重温经典：约翰·霍兰德的《隐秩序》
约翰·霍兰德（John Holland），遗传算法的发明人，密歇根大学计算机科学与电子工程教授兼心理学教授，著名的麦克阿瑟研究奖获得者，圣菲研究所指导委员会主席之一；著有《自然系统和人工系统中的适应性》、《涌现》、《隐秩序》等书。从复杂适应系统视角来认知城市，霍兰的《隐秩序》给了宝贵的启发。这本书不厚，但常读常新。温故知新，今天的推送内容对本书作了摘要。
对于在系统科学和计算机领域，霍兰德为人熟知。对于人文社会科学领域的研究者，仍然值得关注。豆瓣有这么一段比较中肯书评：
“霍兰德的这本书，虽然是从生物学、遗传学、数学以至于计算机多领域来探讨系统的复杂性，并试图通过数学语言向人们展示整个体统的结构和适应性规则，但是对于其它领域的研究者来说，霍兰提供了一个思考的模式，对于许多领域依然是有效的。
人文领域因为强大的传统效应，导致对于其它专业系统的学术发展缺乏了解，导致在理解系统结构的时候，总会将部分规则当作系统本身，从而僵化了思考模式，而忽视了系统的动态性和变化性。因此，霍兰德提出适应性制造复杂性，本身就是对于传统思维结构的挑战，而这个挑战对于当下的人文研究来说尤为重要。
事实上，只有在系统性的角度，来思考规则性和变化，才能真正把握系统的动态变化规则，从而能够提出更为准确的研究结果。当然，这也许仍旧是误读，但是确实能够产生很大的刺激和触动。”
在这本书中，霍兰德一开篇从免疫系统谈到神经网络，从城市生活谈到股票市场，从热带雨林谈到生态系统，虽然这些复杂系统在细节上有所不同，但是，在发展变化中的协调性问题，对每个系统而言都是最大的不解之谜。这个共同点非常重要，而这样的系统也被冠之以一个共同的名称——复杂适应系统（简称 CAS）。
这本书的目的是要探索出一条道路，把我们对CAS 的直觉转变成更为深刻的认识。理论是至关重要的。好运偶尔会带来洞见，但并非时时光顾。如果没有理论，我们往往会误入歧途。有了理论，我们就能把本质与迷人的外表和偶然的特性区分开来。理论给我们提供了前进的路标，使我们开始明白要观察些什么以及该怎么做。
霍兰德坦言为 CAS 建立理论是非常困难的，因为 CAS 的整体行为不是其各部分行为的简单加和，CAS 充满了非线性。非线性意味着，我们通常使用的从一般观察归纳出理论的工具，如趋势分析、均衡测定、样本均值等都失灵了。弥补这个缺陷的最好方法，就是对 CAS 进行跨学科的比较，以抽取其共性。跨学科比较还有一个优点：一些微妙的、在一个系统很难抽取出来的特性，在另一个系统中可能很突出而且易于考察。
本书对人文社会科学领域研究最有价值的部分是霍兰德提取的8个基本概念，它们是我们深入理解各种复杂适应系统的关键。 霍兰德认为，CAS理论有助于跨学科研究，我们不必钻入不同学科的牛角尖，但要整体地来理解这些概念之间的关系。
CAS 无例外地皆由大量具有主动性的元素（activeelement）组成。如果我们准备搞明白大量主体的相互作用，我们就必须首先能够描述单个主体的性能。将主体的行为看成是由一组规则决定的，这一点很有用。刺激-反应规则（stimulus response rules）非常典型而且通俗易懂。
对一个给定主体，一旦我们指定了可能发生的刺激的范围，以及估计到可能作出的反应集合，我们就已经确定了主体可以具有的规则种类。然后，按行为的顺序考查这些规则，我们就可以得到主体行为的描述。正是在这一点上，学习或适应的概念开始引入，因为适应是 CAS必不可少的条件。
从生物学角度说，适应是生物体调整自己以适合环境的过程。在这里，我们把这一术语范围扩大，把学习与相关过程也包括进来。尽管不同的 CAS 过程具有不同的时间尺度，但适应的概念可以应用于所有的CAS主体。事实上，时间尺度确实因情况而异。
在 CAS 中，任何特定的适应性主体所处环境的主要部分，都由其他适应性主体组成，所以，任何主体在适应性上所做的努力就是要去适应别的适应性主体，这个特征是CAS生成的复杂动态模式的主要根源。
针对适应性主体所组成的复杂适应系统，霍兰德接着又提出了对所有 CAS 都通用的4个特性和3个机制。尽管它们并不是从各类CAS共性表中所能挑选出的仅有的基本概念，但在某种程度上说，所有其他的候选项均可通过这7个基本概念组合“派生”出来。
在 CAS 研究中，聚集（aggregation）有两个含义。第一个含义是指简化复杂系统的一种标准方法。我们往往把相似的事物聚集成类（物以类聚）。在这个意义上，聚集是我们构建模型的主要手段之一。我们要决定哪些细节与感兴趣的问题无关，从而忽略它们。这样做的效果是忽略细节的差异，把事物分门别类。类型成为构建模型的构件。
聚集的第二个含义与第一个密切相关，但它更注重CAS 做什么，而不是我们怎样去构建其模型。它指出较为简单的主体的聚集相互作用，必然会涌现出复杂的大尺度行为。这样组成的聚集又可以成为更高一级的主体——介主体（meta-agents）。当然，这些介主体能够进行（第二种含义下）再聚集，产生介介主体（meta-meta-agents）。这个过程重复几次后，就得到了CAS非常典型的层次组织。
第二种含义下的聚集是所有CAS 的一个基本特征，且由此所产生的突现现象，正是 CAS 最令人捉摸不透的一面。CAS 研究取决于我们能否识别出，能使简单主体形成具有高度适应性的聚集体的机制。什么样的“边界”把这些适应性聚集体区分开来？主体相互作用在这些边界内如何被引导和协调？这些相互作用产生的行为如何超越分主体的行为？如果我们要解开 CAS 之谜，就必须回答这样一些问题。
在聚集体形成过程中，始终有一种机制在起作用——在本书中姑且称其为标识（tagging）。在 CAS 中，标识是为了聚集和边界生成而普遍存在的一个机制。
标识能够促进选择性相互作用，因此它是 CAS 中普遍存在的特性。它允许主体在一些不易分辨的主体或目标中去进行选择。设置良好的、基于标识的相互作用，为筛选、特化和合作提供了合理的基础。
这就使介主体和组织结构得以突现，即使在其各部分不断变化时它们仍能维持。总之，标识是隐含在 CAS 中具有共性的层次组织结构（即主体/介主体/介介主体……）背后的机制。
在数学天地之外，很多人不知道，我们的数学工具，从简单的算术、微积分到代数拓扑学，大多数都依赖于线性假设。粗略地说，线性的含义是：将各部分的值相加能得到整体的值。而CAS中主体的适应性带来显著的非线性，即整体不是部分之和，整体可能具有部分不具备的特性。非线性相互作用几乎总是使聚集行为比人们用求和或求平均方法预期的要复杂得多，这是上述机制自然而然的结果。
流（flows）的概念决不是只限于液体的运动。平时，我们会说到一个城市的货物流动或两个国家间的资本流动。再复杂一些，我们可以想象有着众多节点与连接者的某个网络的某种资源的流动。
一般来说，节点是处理器，即主体，连接者表明可能的相互作用。在 CAS 中，网络上的流动因时而异；而且，节点和连接会随着主体的适应或不适应而出现或消失。因此，无论是流，还是网络，皆随时间而变化。它们是随着时间的流逝和经验积累而反映出易变适应性(changing adaptation)的模式。
标识担当此角色是因为，完善CAS 的适应过程挑选那些有益于相互作用的标识，而排斥造成不良后果的标识。也就是说，带有有益标识的主体会扩大，而带有不良标识的主体会停止生存。
流在经济学上非常著名的两种特性，对所有CAS 都很重要。一个是乘数效应(multiplier effect)，第二个特性是再循环效应 (recycling effect)——网络中的循环效应。
多样性既非偶然也非随机。无论是生物体、神经元还是公司，任何单个主体的持存都依赖于其他主体提供的环境。如果我们从系统中移走一种主体，产生一个“空位”，系统就会做出一系列的适应反应，产生一个新的主体来“填空”（生态位）。当主体的蔓延开辟了新生态位，产生了可以被其他主体通过调整加以利用新的相互作用的机会时，多样性也就产生了。
CAS 的多样性是一种动态模式，每一次新的适应，都为进一步的相互作用和新的生态位开辟了可能性。
是什么机制，使得 CAS 能够生成和保持拥有形形色色组分的动态模式呢？用面向主体资源流可以很好地加以描述。
参与循环流的主体使得系统能够保持资源。这样保留的资源可以被进一步利用——它们将提供新的生态位以便被新的主体所使用。在 CAS 中，能够开发利用这些可能性的部分，特别是能进一步增强再循环的部分，将会繁荣。而做不到这一点的，将会渐渐丧失它们的资源，正如自然选择中的优胜劣汰。
把非线性的思想加进来，我们可以进一步扩大视野。由形形色色主体的聚集行为所引发的资源再循环，比个体行为的总和要多得多。鉴于此，用聚集的能力去促进单个主体的演化是困难的。采用分布式系统，这种复杂能力就容易获得了。
主体能够预知某些事情。要理解预知，先要理解本身就极为复杂的一种机制——内部模型。
我们通常把预测局限于“较高级”的哺乳动物，而不是把它看成所有生物体的特性。事实上，一个细菌向某种化学梯度变化的方向运动，隐约地预测出食物所在的方向。拟态的存在，是因为它隐约预感到某种花纹会欺骗捕食者。当我们说到所谓较高级的哺乳动物时，模型确实更多地直接依赖于主体的感官经验。
尽管细菌的隐式模型和哺乳动物的显式模型之间有着明显且实际的差异，但它们也有着很重要的共性。在这两种情况下，模型承担的预知任务，无论是隐含的还是明显的，都增强了生物体的生存机会。所以，模型的变异是受选择和进步适应过程所支配的。
在现实情况中，内部模型必须立足与一个恒新环境中的有限样本上。但内部模型只有在其描述的情景反复出现时才是有用的。如何解释这个悖论呢？人类有一个最平凡的能力，即把一个复杂事物分成若干部分的能力，上述问题就有了初步答案。无论在哪里，积木都是人们认识复杂世界规律的工具。
当我们能把某个层次的积木，还原为下一层次积木的相互作用和组合时，可以从低层次积木的规律推导出来较高层次的规律。积木这一机制确实为科学结构注入了大量连锁的力度。
当遇到一种新情况时，我们会采取适当的行动，将相关的、经过检验的积木组合起来，应付新的情况，采取适当行动，取得满意结果。
前两章是整本书的精华所在，霍兰德在后面的三章将把这些基本概念进一步深化和组合，尝试提供具有足够普遍意义的基于计算机的模型，使我们能够实施与所有 CAS 都相关的思想实验。不过，霍兰德也承认，这个探索处于科学研究的前沿，因此，本书只是开始描绘地图的大致轮廓。地图的大部分还是未知领域，并标有“此处有怪物”。当然，随着技术的进步，人类打“怪物”的能力也大大提高了。
如果想更进一步理解霍兰德的CAS理论，下面这两个资料不容错过：
Studying complex adaptive systems. JohnHolland. Journal of System Sciences & Complexity (2006)
Complexity: A Very Short Introduction. JohnHolland. Oxford University Press.
