1.3 一些过去的创造

本书的目标足够宽广和基础，以至于会不可避免地有一些前人所做的工作实现了其中一小部分。但没有本书的方法与思想，会有基本的问题最终对每条主要途径产生不可逾越的阻碍。

人工智能：

当计算机发明时，很多人认为无需太多时间就能让计算机像人一样思考。于是20世纪60年代，人工智能以计算机实现人类思考为目标而诞生。但在一些副产品和几乎没有的基础进展后，发现实际遇到的困难比预期多。而从某种层面上看，最基本的问题一直是理解大脑中的看起来似乎很简单部件是如何形成复杂的思考的。最终本书开发的框架可能会建立一个有意义的基础。以本书中的理论和实践思想为基础，我猜想类人思考系统的创造会发生一个戏剧性的进展。

人工生命：

自从机器出现依赖，人们就想让它们能到模拟生命系统的程度。最活跃的是80年代到90年代，人工生命领域主要关注用计算机程序表现生物系统的各种各样特点。但往往被假定的是，程序必须很复杂。但实际上本书的发现认为，简单的程序就足够了。而且这种程序使得基本机理变得明了——可能更接近实际的生物系统。

突变理论：

传统的数学模型基于连续量，而在自然中，离散的变化经常发生。活跃在70年代的突变理论，指出即使是传统的数学模型，也会发生明显的简单离散变化。在本书中，我不会从连续性的假设出发，而且我研究的行为类型远比突变理论更加复杂。

（p12）

混沌理论：

混沌理论的领域基于一个发现，一个数学系统的表现对初始条件的细节非常敏感。最初是在19世纪注意到，在20世纪60、70年代计算机仿真崛起后变得突出。其主要意义是，它意味着如果任何初始条件的细节都是不确定的，那么预测系统最终的行为将是不可能的。但尽管一些人反对，这个事实本身并不代表行为一定会变得复杂。确实，它只是说如果是初始条件细节的复杂性，才会在系统表现大尺度上行为的复杂。但如果初始条件是简单的，也没有理由认为最终行为会同样的简单。在本书中，就有许多初始条件很简单但是很多系统产生的行为相当复杂。我认为这个现象是解释自然界复杂性的例证。

复杂性理论：

我在早期80年代的发现让我认为复杂性能够像一个基础独立现象一样研究，而且这逐渐变得受人欢迎。但是基于我早期发现的大多数科研工作都结束了，而更多地被其他的现有科学框架所包含，并且设法对任何一般的和基础性的问题取得微小进展。本书阐述的新科学的一个特点就是，它最终使得对一般现象的复杂性和其起源的基本理解的发展成为可能。

（p13）

计算复杂性理论：

自七十年代发展的计算复杂性理论试图描述计算型任务的困难程度。而其具体的结果往往基于有复杂结构的具体的程序，即使行为很简单。而本书阐述的新科学开发了更多一般类型的程序，可以为计算复杂性理论中长久以来的问题提供新的线索。

控制论：

在20世纪40年代有种说法是可以基于电器的模拟来理解生物系统。但本质上来说，唯一可用的分析方法是来自于传统数学，而典型的复杂的生物行为就很少成功获取。

动态系统理论：

作为约一个世纪以前发展的一个数学分支学科，动态系统理论领域关注于通过特定的数学方程来研究随着时间变化的系统，并用传统的几何和其他数学方法来描述其可能产生的行为形式。但在本书中所主张的是，实际上这些系统的行为本质上太过复杂而很难有效地用这种方法来捕获。

进化论：

达尔文的自然选择下的进化论通常被用来解释我们所看到的生物系统的复杂性，而实际上近几年这个理论不止用在生物学。但是一直没弄明白的是，为什么这个理论能够暗示产生了复杂性。确实我会在本书中说到，它在很多方面都反对复杂性。但是本书中发现的一个全新的完全不同的机制，我相信能够有效解释我们在生物界中看到的许多复杂例子。

(p14)

实验数学：

通过计算出的数据来探索数学系统的想法已有很长历史，随着计算机和Mathmatica（译注：作者开发的一款数学软件）的出现，更是逐渐广为流传。但毫无例外的是，它在过去只适合研究那些已经被别的数学方法研究过的问题和系统，这在数学的传统中非常普遍。而我在本书中的方法，是以计算实验作为基本方法来探索更多一般的系统，这在传统数学中是从未出现的，这也通常不能被现有的数学方法所理解。

分形几何学：

直到最近，只有规则平滑的形状才被科学和数学广泛讨论。但是自70年代崛起的分形几何学，强调了包含复杂碎片的嵌套形状的重要性，并且认为这些形状在自然中很常见。在本书中，我们会遇到一些能产生这类嵌套形状的系统。但我们能找到更多产生更复杂形状的系统，而且不是嵌套的结构。

一般系统理论：

在60年代特别受欢迎的一般系统理论，主要关注研究大型基元网络——通常是理想化的人类组织。但是没有本书中的各类方法，几乎不可能得出确切的结论。

纳米技术：

自90年代早期开始快速发展的纳米技术，其目标是实现原子尺度上的技术系统。但到目前为止，其关注领域已经收缩到熟悉的机械和其他设备。本书中展现的一系列的系统其简单结构，但表现复杂行为，其中一些在某些方面上十分适合直接在原子尺度上实现。

非线性动力学：

线性数学方程通常十分容易求解，并且广泛应用于科学。非线性领域关注分析更为复杂的方程。其最为成功的就是“孤子方程”，在这种方程通过谨慎操作可以得到类似线性的性质。但在本书中讨论的这类系统通常表现为复杂的行为，而且没有这样的简化属性。

（p15）

科学计算：

科学计算领域通常关心使用传统数学模型——通常用于各种流体和固体，并且试图在计算机上用数值近似实现。一般来说，很难从使用近似的效果中分离出复杂的现象。我在本书中提出的几种模型不使用近似的实现，却很容易就识别出更复杂的现象。

自组织：

在自然中经常能看见一些系统，期初是混乱无特点的，但接着不由自主地将自身变得有组织并产生了特定的结构。自组织中的松散领域通常关心理解这个现象。但大多数部分，他们都使用了传统数学模型，导致的结果是只能研究相当简单的结构。而有了本书中的观点，就可能理解这种巨大的复杂结构是如何形成的。

统计力学：

自一个世纪前发展来的物理学分支统计力学，关心理解由大量气体分子和其他部分组成的系统中的平均行为。对任何一个特定的实例，这种系统都会表现得复杂。但是着眼于大量实例的平均值，统计力学通常就能避免这种复杂性。为了与实际情况取得联系，它通常使用所谓的热力学第二定律，或是熵增加原理。但一个多世纪依赖，在理解这种原理的基础上，总会有难以理解的困难。如果使用本书的想法，我觉得会有一个框架可以解决这些问题。

（p16）