《为什么需要生物学思维》：有限认知，如何应对日益复杂系统？

原创 精进学思行 精进学思行 

这周又听到一家造车新势力的汽车自燃，看到评论，让人唏嘘，这有设计和经验不足的问题，但我认为这和汽车这个产品的复杂度也有关系，因为即使如丰田这样的汽车公司，也会出现刹车失灵的问题，而最后调查结果是发动机复杂的软件导致的问题。

而比汽车更复杂的是飞机，著 的波音747-400飞机有600多万个独立部件，275千米的管线，几乎没有一个人能完全理解这个复杂的系统。除了汽车和飞机外，我们所用的手机，表面很简单，但它背后是很多复杂的程序和硬件设计，你可能认为，你不了解没关系，专业人士懂就可以，而对于这个产品的设计工程师，他们很有可能都不一定能完全搞得清楚，最多只是对他们自己所负责那一块比较了解，很难有工程师能够完全知道所有的细节，因为它太复杂了。

所以，这就存在一个矛盾，我们的认知能力有限，但是我们要面对和创造的系统日趋复杂，该如何应对呢？本文分享的《为什么需要生物学思维》，就是回答这个问题的，作者是 塞缪尔·阿贝斯曼 ，复杂性科学研究专家、应用数学家、计算生物学家，2008 年获得康奈尔大学计算生物学博士学位，现为哈佛大学医学院研究员，考夫曼基金会高级学者，《纽约时报》《华尔街日报》《连线》《大西洋月刊》等特约撰稿人。

从标题当中也可以看到，作者要介绍的就是将生物学思维引进到我们对复杂系统的应对上。

我会从三个方面和你分享书中内容：

为什么我们面对的系统的复杂度会逐渐增加？

为什么我们的认知是有局限的？

如何借鉴生物学思维应对复杂系统？

1 复杂度为何攀升？

以前的手机智能打电话，现在能干很多事，我们能感到身边的系统越来越智能，而其背后对应的是越来越复杂，这种复杂度是如何增加的呢？书中提到四个方面原因：吸积，交互，例外和普遍稀有物。我重点介绍前面两个。

1.1 吸积

什么是吸积？作者是从一篇"行星系如何形成？”的文章当中看到这个词汇的，文章中介绍的行星系是由一团旋转的尘埃和气体凝聚而成，这种星星点点的累积过程就是"吸积"的过程。

我们的系统变复杂也是类似的情况，很多系统不是一开始就是这样的，它是逐渐演化过来的，比如我们现在的铁路网，电网，以及我们的手机。书中提到美国航天飞机在执行最后一次航天任务时，所使用的平台是由5台IBM计算机组成的，他们的计算能力还比不上一台智能手机，但是这些软件和系统仍然使用着，因为经过了很多年积累，你不知道修改它会带来什么样的后果。

1.2 交互

这个相信你有深刻的感受，互联网以及未来的物联网，它们带来的交互越来越多，也让系统越来越复杂，比如汽车，以前只需要和车内人交互，现在还需要和其它车辆互动，甚至和道路互动，这种交互让系统进一步复杂化。

2 认知局限性

复杂没有关系，如果我们的认知能力足够强大也可以，但关键是我们人的认知和处理的能力是有限的，结合书中的介绍，我觉得主要体现在如下两点：

2.1 记忆和多任务能力比较差

虽然在人和人之间的记忆能力会有比较大的差异，但是总体来说，人的记忆能力和计算机相比还是有天壤之别的，特别是我们在如何突破我们处理信息的瓶颈——7±2？分享当过人的短期记忆和信息的带宽是7±2。此外，我们通常一次只能处理一项任务，不像计算机可以进行并行计算，所以对同事处理很多同时互动的系统，就会捉襟见肘。

2.2 不善于处理非线性

有个典型的测试问题：一个池塘中有荷叶，如果每天荷叶的增长都是前一天的2倍，如果整个池塘长满荷叶需要48天，从一半荷叶到铺满整个荷塘需要多少天？如果不计算，你的直觉是多少？

与此类似，为了完成一个复杂的任务，3个人一个月可以完成？如果换成了6个人，是不是就半个月就完成了呢？常常并不是这样子，所以在制订复杂工作计划的时候，常常看到延期的现象，因为人们不善于进行非线性的预估。

3  生物学思维

3.1 生物学思维VS物理学思维

那么面对日趋复杂的系统和现状，以及我们有限认知能力，如何解决这个之间的矛盾呢？作者引入了生物学思维，或者更严格地讲，是经过物理学思维锤炼之后的生物学思维。

作者提到的生物学思维更接近于博物学，所谓博物学就是对于大自然界当中见到的各种现象进行记录，分类和观察，比如我们现在所使用的纲目科等。和它相对应的是物理学思维，追求的是简洁以少驭多，比如牛顿定律。

它们之间的一个本质区别就是对于抽象化的容忍程度，书中举了一个很搞笑但很生动的例子来说明这两者之间的区别。有一个奶农希望提高牛奶产量，于是找到了一个生物学家和一个物理学家。生物学家通过一周的观察，写了300多页报告，报告描述了影响每头奶牛的因素，包括天气，温度等，最后结果是，按照他的建议，可以让牛奶的的产量提高3~5%。

而物理学家只花了三个小时进行观察，提出了他认为可以适用于所有奶牛的方法，而且提高的幅度可以达到50%，奶农特别兴奋，想知道是什么方法，物理学家说:“首先我们做一个假设，假设你有一头身体为球形的奶牛”。

虽然这是一个笑话，但是他深刻的解释这两种不同思维之间的一个区别，生物学记录了各种现象并进行归类，而物理学更擅长抽象和寻找根本机理。

3.2 为什么生物学思维有效？

为什么我们在面对复杂系统的时候，生物学思维可能更有效，书中举了三个方面原因，核心是生物研究对象和我们建立的复杂的系统比较类似。

①生物系统本身就有很多的交互，研究它的时候要考虑到跟周围的互动关系。在研究一条变形虫细胞核功能的时候，你很难把这个细胞核单独的抽离出来，而是需要把它放在变形虫体内看它的功能和特性，这也是我们经常在处理复杂系时要做的事情。

②生物学研究历史沿革性。生命系统本身就是根据环境，在零敲碎打中修补完善的，这个进化来系统足够好地适应环境，这和我们所面临的复杂系统有很大的相似性，我们现在所使用的系统常常也是演化过来的系统。

③小扰动会带来巨变。在基因当中有一两个片段出了错误，很有可能就会产生一些变异，比如侏儒症，对于复杂系统也经常会因为一个小的错误，带来一些灾难性的后果。生物学解释和应对这些现象的思维方式具有很强的借鉴性，比如生物系统的反脆弱和冗余设计，可以借鉴到复杂系统的设计当中，保证稳定性和适应性。

4 生物学思维的启发

那么我们在现实当中如何去借鉴生物学，书中给出了很多方法，我将其总结为三个方面。

4.1 心态转变

书中提到人们面复杂系统常常会出现的两种心理倾向：恐惧和仰望，恐惧系统太复杂，而我们的认知有限，害怕掌控不了；另一个极端是认为复杂系统很神奇，无比崇敬甚至迷信。作者认为这两种心态都不对，更好的方式叫做谦逊，就是认识到复杂系统很奇妙，但对于它的复杂性，我们有相应的方式去可以应对。

思维方式的转变。

4.2 尽精微，致广大

面对一个复杂系统，人们在具体处理的时候容易出现两种典型的思路，和前面所提到的物理学思维和生物学思维对应。一种是大而化之，完全从表面逻辑上去做判断，但没有去深入到具体事物的具体细节当中，最后导致只浮于表面；第2种是陷入到复杂中，看到了复杂性中的某一个局部点，但是没有建立起一个完整的认识，看到不同的系统之间的互动关系，难有全局的视野。

作者建议深入到细节当中，再跳出来，参考物理学的方法去发现规律，这点我感到一些困扰，因为没有那么容易去把握这个之间的度。

4.3 从T到通

书中提到，面对日益复杂系统，需要通才。但是培养通才的第1步是要先培养T型人才，就是这个人在某一个领域足够深入，能够看到最底层的东西，又因为有好奇心，能够把探寻底层的能力和方法迁移到其它领域。

以我现在的工作为例，我做的是汽车的声音设计，它和功放和扬声器相关，而这个方面不是我的专业，但我也尝试着去理解功放和音响系统的工作原理，也尝试着看到它更底层的信号的发送和接收，甚至是芯片的处理逻辑，我不认为自己能完全掌握，但这能让我更好去理解整个声音设计实现的过程。

通过前面这种方式建立的梯形人才，最后慢慢走向了通才，但这种通才是很难发挥作用，他必须和专家一起工作才能发挥更大的效用，他要能把不同的专家联合在一起，给大家创造一个共同的信息背景，在这里面承担"翻译"工作。比如我在做声音设计的过程中，我本身不是音乐背景，所以找了一个英国的音乐人帮我们来做汽车的声音设计，而我的角色就是将我们的工作需求和他的能力进行对接。

4.4 测试和建模

书中举到了奈飞公司开发的一个小程序“混沌侯”，它是一个小程序，可以随机点击奈飞的软件系统，通过随机的点击，测试系统可能出现的一些问题，然后再对这些问题进行归类和处理，从而提高系统的稳定性和运行有效性。

我理解这和生物系统类似，就是不断的接受一些意外的小冲击，只要不会让系统完全崩溃掉，那么它能帮助调整和修复这个系统，也类似于我们从日常错误中学习和成长。

另外一种方式就是建模，其实这个在工程开发当中非常的常见的，比如在做汽车中，通过CAE建立虚拟的模型，找到最优方案。我理解，建立模型是介于生物学思维和物理学思维之间的，因为模型是对现实的一个抽象，但又不会太抽象，毕竟是有现实的一个基础，那么通过它能够预测和评估现实系统。

总结

我们创造和面对的系统日趋复杂，而我们的认知能力又有限，需要借鉴生物学思维和复杂系统共舞。