What do you think?
Rate this book
复杂
蚂蚁在组成群体时为何会表现出如此的精密性和具有目的性?数以亿计的神经元是如何产生出像意识这样极度复杂的事物?是什么在引导免疫系统、互联网、全球经济和人类基因组等自组织结构?这些都是复杂系统科学尝试回答的迷人而令人费解的问题的一部分。
理解复杂系统需要有全新的方法.需要超越传统的科学还原论，并重新划定学科的疆域。借助于圣塔菲研究所的工作经历和交叉学科方法，复杂系统的前沿科学家米歇尔以清晰的思路介绍了复杂系统的研究，横跨生物、技术和社会学等领域，并探寻复杂系统的普遍规律，与此同时，她还探讨了复杂性与进化、人工智能、计算、遗传、信息处理等领域的关系。
理解复杂系统需要有全新的方法.需要超越传统的科学还原论，并重新划定学科的疆域。借助于圣塔菲研究所的工作经历和交叉学科方法，复杂系统的前沿科学家米歇尔以清晰的思路介绍了复杂系统的研究，横跨生物、技术和社会学等领域，并探寻复杂系统的普遍规律，与此同时，她还探讨了复杂性与进化、人工智能、计算、遗传、信息处理等领域的关系。
409 pages, Paperback
Published August 1, 2011
9 people want to read
Ratings & Reviews
Friends & Following
Create a free account to discover what your friends think of this book!
Community Reviews
Displaying 1 - 2 of 2 reviews
March 24, 2025
《复杂》不错的科普书籍，类似于基于文献综述做的 ppt，承接在真实世界的脉络之后读是很合适的
What——简单评价
不错的科普书籍，类似于基于文献综述做的 ppt：把“复杂性科学”涉及的关键学科和重要理论都介绍了一下。对我来说核心价值在于指明几个愿意深挖的方向：元胞自动机、遗传算法、幂律和分形的关联
诚如这本书所言，最难的地方在于清晰明确的概念：一开始读的时候也是带着同样的问题，读完之后反而觉得不那么重要了。毕竟咱也不需要基于这个框架去做学术研究，去寻求大一统的解释框架，吸收足够多关联基础学科的精髓体系就足够了
Where-哪些地方有Aha moment
重申提出好问题&不依赖简单直觉就抛弃问题的重要意义： 书里提到很多关键性的学科进展，甚至创立新的学科，都是源自对看似很简单直觉问题的探索
跟 Grok 探讨logistic map 的深刻含义：看似混沌的行为有可能来自确定性系统，无须外部的随机源。一些简单的确定性系统的长期变化，由于对初始条件的敏感依赖性，即使在原则上也无法预测。
随机性可能并非真正的无序，而是隐藏简单规则中的复杂性。秩序与混沌并非对立的两极，而是可以相互转换，要打破“非黑即白”的二元思维。
随机性本身就隐藏在确定性的初始值和参数里面，与其对抗，不如拥抱，增强自身系统的反脆弱性。
复杂性可能就源于简单的底层规则，仅仅拆分部分有时候确实无法理解整体，甚至方向是完全错误的。
atomic habits matter
拥抱非线性，生活中的因果关系往往不是线性的，努力未必按比例带来回报，量变带来质变？
系统性思维：别盯着 static snapshot， 关注 dynamic 、 mechanics, 尝试去探究底层的规则和反馈循环
不能创造的，就算不上真正的理解？： 从图灵机到元胞自动机，再到网络，感受到那些探索者们对于模拟现实世界的执念
祛魅黄峥引用的哥德尔不完备性定理、测不准定理
How—读完之后呢？
初步建立起用微信读书的 SOP
流程：标记、想法（别跟标记重复）、每天随手同步readwise、最后整体导出到 cursor再交流整理
标记体系：蓝色-facts、definition； 紫色- views、insights； 红色-shortlist；黄色-questions；绿色-文学性内容、just for fun
概念及科学史速查：对这本书里提到的基础学科及交叉问题都是蛮感兴趣的，作者的科普导入也是够格的，不妨多多回顾
很适合结合《真实世界的脉络》再多翻几遍，尤其是图灵机-元胞自动机演变相关的章节”：在这本书的帮助下更深刻地理解了Deustch 老说的可计算性是啥意思
读作者老师侯世达写的GEB，再深刻感受一下跨学科思维
What——简单评价
不错的科普书籍，类似于基于文献综述做的 ppt：把“复杂性科学”涉及的关键学科和重要理论都介绍了一下。对我来说核心价值在于指明几个愿意深挖的方向：元胞自动机、遗传算法、幂律和分形的关联
诚如这本书所言，最难的地方在于清晰明确的概念：一开始读的时候也是带着同样的问题，读完之后反而觉得不那么重要了。毕竟咱也不需要基于这个框架去做学术研究，去寻求大一统的解释框架，吸收足够多关联基础学科的精髓体系就足够了
Where-哪些地方有Aha moment
重申提出好问题&不依赖简单直觉就抛弃问题的重要意义： 书里提到很多关键性的学科进展，甚至创立新的学科，都是源自对看似很简单直觉问题的探索
跟 Grok 探讨logistic map 的深刻含义：看似混沌的行为有可能来自确定性系统，无须外部的随机源。一些简单的确定性系统的长期变化，由于对初始条件的敏感依赖性，即使在原则上也无法预测。
随机性可能并非真正的无序，而是隐藏简单规则中的复杂性。秩序与混沌并非对立的两极，而是可以相互转换，要打破“非黑即白”的二元思维。
随机性本身就隐藏在确定性的初始值和参数里面，与其对抗，不如拥抱，增强自身系统的反脆弱性。
复杂性可能就源于简单的底层规则，仅仅拆分部分有时候确实无法理解整体，甚至方向是完全错误的。
atomic habits matter
拥抱非线性，生活中的因果关系往往不是线性的，努力未必按比例带来回报，量变带来质变？
系统性思维：别盯着 static snapshot， 关注 dynamic 、 mechanics, 尝试去探究底层的规则和反馈循环
不能创造的，就算不上真正的理解？： 从图灵机到元胞自动机，再到网络，感受到那些探索者们对于模拟现实世界的执念
祛魅黄峥引用的哥德尔不完备性定理、测不准定理
How—读完之后呢？
初步建立起用微信读书的 SOP
流程：标记、想法（别跟标记重复）、每天随手同步readwise、最后整体导出到 cursor再交流整理
标记体系：蓝色-facts、definition； 紫色- views、insights； 红色-shortlist；黄色-questions；绿色-文学性内容、just for fun
概念及科学史速查：对这本书里提到的基础学科及交叉问题都是蛮感兴趣的，作者的科普导入也是够格的，不妨多多回顾
很适合结合《真实世界的脉络》再多翻几遍，尤其是图灵机-元胞自动机演变相关的章节”：在这本书的帮助下更深刻地理解了Deustch 老说的可计算性是啥意思
读作者老师侯世达写的GEB，再深刻感受一下跨学科思维
October 19, 2021
复杂系统里“无序中的有序”，成为了可供学习的样本和模型，诸多的AI算法看起来太熟悉啦。
Displaying 1 - 2 of 2 reviews