Chapter Content
唉，大家好啊！今天咱们聊点儿啥呢？就接着之前的话题，说说复杂性这玩意儿。
很多人一提到复杂，就觉得，哎呀，这肯定很难搞定。其实啊，这完全是误解。他们觉得复杂的东西，只是简单系统的加强版，所以理所当然的更难。但你想啊，如果你非要死磕那些细节，那当然会把自己绕进去。在复杂的系统里，追逐细节就像追鬼一样，根本没意义。因为那些细节和我们真正体验到的东西，压根儿没啥关系。
我们都知道，复杂性会产生一些简单的东西里没有的结构和行为。从这个角度来说，复杂性反而比简单性更简单，尤其是在做决策的时候。简单的系统，才会把各种机制和细节都展示给你看，因为它们的输出就是靠这些东西来的。但是在复杂系统里，这些细节和真实发生的事情，根本对不上号。
所以啊，数学和物理才看起来那么难。当然，它们确实很难，但难就难在它们的简单性。只有当我们纠结于某个东西的细枝末节的时候，才会陷入困境。物理课的黑板上，写满了公式，那是因为他们在极度简化自然界的物体。那些细节，对于我们在宏观层面上看到的东西，根本没啥意义。
人解决问题，靠的是启发式思维和快速思考。这可不是因为人处理不了复杂性，而是因为这就是处理复杂性的正确方式。要是有人说，人应该放慢思考速度，把观察到的东西拆解成一个个碎片，那简直就是胡说八道嘛。
一些心理学家和社会学家，总是把快速思考说成是不好的，这其实是因为他们错误的认为世界是设计出来的。只有当我们认为自己应该对细节了如指掌的时候，才会觉得高层次、抽象的快速思考有问题。我们之所以觉得现实世界的问题很难，是因为我们用还原论的眼光来看待它们，试图弄清楚那些根本无关紧要的细节。
说到这儿啊，就不得不提“天才”这个概念了。我们通常听到的解释是，人类的进步，是因为有那些天才，他们发现了别人发现不了的东西。随便翻开一本历史书，上面都写满了名字，这些人据说对自然界的深层秘密有着独特的见解。但是，通过抽象化来实现进步，完全颠覆了这种天才论。更重要的是，天才这个概念，和我们所知道的解决问题的方式，根本不符。
解决问题，其实就是把信息从一组输入转换成一组输出。在简单的系统里，这个过程是通过明确的因果关系来实现的。但是，我们在自然界里看到的不是这样。自然界产生的输出，是通过涌现产生的。而我们之前就说过了，涌现来自于最可能发生的统计配置，而这些配置又和问题本身的结构重叠。一个系统里之所以存在最可能发生的配置，是因为所有的可能性都让它成为了可能。我们需要整个群体，才能赋予我们所测量、观察和体验到的东西以存在和意义。
如果把一个物理系统比作一句话，把最佳配置比作一个意味深长的词，那么这句话里的其他词，都是赋予这个词意义的东西。不管是词、句子、段落、章节还是整本书，都是一样的。这些东西之间的界限是真实存在的，但是，脱离了更高层次的群体，它们就没有任何意义或用处。一段话，如果脱离了它所支持的章节，那就毫无意义。自然界总是利用一个给定的物理抽象层面上所有的可能性，来解决问题。自然界用群体来进行选择。
所以说，根本不存在什么个人独自解决问题的情况。把解决方案归功于某个人，就像把句子的意义归功于某个词一样。个人根本不可能解决问题。把原因归结于个人，完全违背了任何诚实的、关于自然界如何运作的描述。就算把一个人孤立在一个岛上，让他自己生存，他的刀还是别人造的，他关于庇护所的知识，还是从他来的村庄里学到的。即使是最孤立的人，他的生存也深深地依赖于生态系统。在现代社会，这个生态系统就是我们的经济，一个错综复杂的依赖网络。认为个人可以解决问题，这种想法既缺乏洞察力，又缺乏科学素养。
当然啦，历史不是这么写的。历史书是为了满足人类的因果需求，给混乱的世界赋予秩序。人们总是想找到一个可以指出的东西，作为我们所看到的事情的原因。但是在复杂性之下，根本原因是一种虚构。这并不意味着不存在导致我们所体验到的事情的机制；当然存在，正如我们之前讨论过的关于解秘涌现的部分。关键是，这些机制不是通过确定性的路径和根本原因来运作的。在复杂性之下，归因是不科学的。
历史书上充斥着创新巨人的故事。这些人据说对他们的领域做出了杰出的贡献。像爱因斯坦这样的人，拥有着与众不同的才华。我们甚至会解剖这些人的大脑，看看是什么让他们与众不同。当然，有些人确实比其他人更有兴趣和动力。也许如果没有这些人，创新就不会在当时发生。但是，创新肯定会发生。多重实现告诉我们，发明可以用许多不同的方式，从许多不同的文化中产生。这可不是随便说说，这是统计学上的现实。荣誉归于那些在正确的时间出现在正确地点的人。而且，如果没有社会上无数默默无闻的人的贡献，任何人都无法发明出新的东西。
通过抽象化实现的进步是自动的、不可避免的，它是由在(n)层面上运作的群体来实现的，他们为(n + 1)层面解决问题。这不是一个关于巨人和天才的故事。没有巨人，只有肩膀。这不是关于动听的陈词滥调，而是关于描述人类进步的方式，使其与对自然的诚实描述相符。
那为什么人们会相信复杂的东西是设计出来的呢？如果你观察一个成功的人生，不管你对成功的定义是什么，你都会看到一个看起来像是设计出来的系统。有些部分看起来天衣无缝。但是，这些部分是随着时间的推移而出现的，成为了解决特定人生挑战所需的结构。一个生命的结构，就像自然界中的任何解决方案一样，都是在动荡中涌现出来的。这就是为什么书店商业区的书会如此具有误导性。他们说得好像有一条通往成功的道路。好像如果一个人遵循作者的特定方法，那么读者的生活也会随之改变。但是，现实世界没有道路，因为自然界没有道路。模仿别人涌现出来的结构是完全站不住脚的，因为根本没有统计学方法可以以相同的方式配置两个复杂系统的内部。
事实上，假设复杂的情况下存在路径比毫无意义更糟糕，它实际上是有害的。遵循别人涌现出来的结构，就好像它是一条确定性的路径一样，就是在干预你自己的生活的自然涌现。这是在减缓应该流动的东西，阻止否则会结合的东西。
我们在品尝食物时，很大程度上是在品尝叙事。我的意思是，这与其说是食物与舌头之间的化学反应，不如说是我们听到的关于我们正在吃的食物的故事。一家新的早餐店开张了，他们宣传自己独特的食谱或独特的食物制作方法。但这些成分实际上并没有带来多少独特的味道。这家店的味道肯定会像其他大多数早餐店一样。当然，这些事实对营销不利，更重要的是，人们想相信有些东西是与众不同的、有趣的。
这就是为什么用特别的杯子喝咖啡比用普通的杯子喝起来更好。人类寻求意义，而我们这样做的方式是给事物赋予原因，不管这些原因是否真的存在。试着说服别人他们最喜欢的餐厅其实和其他餐厅没什么不同，他们会强烈反对。人们对故事深信不疑。
相信你最喜欢的餐厅与其他餐厅不同是无害的。但是，当涉及到生活的其他领域时，这种设计叙事就没那么无害了。想想在我们的社会中通过的政策。政府试图在研究的基础上降低风险并改善社会环境。以医疗保健为例，资金、保险法规以及获得特定服务的机会都依赖于科学家的研究和专业知识。所谓的循证政策旨在评估不同干预措施的有效性，并决定如何分配资源。公共卫生建议依靠科学来提供对疾病传播和风险因素的关键见解，从而制定指导方针和建议。研究人员提供关于药物或医疗器械的安全性和有效性的证据，这最终会影响监管决策。
在所有这些例子背后，都是设计叙事；我们可以利用通过(还原论)实验获得的知识，并将这些知识应用于做出真实的决策的想法。乍一看，这一切都很有道理；进行实验，并确定有助于我们在社会中希望改善的事情的潜在因果因素。
但是有因果这个词。不需要太多就能说服别人存在因果关系。这就是为什么设计叙事可以逍遥法外。设计中有一种控制感，因为它告诉我们，我们可以发现一些关于世界如何运转的东西，并将这些知识应用于建立下一个所谓的解决方案。但是，通过隔离进行研究发现的东西与现实世界中实际发生的事情之间存在巨大的脱节。
这不是对政府的批评，而是关于当前依赖于设计叙事的范式，以及这正变得越来越成问题。设计叙事是如此的具有缺陷，因为它依赖于一个错误的假设；通过今天的科学范式获得的内部因果知识可以用来在现实世界中建立良好的解决方案的想法。应该预期这种方法会产生不切实际且具有潜在危险的结果。
为什么人类这么容易相信我们实施的设计确实决定了结果呢？答案是，因果解释无法在复杂性之下得到真正的验证，因此可以自由通行。正如第八章所讨论的，对事物的隔离几乎没有告诉我们关于更大的系统如何运作的信息。大多数人倾向于相信孤立的部分本身是某事物的原因，是因为我们的社会被告知，部分与我们所体验到的输出有因果关系。只要它位于科学范式内，使用其既定的工具和叙事，就可以为我们所看到的任何事物提供任何事后解释。
我们总是可以为我们观察到的任何事物创建一个听起来合理的叙事。我们甚至可以将这些叙事拼接成完美的逻辑论证。那些相信地球是平的人可以提出有效的逻辑论证。一个人所要做的就是使用本身是真实的，并且看似可以合理地得出他们所绘制的结论的前提。但是，如果这些前提中存在一个隐藏的假设，那么这个假设显然是错误的，那么这个论证就不引人注意地是虚假的。
当在破碎的科学和工程范式中给出解释时，它们本质上是不可伪造的。这是因为无论范式使用什么数学或统计技术，它都无法克服其逻辑上的失败。科学无法从糟糕的逻辑中拯救自己。再多的花哨数学或随机对照试验都不能否定这样一个事实，即事物发挥作用与知道其作用之间存在差异。
这不适用于明显的负面事物。如果一项研究证实供水中存在氰化物，那么应该制定政策以减轻有毒成分。我正在提出的论点与根据设计叙事构建事物有多成问题有关。考虑一下氰化物最有可能如何进入供水系统的。采矿业使用氰化物从矿石中提取金和银。得益于氰化物化合物，可以制造出各种化学品和药品。氰化物用于电镀中，以将金和银等金属沉积到表面上以用于保护或装饰目的。所有这些都可能构成重大的健康和环境风险，并且没有研究可以绝对确认这些材料可以安全使用。
设计叙事告诉我们有些东西发挥了作用，但它没有告诉我们它的全部作用是什么，更不用说事物具有作用本身就是有缺陷的想法了。氰化物不仅仅与金属相互作用以实现某些人类期望的结果，它还以无数种方式与系统相互作用。如果我们假设较小的部分和较大的部分之间存在控制和确定性，那么我们总是会构建最终造成的损害大于好处的解决方案。
模式不是路径。复杂环境中出现的结构是由于天真的、不明智的行动而形成的。反复试验是自然界创造的方式，没有例外。当今科学和工程范式的核心谬论是，一旦观察到一种结构，我们现在就拥有了自己制造该物体所需的蓝图的信念。
实施结构作为构建复杂事物的一种方式，遇到了我称之为模式不是路径的问题。在教育系统以及行业中，根深蒂固地认为，我们通过观察发现的部分可以为我们提供如何构建事物的信息。但这与复杂性完全相反。复杂的事物不会使用路径来产生输出。
当前的科学和工程范式试图表明复杂性是一个定义不明确的术语。恰恰相反，复杂性具有明确的特征，这些特征不可否认地与当前关于事物如何被创造、什么构成了真正的知识以及我们的经济是如何塑造的叙事相悖。
还原论所揭示和分析的系统的各个部分与自然系统中出现的结构和行为几乎没有任何关系。剥离细胞的层层结构不会告诉你细胞是如何运作的。这会让很多人感到惊讶，而且会有不止一位科学家不同意，但这是因为他们用还原论的术语来解释细胞的运作方式。
构建复杂的事物并不意味着我们不需要重新排列、切换部分或专注于使事物之间的过渡正确。这些都会发生。但这些决定是为了处理高层次的信号而做出的，而不是为了将它们适合于某些预定义的结构。
考虑一下按照深思熟虑的叙事结构来写作一个故事与只是听起来不错的故事之间的区别。这是两种截然不同的方法，只有后者会产生更优秀的写作。前者会有干预，因为假设该模式是到达那里所需的路径。一个预先存在的结构会干预词语的自然流动，干扰真正有效的词语的内在涌现。
最好的写作不是通过刻意使用结构来实现的，而是通过追逐自己对某个特定主题的未标记的情感来实现的。所有真正伟大的作品都让它们的结构涌现出来。但这对那些研究伟大作品的人来说还不够。他们想要一些精确的东西，一些系统的东西，一些可以称之为自己的东西；一种理论。学者们会观察写作，并注意到真正的结构，例如从引入主题到上升的张力，高潮的达到顶峰，以及对某些巨大挑战的解决。这种结构确实存在于所有伟大的作品中。问题始于有人采用该结构，并认为他们现在拥有了创作自己伟大作品的蓝图。
陷阱很容易掉入。为什么不从向读者介绍主要主题开始我们的工作，然后开始提出挑战，等等。如果所有伟大的作品都有这种模式，为什么不相应地构建我们的作品呢？但这总是会产生迂腐的和不真实的东西。人们总是可以检测到糟糕的设计。通过设计写作迫使一个人用自己永远不会说的事情来填充自己的写作。正是关注情绪线索和直觉，才能让正确的结构和内容涌现出来。像自然界一样建造。
将结构强加到本来自然涌现的作品上总是会干扰涌现过程。由于复杂性的方向，它必须以一种有害的方式进行干扰。DNA可以告诉你谁在犯罪现场，但它不能告诉你如何治愈疾病或设计具有预期特征的健康婴儿。模式不是路径；看到已经涌现的东西并不能告诉你如何让该事物再次涌现。涌现过程，物理抽象是由群体选择创造的，使得较低层次的细节被纳入较高层次的结构，不是通过严格的决定论来运作的。
写书是一个很好的例子，说明这是一项严肃的事业。必须投入大量的精力来接受启示并详细阐述它们。写书所需的工作量通常与动机有关，因为许多人发现很难保持灵感足够长的时间来完成如此庞大的出版物。但这应该让我们感到奇怪。一个人应该只写关于他们非常熟悉并乐于谈论的事情的书。如果是这种情况，为什么书看起来像是如此艰巨的事业？
这就是设计的问题。人们不想坐下来谈论他们热衷的话题的唯一原因是，有什么东西正在妨碍这种最自然的活动。而妨碍它的是设计。当我们想到一本书时，我们想到的是定义的结构；我们被告知一本书应该是什么。这使我们立即开始质疑我们的自然冲动，并将它们围绕设计而不是情感来构建。
这当然不仅仅是关于书。写书是一个例子，说明大型而艰巨的任务是如何如此容易地落入设计的陷阱的。我们试图将我们的作品强行纳入预期的结构中，结果却失去了本来可以在没有设计的情况下涌现的自然结构。让我们明确一点。人们试图设计的结构与通过充满激情的反复试验自然涌现的结构之间没有比较。内在细节之间存在深刻的协调，这些细节无法被看到或标记。这些结构没有名字。它们无法被编纂并被他人遵循。它们只能从有目的地忽略先前的结构中涌现出来。
人工智能的最终答案不会是治愈方法。我们经常听说人工智能变得越来越强大。我们的人工智能系统的智能正在接近人类所见的智能，至少在某些特定领域。随着人工智能的炒作，人们认为，随着人工智能变得越来越智能，人类已经发现的任何东西只会变得更好。超级智能应该带来新的治疗方法，因为它会采取我们目前拥有的任何发现的碎片，并获得更深入的见解，发现人类自己永远无法建立的相关性和联系。毕竟，更多的聪明应该导致更多的创新。
希望读者现在明白了这种推理方式有什么问题。首先，人工智能和人类智能之间的比较在很大程度上是不合理的，因为智能无法以任何科学上诚实的方式来衡量。其次，人工智能可能代表一种不同的智能，不一定是更好的智能。不同的人解决不同的问题。即使将人类与动物的智力进行比较也是有缺陷的，因为人类并没有像其他动物一样面对相同的因素而生存下来。人工智能是一种新的事物，不一定是更好的事物。
但即使我们允许人工智能在某种意义上比人类更有能力，我们当前的科学和工程只会变得更好的论点也存在致命的缺陷。它假设我们的当前方法将被扩展。正如我已经展示的那样，当前的范式本身最终是不正确的，因为它与复杂性的方向背道而驰。而我们现在必须构建的就是复杂性。
在药物发现和开发中，人工智能被用来预测不同的分子如何相互作用，以加快药物发现过程。在基因分析中，人工智能被用来分析基因数据，以识别与疾病相关的突变和变异。在材料科学中，人工智能被用来发现如何制造新材料。等等。
但是所有这些例子都使用人工智能来进行还原论的科学和工程。正如已经讨论的那样，更仔细地观察基因会告诉你更多关于基因的信息，但不会告诉你太多关于疾病的信息。超级智能不会揭示治愈方法，因为我们从一开始就没有走上那条路。如果人工智能必须使用的东西与现实世界的结果脱节，那么就没有任何东西可以扩展。
将人工智能想象成道格拉斯·亚当斯的《银河系漫游指南》中的著名计算机。这个名为“深度思考”的设备是为了给出“生命、宇宙和一切的终极问题”的答案而制造的。幽默的答案当然是“42”。围绕人工智能的炒作将其想象成类似于这样一台机器，为难题带来难以想象的强大解决方案。如果我们的宏伟问题与人类健康有关，我们可能会想象人工智能为我们提供治愈疾病的方法。但如果我不得不猜测，人工智能版本的“深度思考”不会将治愈方法作为其最终答案，而是更接近“停止吃垃圾”的精神。
事实上，这比我们可以为疾病设计治愈方法的概念更严谨和科学。我并不是说治愈方法是不可能的，只是说在复杂性之下，最好的答案是允许系统自然运作，而不是通过设计进行干预。这就是为什么复杂性比简单性更简单。复杂性之下的决策不会假装知道它不知道的事情。只有这么多的信息可以用来做出最佳决策。基于代表融合知识的相对较小的普遍属性集合的事物。决定避免有害环境是一个简单的决定，可能有助于预防疾病，并且比希望得到某种设计的治愈方法更聪明和理性。
人工智能的最终答案不会是治愈方法，原因与人类基因组计划在利用遗传学知识治愈疾病方面做得很少的原因相同。在科学中使用人工智能来做科学已经在做的事情只会加剧问题。我们可以使用人工智能来发现关于基因的新事物，但这种发现永远不会对我们想要改变的事物负责；至少不会在不引起有害和不可预见的副作用的情况下。
如果人工智能达到真正的更高智能形式，它将意识到对因果知识的追求是问题所在，并且它将提出看起来不像当前范式假设的科学解决方案应该是什么样子的解决方案。