思维方式

笔记君说：

话不多说，直接上干货~

一、五大路径：系统思维如何建立

首先，我们讲述系统思维如何建立的五大路径：

从简单因果到回路反馈

从线性到非线性

从局域到全局

从现象到本质

从静态到动态演化

1.从简单因果到回路反馈

如何从简单的因果关联上升到回路反馈？

分析思维的典型就是把一个东西细分，变成A和B，紧接着做因果推论，若A则B，因是A，果是B。

但实际上，复杂系统的各要素之间，存在着复杂关联和多重反馈回路，并不是简单的从A到B。

回路反馈是以系统作为思考起点，实现从线性到非线性，从局域到全局，从现象到本质，这是复杂性思维最重要的切入点。

头痛医头，脚痛医脚，预期的解决方案经常把问题从系统的一个部分转到另一部分。

以上图漫画为例，图中人物推倒旁边砖块，一圈之后，砖块很可能会直接推倒人。

现实中，也往往如此，当缺乏复杂性思维或未进行系统性思考时，此刻遇到的麻烦很可能是此前解决问题的方案造成的。

那么如何做回路思考？

就是将眼前的事情多想一想。

比如，接一杯水，看似简单，拧水龙头，加满水杯，但如果多想一想，其实存在另外回路。

我们首先有大脑“加多少水”的思维在控制它，而人的眼睛会紧盯水面，观察水杯水面是否与预期水位一致，并且通过观察发出信号反馈控制手。

如此，灌满一杯水不只是简单地拧水龙头，还有另外的回路在控制它。

当形成回路思考时，会发现处理事情能够解决的关键点将变多，并且可能更接近本质。

现实中同类例子比比皆是，比如为什么企业通常在发展初期比较艰难？

因为正反馈的建立需要打破壁垒，当正反馈真正建立起来时，企业的成长才会进入一条顺利发展的路径。

同时，在这些回路中，负反馈能让我们所关心的问题稳定在我们所期望的目标点上，起着同样重要的作用。

2.从线性到非线性

还原简单的因果，容易产生简单的预期，比如投资砸下去，经济长上来，这是简单的线性关系。

但坏事发生之前总先看好，在实际生活中，非线性的影响无处不在，只有考虑非线性因素，才能更准确地认识系统。

以中医为例，非线性对于中医药科学化研究同样重要，清华大学的李梢老师在这一领域中做得非常出色，他来自中医世家。

中药毒性对人体免疫系统的影响是其研究课题之一，研究发现，中药毒性对免疫系统的影响不是线性的，并不是有毒就简单线性地降低免疫力。

实际上，当药量较低时，它会刺激系统并提升免疫系统的能力，只有当剂量超过一定值时，才会降低免疫系统的能力，对人体造成危害。

另一需要考虑的因素是“时间延迟”，即在所有复杂系统中，任何因素或者干扰的施加，对系统的影响并非立竿见影。

“时间延迟”在日常生活中十分常见。

以热水器为例，拧开龙头，一开始流出的是冷水，经过一段时间后，才有热水流出；病毒感染与症状发作，潜伏期要几天到几年不等；污染发生与污染物在生态系统中扩散或积累、造成危害，有更长的时间延迟；再比如设计一款新车并投放市场需要3—8年、销售的生命周期约为5年、平均行驶10—15年。

未来国家的发展，人口问题非常关键。

从人口政策的调整到带来人口规模的可观察到的变化需要一定的时间，特别是，改变人们认为适合的家庭规模观念至少需要一代人、甚至更长的时间。

我国人口峰值将在2030年左右达到峰值，之后，我们将面临人口老龄化的问题，想改变这种趋势，就得从现在起思考和制定应对方案。

对此，北师大系统科学学院李红刚教授提出了“收缩性社会”这一概念，呼吁大家对我国未来社会经济的发展进行系统和长远地思考。

强国目标的实现是为了人民，因此，人口是考虑一切社会经济增长最核心、最基础的东西，既是增长源泉，也是增长目标。

3.从局域到全局

用系统的眼光，从关联、结构、整体的角度，在系统中间看到“势”。

势的兴起，势的演变，势的拐点，多元势的纠结，多元势的平衡，以及在势的纠结与平衡中涌现出来的系统转型。

比如，在物理学研究中，当一个小球往下滚时，如果只关注小球运动的暂态，会让我们心里没底，不清楚小球的最终目标。

应当将眼光放广阔，了解到小球运动的势函数全局性质时，我们就能清楚小球的最终去向，并进而了解到调控它运动趋向的关键点。

在物理学中称其为势函数，它与我们关于“胸中有沟壑”的概念完全类同。

全局观念确实会带来许多不一样，北师大系统科学学院的吴金闪老师研究汉字，汉字与其他的语言的不同之处在于结构之间有关联，比如木、林、森。

人们了解个别汉字之间的关联，但或许并不清楚所有汉字的关联，通过研究，形成了3750个汉字的全局网络，可以为汉字学习提供整体的解决方案。

另外一个案例是，面对信息网络技术的飞速发展，社会学家纷纷对科技革命可以导致的未来社会形态的变化展开预测。

其中一位认为人类大同终将来临，因为网络是共享的。但著名社会学家卡斯特给出了不同的认识。卡斯特认为，这是一种局域的讨论视角。

如果仅考量两人之间的信息交流，信息技术的确提供了很大优势。

我们从上帝的视角往下看，72亿世界居民都被一张大网连着，亮的集结在一块儿，另外亮的集结在另外一块儿，互相分割。集群内高度密集，集群之间沟通较疏。

网络会带来极化认同，认同会带来圈子，圈子会带来封闭，人在网络中还在寻找自己的认同。

人反而变成追求高度认同的社会，信息网络造就的圈子的社会，不仅不会带来世界大同，反而强化了文明的冲突和族群的分割。

现实世界的情况也在验证这种割裂，比如人们会加入各种微信群，虽然群内信息交互变得更为方便，但也在强化意见的倾向性，让人们不再关心圈外的世界。

谷歌为什么成功？

它建立了考虑全局关联的底层搜索算法Page Rank。当人们输入关键词时，搜索引擎会通过算法，检索所有包含该关键词的网页，并依据重要性进行排序。

算法的核心要求是，某个网页的重要性与链接它的网页的重要性有关，这就形成了一个嵌套的循环，原则上需要所有关联网页的信息才能得到最终结果。

Page Rank就是基于整个万维网做全局的计算，通过全局的关联来评价网页的重要性。所以，谷歌的成功首先是底层算法技术的成功，也是全局性考量的成功。

4.从现象到本质

通常，研究复杂系统是先关心宏观表现，进而再去寻求机制。

如果不了解本质，就有可能无法理解并应对它。

所以，在思考问题时能否从现象到底层结构，这是复杂性思维的一项基本要求。

有许多很简单的例子，都属于本末倒置、避重就轻、转嫁负担、治标而不是治本的典型。

比如喝酒缓解工作和生活压力，杀虫剂除虫，以借贷支付帐款，只依赖外来的专家而不去训练自己的人员，通过各式各样的补助计划，企图解决急迫的问题等等。

类似的事情时时刻刻都发生在我们身边，如果只解决表面现象，很可能将陷入更深的泥淖当中，过分舍本逐末的代价就是只能舍本逐末，最严重的后果就是“目标腐蚀”。

因此，系统思维能帮助我们认识整个问题的结构性因素是什么，并且有决心去改变它。

解决方案是将注意力集中在根本解。认识整个问题的结构性因素是什么，并且有决心去改变它。

但如果问题急迫，由于根本解的效果受时间滞延影响，在进行根本解的解决过程中，可暂时使用症状解来换取时间。

这也是为什么一个有复杂思维的领导者，能够面对事业初期出现的可能的下滑现象，并进行及时调整。

有个很简单的例子叫做啤酒游戏。

在这条啤酒供应链中，人们可以选择成为零售商，也可以选择成为批发商，也可以选择成为生产商，甚至还可以再增加一些中间环节，而这个游戏的目标也很简单，就是如何挣到更多的钱。

如果一个人是批发商，考虑的是进货数量，因此需要收集零售商的订单，并根据自己的库存向上游生产商提供订单并提取货物。

如果是生产商，就需要根据批发商提供的订单来决定自己的生产规模，销量越好，利润越高。

这其中也会出现两种情况：如果销量不佳，就会产生库存，承受库存成本；如果销量过佳，但库存不够，那本可以获得的更高的收入也未能获得。因此，怎么做出最恰当的决策非常关键。

游戏过程中发现，无论是零售商、批发商还是生产商，都会进入订单和生产数量剧烈波动的情景当中，而这必然不是最优化的结果。

为什么会这样？

原因并不在于每个或某个经营者的能力，而在于供应链结构的整体设计。

在这条供应链中，批发商的订单可能要经过三五天才能送达生产商，而生产商生产完的产品，也需要经过三五天才能送达零售商，供应链体系设计中的时间延迟，是产生供销波动的重要因素。

如果不改变结构，仅仅靠供应商、生产商、批发商某些方面的改变很难产生实际效果。这就是为什么需要系统观的原因，只有系统地考量，才能够真正地解决问题。

在日常社会经济生活当中，我们遭遇了诸多的“豆你玩”、“蒜你狠”、“姜你军”等等情形，这都是类似于“啤酒游戏”般的结构问题，如果不改变整个供应链，或者整个经济的运作模式，很难通过浅层的举措而产生实质性的改变。

5.从静态到动态演化

有的时候，即使是最两难的矛盾，当我们用系统的观点看，便会发现他们根本不是什么矛盾。

一旦改为采用深入观察变化过程的“动态流程思考”，我们就能识破静态片段思考的错觉，而看到全新的景象。

在短时间内，我们或许必须二选一，但是真正的杠杆解在于，在经过一段时间以后，两者都能改善，譬如提升品质与降低成本。

改变系统与改变造成的效果之间经常有一个时间差，鱼和熊掌可以兼得，但不是马上。

改革开放的基本原则之一是在发展中解决问题。

在系统思考中，也同样要关注状态演化以及不同条件下状态演化产生的结果。在演化的视角里，有两个系统科学的研究成果值得关注。。

一是蝴蝶效应，在某些特定条件下，小的扰动可能会带来全局的影响。

比如，2003年发生的美加大停电，始于美国东部，后来波及到加拿大，影响面积非常广泛，后经调查，大停电只是因一根线断搭在树枝上引起的短路造成的。

电网是系统性结构的典型，一旦发生小的失误，便会引起级联失效的传播，产生大范围的影响。

另一个需要注意的是“防微杜渐”。

水质是突然变化的吗？交通是突然堵塞的吗？健康是突然变差的吗？孩子是突然变坏的吗？国家是突然变弱的吗？全球生态是突然恶化的吗？杰出的企业是突然转弱的吗？对我们威胁最大的为什么偏偏是这种缓慢渐变的过程？

为什么大部分人非要到它爆发成重大事件才处理？我们怎么去学习有效处理这类问题的方法，怎么才能防患于未然？

一件小事，在特定的情况下或许没有特别大的影响，很可能会被人忽视，在系统演化中有一副非常经典的图像，即尖点突变。

一点点的变化并没有形成很大影响，但是突然超过某个临界点时，系统发生突变，繁荣变成萧条，如果再想还原，则十分困难，需要投入十倍、百倍的努力。

最后回顾一下，在日常生活和管理中，如何实践系统思维？

回路、关联、各个因素之间的非线性影响是应考虑的必要因素，同时需要更多地关注本质、更多地从宏观全局和演化的角度考虑问题。

二、简单与复杂：

理论与现实之间如何沟通？

系统科学的核心追求是挖掘复杂系统背后的一般规律。规律不仅能帮助我们建立认识，也能够通过它解决我们所关心的问题。

20世纪的科学研究基本方法论是还原论。当我们谈论系统科学时，希望能挖掘复杂系统的普适规律时，需要超越还原论，从整体、关联、演化的角度去进行研究。

同时在设计、管理和调控系统过程中得到运用。认识世界并进而改造世界，这也是科学研究的最基本的要求。

早在1948年，一位研究计算数学的科学家瓦伦·韦弗在《科学美国人》上发表了一篇文章，主题为“科学和复杂性”。

文章将科学研究分成几大类，一是简单性问题，只包含少数几个变量，比如牛顿所研究的单摆和开普勒问题；二是无组织的复杂性问题，存在非常多的变量，完全随机和无序。

例如理想气体，通过包括统计力学、统计学等理论得到了解决；三是有组织的复杂性问题，其突出特点是系统内要素和要素之间存在很强的关联，形成组织结构，他说这是我们未来科学研究的挑战。

目前包括社会、经济、资源、环境等各个领域都需要运用复杂性科学的思维进行具体研究。

同时，我们也希望能够认识所有复杂系统背后的最简洁的规律，从而得出普适的理论，而这正是系统科学的立足之处。

复杂的表现是什么？包含多样性、个性化、异质性等，那么，复杂现象背后可能存在简单规律吗？回答是肯定的！

以牛顿运动定律为例，当我们观察运动时，发现其表现形式非常多样，鸟的飞行、鱼的遨游、陆地动物的奔跑都是运动，而所有这些运动背后都可以通过F=ma进行解释，这便是普适理论。

还有许多例子，在材料科学中，相同的材料会因温度等外界环境的不同，而呈现不同的形状，但其底层相互作用的关系完全一样。

这是源于简单性的复杂性，还有在全球变化的研究中科学家们发现，气候变化的核心规律是简单的，具有一种根植于复杂性的简单性。

日常中许多司空见惯的现象也有其共同的内在规律，比如迁移运动。最初，科学家以信天翁的飞行为研究对象，后来拓展至海鱼的游动。

随着研究的推进，发现它们的运动规律都遵循列维飞行。与随机游走相比，其每次移动的距离符合幂律分布，指数是-2。

于动物而言，-2最优，因为在指数为-2的列维飞行移动模式中，鸟类移动的目的是能够最大限度地在某区域里发现食物，在资源有限的情况下，其移动轨迹能有效地覆盖到这些地面，发现食物。

同样，人类的移动也有规律可循。

美国一位社会学家曾通过美联储特制的一批印有编号的1美元钞票来追踪人的移动轨迹。实验过程中，他告知人们如果使用了印有编号的钞票，就登陆其建立的网站进行登记。

一段时间后，他收集到钞票在整个美国的出现的位置和它的流通情况。通过这些研究，发现人的移动也符合幂律分布，指数是-1.59，有了更多的手机定位数据以后是-1.75。

大部分人的移动轨迹是建立与人的联系，让社会关系多样性最大化，从而有助于实现自身的社会价值，拥有更多发展机会。

因此，人跟动物都遵从同样的统计规律，但是指数不一样。

因为人的移动有两个倾向，一，愿意去熟悉的地方，这是期望；二，愿意探索未知。而“回家”的效应，使得人类列维飞行的幂指数在-2与-1之间。

如何从系联的视角建立模型认识城市演化？

这里包含四个因素，空间的吸引力、城市增长匹配规则、路网的形成和社会经济产出假设。

以杭州为例，当我想在城市创办企业获得发展时，首先考虑的是整个城市的大环境，同时需要考量我立足的区域人气是否旺？

其次，个体如何生存和发展是需要城市资源的匹配的，接着，城市道路如何规划？

最后，一个城市的经济活力与人口密度和交通有着紧密联系，因此，在谈及社会经济产出假设时，还应考虑人与人之间的关联。

从两张对比图中，可以获得更直观的感受。

（上）左图是根据模型形成的路网，右图是伦敦的实证路网，两张图定性一致。

基于模型数据，还可进行定量分析，发现伦敦与北京的人口密度分布函数也是基本一致的。

除共性外，也存在个性。

共性指的是，所有的城市灯光、道路密度、人口分布都具有一样的函数形式。个性体现在不同城市的指数和其他参数并不一样。

以上模型的建立揭示了挖掘复杂系统背后的普适性规律，但这些规律的存在是否能解决所有问题呢？

显然不能。

比如，虽然所有运动都符合牛顿运动定律，但并不意味着一个学过牛顿第二定律的人，立马就会骑自行车或能够驾驶汽车。

因此，在研究复杂系统时，胡晓峰老师提出认知仿真建模方法，即认识复杂系统的另外一面。

近几年来，人工智能受到广泛关注。尤其是“阿尔法狗”战胜人类，为复杂系统建模仿真研究提供了启示。

社会管理、战争决策、经济治理、指挥控制、医疗健康等复杂系统领域，一直存在着对经验、直觉等认知建模的需求。

“阿尔法狗”所采用的人工神经元网络方法，能否为解决这个问题带来曙光，这值得研究和探讨。

仍以自行车为例，牛顿第二定律可以让我们认识运动的规律，设计制造更优秀的自行车，而通过人工智能则可以提炼资深自行车手的骑行经验，从而让机器人也可能成为高超的骑手。

对于城市管理亦然，解决问题既需要把握基本规律，同时也需要与具体系统相关的经验和知识，两者缺一不可。

任何单独的角度只能反映我们对实际问题的单一认识，只有多角度结合，才能够形成真正改造世界的理论知识和动力。

为什么我们强调复杂性和系统科学？

20世纪，受还原论的影响，我们认识生命的方式是拆，从系统到组织到细胞，再到分子、基因组层面，基因是我们生命的天书，我们希望通过基因来了解生命。

为了让大家便于理解，我们假定同样用还原论的线路来理解文学。比如想读懂《战争与和平》，可以将其分成章节，章节再分成段落，段落再分成句子，句子再分成单词，单词再分成26个字母，最后希望通过26个字母的知识来理解宏篇巨著。

但研究透26个字母，就意味着读懂《战争与和平》一书吗？一定不能。

当CAT三个字母组织在一起，它不仅是字母的简单组合，它还是“猫”。

这就说明，当底层的微小单元，以特定的组织而形成宏观结构时，会产生丰富的新的性质和功能，而这也是我们理解生命过程中必须解决的问题和探索的途径。

复杂性科学同理，怎么去理解单元通过组织产生新的性质和功能？

这也是未来科学研究和社会实践面临的最重要挑战之一。