复杂适应系统

# 复杂适应系统 (Complex Adaptive Systems)

Complex Adaptive Systems

§ 01

没有交通指挥官的交通系统

每天早晨，北京有超过两千万人从家出发，前往各自的工作地点。没有一个中央调度员在告诉每个人“你走二环，你坐地铁，你骑车”。每个人根据自己的判断——今天是否限号、地铁是否拥挤、天气是否适合骑车——独立做出决策。这些决策相互影响：你选择开车上二环，增加了二环的拥堵，导致后面的人转而选择三环或地铁。你的决策改变了他人的决策环境，他人的决策又改变了你的。

结果是什么？一个没有任何人设计、没有任何人控制、但每天都大致“管用”的交通系统。它不完美——有拥堵、有事故、有混乱。但它也不崩溃——两千万人最终都到达了目的地。而且，这个系统会“学习”：下雨天的流量分布和晴天不同，节假日和工作日不同。没有人下达命令，但系统整体表现出了适应性。

这就是复杂适应系统的实际面貌。大量个体，各自遵循简单的规则，相互影响，产生出任何一个个体都无法预见的整体行为。

1984年，一群物理学家、经济学家、生物学家和计算机科学家在新墨西哥州的圣塔菲聚在一起，成立了圣塔菲研究所（Santa Fe Institute）。他们试图回答一个共同的困惑：为什么他们各自学科中最有趣的系统——生态系统、经济体、免疫系统、大脑——都展现出类似的特征？为什么这些系统都能在没有中央控制的情况下自我组织、自我适应、产生出令人惊叹的复杂行为？

他们给这类系统起了一个名字：复杂适应系统（Complex Adaptive Systems, CAS）。

芒格对圣塔菲研究所的工作非常熟悉——他是该研究所的长期支持者和受托人。他的“多元思维模型”框架，很大程度上与圣塔菲的跨学科精神一脉相承。而复杂适应系统的概念，是芒格思想体系中最重要的底层操作系统之一——它决定了你如何看待预测、控制和系统行为的本质。

§ 02

核心机制：四个定义性特征

复杂适应系统不是一个模糊的标签。它有明确的特征，这些特征使得它与其他类型的系统（简单系统、复杂但非适应性的系统）根本不同。

第一，大量异质个体（Agents）。 系统由大量彼此不同的个体组成。股票市场由数百万交易者组成——价值投资者、动量交易者、算法、散户——每个人有不同的信息、不同的目标、不同的策略。如果所有参与者都完全相同，系统会简单得多（也脆弱得多）。异质性是复杂适应系统活力的源泉。

第二，局部交互与反馈（Local Interactions & Feedback）。 个体之间的交互是局部的，不是全局的。一只蚂蚁不知道蚁群的“总体目标”，它只和它附近的蚂蚁交互——闻到信息素就跟着走，碰到食物就搬回去。但数百万只蚂蚁的局部交互汇聚起来，产生了高度精密的觅食路径、巢穴建造和防御行为。个体与个体之间存在正反馈和负反馈循环——正反馈放大某些行为（更多蚂蚁走这条路→信息素更浓→更多蚂蚁走这条路），负反馈则抑制过度行为（食物耗尽→信息素消散→蚂蚁转向其他路径）。

第三，涌现（Emergence）。 系统的整体行为不能通过了解个体行为来预测。一只蚂蚁是简单的，但蚁群是复杂的。一个神经元的功能是基本的（接收信号，发出信号），但860亿个神经元连接在一起产生了意识、语言和莫扎特的《安魂曲》。整体大于部分之和——不是因为部分之外有什么神秘的东西，而是因为部分之间的关系创造了新的属性。这就是涌现。

第四，适应性（Adaptation）。 这是区分“复杂适应系统”和“仅仅是复杂的系统”的关键特征。系统中的个体能够根据经验调整自己的行为。交易者观察到某种模式有效，会加大在该模式上的押注。企业发现某种策略不再管用，会调整策略。免疫系统遇到一种新的病原体后，会“记住”它并在下次更快速地反应。这种持续的学习和调整，使得系统的行为永远在变化——你今天观察到的规律，明天可能就不再适用。

约翰·霍兰德（John Holland），圣塔菲研究所的创始人之一，用一句话总结了复杂适应系统的本质：

“复杂适应系统的标志是：系统中的个体在不断适应，而它们的适应行为又不断改变系统本身。”
*“The hallmark of a complex adaptive system is that the agents are continually adapting, and their adaptation keeps changing the system itself.”*
— John Holland

§ 03

股票市场：最纯粹的复杂适应系统

如果你需要一个例子来理解复杂适应系统为什么“无法用简单模型预测”，股票市场是最好的教材。

传统金融学试图用物理学的方法来理解市场。有效市场假说（EMH）假设所有参与者都是理性的，信息会被迅速消化并反映在价格中。资本资产定价模型（CAPM）试图用一个优雅的方程来描述风险和回报的关系。布莱克-斯科尔斯模型用偏微分方程来给期权定价。这些模型有一个共同的假设：市场参与者是同质的、理性的、独立的。

但市场不是这样运作的。

市场是一个复杂适应系统，它有着全部四个定义性特征。大量异质的参与者——价值投资者看基本面，技术分析师看图表，量化基金用算法，散户跟着感觉走。它们的策略彼此不同，反应方式也不同。局部交互和反馈无处不在——一个大型基金的卖出行为会压低价格，触发止损单，引发更多卖出。正反馈循环可以把小波动放大为崩盘（1987年黑色星期一），也可以把一个有趣的想法放大为泡沫（2021年GameStop事件）。市场的整体行为——价格趋势、波动率变化、板块轮动——是涌现的，不能从任何单个参与者的行为推导出来。最关键的是，市场参与者在不断适应——当一种策略被广泛使用后，它的有效性就会下降（因为太多人在做同样的事），迫使参与者寻找新策略。

这就是为什么金融市场中的“规律”会失效。如果有人发现了“一月效应”（股市在一月份倾向于上涨），这个信息传播后，越来越多的人会在十二月底买入，把上涨提前到了十二月。然后“一月效应”就消失了——不是因为底层机制变了，而是因为参与者的适应行为改变了系统本身。

芒格对此有极其清醒的认识。他在2003年的一次演讲中说：

“金融市场中最危险的错误之一，就是用物理学家的心态去对待一个生物学系统。在物理学中，电子不会因为你观察了它就改变行为。但在市场中，参与者会因为你发表了一个理论而改变行为。”

这句话直指复杂适应系统的核心悖论：对系统的认知本身就是系统的一部分。 在物理学中，你的理论不会改变行星的轨道。但在市场中，你的理论——一旦被其他参与者知道——就会改变市场的行为。这意味着市场永远不可能有一个“最终正确”的模型，因为任何被广泛接受的模型都会被参与者的适应行为所消解。

1998年长期资本管理公司（LTCM）的崩溃就是这个道理的血腥注脚。LTCM由两位诺贝尔经济学奖得主领导，使用精密的数学模型进行套利交易。这些模型假设市场价格偏差会在统计规律的范围内波动。但当俄罗斯债务违约引发恐慌时，所有持有类似头寸的基金同时试图平仓——它们都在使用类似的模型，因此都在同一时间做同样的事。个体的“理性”行为汇聚成了集体的“非理性”结果，价格偏差扩大到了模型认为“在宇宙年龄内都不可能发生”的程度。LTCM在六周内亏损了46亿美元，差点拖垮整个金融系统。

模型的错误不在于数学计算——那些都是正确的。错误在于把复杂适应系统当作简单系统来处理。

§ 04

城市：自组织的奇迹

如果股票市场展示了复杂适应系统的“不可预测性”，城市则展示了它的另一面——惊人的“自组织能力”。

没有人“设计”了纽约。曼哈顿的街道网格是规划的，但街道上发生的一切不是。为什么某条街变成了金融中心（华尔街），另一条变成了戏剧中心（百老汇），又一条变成了中国城？没有市长下令“你们去那边做金融”。这些聚集是涌现的——一家银行在这里开了，吸引了律师事务所和会计师事务所在附近开业，它们又吸引了更多银行。正反馈循环把一个偶然的起点放大为一个金融区。

物理学家杰弗里·韦斯特（Geoffrey West）在圣塔菲研究所的研究发现了城市中一个令人惊叹的规律：城市的许多指标与人口之间存在超线性缩放关系。一个城市的人口翻倍时，其人均收入、专利数量、餐厅数量大约增长115%——而不是100%。城市越大，每个人的生产力越高。这不是因为大城市的人更聪明或更勤奋，而是因为更大的城市创造了更密集的交互网络——更多的偶遇、更多的信息交换、更多的跨界合作——这些交互的增加产生了涌现性的生产力提升。

但超线性缩放也有阴暗面。犯罪率、传染病传播速度、交通拥堵也以超线性方式增长。城市是一个整体性的复杂适应系统——你不能只要它好的涌现效果，不要坏的。

这对城市规划和公共政策有深刻的启示。传统的城市规划试图“设计”城市——从上往下规定每个区域的功能。但复杂适应系统理论告诉我们，最有活力的城市往往是那些允许自下而上涌现的城市。简·雅各布斯（Jane Jacobs）在1961年就凭直觉认识到了这一点，她在《美国大城市的死与生》中猛烈抨击了“推土机式”的城市更新，主张保留街区的多样性和有机性。雅各布斯没有使用“复杂适应系统”这个术语，但她描述的恰恰就是一个复杂适应系统。

§ 05

为什么芒格警惕“物理学妒忌”

芒格在 2003 年 UCSB 经济学演讲中描述了社会科学中最危险的思维陷阱："物理学妒忌"（physics envy）——对一种不可得的精确度的渴求。他反对的不是数学本身，而是把适用于简单系统的精确性期望，强行套在像经济学这样内在复杂的社会系统上。

这不是反智主义。芒格不是在说“数学没用”或“理论没有价值”。他是在说：把适用于简单系统的精确性期望，强行套在复杂适应系统上，不仅是错误的，而且是危险的。

物理学能够做出极其精确的预测，因为物理系统的参与者（原子、分子、行星）不会因为你的预测而改变行为。你可以精确计算明天的日出时间，精确到秒——因为地球不会因为你计算了它的轨道而改变转速。

但经济系统、金融市场、社会现象都是复杂适应系统。参与者会学习、会适应、会根据新信息改变行为。你的模型一旦被公开，就变成了系统的一部分，从而改变了系统的行为。这意味着社会科学中的“精确预测”从原理上就是不可能的——不是因为我们不够聪明，而是因为系统本身的性质排除了这种可能性。

“物理学妒忌”在经济学中的表现尤其严重。20世纪后半叶的主流经济学充斥着精美的数学模型——一般均衡理论、理性预期模型、动态随机一般均衡模型。这些模型赢得了诺贝尔奖，填满了教科书，但在2008年金融危机面前几乎完全无用。危机之后，英国女王伊丽莎白二世访问伦敦政治经济学院时，问了一个朴素但致命的问题：“为什么没有人预见到这场危机？”

答案是：因为他们用看简单系统的眼光去看复杂适应系统。他们的模型假设市场参与者是理性的、同质的、独立的——恰恰去掉了使市场成为复杂适应系统的那些特征（异质性、相互影响、适应性）。当你把复杂适应系统简化为简单系统来分析时，你得到的不是“近似正确”的答案，而是“精确地错误”的答案。

芒格对此的实践回应是：不追求精确预测，而是追求对系统特性的定性理解。 他不试图预测明年的股价，而是试图理解一家企业所处的竞争生态是否有利于它长期生存。他不用复杂的模型来计算“精确的内在价值”，而是用简单的标准来判断“这是否明显便宜”。他用安全边际来对冲不可避免的预测误差。

这种方法看起来不够“科学”，但它恰恰是面对复杂适应系统时最科学的态度。

§ 06

反直觉与边界

反直觉一：更多的信息不一定导致更好的预测。 在复杂适应系统中，信息本身就是系统的一部分。更多的信息意味着更多的参与者在根据同样的信息行动，从而改变系统行为。2010年的“闪崩”（Flash Crash）部分是因为太多算法交易系统在处理同样的信息，它们的同步反应放大了市场波动。信息可以成为系统不稳定性的来源，而不仅仅是降低不确定性的工具。

反直觉二：控制的企图往往适得其反。 复杂适应系统对自上而下的控制有天然的抵抗。苏联的计划经济试图用中央指令取代市场的自组织——结果是系统性的资源错配和最终的崩溃。在企业管理中，过度的微观管理压制了员工的自适应能力，使组织变得僵化。对复杂适应系统最有效的干预不是“控制”，而是“设置规则然后退后”——就像蚁群中的信息素机制一样，提供简单的局部规则，让全局行为自行涌现。

反直觉三：复杂适应系统中的失败是特征，不是缺陷。 单个蚂蚁经常会走错路、做无用功。但正是这种“浪费”使得蚁群能够持续探索新的食物来源。在创新型经济中，大量创业公司的失败不是系统的缺陷，而是系统保持适应性的方式。试图消除所有失败（比如“大到不能倒”的银行救助政策），反而可能降低系统整体的抗风险能力。

边界条件：并非所有系统都是复杂适应系统。 装配线不是复杂适应系统——工人不会根据经验自行改变装配流程。电网的物理部分不是复杂适应系统——电流不会“学习”。把“复杂适应系统”的标签贴到不适合的地方，和把简单系统的工具强套到复杂适应系统上一样危险。使用这个概念之前，先检查四个定义性特征是否都满足。

§ 07

如何用复杂适应系统思维做决策

### 如果你是投资者

1. 放弃精确预测，拥抱概率思维：不要试图预测市场下个季度的点位或某只股票明年的确切收入。这在复杂适应系统中是不可能的。相反，问自己：在各种可能的场景中，这个投资的回报分布是什么样的？我的下行风险有多大？安全边际是否足够？
2. 警惕“回测有效”的策略：在复杂适应系统中，过去的规律不保证未来继续有效——因为参与者会适应。一个在历史回测中表现完美的量化策略，一旦被广泛使用，其有效性就会被参与者的适应行为侵蚀。对任何声称“已经找到市场规律”的策略保持怀疑。
3. 关注系统的结构，而非当前的表现：一个具有强大自适应能力的企业生态系统（多样化的参与者、健康的反馈机制、适度的冗余），比一个当前数字漂亮但结构脆弱的系统更值得投资。

### 如果你是创业者或管理者

1. 设定简单规则，而非详细计划：不要试图预见每一种情况并制定详细的应对方案。相反，设定几条简单但有效的原则，让团队在这些原则的框架内自行适应。亚马逊的“客户至上”原则就是一个例子——它没有告诉员工具体该做什么，但它给了每个人一个做决策的方向。
2. 培育多样性：单一文化的组织在稳定环境中效率最高，但在环境变化时最脆弱。确保你的团队在背景、思维方式和解决问题的方法上有足够的多样性——这是组织作为复杂适应系统保持适应性的基础。
3. 小规模实验，快速反馈：不要用大赌注来应对不确定性。用大量小规模实验来探索可能性，通过快速反馈来识别哪些有效、哪些无效，然后放大有效的、关停无效的。这就是复杂适应系统中蚁群的策略——派出大量侦察蚁探索各个方向，然后集中力量在发现食物的路径上。

§ 08

在不确定中导航

复杂适应系统理论的终极教训不是虚无主义——它不是在说“一切都不可知，所以什么都别做”。它是在说：换一种方式去知。

传统思维追求确定性：找到正确的模型，做出精确的预测，按计划执行。复杂适应系统思维追求的是适应性：承认不确定性不可消除，建立能够在不确定中持续学习和调整的系统。

芒格的整个投资框架就是这种适应性思维的实践。他不追求找到“正确”的估值模型——他用多个简单的标准来做“显而易见”的判断。他不追求消除所有风险——他用安全边际和分散化来对冲不可预见的风险。他不追求每次都对——他追求在正确的时候赢得足够多，在错误的时候输得足够少。

这看起来不如一个精美的数学模型那么令人印象深刻。但在复杂适应系统面前，“大致正确”远比“精确地错误”更有价值。

正如芒格所说：“我宁要模糊的正确，也不要精确的错误。”这不是一句机智的格言——这是面对复杂适应系统时唯一理性的认知态度。

§ 09

核心引言

“我宁要模糊的正确，也不要精确的错误。”
*“I'd rather be roughly right than precisely wrong.”*
— Charlie Munger (adapted from Keynes)

“社会科学中最糟糕的事情之一就是对物理学的妒忌。”
*“One of the worst things in social science is physics envy.”*
— Charlie Munger

“复杂适应系统的标志是：系统中的个体在不断适应，而它们的适应行为又不断改变系统本身。”
*“The hallmark of a complex adaptive system is that the agents are continually adapting, and their adaptation keeps changing the system itself.”*
— John Holland

§ 10

关联模型

涌现性 — 复杂适应系统最核心的属性：整体大于部分之和
进化论 — 自然选择是生物界最基本的复杂适应系统动力机制
反馈环 — 正反馈和负反馈循环是复杂适应系统的核心运作方式
生态系统思维 — 生态系统是复杂适应系统的典型实例
红皇后效应 — 复杂适应系统中参与者相互适应的动态表现
铁锤人倾向 — “物理学妒忌”就是铁锤人倾向在学科层面的表现
概率思维与期望值 — 面对复杂适应系统时，概率思维比确定性思维更有效
安全边际 — 在不可精确预测的系统中，安全边际是唯一可靠的保护

§ 11

实践检查清单

□系统识别：我面对的是一个简单系统还是复杂适应系统？它是否满足四个定义性特征（异质个体、局部交互、涌现、适应性）？
□物理学妒忌检测：我是否在用过度精确的模型来分析一个本质上不可精确预测的系统？我的分析假设了参与者是同质的、理性的、独立的吗？
□适应性评估：这个系统中的参与者有多强的适应能力？他们会对我的行动做出什么样的反应？我的策略在被他人知道后还会有效吗？
□涌现风险识别：有没有可能出现个体理性但集体非理性的涌现行为？（比如踩踏、恐慌性抛售、泡沫）
□控制幻觉检测：我是否在试图“控制”一个本质上不可控的系统？是否有更好的方法是“设置规则然后退后”？
□多样性检查：我的投资组合/团队/信息来源是否有足够的多样性来应对不可预见的变化？
□精确性审视：我的结论是“大致正确”还是“精确地错误”？我是否在假装拥有我实际上没有的精确性？

§ 12