作者简介 /Profile/

「刘劲杨」中国人民大学哲学院教授

「谢斯河」中国人民大学哲学院博士研究生

原文刊发于《中国人民大学学报》2025年第2期“人文研究”栏目，仅代表作者本人学术观点，以下内容为文章节选，转载请注明来源。

复杂性科学自其创生起就被视为指引科学未来方向的“新科学”，将超越以牛顿力学为代表的经典科学传统，揭示复杂世界的新万物之理。霍金曾指出，21世纪是“复杂性世纪”。然而，20世纪90年代复杂网络理论之后鲜有引领性的新理论提出，进入21世纪以来的复杂性科学似乎有些“隐没”。2021年三位科学家因“理解复杂物理系统的突破性贡献”获诺贝尔物理学奖。2023年物理学期刊的复杂性子刊（JPhys Complexity）组织了全球18位学者围绕复杂性科学获奖及未来发展进行了研讨。如何看待复杂性科学及其定位，成为理解当代科学与社会发展的重要议题。

一

技性科学时代背景

复杂性科学范式的讨论大多集中于理论传统之争，如还原论与整体论、简单性与复杂性、构成论与生成论、决定论与不确定性，等等。然而，伴随科学、技术与社会、环境的紧密联系，当代科学模式正发生性质上的巨变。传统科学模式可称为“模式1”，科学旨在发现自然规律，技术是科学理论的应用工具，彼此分离。科学研究强调认知专业化、社会职业化和体制制度化，以实现“寻求真理”的理论任务。20世纪90年代以降，吉本斯、诺德曼等学者们认为当代科学知识的生产已从模式1转向模式2，科学总体正经历“技性科学”（Technoscience）的跨时代变革：科学知识生产不再局限于理论化的学术框架，而是更加开放灵活，广泛拓展到社会实践领域，“把握实在”越来越成为科学的主要目标。这为我们探究当代复杂性科学的定位提供了新视角。

技性科学并不只是字面意义上的“技术化科学”或“科学的技术化”，其带来的转变是系统的、深刻的。在问题设定上，模式1通常源于科学家个体的求知兴趣，强调基础理论研究，而模式2则依据应用情境展开知识生产。这种“应用”涉及科学、技术、商业等多方需求的协商与整合，往往驱动跨领域的科学创新和面向应用的基础研究。在学科形态上，模式1主要体现为学院式的科学研究，按学科展开，注重学科专业形式的稳定性；模式2则更多表现为跨学科、跨层级的研究，研究主题灵活。在组织方式上，模式1是同质性的，由中心机构计划和协调；模式2则是异质性的，组织多样，知识生产呈现为社会分布式，包括高校、企业、政府机构、实验室和研究所等。在社会价值嵌入方面，模式1主张保持科学研究的学术独立性；模式2需要面向更复杂的社会背景，知识生产必须符合多元化的应用背景，更贴近社会的需求。在质量控制方面，模式1主要依赖学科同行评审，由学术共同体的权威代表来衡量知识的价值；模式2更加多元化和外部化，涉及科学、社会、经济、政治权益等多样化价值评估。

诺德曼强调，科学事业是一项总体性的知识运动，寻求真理和把握实在均是科学的重要方面。他批评了模式1的“纯科学”取向，该取向认为研究问题越基本，理论越基础，就越广泛，对科学事业的贡献就越大，应用科学则只能谦卑地服务人类。然而，即便有实用主义之嫌，人们只要把握了实在，其实就是在趋近真理。在技性科学背景下，我们能够更好地理解当代复杂性科学的演进及其对社会的影响。

二

复杂性科学疆域的划分

传统的复杂性科学疆域的划分往往依据模式1，即围绕复杂性理论为目标的新科学演进，大致可划分为系统论和复杂性两个时期。系统论时期包括：系统思想、系统科学与技术两个阶段，该时期奠定了复杂性科学的系统观念与理论基础。计算复杂性阶段与前后有联系，又相对独立。其后是复杂性时期，大致包括：自组织与非线性科学、复杂系统建模基础、跨领域的复杂系统建模三个阶段。我们熟知的“老三论”“新三论”“非线性科学”等成为复杂性科学的代表性理论。这种对普遍理论与普适规律的寻求，迄今依然是复杂性科学发展的旗帜。如韦斯特的《尺度》（Scale）一书，其副标题就强调该书是“关于生长、创新、可持续性的普遍规律以及生物体、城市、经济体和公司的生命节律”。

在技性科学背景下，我们应重新审视传统疆域的划分。卡斯特兰尼绘制的复杂性地图影响广泛，他认为复杂性科学主要沿着五条进路展开：动力系统理论、系统论、复杂系统理论、控制论、人工智能。若固守模式1立场，我们会认为这五条进路的划分过于随意，规范性和理论完备性不足。如将控制论与系统论并列，人工智能单列。若以模式2立场来解释，这五条进路全面地勾勒出复杂性科学的不同分支及其实践应用，不仅包括自然科学，还包括社会科学甚至哲学的研究；不仅包括科学理论，还包括技术应用与方法实践。这种“全面”不是模式1意义上的理论与逻辑完备，而是模式2 意义上的不同实践领域的全方位应对与整合。

2024年，世界复杂性研究重镇圣塔菲研究所 (SFI)的 四卷本《复杂性科学的基础论文》出版，克拉考尔在书中提出了一个宏大的复杂性科学图景。复杂性科学可追溯到近百年前四个不同科学领域的交叉，称为“四大支柱”：统计力学与热力学、计算与逻辑、进化与适应、动力学与控制。这四大支柱不断生成跨学科、跨领域的新原理：如与机器生产相关的有序和无序原理；进化和适应过程的数学；非线性动态系统的调节、控制和预测；目的性行为或智能行为的信息和计算。需要注意的是，复杂性一般原理并不等同于模式1意义上的“普遍理论”，还可指“元胞自动机”“遗传算法”等计算机模型及通用方法。与模式1的特定学科、理论化取向不同，复杂性科学不仅描述自然，还广泛延伸到社会实践的跨学科应对中。克拉考尔指出：“复杂性科学可能是第一个超越学科的现代科学，其研究的现象、使用的模型和理论在多领域流畅穿行。”

显然，当代复杂性科学的疆域不是模式1意义上的普遍理论地图，更主要是以模式2方式来把握实在，呈现为应对复杂系统问题的理论、方法与策略。

三

作为技性科学的复杂性科学

依据模式1取向，我们应以某种普遍性质、不变属性来解释各类复杂实在，并将其作为理论研究的基础。复杂性科学的首要问题是“复杂性是什么？”，该问题一度是科学界与系统科学哲学界的讨论焦点和最大困惑。然而，早在复杂性的开创时期，模式2就已有显现。贝塔朗菲很早就明确指出“一般系统论”并不是只包括理论，更主要是一种以“系统”为导向的“路径”（approach），包括系统哲学、系统科学与系统技术三个层次，并延伸到更为广泛的社会领域。1948年，韦弗最早明确把“复杂性”作为科学目标，他区分了三类科学问题：无组织的简单性问题，可用牛顿力学来处理的两三个变量作用问题；无组织的复杂性问题，可用概率统计方法处理的由大量无序个体形成的宏观有序问题；有组织的复杂性问题，这类问题既无法化约为简单性问题，又难以用统计平均的方法来处理，即生物界和社会领域中真正的复杂问题。这三类问题的区分，显然不是从“复杂性是什么”模式1视角给出，而是从“如何应对复杂性”视角进行区分，更符合模式2。钱学森也是从应对的方法论视角给出了复杂性问题的定义：“凡是不能用还原论方法处理的或不宜用还原论方法处理的问题，而要用或宜用新的科学方法处理的问题，都是复杂性问题。”普里高津强调，复杂性不是普遍的、凝固的“性质”而是自组织系统生成的“行为”。西利亚斯明确反对给出“复杂性”的本质定义，他强调复杂系统知识的生成是一个探索过程，复杂性理论是应对问题的“工作框架”。随着这些知识应用的环境发生变化，我们将不得不持续修改这些框架。

复杂性科学的诸多进展均可追溯到系统行为的建模。在维纳看来，科学探究的目的和结果是获得对宇宙某些部分的理解和控制，建模是科学的核心操作。在系统科学中，建模不是模式1意义上的理论抽象，而是依据实践情境数据给出系统行为的形式建构，并不断改进。2021年诺贝尔物理学奖授予了三位专业背景各异的科学家：两位因“地球气候的物理建模，量化可变性并可靠地预测全球变暖”的研究获奖；一位因“发现了从原子尺度到行星尺度的物理系统中的无序和涨落的相互作用”获奖。从模式2分析，全球气候变暖是解题的应用情境。科学知识生产不是通过发现普遍理论，然后应用于实际，而是实践情境促使科学展开特定领域的原理探究和应对。科学家需要通过理论、数据与计算机建模等多种手段结合来“把握实在”，往往需要跨领域、跨学科、跨层级，理论成为不断完善的工作框架。科学研究的成果不是已完成的“普遍理论”，而是需要依据实践数据和科学工具建立的可以不断改善的“可靠模型”。

综上所述，当代复杂性科学总体并不呈现为模式1，即试图理解复杂性是什么，发现普遍规律，提出统一理论；而更主要呈现为模式2，即如何揭示出各领域的复杂系统行为，以基于情境的复杂系统建模来应对复杂问题。从“寻求真理”的理论优位转向“把握实在”的实践优位，并不意味着我们要放弃普遍理论追求，但固守模式1必会制约我们对新科学模式的理解和把握。当代复杂性科学的意义正如《复杂系统科学哲学手册》主编胡克所言，复杂系统研究将引发比肩20世纪物理学革命的认知革命，重塑人类对科学、生命与社会的界定。

欢迎关注本微信公众号

《中国人民大学学报》

唯一官方微信平台

主管：中华人民共和国教育部

主办：中国人民大学

主编：林尚立

国内统一刊号：CN11-1476/C

版权所有

如需转发，请联系授权