的正式語言中，每個(gè)人都有一個(gè)相當(dāng)大的描述長度或科爾莫戈羅夫復(fù)雜性。第二，股票價(jià)格和播放列表既不是簡單的模式，也不是隨機(jī)的（Wolfram 2002）。這些數(shù)據(jù)中既蘊(yùn)含秩序，又缺乏秩序。第三，如果人們能夠識(shí)別并去除每組時(shí)間序列中的隨機(jī)性，精妙的結(jié)構(gòu)就會(huì)保留下來。物理學(xué)家把這些去掉了隨機(jī)性而得以保留的結(jié)構(gòu)稱為預(yù)測信息或超額熵（見 Prokopenko et al. 2009）。超額熵（excess entropy）是非隨機(jī)的不確定性，如果你有足夠的時(shí)間和正確的模型，你最終可以將這種非隨機(jī)的不確定性研究明白。而大量的超額熵意味著預(yù)測未來值將是一個(gè)挑戰(zhàn)。此外，無論是采用自下而上的演化系統(tǒng)還是自上而下的工程方式，每一組序列都很難重現(xiàn)。能夠創(chuàng)造出統(tǒng)計(jì)上無差別的時(shí)間序列集合的最小模型必須包含許多相關(guān)的狀態(tài)[注1]。這個(gè)過程被認(rèn)為具有高度統(tǒng)計(jì)復(fù)雜性。最后，這些數(shù)據(jù)也可以被解釋為包含大量信息（Adami 2002）。對于播放列表來說尤其如此。它們包含了做出選擇時(shí)所處的環(huán)境信息，這一洞見對社會(huì)學(xué)家來說應(yīng)該是熟悉的，但對其他學(xué)科來說卻比較新穎。注1：我所說的相關(guān)狀態(tài)是指該過程以非微弱的概率訪問的狀態(tài)。
這些形式上的特征揭示了復(fù)雜性的許多方面：具有確定的結(jié)構(gòu)，這一結(jié)構(gòu)可能蘊(yùn)含著意義，又不容易定義、預(yù)測、解釋、構(gòu)建或演化。更簡單的說（Page 2010），復(fù)雜性可以被認(rèn)為是 BOAR（介于有序和隨機(jī)之間，between ordered and random）以及 DEEEP（難以解釋、演化、構(gòu)建或預(yù)測，(difficult to explain, evolve, engineer, or predict)）。所有這些關(guān)于什么是復(fù)雜性的想法都被確定為數(shù)學(xué)測量，并與復(fù)雜性的直觀概念一致，即復(fù)雜的東西并不簡單。它很難理解。正如剛才所定義的那樣，復(fù)雜性具有現(xiàn)象學(xué)的性質(zhì)。復(fù)雜性的存在引出了它如何產(chǎn)生的問題。大多數(shù)情況下，它是由復(fù)雜系統(tǒng)產(chǎn)生的。這些系統(tǒng)往往有四種屬性。首先，復(fù)雜系統(tǒng)包含多種不同的實(shí)體。這種多樣性可能是與生俱來的，就像生態(tài)系統(tǒng)中的各種物種一樣，也可能是在相互作用的過程中產(chǎn)生的，就像從（幾乎）相同的DNA鏈分化出來的細(xì)胞一樣。第二，復(fù)雜系統(tǒng)中的不同實(shí)體在一個(gè)互動(dòng)結(jié)構(gòu)中相互作用。在某些情況下，這種結(jié)構(gòu)最好被表現(xiàn)為一個(gè)固定的網(wǎng)絡(luò)——一個(gè)人在組織層次中的位置可能在短期內(nèi)是穩(wěn)定的。在其他情況下，這個(gè)網(wǎng)絡(luò)結(jié)構(gòu)可能更加短暫。我們每天實(shí)際接觸到的人是一個(gè)動(dòng)態(tài)的、永恒的新網(wǎng)絡(luò)。第三，個(gè)體行為是相互依賴的，即一個(gè)人的行動(dòng)或行為會(huì)影響其他人的行為。這種影響可能是巨大的（例如，一個(gè)國家對另一個(gè)國家的入侵會(huì)引起其他人的多種即時(shí)反應(yīng)），也可能是更微妙的（例如，看到一個(gè)陌生人的新發(fā)型或衣服可能會(huì)改變一個(gè)人對什么是社會(huì)可以接受的這一問題的看法）。最后，也許也是最重要的，實(shí)體能夠適應(yīng)或?qū)W習(xí)。這些實(shí)體不僅改變了他們的行為，而且還改變了他們與他人的聯(lián)結(jié)以及相互依賴關(guān)系。適應(yīng)可以是在實(shí)體自身層面，例如社會(huì)系統(tǒng)，也可以是在人口層面，例如生態(tài)系統(tǒng)。在社會(huì)系統(tǒng)中，兩種類型的變化都會(huì)發(fā)生。每個(gè)人都在學(xué)習(xí)或適應(yīng)。每個(gè)組織也都必須學(xué)習(xí)和適應(yīng)（否則它們將不能長期生存）。個(gè)體和社會(huì)如何學(xué)習(xí)？嘗試、模仿和選擇都是很重要方式（Vriend 2000）。學(xué)習(xí)和適應(yīng)的規(guī)則決定了系統(tǒng)的動(dòng)力學(xué)，而系統(tǒng)的動(dòng)力學(xué)反過來又影響了接下來發(fā)生的事情（Golman & Page 2009）。具有這些特性的系統(tǒng)，即所謂的復(fù)雜系統(tǒng)，有可能產(chǎn)生復(fù)雜性。但它們不需要被稱之為復(fù)雜系統(tǒng)。一個(gè)經(jīng)濟(jì)體是一個(gè)復(fù)雜系統(tǒng)，但經(jīng)濟(jì)的許多部分是穩(wěn)定的和可預(yù)測的。因此，使用“能夠產(chǎn)生復(fù)雜性的系統(tǒng)”而不是“復(fù)雜系統(tǒng)”這個(gè)術(shù)語會(huì)更準(zhǔn)確（盡管很迂腐）。上述觀點(diǎn)可以更為正式地表達(dá)為，無論是由螞蟻、公司、國家還是跨國公司組成，一個(gè)復(fù)雜系統(tǒng)都有可能產(chǎn)生多類結(jié)果：均衡、多種模式、復(fù)雜性和隨機(jī)性（Wolfram 2002）。這里的模式既包括周期性模式，如商業(yè)周期，也包括趨勢，如犯罪的減少、對不平等的日益接受，或社會(huì)資本的減少（Putnam 2000）。一個(gè)特定的復(fù)雜系統(tǒng)往往會(huì)產(chǎn)生多類結(jié)果。考慮一下世界石油市場。過去60年的石油生產(chǎn)圖顯示了一個(gè)近似的線性趨勢（海灣戰(zhàn)爭造成了偏差）。石油生產(chǎn)緊跟全球經(jīng)濟(jì)增長，所以它表現(xiàn)出一種簡單的模式。而同一時(shí)期的石油價(jià)格圖則顯示了復(fù)雜性。這個(gè)時(shí)間序列介于有序和隨機(jī)之間。它也很難描述、解釋或預(yù)測（見圖1）。一句話，它是復(fù)雜的。圖1：石油產(chǎn)量與價(jià)格歷年變化在過去的幾十年里，復(fù)雜系統(tǒng)的一般理論取得了持續(xù)但有限的進(jìn)展（Tao 2012）。我使用復(fù)數(shù)的一般理論是因?yàn)榭赡懿淮嬖趩我坏囊话憷碚摗＿@一看法建立在一些人所謂的“非大象問題”上，即 John von Neumann 和 Stanislaw Ulam 的一句調(diào)侃：非線性函數(shù)的集合類似于非大象動(dòng)物的集合（Fisher 1987）?？赡艿膹?fù)雜系統(tǒng)的集合也許太大，以至于能夠包含所有這些認(rèn)識(shí)的單一的一般理論不太可能存在。任何復(fù)雜系統(tǒng)的一般理論都有一個(gè)問題，那就是它似乎會(huì)指出在大腦、經(jīng)濟(jì)、城市、天氣系統(tǒng)、生態(tài)、金融市場、知識(shí)界和螞蟻群中都有相同的現(xiàn)象。真的是這樣嗎？一方面，顯然不是。螞蟻群不會(huì)產(chǎn)生颶風(fēng)或遭受癲癇發(fā)作。另一方面，當(dāng)然如此。非大象的集合有許多共同的性質(zhì)。幾乎所有復(fù)雜系統(tǒng)都表現(xiàn)出聚集的波動(dòng)性，而且這些復(fù)雜系統(tǒng)既表現(xiàn)出穩(wěn)健性（Jen 2005）又可能產(chǎn)生大事件（Ramo 2009），這很矛盾。許多復(fù)雜系統(tǒng)也產(chǎn)生長尾分布，即非正態(tài)分布。城市規(guī)模、交通堵塞的長度、公司規(guī)模、戰(zhàn)爭死亡人數(shù)、物種豐度和引用數(shù)量的分布都有長尾。雖然沒有一個(gè)單一的因果模型可以解釋這些類似的分布，但似乎確實(shí)有一些基本的原因可以解釋大多數(shù)情況，例如正反饋、自組織的臨界狀態(tài)，這一點(diǎn)我在下文中會(huì)詳細(xì)地提到。另一些復(fù)雜系統(tǒng)的共同性質(zhì)包括自組織、涌現(xiàn)、邊界和水平（Holland 2014）、路徑依賴、閾值現(xiàn)象（又稱臨界點(diǎn)）、創(chuàng)新的產(chǎn)生（1955年財(cái)富500強(qiáng)中幾乎沒有10%的公司至今仍在該名單上），以及平衡探索與利用之間的張力。這些現(xiàn)象都可以在空間、生物、生態(tài)、經(jīng)濟(jì)和虛擬世界中找到。如上所述，這就是為什么復(fù)雜性科學(xué)被認(rèn)為具有跨學(xué)科性質(zhì)，因?yàn)樗峁┻m用于多個(gè)領(lǐng)域的概念。因此，即使復(fù)雜系統(tǒng)可能缺乏一個(gè)統(tǒng)一的理論，該領(lǐng)域仍然包含大量連貫和關(guān)聯(lián)的理解，足以構(gòu)成一個(gè)知識(shí)體系。我采用圖形表達(dá)復(fù)雜性理論的研究成果（圖2）。該圖反映了一個(gè)事實(shí)，即復(fù)雜系統(tǒng)通向科學(xué)的途徑是自下而上的（Iwasa et al. 1987）。分析的基本單位是主體，而不是一組變量（Macy & Willer 2002）。[注2] 置身于社會(huì)空間中的主體被賦予了行動(dòng)，并不受約束（Epstein 2014, Miller & Page 2007）。系統(tǒng)的聚集行為可能達(dá)到一種均衡狀態(tài)，產(chǎn)生一種模式，或接近于隨機(jī)性或復(fù)雜性。設(shè)想把孩子送到營地，把孩子的裝備安排在一個(gè)小屋里，然后開車離開，讓一切發(fā)生。注2：復(fù)雜系統(tǒng)模型將主體放在第一位 (Wellman 2014) ，因而將其與依賴總體狀態(tài)變量之間流量的系統(tǒng)動(dòng)力學(xué)模型區(qū)分開來 (Sterman 2000)。
圖2：復(fù)雜系統(tǒng)模型中從微觀主體到宏觀現(xiàn)象的涌現(xiàn)這在圖中顯示如下。在一個(gè)特定的時(shí)間點(diǎn)（圖中的時(shí)間t），一組微觀層面的主體（可以是人或組織）采取了行動(dòng)。這些行動(dòng)在圖中的左下角表示。這些行動(dòng)聚集在一起，產(chǎn)生更高層次的現(xiàn)象（用Yt表示）。我在圖中只畫了兩個(gè)層次；更準(zhǔn)確的版本應(yīng)該包括中間層次（Little 2012）。人聚成群，群體聚集則生成社會(huì)。該圖還清楚地表明，宏觀層面的變量自身蘊(yùn)含著動(dòng)力學(xué)。在圖的頂部加入因果箭頭，使涌現(xiàn)圖與科爾曼之舟區(qū)別開來（Little 2012）。不同的宏觀（中觀）層面動(dòng)力學(xué)的可能性部分依賴于自組織和涌現(xiàn)性質(zhì)的存在：中觀和宏觀層面的性質(zhì)不能存在于微觀層面（Sawyer 2005）。這些性質(zhì)可能是系統(tǒng)層面的屬性，如穩(wěn)健性或效率，也可能是更具體的行動(dòng)，如引導(dǎo)船只到港口（Hutchins 1996）。復(fù)雜系統(tǒng)學(xué)者不說整體大于部分之和，而是傾向于引用物理學(xué)家 Philip Anderson（1972）的話，他寫道：“多者異也”（More is Different）。他的這句話抓住了一個(gè)事實(shí)，即宏觀和微觀可以在本質(zhì)上不同。該圖使我們必須嘗試用一群主體在微觀層面的互動(dòng)來解釋宏觀層面的模式、性質(zhì)和動(dòng)力學(xué)。在物理系統(tǒng)中建立因果聯(lián)系比較容易，因?yàn)榉治龅幕締挝煌窍嗤?，如碳原子或簡單的磁體。社會(huì)學(xué)的基本單位——人——是獨(dú)特的，這使得對聚集的理解更加困難。因此，獨(dú)特的宏觀層面的模式、屬性和功能的涌現(xiàn)最好用物理系統(tǒng)來表達(dá)。例如，水表現(xiàn)出分子不具備的濕性和粘性等屬性。這些宏觀層面的屬性可以表現(xiàn)出自己的動(dòng)力學(xué)，例如水在巖石上的流動(dòng)。理想情況下，這些涌現(xiàn)屬性及其動(dòng)力學(xué)是可以理解的，比如物理學(xué)家理解了波浪的形成，或者社會(huì)科學(xué)家可以解釋人流是如何從微觀層面的行為中涌現(xiàn)出來的（Helbing 2010）。但社會(huì)科學(xué)家并不需要這樣物理系統(tǒng)。此外，一些涌現(xiàn)現(xiàn)象仍然保持神秘，比如意識(shí)。從涌現(xiàn)圖中可以清晰的看到，復(fù)雜系統(tǒng)的視角對可能的微觀和宏觀現(xiàn)象類型不作任何假設(shè)。一個(gè)系統(tǒng)可以穩(wěn)定在一種均衡狀態(tài)，形成模式，表現(xiàn)出復(fù)雜性，或者產(chǎn)生一個(gè)又一個(gè)完全沒有結(jié)構(gòu)的東西。如果我們能寫下一個(gè)有最大值或最小值的勢能函數(shù)，使得每當(dāng)系統(tǒng)不處于均衡狀態(tài)時(shí)，勢能至少增加或減少一些固定量，那么我們就知道系統(tǒng)最終會(huì)達(dá)到均衡。然而，如果一個(gè)系統(tǒng)包括相互依賴關(guān)系，例如兩方之間進(jìn)行交易將實(shí)質(zhì)上影響其他人，那么勢能函數(shù)就不存在。這一點(diǎn)值得解讀。在一個(gè)集市上（一個(gè)純粹的交換經(jīng)濟(jì)體），兩個(gè)人的交易只有在每個(gè)人都受益的情況下才能進(jìn)行。那些沒有參與交易的人是不受影響的。因此，任何貿(mào)易都會(huì)增加總效用（總福利），所以存在一個(gè)勢能函數(shù)，并且貿(mào)易最終必須停止（達(dá)到均衡）。同樣的邏輯適用于協(xié)作博弈（Page 1997）和反協(xié)作博弈（Page 2001），例如選擇何時(shí)去購物，何時(shí)去健身房。相反，在國際關(guān)系、政治或商業(yè)中，一個(gè)聯(lián)盟可能會(huì)使組成聯(lián)盟的雙方受益，但可能會(huì)損害其他人。總效用可能會(huì)減少。因此，我們不能保證這個(gè)過程會(huì)停止，因?yàn)槁?lián)盟的形成過程并不伴隨著普遍的效用增加。系統(tǒng)可能會(huì)產(chǎn)生一種模式，或者更有可能產(chǎn)生一種復(fù)雜性，而不是一種均衡。如上所述，在一個(gè)復(fù)雜系統(tǒng)中，微觀和宏觀層面都蘊(yùn)含著動(dòng)力學(xué)。在某些情況下，宏觀動(dòng)力學(xué)最好通過微觀層面的行為來解釋，但在其他情況下則不然（Shalizi et al. 2004）。這些微觀層面的行為往往是基于規(guī)則和適應(yīng)性。在約會(huì)或配偶選擇的復(fù)雜系統(tǒng)模型中，主體可能遵循對局部和全局信息做出反應(yīng)的規(guī)則。這些規(guī)則將會(huì)產(chǎn)生多種模式。隨著主體學(xué)習(xí)這些模式，他們相應(yīng)地調(diào)整他們的行為。其結(jié)果可能達(dá)到均衡狀態(tài)，或者更經(jīng)常的是產(chǎn)生另一種模式。隨著時(shí)間的推移，該系統(tǒng)很可能產(chǎn)生一連串的非平穩(wěn)性模式，即復(fù)雜性（LeBaron 2001）。這種在模式上建立模式的想法與宏觀經(jīng)濟(jì)學(xué)中占主導(dǎo)地位的動(dòng)態(tài)、隨機(jī)、一般、均衡（DSGE）模型形成鮮明對比。在這些 DSGE 模型中，經(jīng)濟(jì)被假定為處于一種均衡狀態(tài)。每個(gè)主體都尋求達(dá)到均衡狀態(tài)，并假設(shè)其他人也是如此。模型中動(dòng)力學(xué)的出現(xiàn)是由于沖擊，以及對于部分尋求實(shí)現(xiàn)新的均衡狀態(tài)的主體的回應(yīng)。這些模型可以被看作是通往均衡的一系列路徑。而在一個(gè)復(fù)雜系統(tǒng)模型中，主體不具備這樣的目的論屬性。他們的行動(dòng)將基于過去的模式。在他們可以預(yù)期的未來中，他們不需要做得完美。如果我們知道主體所遵循的規(guī)則，在某些情況下，我們可以通過使用定點(diǎn)定理來證明存在一個(gè)均衡狀態(tài)。然而，均衡的存在并不能保證一群具有學(xué)習(xí)能力的主體們將會(huì)達(dá)到這種均衡（Epstein 2007）。復(fù)雜系統(tǒng)思想家們的一句口頭禪是：“如果你沒有演化出來，你就沒有證明它。”此外，一個(gè)系統(tǒng)可能有多個(gè)平衡點(diǎn)；如果有的話，能達(dá)到哪個(gè)平衡點(diǎn)，可能取決于系統(tǒng)的初始狀態(tài)、個(gè)體如何學(xué)習(xí)（Golman & Page 2009），或者他們是如何相互連接的（Jackson 2010）。更準(zhǔn)確地說，復(fù)雜系統(tǒng)模型表現(xiàn)出對初始條件和路徑依賴的敏感性。這一洞察與社會(huì)學(xué)研究實(shí)踐有關(guān)。例如Salganik等人（2006）的音樂實(shí)驗(yàn)室實(shí)驗(yàn)。在這些實(shí)驗(yàn)中，個(gè)人可以選擇和下載音樂。在一實(shí)驗(yàn)中，受試者不能看到其他人下載了什么音樂。在第二個(gè)實(shí)驗(yàn)中，他們可以看到其他人下載了什么音樂，結(jié)果是人們下載了和別人一樣的音樂——這是一種正反饋。而正反饋則產(chǎn)生了一個(gè)長尾分布。更重要的是，它們還產(chǎn)生了路徑依賴。最終結(jié)果取決于過程中發(fā)生的結(jié)果（Page 2006）。出于規(guī)范性和正面的原因，社會(huì)學(xué)家對于路徑依賴相當(dāng)感興趣。在音樂實(shí)驗(yàn)室的實(shí)驗(yàn)中，下載量最大的歌曲可能得益于運(yùn)氣，也可能得益于技巧。同樣地，一篇被引用500次的學(xué)術(shù)論文的成功也可能歸功于正反饋或該論文的學(xué)術(shù)質(zhì)量。因此，產(chǎn)品的銷售也一樣，消費(fèi)者的選擇可能基于別人的選擇（Denrell & Liu 2012）。路徑依賴對確定分析同樣有影響。結(jié)果的偶然性給所謂的對最終結(jié)果數(shù)據(jù)的回歸分析帶來了問題。忽視動(dòng)力學(xué)因素和只考慮最終的數(shù)據(jù)可能會(huì)導(dǎo)致不正確的推論。這些歌曲和論文的某些特征可能與這些歌曲和論文的下載量有因果關(guān)系，但另一些特征可能是特異性的。復(fù)雜性的視角迫使人們?nèi)ヌ剿鹘Y(jié)果的偶然性，即結(jié)果在多大程度上取決于系統(tǒng)中的動(dòng)態(tài)行為。正反饋只是一個(gè)系統(tǒng)許多可能的特征之一，這些特征可以影響系統(tǒng)中的動(dòng)力學(xué)以及結(jié)果。非線性動(dòng)力學(xué)的產(chǎn)生有多種原因。它們可能來自人口層面效應(yīng)。例如，在一個(gè)婚姻配對模型中，配對并不發(fā)生在總體人口層面。未匹配的人不能代表總體人口，他們改變了剩余個(gè)體的配對環(huán)境（ Xie et al. 2015）。有趣的動(dòng)力學(xué)也可以通過子空間建設(shè)和破壞產(chǎn)生（Holland 2014）。在博弈論中，使用 ABM 方法，重復(fù)進(jìn)行囚徒困境產(chǎn)生了合作的環(huán)境，因?yàn)橹黧w發(fā)展了識(shí)別其他合作者的方法。這在行為規(guī)則的空間中產(chǎn)生了一個(gè)合作子空間（Axelrod 1997）。這樣的子空間可能會(huì)存在很久，直到一個(gè)主體找出如何利用合作者的方法，破壞合作的子空間并產(chǎn)生一個(gè)背叛的環(huán)境。聚集是復(fù)雜性科學(xué)研究成果的第二種類別。復(fù)雜系統(tǒng)經(jīng)常產(chǎn)生反直覺的，甚至是矛盾的聚集結(jié)果。學(xué)者們已經(jīng)開發(fā)了各種模型，幫助解開聚集的奧秘。這些模型展示了簡單的規(guī)則如何產(chǎn)生復(fù)雜性（Wolfram 2002），以及復(fù)雜的微觀層面的規(guī)則如何在宏觀層面產(chǎn)生統(tǒng)計(jì)的均衡狀態(tài)。微觀層面的規(guī)則在宏觀層面產(chǎn)生統(tǒng)計(jì)的均衡狀態(tài)典型的出現(xiàn)在布萊恩·阿瑟的 El Farol 酒吧問題（Arthur 1994）中。在這個(gè)模型中，每個(gè)主體必須決定參加每周一次的活動(dòng)還是呆在家里。每個(gè)主體都愿意參加活動(dòng)，但如果有太多的人參加，他們將不再愿意參加。隨著時(shí)間的推移，主體將根據(jù)過去的一系列的出席人數(shù)，決定是不是參加活動(dòng)。而最理想的參加人數(shù)是所有活動(dòng)出席人數(shù)總和的平均數(shù)。盡管在微觀層面上，該模型是由一個(gè)精心設(shè)計(jì)、不斷發(fā)展的規(guī)則構(gòu)成的系統(tǒng)，而每周出席人數(shù)的時(shí)間序列看起來像是圍繞著平均值的隨機(jī)波動(dòng)。這種微觀和宏觀之間的脫節(jié)也可以在真實(shí)的金融市場中看到，在真實(shí)的金融市場中，杰出的投資者和團(tuán)隊(duì)精心制定策略，但最終的結(jié)果是價(jià)格的模式幾乎是隨機(jī)的（LeBaron 2001）。為了描述一些已知的復(fù)雜系統(tǒng)中的聚集現(xiàn)象，我首先討論了復(fù)雜系統(tǒng)的屬性是如何通過聚集影響復(fù)雜性的產(chǎn)生。然后，我將描述多樣性、關(guān)聯(lián)性、相互依賴性和學(xué)習(xí)率的變化是如何導(dǎo)致聚集層面的復(fù)雜性增加或減少的。最后，我討論聚集如何產(chǎn)生自組織和涌現(xiàn)的問題。在探索聚集的過程中，出現(xiàn)了許多 '假如'問題。假如我們增加這個(gè)參數(shù)呢？假如我們讓主體更有適應(yīng)性，更多樣化，或更少聯(lián)結(jié)呢？為了回答這些問題，必須對傳統(tǒng)方法進(jìn)行擴(kuò)展。在一個(gè)均衡模型中，人們通過改變參數(shù)和評估均衡的變化，對模型進(jìn)行比較靜態(tài)分析。如果我們降低稅收，經(jīng)濟(jì)增長會(huì)怎樣；如果我們加大懲罰力度，犯罪率會(huì)怎樣；如果候選人消極怠工，選民投票率會(huì)怎樣，等等。復(fù)雜系統(tǒng)模型不一定產(chǎn)生均衡，所以標(biāo)準(zhǔn)的比較靜態(tài)分析往往是不可能的。因?yàn)?，如果均衡不存在，我們就不能比較均衡。同樣有問題的是，我們不能只擴(kuò)大結(jié)果的類別，然后對動(dòng)力學(xué)、模式和隨機(jī)性進(jìn)行比較，因?yàn)楦淖円粋€(gè)變量可能會(huì)改變結(jié)果的類別。當(dāng)一個(gè)參數(shù)改變時(shí)，一個(gè)處于平衡狀態(tài)的系統(tǒng)可能會(huì)變得復(fù)雜。這樣的一類結(jié)果變化比人們想象的更常見。從混沌和非線性動(dòng)力學(xué)的研究中，我們知道系統(tǒng)可以從具有單一均衡狀態(tài)轉(zhuǎn)變?yōu)榫哂袃蓚€(gè)均衡狀態(tài)（分叉），或者從均衡狀態(tài)轉(zhuǎn)變?yōu)橹芷谛郧€或轉(zhuǎn)變?yōu)殡S機(jī)狀態(tài)（相變）。這些結(jié)果類別的變化可能在臨界值或臨界點(diǎn)突然發(fā)生。臨界點(diǎn)可以是環(huán)境性的（即影響系統(tǒng)行為的參數(shù)的微小變化），也可以是直接的（即導(dǎo)致系統(tǒng)走向某一特定狀態(tài)或一類結(jié)果的行動(dòng)）（Lamberson & Page 2012）。當(dāng)民眾變得足夠憤怒，有可能發(fā)生起義時(shí)，就會(huì)出現(xiàn)環(huán)境性的提示。一個(gè)直接的提示是使起義開始的行動(dòng)。在環(huán)境性的提示出現(xiàn)后，變化是不可避免的。而把這種不可避免的變化歸結(jié)為一個(gè)特定的行動(dòng)可能是不得要領(lǐng)的（Omerod 2012, Watts 2011）。也就是說，復(fù)雜系統(tǒng)的核心屬性——多樣性、關(guān)聯(lián)性、相互依賴性和適應(yīng)率——的變化并意味著可以產(chǎn)生任意的結(jié)果，也不是說復(fù)雜系統(tǒng)是無法理解的。恰恰相反，許多普遍的模式確實(shí)存在。最值得注意的是，復(fù)雜性不會(huì)發(fā)生在極端點(diǎn)。復(fù)雜性發(fā)生在一個(gè)介于兩者之間的區(qū)域（Miller & Page 2007）。要想知道為什么會(huì)這樣，可以想象有四個(gè)表盤，每個(gè)表盤代表一個(gè)復(fù)雜系統(tǒng)的一個(gè)屬性，然后想象撥動(dòng)這些表盤。讓我們首先增加連接性，保持其他屬性不變。想象一下一些完全沒有聯(lián)系的銀行，比如說可能是一百年前的情況。如果一家銀行倒閉，不存在任何系統(tǒng)層面的影響。只有這一家銀行會(huì)倒閉?，F(xiàn)在，讓我們增加連通性，并假設(shè)銀行向它們所連接的銀行借款和貸款。現(xiàn)在，如果一家銀行倒閉，它將不再有能力償還它從其他銀行借來的錢。這可能會(huì)導(dǎo)致出借方銀行倒閉，并引起傳遞效應(yīng)。因此，連接性的增加導(dǎo)致大型事件發(fā)生的可能性增加，同時(shí)也增加了復(fù)雜性——因?yàn)槊考毅y行都在其利基市場范圍內(nèi)運(yùn)作。現(xiàn)在，讓我們進(jìn)一步增加連接性。如果每家銀行都與其他銀行相連，那么一家銀行的故障就會(huì)被系統(tǒng)吸收。此外，每家銀行都在一個(gè)相同的背景下運(yùn)作——每家銀行都與其他銀行相連。這個(gè)系統(tǒng)并不復(fù)雜。這些影響在圖 3a,b 中很明顯。它顯示了在Elliot等人（2014）撰寫的金融相互依賴模型中，大型銀行倒閉的概率作為相互依賴程度的函數(shù)。隨著互聯(lián)程度的增加，銀行倒閉的可能性也會(huì)增加，但隨著互聯(lián)程度繼續(xù)增加，倒閉的可能性又會(huì)下降。與此相關(guān)的是，許多模型考慮了在囚徒困境游戲中玩固定策略的主體，其中更好的策略在人口中增長更快（復(fù)制子動(dòng)力學(xué)）。當(dāng)這些主體被放在一個(gè)一維網(wǎng)絡(luò)中時(shí)，沒有什么有趣的事情發(fā)生。在有三個(gè)或更多維度的模型中，一種策略會(huì)占主導(dǎo)地位；然而，在兩個(gè)維度中，所產(chǎn)生的動(dòng)力學(xué)是復(fù)雜的。計(jì)算機(jī)模擬的結(jié)果已經(jīng)在生物學(xué)上得到了復(fù)現(xiàn)（Kerr et al. 2002）。又一次，復(fù)雜性發(fā)生在中間地帶。接下來，我們可以調(diào)整多樣性表盤。如果每個(gè)主體都是相同的，那么這個(gè)系統(tǒng)就不會(huì)復(fù)雜。隨著我們增加多樣性，我指的是行為的多樣性，那么系統(tǒng)很可能變得復(fù)雜。但是，如果每個(gè)主體的行為都是獨(dú)一無二的，那么微觀層面的行為將是隨機(jī)的，因此在系統(tǒng)層面，大數(shù)法則邏輯將適用，結(jié)果將是一個(gè)統(tǒng)計(jì)平衡。在微觀層面上，系統(tǒng)可能是復(fù)雜的，因?yàn)樗鼘⒑茈y定義，但它不會(huì)產(chǎn)生復(fù)雜性。第三個(gè)表盤對應(yīng)的是相互依賴關(guān)系。改變相互依賴關(guān)系的效果，也許可以在社會(huì)互動(dòng)模型中得到最好的體現(xiàn)（Durlauf & Ioannides 2010）?？紤]一組排列在長方形網(wǎng)格上的主體，他們可以選擇兩個(gè)行動(dòng)之一，向上（+1）和向下（-1）。在該模型的應(yīng)用中，這些行動(dòng)代表選擇是否采取一個(gè)特定的行為，例如，在學(xué)校努力學(xué)習(xí)，吸毒，或者它們可能代表在兩種行為中進(jìn)行選擇。為了啟動(dòng)這個(gè)模型，每個(gè)主體都從一個(gè)初始行動(dòng)開始——向上或向下。假設(shè)這兩個(gè)行動(dòng)的可能性相同。在社會(huì)互動(dòng)模型中，每個(gè)主體都有一個(gè)具有影響力的鄰居。現(xiàn)在，我們可以把這些影響者看作是北、南、東、西四個(gè)鄰居（伊辛模型）或整個(gè)網(wǎng)格（居里-魏斯模型）。這些影響者可以使主體改變其行動(dòng)。假設(shè)有以下行為規(guī)則。假設(shè)一個(gè)主體有（S）概率（面對社會(huì)壓力）選擇與大多數(shù)鄰居一樣的行動(dòng)。有概率（1-s），主體隨機(jī)選擇。如果 s 很小，那么系統(tǒng)將平均有接近一半的主體選擇向上，另一半人選擇向下。隨著社會(huì)壓力（s）的增加，系統(tǒng)會(huì)出現(xiàn)提示，從而產(chǎn)生有兩個(gè)均衡，而不是一個(gè)：一個(gè)是有大量主體選擇向上，一個(gè)是有大量主體選擇向下。在這個(gè)臨界值，該模型產(chǎn)生了復(fù)雜動(dòng)力和模式。再一次，復(fù)雜性發(fā)生在中間值的范圍內(nèi)。低社會(huì)壓力導(dǎo)致沒有復(fù)雜性（每個(gè)行動(dòng)的數(shù)量相等），高社會(huì)壓力導(dǎo)致同質(zhì)性。介于兩者之間的是復(fù)雜性。很明顯，最后考慮改變適應(yīng)或?qū)W習(xí)的速度。如果主體遵循固定的規(guī)則，那么一些系統(tǒng)可以產(chǎn)生復(fù)雜的動(dòng)力學(xué)（Wolfram 2002），但只針對精心選擇的規(guī)則集。如果適應(yīng)性轉(zhuǎn)盤被設(shè)置得無限高，那么就是假定主體可以理性地預(yù)期會(huì)發(fā)生什么，而且主體將總是采取最佳行動(dòng)。其結(jié)果將類似于假設(shè)理性預(yù)期的經(jīng)濟(jì)模型：均衡。在中間，當(dāng)主體以更適度的速度適應(yīng)和學(xué)習(xí)時(shí)，他們會(huì)產(chǎn)生總體模式。然后他們學(xué)習(xí)這些模式并創(chuàng)造新的模式。復(fù)雜系統(tǒng)內(nèi)的聚集可以產(chǎn)生在微觀層面上不存在或不可能存在的模式、功能和特性。這通常被稱為涌現(xiàn)。大腦中的意識(shí)，社會(huì)中的文化，以及（如前所述）水的濕度，都存在于宏觀層面，但不能由單一的組成部分來維持。一個(gè)水分子不可能是濕的。涌現(xiàn)可以發(fā)生在多個(gè)層面。嵌入DNA和環(huán)境中的信息結(jié)合在一起，產(chǎn)生分化的細(xì)胞。反過來，這些細(xì)胞的組合形成器官和器官系統(tǒng)。每個(gè)層次都有在其下面的層次不存在的功能。類似的特征也適用于人、群體和社會(huì)。每種聚聚集產(chǎn)生的實(shí)體都有不同的能力，并能表現(xiàn)出不同的屬性。在這里，我講對涌現(xiàn)和自組織進(jìn)行了區(qū)分。前者是指屬性和功能，而后者是指模式或形式。鳥類的成群結(jié)隊(duì)，種族的隔離，以及觀眾席上個(gè)人有節(jié)奏的鼓掌都是自組織的模式。意識(shí)、文化和集體認(rèn)知是涌現(xiàn)的例子。在每一種情況下，都有一種功能存在于宏觀層面，而在微觀層面上并不存在（Hutchins 1996）。自組織和微觀規(guī)則。在社會(huì)學(xué)中，對自組織概念的理解對于解釋和評估宏觀層面的模式尤為重要。從 Schelling（1971）的隔離模型中可以看出，出現(xiàn)的模式不一定與微觀層面的偏好和行為一致。在他的模型中，Schelling（1971）假設(shè)了一個(gè)同質(zhì)的、基于閾值的搬家行為規(guī)則——如果鄰居中屬于同一種族群體或收入階層的人少于一個(gè)固定的部分，人們就會(huì)搬遷。他發(fā)現(xiàn)，即使有一個(gè)（相對）寬容的閾值，系統(tǒng)也會(huì)自我組織成隔離的社區(qū)。這里我們發(fā)現(xiàn)了一個(gè)微觀和宏觀之間的脫節(jié)。但是，這發(fā)生在一個(gè)極度非寫實(shí)的模型中，這并不是現(xiàn)實(shí)主義的。謝林的模型假設(shè)了一個(gè)同質(zhì)的閾值規(guī)則和兩種類型的主體以同等比例存在。他沒有努力對他的模型進(jìn)行校準(zhǔn)。Bruch & Mare（2006）考慮了一個(gè)更合理的帶有概率成分的線性行為規(guī)則（實(shí)際上是一個(gè)隨機(jī)效用模型）。他們還將自己的模型與底特律地區(qū)研究中得出的偏好進(jìn)行了校準(zhǔn)。Bruch & Mare 的原始分析顯示，隔離現(xiàn)象遠(yuǎn)比 Schelling 的模型要少。Bruch & Mare 的結(jié)果受到了 van de Rijt 等人（2009）的質(zhì)疑，他們發(fā)現(xiàn)了一個(gè)編碼錯(cuò)誤，確定了在有誤差的線性規(guī)則下隔離更加極端的參數(shù)，并表明如果隨機(jī)成分足夠大，隔離會(huì)減少。Bruch & Mare（2012）隨后的分析表明，隔離的程度如何取決于線性規(guī)則的斜率和誤差項(xiàng)的大小。與此相關(guān)，Xie & Zhou（2012）展示了隔離是如何被個(gè)人層面的異質(zhì)性削弱的，因?yàn)楦鼘捜莸膫€(gè)人將種族混雜的社區(qū)聯(lián)系在一起。我做這個(gè)簡短而不完整的回顧的原因有兩個(gè)：把謝林模型及其前身作為自組織的例子，并強(qiáng)調(diào)主要結(jié)果的穩(wěn)健性。人們可以將閾值規(guī)則改為線性規(guī)則，可以提高或降低隨機(jī)的程度，可以使主體異質(zhì)化，對于相當(dāng)大的參數(shù)范圍，系統(tǒng)將產(chǎn)生某種程度的隔離（Bruch 2014）。這是因?yàn)榘徇w會(huì)產(chǎn)生兩種類型的正反饋。首先，它增加了舊社區(qū)中與搬遷者相同類型的個(gè)人想要搬遷的概率。第二，它增加了新社區(qū)中與搬遷者相反類型的個(gè)人想要搬遷的概率。這些正反饋產(chǎn)生了一種放大作用，這種放大作用表現(xiàn)在隔離上，超出了偏好的線性評估所能表明的范圍。種族隔離是自組織，因?yàn)樗且环N模式，而不是一種新的功能，如意識(shí)，這些功能是涌現(xiàn)的。而自組織和涌現(xiàn)之間的區(qū)別比人們想象的要模糊，因?yàn)槟Ｊ揭部梢杂泄δ?。社?huì)網(wǎng)絡(luò)的小世界屬性（Watts 2004）可以被認(rèn)為是涌現(xiàn)的。小世界網(wǎng)絡(luò)的平均路徑長度很低，俗稱六度分隔現(xiàn)象。人們建立網(wǎng)絡(luò)的目的并不是為了在五個(gè)步驟內(nèi)連接到音樂家溫頓-馬薩利斯（Wynton Marsalis），但他們的網(wǎng)絡(luò)允許他們這樣做，而且這一特征的出現(xiàn)并不是有任何人有意為之的。社會(huì)系統(tǒng)中的涌現(xiàn)有多種形式。在此，我重點(diǎn)討論兩種形式：系統(tǒng)的穩(wěn)健性和群體層面的現(xiàn)象。許多復(fù)雜系統(tǒng)，例如，我們的大腦、我們的身體、生態(tài)系統(tǒng)、經(jīng)濟(jì)、政治系統(tǒng)（Bednar 2008）和互聯(lián)網(wǎng)等等，都表現(xiàn)出顯著的穩(wěn)健性。即使這些系統(tǒng)中的主體的主要?jiǎng)訖C(jī)不是系統(tǒng)的穩(wěn)健性，而是個(gè)人的成功，也會(huì)出現(xiàn)這種情況。這可以歸結(jié)為智能系統(tǒng)的設(shè)計(jì)。但是除了政治系統(tǒng)之外，很少有社會(huì)系統(tǒng)有設(shè)計(jì)者，甚至那些設(shè)計(jì)者的控制能力也很有限。[注3]生態(tài)系統(tǒng)沒有建造藍(lán)圖，大腦同樣沒有。注3：關(guān)于設(shè)計(jì)的文獻(xiàn)著重于創(chuàng)建具有有效且均衡的系統(tǒng)，而不是穩(wěn)健的結(jié)果。(Page 2012, Reiter 1977).
在一些系統(tǒng)中，穩(wěn)健性的出現(xiàn)是因?yàn)楦鞑糠值倪m應(yīng)性。主體擁有或演化出使他們能夠?qū)?nèi)部動(dòng)力學(xué)和外部刺激做出反應(yīng)的能力（Jen 2005）。如果每個(gè)類型的主體保持活力，那么系統(tǒng)也會(huì)保持活力。系統(tǒng)中許多部分都具備適應(yīng)能力意味著該系統(tǒng)具備穩(wěn)健性。行為可塑性在集合體理論中找到了呼應(yīng)，其中的集合體的組成部分可以在系統(tǒng)之間移動(dòng)（DeLanda 2006）。因此，集合體可以執(zhí)行各種功能，而不是一個(gè)特定的功能。請注意，集合體系統(tǒng)會(huì)因適應(yīng)而發(fā)生變化，所以它不應(yīng)被看作是一個(gè)固定的實(shí)體。這就是為什么復(fù)雜性科學(xué)家將穩(wěn)健性與穩(wěn)定性區(qū)分開來。穩(wěn)定的系統(tǒng)會(huì)返回到以前的平衡點(diǎn)。穩(wěn)健的系統(tǒng)不斷地適應(yīng)，但也許是以不同的方式。當(dāng)然，穩(wěn)健性的反面是系統(tǒng)性風(fēng)險(xiǎn)（見Centeno et al. 2015）。正如穩(wěn)健性可以是一個(gè)涌現(xiàn)的屬性一樣，大型事件的可能性也可以是一個(gè)涌現(xiàn)的屬性。如上所述，復(fù)雜系統(tǒng)經(jīng)常產(chǎn)生大量小規(guī)模事件，偶爾也有大規(guī)模事件發(fā)生。缺乏一個(gè)中央計(jì)劃者應(yīng)該是一個(gè)值得關(guān)注的原因。一個(gè)復(fù)雜系統(tǒng)并不保證是穩(wěn)健的。接下來，考慮群體層面的功能的涌現(xiàn)。在社會(huì)系統(tǒng)中，群體可以被認(rèn)為是一個(gè)集合體，而群體的屬性可以區(qū)別于并超過個(gè)人的屬性（Sawyer 2005）。就像大腦可以完成遠(yuǎn)超過任何一個(gè)神經(jīng)元的能力一樣，群體也可以完成任何一個(gè)人都無法完成的任務(wù)。Hutchins（1996）提供了一個(gè)關(guān)于沒有一個(gè)人如何引導(dǎo)一艘船入港的說明。這種能力是一種由個(gè)人組成的交流網(wǎng)絡(luò)的屬性。管理任何組織或整個(gè)社會(huì)運(yùn)作的能力同樣如此。沒有人管理經(jīng)濟(jì)。它的運(yùn)作或失敗是個(gè)人行動(dòng)聚集的一個(gè)涌現(xiàn)屬性。涌現(xiàn)發(fā)生在各種各樣的環(huán)境中的多層次的聚集中。爵士樂三重奏的卓越表演、運(yùn)動(dòng)隊(duì)的精彩演出以及令人屏息的莎士比亞戲劇都是涌現(xiàn)的。它們不是各個(gè)部分的屬性。它們的存在取決于個(gè)人之間的聯(lián)系和沿著這些聯(lián)系發(fā)生的交流（Sawyer 2005）。在一個(gè)復(fù)雜系統(tǒng)內(nèi)，關(guān)鍵實(shí)體往往是多樣化的。因此，對一個(gè)復(fù)雜系統(tǒng)的分析既要注重描述這種多樣性，又要考慮其影響。我首先討論分布情況，然后討論多樣性水平的影響。即使所有的主體一開始都是相同的，他們往往可以學(xué)會(huì)采取不同的行動(dòng)，所以多樣性水平將是內(nèi)生的。此外，由于復(fù)雜系統(tǒng)經(jīng)常產(chǎn)生的是到達(dá)結(jié)果的路徑，而不是均衡，所以在對因果效應(yīng)進(jìn)行規(guī)范的和有效的評估時(shí)，人們必須經(jīng)常比較結(jié)果的分布，而不是均衡。最重要的是，復(fù)雜系統(tǒng)中的相互作用意味著分布往往是非正態(tài)的（Weaver 1948）。因此，為了理解一個(gè)復(fù)雜系統(tǒng)，人們需要知道的不僅僅是平均值和變異值。人們還需要分析完整的分布，無論是行為、結(jié)果還是持續(xù)時(shí)間。在許多情況下，這些分布是長尾的。與正態(tài)分布的變量相比，它們有更多的小事件和更多的大事件。對長尾現(xiàn)象的一種解釋是，復(fù)雜系統(tǒng)包括正反饋和負(fù)反饋。正反饋產(chǎn)生長尾的原因很明顯。更多的東西會(huì)產(chǎn)生更多的東西。負(fù)反饋產(chǎn)生長尾的原因則不同。請記住，長尾是相對于整體變化而言的。通過減少波動(dòng)，負(fù)反饋降低了變異，增加了尾巴的相對長度。想象一下，在一個(gè)系統(tǒng)中，負(fù)反饋或正反饋都占主導(dǎo)地位。當(dāng)前者占主導(dǎo)地位時(shí)，系統(tǒng)會(huì)產(chǎn)生大型事件。當(dāng)后者占主導(dǎo)地位時(shí)，系統(tǒng)產(chǎn)生更多的小事件。在每種情況下，結(jié)果的分布都是（相對）長尾的。正態(tài)分布的產(chǎn)生于中心極限定理，而長尾分布的產(chǎn)生則有多種原因。在這里，我描述了四個(gè)可以產(chǎn)生長尾的過程。第一個(gè)過程是乘法效應(yīng)。如果隨機(jī)沖擊被相乘而不是相加，那么產(chǎn)生的分布將是對數(shù)正態(tài)。許多復(fù)雜系統(tǒng)模型包含了復(fù)制者動(dòng)力學(xué)，其中種群中的類型數(shù)量與該類型的相對健康度成比例增長。這是一個(gè)乘法效應(yīng)的例子，因此也會(huì)產(chǎn)生一個(gè)長尾。[注4]注4：幾乎在所有的生態(tài)系統(tǒng)中，物種的豐度都呈現(xiàn)出長尾分布。(Hubbell 2001).
盡管對數(shù)正態(tài)分布的尾部比正態(tài)分布長，但許多復(fù)雜系統(tǒng)會(huì)產(chǎn)生一個(gè)甚至更長的尾部分布，即冪律。[注5]冪律可以由幾個(gè)模型產(chǎn)生，其中與社會(huì)學(xué)最相關(guān)的有三個(gè)（Newman 2005）。注5：在冪律分布中，一個(gè)大小為x的事件的頻率可以寫成x的負(fù)冪。
第一個(gè)模型是優(yōu)先連接，它捕捉到了馬太效應(yīng)（Merton 1968），即富人變得更富，使窮人變得相對更窮。在優(yōu)先連接模型中，新的實(shí)體依次到達(dá)。想象一下，第一個(gè)人創(chuàng)造了一個(gè)類型。對于后來者，假設(shè)以接近1的概率，選擇一個(gè)現(xiàn)有的類型；以剩余的小概率，創(chuàng)造一個(gè)新的類型。如果一個(gè)人選擇特定類型的概率與該類型的相對人口成正比（越多越好），那么產(chǎn)生的分布將是一個(gè)冪律。[注6]注6：回想一下關(guān)于音樂實(shí)驗(yàn)室實(shí)驗(yàn)的討論，即使我們可以預(yù)測結(jié)果的分布，路徑依賴也意味著我們將無法非常準(zhǔn)確地預(yù)測給定類型在該分布中的位置。
例如，如果一個(gè)人搬到一個(gè)城市或在一個(gè)公司工作的概率與城市的人口或公司的規(guī)模成正比，那么城市規(guī)模和公司規(guī)模將服從冪律分布。乍一看，兩者都是冪律分布，學(xué)術(shù)論文的引用次數(shù)、網(wǎng)站鏈接、城市中的產(chǎn)業(yè)和圖書銷售都是是如此（Bettencourt & West 2010, Newman 2003）[注7]。城市、互聯(lián)網(wǎng)和引文都被同一個(gè)模型所涵蓋。這些非大象有一個(gè)共同的特點(diǎn)。注7：參見Shalizi（2013）對這些分布的擬合的批評。
第二個(gè)產(chǎn)生冪律的模型依賴于一種叫做自組織臨界的現(xiàn)象（Bak 1996，Hidalgo et al. 2014）。想象一下，把沙粒丟在桌子上直到形成一堆。這堆沙子是一個(gè)臨界狀態(tài)：即當(dāng)你加入一粒沙子時(shí)，存在著發(fā)生雪崩的可能性，這是一個(gè)大事件。一些模型表明，交通也可能演變成一種臨界狀態(tài)（Nagel & Paczuski 1995）。司機(jī)可能會(huì)選擇進(jìn)入高速公路，一旦上了高速公路，就會(huì)在相鄰的車輛之間留下空隙，這樣整個(gè)系統(tǒng)就會(huì)準(zhǔn)備好產(chǎn)生大型事件。一些學(xué)者認(rèn)為，同樣的邏輯可能適用于金融網(wǎng)絡(luò)、國際政治協(xié)議、電網(wǎng)，甚至是不同社會(huì)的社會(huì)結(jié)構(gòu)（Centeno et al. 2015，Goldin & Mariathasan，2014）。這些都是值得探索的直覺。而復(fù)雜系統(tǒng)模型提供了這樣做的工具。請注意，優(yōu)先連接模式在人群中產(chǎn)生冪律，例如城市、公司、引文數(shù)量；而自組織臨界性在事件的規(guī)模中產(chǎn)生冪律分布，例如雪崩、市場崩潰、交通擁堵和戰(zhàn)爭死亡。第三個(gè)模型，隨機(jī)游走返回時(shí)間，解釋了持續(xù)時(shí)間的冪律分布。回顧一下，在一個(gè)復(fù)雜系統(tǒng)模型中，我們經(jīng)常從為主體分配類型開始。想象一下，每種類型的主體的數(shù)量遵循隨機(jī)游走；也就是說，在每個(gè)時(shí)期，它增加1的可能性和減少1的可能性一樣。然后可以證明，持續(xù)時(shí)間在類型上的分布將是冪律（Newman 2005）。復(fù)雜系統(tǒng)中長尾分布的占優(yōu)是令人驚訝的。大多數(shù)情況下的標(biāo)準(zhǔn)假設(shè)是正態(tài)分布。任何偏離正態(tài)的情況都需要解釋。而在復(fù)雜系統(tǒng)模型中，在許多情況下，長尾分布應(yīng)該是結(jié)果；因此，任何非長尾分布的大小都必須得到解釋。在社會(huì)學(xué)背景下，人們可能會(huì)被迫證明近似正態(tài)分布是否應(yīng)該出現(xiàn)（通過中心極限定理的思維），或者是否是社會(huì)強(qiáng)加的結(jié)構(gòu)性約束導(dǎo)致了長尾的出現(xiàn)。復(fù)雜性科學(xué)中最后一組與社會(huì)學(xué)有關(guān)的發(fā)現(xiàn)，涉及多樣性和結(jié)構(gòu)的功能屬性。多樣性（不同的類型）和變異（在一個(gè)類型中的區(qū)別）在社會(huì)學(xué)中的作用比在經(jīng)濟(jì)學(xué)和政治學(xué)中的作用要大，盡管它們在生態(tài)學(xué)和人類學(xué)中的作用還沒有那么大——在生態(tài)學(xué)和人類學(xué)中它們是基本概念。借用不太恰當(dāng)?shù)恼f法，生態(tài)學(xué)的基本問題可以表述為“為什么我們能看到多樣性（人類同樣也是多樣性的例證）”。社會(huì)學(xué)家們從分類和連續(xù)兩方面來捕捉多樣性。前者的例子包括社會(huì)經(jīng)濟(jì)階層、種族、民族或性別的區(qū)別，后者的例子包括容忍度（Xie & Zhou 2012）、年齡或抵御風(fēng)險(xiǎn)的能力。尤其是社會(huì)學(xué)和人口學(xué)，比經(jīng)濟(jì)學(xué)和政治學(xué)更強(qiáng)調(diào)多樣性。復(fù)雜系統(tǒng)能夠?yàn)槎鄻有缘慕忉尯托蕾p提供的是一些洞見，即多樣性的多種功能作用。復(fù)雜系統(tǒng)研究發(fā)現(xiàn)了多種不同行為的貢獻(xiàn)。它們可以促進(jìn)系統(tǒng)的穩(wěn)健性或不穩(wěn)定性，發(fā)出相位轉(zhuǎn)換的信號，通過更快的系統(tǒng)級學(xué)習(xí)來推動(dòng)創(chuàng)新，并支持集體智慧的現(xiàn)象（Page 2010）。多樣性的第一個(gè)最容易理解的功能作用是對穩(wěn)健性和不穩(wěn)定性的貢獻(xiàn)。阿什比的多樣性法則解釋了多樣性是如何增強(qiáng)穩(wěn)健性的。一個(gè)有更多類型的系統(tǒng)可以對更多類型的擾動(dòng)做出反應(yīng)。你不能用螺絲刀砍倒一棵樹，也不能讓一個(gè)乞丐來醫(yī)治傷口。一個(gè)系統(tǒng)中的反饋決定了多樣性是否能增加穩(wěn)健性。如果反饋是負(fù)的或者只是弱的正的，那么多樣性就會(huì)增加穩(wěn)健行，因?yàn)樽顦O端的人首先行動(dòng)，分散了動(dòng)力學(xué)。如果反饋是強(qiáng)正的，那么異質(zhì)性就會(huì)產(chǎn)生不穩(wěn)定性，因?yàn)橐粋€(gè)人采取了行動(dòng)，導(dǎo)致另一個(gè)人也這樣做，這反過來又導(dǎo)致更多的人采取行動(dòng)（如發(fā)生在暴亂的模型中，Granovetter 1978）。請注意，在上述的種族隔離模型中，即使存在正反饋，它們也足夠弱，以至于增加多樣性會(huì)減少隔離（Xie & Zhou 2012）。多樣性的第二個(gè)作用，即變異的增加如何能發(fā)出提示或相變的信號（Scheffer et al. 2009），依賴于以下邏輯。當(dāng)一個(gè)系統(tǒng)即將發(fā)生變化時(shí)，例如從一個(gè)平衡點(diǎn)到另一個(gè)平衡點(diǎn)，以前的平衡點(diǎn)會(huì)變得不那么強(qiáng)大。這在景觀上被模擬成一個(gè)不太陡峭的適應(yīng)性高峰。選擇的力量就會(huì)減少，使峰值變平。這種扁平化使更多的變異成為可能。變異預(yù)示著尋求新的峰值，即對系統(tǒng)的改變。多樣性也可以與創(chuàng)新聯(lián)系起來。對于生物系統(tǒng)來說，費(fèi)雪的基本理論指出，進(jìn)化系統(tǒng)中的適應(yīng)率與變異的數(shù)量成正比。這里的邏輯也是很直觀的。更多的變異意味著更多的高適性和更多的低適性個(gè)體。前者會(huì)提高適應(yīng)率。在社會(huì)背景下，多樣性，以獨(dú)特的表征和解決問題的工具的形式，可以通過減少共同的局部優(yōu)化的數(shù)量來加速學(xué)習(xí)（Page 2007）。當(dāng)一個(gè)人卡在一個(gè)問題上時(shí)，另一個(gè)人很可能會(huì)找到出路。最后，感官器官和模型的多樣性有助于集體智慧的形成。回顧一下，在一個(gè)復(fù)雜系統(tǒng)中，每個(gè)人都置身局部；他們可能有不同的信息和經(jīng)驗(yàn)。這種情況下多樣性產(chǎn)生了主體如何解釋他們的世界的多樣性。因此，多樣性產(chǎn)生了多樣性。這種多樣性的結(jié)果是，集體可以比其中的任何成員更準(zhǔn)確?？梢宰C明，一個(gè)多樣化的人群必然比其成員的平均水平更準(zhǔn)確（Page 2007）。穩(wěn)健性、創(chuàng)新性和集體智慧這些屬性中的每一個(gè)都是涌現(xiàn)出來的；因此，它們可以被包括在上一節(jié)中。然而，它們出現(xiàn)的程度取決于系統(tǒng)所保持的多樣性。而且，正如已經(jīng)提到的，過多的多樣性會(huì)阻止結(jié)構(gòu)的出現(xiàn)。轉(zhuǎn)盤撥動(dòng)的太遠(yuǎn)。因此，復(fù)雜系統(tǒng)經(jīng)常在探索新事物和利用成功事物之間取得平衡，以便它們既不至太少也不至太多多樣性。多樣性也有助于動(dòng)力學(xué)的產(chǎn)生。作為一個(gè)思想實(shí)驗(yàn)，想象一個(gè)由大小相同的實(shí)體集合組成的系統(tǒng)。假設(shè)每個(gè)實(shí)體都有價(jià)值或重量，在其當(dāng)前價(jià)值的某個(gè)固定百分比范圍內(nèi)波動(dòng)。該值的時(shí)間序列將呈正態(tài)分布，波動(dòng)幅度相對較小?，F(xiàn)在假設(shè)實(shí)體的價(jià)值是按照冪律分布的，同時(shí)假設(shè)價(jià)值波動(dòng)也服從冪律分布?？倲?shù)表現(xiàn)出更大的波動(dòng)性，因?yàn)槠骄鶖?shù)將是不均勻的。大型實(shí)體的波動(dòng)將產(chǎn)生重大影響影響。這個(gè)思想實(shí)驗(yàn)可以很好地解釋大緩和，即美國經(jīng)濟(jì)從 20 世紀(jì) 80 年代中期開始并持續(xù)了近 20 年的穩(wěn)定。在此期間，由于從通用汽車等大型制造商向沃爾瑪?shù)却笮土闶凵痰倪^渡，公司規(guī)模的分布不那么長尾了（Carvalho & Gabaix 2013）。正如多樣性在復(fù)雜系統(tǒng)中發(fā)揮著功能作用一樣，結(jié)構(gòu)也是如此。社會(huì)學(xué)的大量文獻(xiàn)表明，個(gè)人在社會(huì)中的地位如何有助于獲得權(quán)力、影響力和社會(huì)資本（Burt 1992, 2005）。復(fù)雜系統(tǒng)模型經(jīng)常分析整個(gè)結(jié)構(gòu)的影響（Omerod 2012）。例如，Golub & Jackson（2012）發(fā)現(xiàn)，學(xué)習(xí)的速度取決于同質(zhì)性的程度。在他們一篇很有影響力的論文中，Centola & Macy（2007）發(fā)現(xiàn)，長紐帶在直覺上被認(rèn)為會(huì)加速創(chuàng)新擴(kuò)散，當(dāng)創(chuàng)新需要強(qiáng)化時(shí)，會(huì)產(chǎn)生相反的效果。與此類似，Lloyd-Smith等人（2005）表明，超級傳播者或高度聯(lián)系的人可以使一種疾病的傳播比假設(shè)隨機(jī)混合的模型所預(yù)測的要快得多。多樣性和結(jié)構(gòu)也是相互影響的。Padgett & Powell（2012）最近的工作詳細(xì)描述了網(wǎng)絡(luò)結(jié)構(gòu)和多樣性的相互依賴的功能方面。作者解釋了不同主體如何構(gòu)建關(guān)系網(wǎng)絡(luò)，以及這些關(guān)系如何創(chuàng)造利基。這些利基反過來又為新類型的主體創(chuàng)造了機(jī)會(huì)。為了簡化豐富的、基于經(jīng)驗(yàn)的一系列模型和案例，Padgett和Powell展示了人如何創(chuàng)造網(wǎng)絡(luò)，網(wǎng)絡(luò)如何創(chuàng)造人。因此，多樣性可以在結(jié)構(gòu)的背景下被理解，而結(jié)構(gòu)可以部分地被理解為多樣性的結(jié)果。Padgett和Powell的邏輯的核心是，嵌入結(jié)構(gòu)中的不同主體可以產(chǎn)生功能子結(jié)構(gòu)，即自動(dòng)催化的一系列行為。這些集合可以被寬泛地認(rèn)為是各種活動(dòng)的良性循環(huán)，可以被看作是涌現(xiàn)的功能。自動(dòng)催化的互動(dòng)存在于多個(gè)網(wǎng)絡(luò)中——社會(huì)、政治和經(jīng)濟(jì)。這些連通的網(wǎng)絡(luò)使得有益的連接成為可能進(jìn)而導(dǎo)致創(chuàng)新，因?yàn)橹黧w與一個(gè)領(lǐng)域有關(guān)聯(lián)往往意味著在該領(lǐng)域有共同的利益。在這篇文章中，我描述了復(fù)雜系統(tǒng)研究如何提供對主流社會(huì)學(xué)家感興趣的話題有直接影響的模型、想法和見解，以及社會(huì)學(xué)如何可能從對復(fù)雜性研究的更深入?yún)⑴c中受益。我沒有重申文章正文中的觀點(diǎn)，而是以三點(diǎn)意見作為結(jié)束。首先，社會(huì)學(xué)和復(fù)雜性之間的關(guān)系是路徑依賴。社會(huì)學(xué)形成時(shí)，復(fù)雜性科學(xué)還不存在。這意味著，只有當(dāng)社會(huì)學(xué)家首先發(fā)現(xiàn)了的復(fù)雜性科學(xué)的核心思想，才能在社會(huì)學(xué)中占據(jù)核心地位。在很多情況下，比如在聚集的悖論和網(wǎng)絡(luò)結(jié)構(gòu)的重要性等方面，這是真的。不過，想象一下，如果時(shí)機(jī)不同，復(fù)雜性科學(xué)在社會(huì)學(xué)創(chuàng)立之前就已經(jīng)被全面闡釋了（順便說一下，這并沒有發(fā)生）。鑒于這兩門學(xué)科之間的共鳴，復(fù)雜系統(tǒng)可能被認(rèn)為是社會(huì)學(xué)研究的基礎(chǔ)。其次，大數(shù)據(jù)的可用性意味著社會(huì)學(xué)家有時(shí)可以將復(fù)雜系統(tǒng)模型與數(shù)據(jù)結(jié)合起來?，F(xiàn)有的網(wǎng)絡(luò)層面的數(shù)據(jù)和分布數(shù)據(jù)，即使在十年前，要收集這些數(shù)據(jù)也是不切實(shí)際的。第三，可以通過互聯(lián)網(wǎng)觀察社會(huì)互動(dòng)。人們還可以通過互聯(lián)網(wǎng)進(jìn)行類似甚至模仿現(xiàn)實(shí)世界互動(dòng)的實(shí)驗(yàn)（見Watts 2011的深入評論）。這一觀察與前一個(gè)觀察相聯(lián)系。大數(shù)據(jù)正日益成為現(xiàn)實(shí)世界的一部分。諸如購物、約會(huì)、發(fā)表意見、探索想法和享受樂趣等活動(dòng)過去主要發(fā)生在現(xiàn)實(shí)世界里。大數(shù)據(jù)是無法收集的。因?yàn)楝F(xiàn)在許多這些活動(dòng)都是在互聯(lián)網(wǎng)中進(jìn)行的，它們可以被捕捉到以創(chuàng)造大數(shù)據(jù)。所描述的一切并不意味著對復(fù)雜性模型和思想的吸收將是容易的?；诮?jīng)驗(yàn)的復(fù)雜系統(tǒng)模型需要新的方法論的路徑。首先，他們對行為的微觀層面的假設(shè)必須符合個(gè)人的行為。這看起來像是擬合假設(shè)，在某種程度上也是如此，但把這看成是對聚集圖微觀層面的估計(jì)更為恰當(dāng)。其次，模型的宏觀預(yù)測也必須與經(jīng)驗(yàn)估計(jì)的微觀層面的行為一致。最后，宏觀層面的預(yù)測必須得到支持，也就是說，不能被數(shù)據(jù)拒絕。換句話說，(a)模型中的微觀假設(shè)必須符合微觀數(shù)據(jù)，(b)微觀行為必須產(chǎn)生宏觀屬性（這里人們經(jīng)常使用基于主體的模型），以及(c)模型中出現(xiàn)的宏觀屬性必須符合宏觀的數(shù)據(jù)。這些都是高難度的障礙。那些成功完成這三項(xiàng)任務(wù)的社會(huì)學(xué)家（見Bruch & Mare 2006, 2012; Centola & Macy 2007），不出所料地得到了該學(xué)科的認(rèn)可。最后，盡管復(fù)雜性科學(xué)還遠(yuǎn)遠(yuǎn)稱不上完整，但它提供了大量且不斷增長的有用模型和見解。它們來自不同的學(xué)科，涵蓋了一切。從網(wǎng)絡(luò)結(jié)構(gòu)的作用到多樣性的功能價(jià)值。來自物理學(xué)、生理學(xué)和生態(tài)學(xué)的模型可以為社會(huì)學(xué)提供有價(jià)值的想法（May等人，2008）。盡管這沒什么爭議，但卻指出了一條不常走的路。但應(yīng)該有人來走這條路。通過參與和應(yīng)用更豐富的模型，社會(huì)學(xué)家擴(kuò)大了他們看待社會(huì)世界的鏡頭，并改善學(xué)科。總而言之，社會(huì)學(xué)家應(yīng)該傾聽，“房間里的大象”（沉默的學(xué)科）有話要說。計(jì)算社會(huì)科學(xué)讀書會(huì)第二季
計(jì)算社會(huì)科學(xué)作為一個(gè)新興交叉領(lǐng)域，越來越多地在應(yīng)對新冠疫情、輿論傳播、社會(huì)治理、城市發(fā)展、組織管理等社會(huì)問題和社科議題中發(fā)揮作用，大大豐富了我們對社會(huì)經(jīng)濟(jì)復(fù)雜系統(tǒng)的理解。相比于傳統(tǒng)社會(huì)科學(xué)研究，計(jì)算社會(huì)科學(xué)廣泛采用了計(jì)算范式和復(fù)雜系統(tǒng)視角，因而與計(jì)算機(jī)仿真、大數(shù)據(jù)、人工智能、統(tǒng)計(jì)物理等領(lǐng)域的前沿方法密切結(jié)合。為了進(jìn)一步梳理計(jì)算社會(huì)科學(xué)中的各類模型方法，推動(dòng)研究創(chuàng)新，集智俱樂部發(fā)起了計(jì)算社會(huì)科學(xué)系列讀書會(huì)。
【計(jì)算社會(huì)科學(xué)讀書會(huì)】第二季由清華大學(xué)羅家德教授領(lǐng)銜，卡內(nèi)基梅隆大學(xué)、密歇根大學(xué)、清華大學(xué)、匹茲堡大學(xué)的多位博士生聯(lián)合發(fā)起，進(jìn)行了12周的分享和討論，一次閉門茶話會(huì)，兩次圓桌討論。本季讀書聚焦討論Graph、Embedding、NLP、Modeling、Data collection等方法及其與社會(huì)科學(xué)問題的結(jié)合，并針對性討論預(yù)測性與解釋性、人類移動(dòng)、新冠疫情、科學(xué)學(xué)研究等課題。讀書會(huì)詳情見文末，歡迎從事相關(guān)研究或?qū)τ?jì)算社會(huì)科學(xué)感興趣的朋友參與學(xué)習(xí)。
詳情請見：
數(shù)據(jù)與計(jì)算前沿方法整合：計(jì)算社會(huì)科學(xué)讀書會(huì)第二季啟動(dòng)
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點(diǎn)擊舉報(bào)。
