酷应用

复杂性研究简介——从西蒙到霍兰

百家作者：人工智能学家 2019-01-07 15:08:57

来源：信息系统论坛

摘要：复杂性研究（Complexity Study）是上世纪末以来逐步兴起的一股思潮。

本文将基于我们自己的认识过程，对于这个值得关注的领域进行简要的介绍，希望能够引起更多朋友的关注。重点是对于赫伯特∙西蒙和约翰∙霍兰四部主要著作的一些观点的说明。这四部著作是《人工科学》、《隐秩序》、《涌现》和《复杂性》。

一、由来和起因：

早在上世纪九十年代初，从沃尔德鲁普的《复杂》[1]一书开始，复杂性研究这个方向就深深地吸引了我们。两年多前，我们又看到了《牛津通识读本》（VSI ——Very Shout Introduction）系列丛书中《复杂性》（《 Complexity , A Very ShortIntroduction》[2]）一书。它虽然十分短小（中文译文仅三万余字），但是言简意赅、深入浅出。这大概是约翰霍兰的最后的作品，在我们翻译，并想和他联系时，不幸他已经离开了我们。（此书我们已经翻译完毕。）多年前，我们曾经翻译过他的两本代表作《隐秩序》[3]和《涌现》[4]。

霍兰曾说“我的很多工作其实是把西蒙的观点带到现在，并使之更加精细，更加微妙一些。在各种情况下，我们的目标都是‘推动’对于复杂系统的研究。但是问题在于，如何才能透过复杂的，混乱地交织在一起的相互作用，有效地推动对复杂系统的研究呢？”他在许多地方引了西蒙的经典表述，特别是《人工科学》（[5]）中的话。

例如，西蒙指出“可以推断，利用更简单的组合导出更复杂，常此以往形成增值产生了多样性和复杂性。。。进化不是占据固定环境生境（niche）的竞赛，而是生境的增值。。。每个新的鸟或哺乳动物为新的一类跳蚤提供了一个或更新的生境。”（原文p189，中文译本[5]P154-155）

他还说过：“如果有固定的中间形式，从简单系统到复杂系统的进化就会快得多。。。其形成的复杂系统会是层级的，在可能的复杂系统中，层级系统是经过一定时间进化的产物。”（原文p209，中文译本 [5]P182）

关于复杂系统中的准可分解的层级结构（QuasiDecomposeble Hierarchy ）他还特别说明：“在层级系统中，子系统间的相互作用和子系统内部的相互作用是不同的。。。在不同层次上的相互作用的强度，常常具有数量级的差别。”（原文P209）中文译本[5]P183）

在《复杂性》[2]一书中，霍兰对于复杂性研究的理念进行了进一步抽象，希望发现某些可以适用于很多复杂系统中的更普适的一些‘法则’。他说：“强调要把系统看成是复杂的，其动因是为了解决除此方法外无法解决的问题。他还说：毫无疑问，我们还要走很长的路，才能找到关于复杂系统的无所不包的理论，不过有很强的迹象表明，这样的理论是可以找到的！”[2]这使我们认识到，更普适的一些‘法则’和所谓的关于复杂系统的无所不包的理论，实际上是一些基本的理念。很多成功人士都强调正确的理念，正是在这些理念的支持下，加上其他的内外因素，他们成功了。复杂性研究探索的就是这样的一些理念。很多人觉得这些理念不过是老生常谈，谁不知道这些常识？然而，问题往往就出在这些最基本的理念上。

下面，我们就简单地介绍一下这几本书的内容。

二，赫伯特∙西蒙的《人工科学》

西蒙的《人工科学》[5]是部经典名著，（八十年代年初版，2004年第三版中本）反复阅读，常有新体会。西蒙在书中证明了：物质符号系统具备必要和充分的手段来采取智能行动。这里的物质符号系统的一个例子就是计算机和软件。物质符号系统的智能行动的例子还有现在的常见的管理信息系统，电子商务，电子银行，微信等等。

西蒙在研究人工性时发现“人工性问题之所以引人入胜，主要是当它关系到在复杂环境中生存的复杂系统的时候。人工性和复杂性不可分割地交织在一起。”西蒙在《人工科学》的第一，二版时也谈到了复杂性问题，但是在第三版中，他大大增加了有关复杂性的内容，用了两章专门谈复杂性，并深刻地指出，准可分解的层级系统是许多复杂系统的典型结构。这提示我们，要用复杂性研究解决我们遇到的各种困难问题。

西蒙和霍兰都是从实际，具体的现象出发，巧妙地利用比喻的手段，逐层抽象的方法，建立模型，尤其是计算机模拟模型（多主体自适应系统，受限生成系统）。在建模的过程中，为了获得必要的、对共同的基础进行概括和描述的方法, 采取了一套合适的数学符号（例如，霍兰用包括#，和0,1字符串表示规则；还用0，1字符串表示染色体等等），并用计算机程序（遗传算法，回声模型，西洋象棋模型，神经网络模型）建立了可以在计算机上运行的模型。

先从西蒙所说的人工科学说起。研究自然现象的自然科学近百年来已经有稳定的地位了。因为自然现象的必然性，或者用平常的话说，自然现象就是那样。但人工事物就不那么必然，具有权变性，对于它可以形成科学吗？西蒙从管理问题开始，认识到我们的理性的局限，用白话说，我们了解不到那么多的情况，或即使知道了足够的多，也不会下决心，或不知如何去做，即行为系统对环境的适应不能尽善尽美。虽然这是一个是否定的判断，但也是一种必然的事情。类似地，思维、解决问题、学习这类的心理学领域研究的理性问题也是类似的。最后，工程，医药，商业，建筑，绘画关心的也不是必然性，而是权变性，即不关心事物是怎么样的，却关心事物可以成为什么样的。他还说人工科学和设计科学是同样可能的。这说明赫伯特西蒙已经发展和改变了大众对科学的不严格，但约定成俗的，对科学就必须具有必然性的要求。他指出，必须运用物质符号系统，产生智能，创造人为事物，达到我们的目标，不但必须，而且是可能的。这就是人工科学。

再说创造。满足人们所需要的新事物的方法是，从实到虚再到实。这个虚就是物质符号系统。从客观实际的现象，抽象出认识，用物质符号系统承载这种认识，利用物质符号系统的等价变换，即推理，形成我们需要的新的物的描述和制造方法，最后造成新的实物。

围绕人工事物的创造，西蒙提出了许多深刻的见解。例如，关于通过计算机模拟可以获得理解。关于没有终极目标的设计等。其中特别要强调的是，要重视层级理论。

根据理论，我们可以期望，在一个复杂性必然是从简单性进化而来的世界中，复杂系统往往是层级结构的。层级结构在其动态变化过程中有一种性质，即准可分解性，它大大地简化了层级结构的行为。准可分解性也简化了复杂系统的描述，使人们较易理解，使系统发育或繁殖所需的信息可以能够在合理的范围内储存起来。这种从顶层开始到尚未建成的基础的自上而下建造科学摩天楼的方式之所以可能，是因为每一层次上的系统行为只依赖对下面一个层次上系统行为非常粗略，简化和抽象的特征概括。这真是幸事。

从大师的逐级抽象的榜样里，我们可以学习到抽象的能力。有关自然界和人工界以及社会的知识似乎也呈现了具体到抽象，到更加抽象的结构。在计算机语言中，也是类似的，抽象出型，型的具体化是值，型的型也可以更加抽象出来，成为更抽象的型。

通过抽象，西蒙证明了他的著名的命题“物质符号系统具备必要和充分的手段来采取智能行动。”的充分性。符号系统可以通过等价变换，即做推理；也可以运算，比较，即做决策，这些都是智能行动。例如图灵机，它是符号系统，它的程序很简单，程序指示符号历时运动，并或产生，或修改，或复制，或消除符号，该符号结构就是正试图去适应的环境的内部表象。有了这些符号结构就可以模拟环境，从而对环境进行研究。它们还有输入输出。外部环境决定着实现目标的条件。如果内部系统设计得当，能适应外部环境，那么，内部系统的行为在很大程度上是由外部环境决定的，行为呈现的是任务环境的形状。智能行动意味着根据环境的变化和内部的局限做出行动的决策达到目的。

总之，西蒙的许多思想值得我们反复领会和玩味，限于篇幅，这里就不进一步展开了。

三、霍兰的复杂适应理论

西蒙的著作中多次提到霍兰的CAS理论——复杂适应系统理论，认为是复杂性研究的最新发展。的确，霍兰继承和发展了西蒙的思想。

霍兰是遗传算法和复杂适应系统的创始人，是密歇根大学的心理学，电子工程和计算机科学的教授。曾获麦克阿瑟研究奖。他是圣菲研究所的学术指导委员会主席之一。

正像霍兰的朋友在他 85岁生日纪念文集（[8]）中所指出的那样，霍兰是那种少有的科学家之一，他们从根本上推动了科学的进步，彻底改变了人类知识的状况。几乎没有一个科学领域或议题，没有受到他关于复杂性科学，特别是复杂适应系统理论的影响。我们下面简要地介绍他的三本书的内容。

3.1 《隐秩序》简介

霍兰在《复杂性》[2] 中总结和简介了自己的研究。在《隐秩序》[3]和《涌现》[4]中全面详细地介绍复杂适应系统的理论。

《隐秩序》的主要内容是详细解释复杂系统的七个重要概念，以及遗传算法，回声模型等内容。七个重要概念是：聚集，标识，非线性，流，多样性，内部模型，积木块。：这些概念又可以分为两组：机制和特性。机制是复杂系统形成过程中的普遍存在的一些行为，包括聚集，内部模型和积木块；特性是在这过程中发挥重要作用的一些事物和性质，包括标识、非线性、流、多样性。关于它们的详细说明此处无法详细介绍，有兴趣的读者可以参看《隐秩序》[3]原文。

CAS理论的计算机技术基础是霍兰本人发明的遗传算法，这是计算机技术和人工智能领域的著名算法。它模拟了生物的适应进化。生物的优劣，对环境的适应是由带有基因信息的染色体确定的。对各种由主体组成的系统，不论主体本身有何个性，主体的共性是所有的主体都具有如下三个层次的能力：

1.主动性的表现（时时刻刻实施某种行为的能力）

2.对行动的结果进行评价的能力（对于可能产生的结果进行评分）

3.发现规则（形成新的能力）

遗传算法的核心思想是用现行执行时的行动的结果的表现，对主体赋值，由于染色体可能发生偶然的交叉和变异，通过正确的评分（考察其适应）产生了新规则。为在计算机上运行遗传算法，主体的表现是一组用IF（条件）THEN（执行）的规则表示。

对行动的评价是用强度。霍兰巧妙地利用一些经济学的办法（桶列算法）计算强度，发现主体如何适应环境。条件和执行用01#字符串表示，染色体用01字符串。

贯穿全书的回声模型是一个不断扩充的计算机模拟程序。在《隐秩序》一书中，霍兰从模型1到模型6，不断地增加内容，模拟了越来越复杂的现象。

3.2 《涌现》简介

在写完《隐秩序》之后，1997年他又写了《涌现》[4]一书。《涌现》讨论的问题是：复杂的事物是如何从简单的事物中发展出来的？例如国际象棋，一个棋盘，几十个棋子，只有简单的二十几条规则限定。然而，经过了经过了几百年的精心研究之后，我们自今还是能够在不断的游戏中发现新的走法。就像小小的种子成长为各色各样复杂的生物体一样，为数不多的一组游戏规则会衍生出极其复杂的棋局。

涌现的本质就是由小生大，由简入繁。这是我们周围世界普遍存在的一种现象，例如，耕种，人们的创造性活动，蚁群，神经网络系统，人体免疫系统，因特网。。。。在这些复杂系统中，整体的行为要比其各个部分的行为的加总大得多。问题非常深奥，但是与我们密切相关。例如，整个生物系统是如何按照物理，化学的规律涌现出来的，我们是否能将人类的意识解释为某些物理系统的一种涌现属性？如果我们找到了普适的理论，这些问题就可以解决。《涌现》致力于对这个理论的科学研究。

《涌现》给出了正在研究的现状。包括一些例子，方法，结果。

首先，对涌现这么复杂的问题，还没有简单的定义。《涌现》只给出一些准则，用以划出特定领域，以便研究。涌现研究的领域是一些规则和规律方面富有启发的系统，例如棋类游戏，人们已经充分理解其组成的物质系统（如由原子组成分子）和科学理论（如牛顿万有引力定律）定义的概念系统。等等。。

霍兰的基本观点是：少数规则和规律就能够产生令人惊讶的，错综复杂的系统。这个复杂性的来源是系统随机模式本身和从局部到整体的过渡，以及系统的动态所产生的永恒的新奇，但其中有可识别的特征和模式是重复地发生，即新的涌现发生了，例如新的层次，新层次上的新的规律。

为了发现涌现，需要建模。模型是在结构或行为的重要方面和所研究的系统相似的，真实的或想象的系统的映象。它往往能为大范围的观察事实提供解释。模型的建立不是“原型的重复”，而是按研究目的的实际需要和侧重面，寻找一个便于进行系统研究的“替身”。不同的人由于研究的目标不同，就会对某些方面做出不同的简化。在原型系统及模型之间存在着“反馈”的关系，根据对原型系统规律的认识，可以建立模型。

而建立模型进行实验的过程又可发现一些新的规律，由此预测未来或丰富对原型系统的认识。人类对世界的探索过程，就是建立各种模型表示的过程。人类知识积累的过程，也是修正和具体化各种形态的模型的过程。模型方法是现代科学的一种核心方法，事物的本身几乎是不能直接展示出来，让交流者们较深入地理解的，起码要用语言来讲述。

相似性与简单性的统一是建立模型的方法论原则。建立的模型要求模型和原型在本质上是相似的。并具有可验证性。建立模型常常是多种知识和方法的综合运用。科学的模型具有多重功能：科学模型要起到研究纲领作用，模型是客观事物的反映，但它对客观事物进行了抽象，所以获得了更普遍适用的客观规律，这些规律常常是优雅和简化的，因此它为整理信息提供了概念框架。由于原型本身太过复杂，不容易研究，我们按我们研究目标的需要，做了简化，从类似情况中得到启发，用隐喻的手段建立模型，所以模型是科学研究的间接方法。思维模型可以起到思想实验的目的。思想实验实际上是思维操作亦即逻辑推理的结果，是实际实验的逻辑补充。模型是研究复杂系统的关键。模型研究对实践有指导作用。

但模型也是会有问题，模型常常过于简化，未能反应实际情况的复杂性。为不同的目的，或不同的建模者可能建出很不相同的模型，研究它们的时候，甚至得到矛盾的结论，让人无所适从。无论如何模型具有以下这些基本的性质。客观性：必须符合实际；主观性：对于目标有效；相对性：只反映客观事物的某一侧面；渐进性：随认识和实践的发展而发展。

所以模型的作用是明显的，模型是人类认识和改造世界的必经之路。模型是知识表示的基本工具，它用概念描述系统，提升我们对系统的认识，它更抽象更有广泛的应用。模型为现实的系统提供了整理信息的框架。运行模型，可以从中寻找规律。获得对未来的预测。模型也能帮助我们设计人为事物。模型本身也是物质符号系统，是人工物。

建模的要点是忽略对研究目标无关的细节，抓住本质；通过类比获得灵感，例如，电磁波是看不见的，但用水的波可以类比，最后得到麦克斯维方程；建模要不断的抽象。例如写程序。复杂系统中，基本元素是主体，规则和元素之间的相互作用。

《涌现》一书中主要讲了两个例子，西洋跳棋和神经网络的模型。霍兰建立了自适应主体的计算机模拟模型，演示了受限生成过程，展示了自适应主体在变化的环境下，不断学习，改变策略，发展成长，逐渐出现了新的固定模式，新的积木块，新的层次。如此我们看到了涌现。

涌现正是发生在整体行为不等于各个部分行为的简单总和的情况下。涌现发生的时候，整体确实远远复杂于各部分行为的总和。还是以下棋为例。仅仅依靠累加棋盘上各个棋子的价值，是不可能正确地描述正进行着的棋类比赛的一个当前状态。因为各个棋子之间还都有着相互发生的作用，能够达到相互支持和控制棋盘上各个部分形势的效果。如果很好地思考利用这种联结的结构，就能更容易打败你的对手。尽管他有许多更有价值的棋子，但却没有合理地安排它们。要有效地分析整个竞赛形势，就一定要找出直接描述棋子间相互作用，相互影响的方法。

霍兰用由直观逐步走向抽象科学研究方法。相当精巧地建立了受限生成过程（ConstrainedGenerating Procedure,缩写为CGP）的模型的框架。现在研究的多数系统都可以看成是某种受限生成过程。由于模型是动态的，所以称为“过程”；支撑这个模型的机制“生成”了这些动态的行为；事先规定好的、机制间的相互作用“约束”或“限制”了这些动态的行为的可能的范围，就像游戏的规则约束了可能的布局一样，所以称这个模型为受限生成过程。任何受限生成过程都能表现出涌现行为。

建立受限生成过程的主要步骤是：

1，定义机制

前面的规则现在称为机制（如下象棋的规则）。用机制来定义系统中的元素。

机制根据输入（或信息）作出反应，对输入进行处理并产生最终的输出。

2，形成网络

很多模型都涉及到不止一种机制，为说明某一个机制的执行是如何影响（也即限制）其它机制的。可以把多种机制连接起来形成网络，即用网络描写受限生成过程（CGP）。正是机制间的相互作用产生了有机的、复杂的行为。在这个框架中，我们就可以研究那些在考察单个机制时，很难观察到的相互作用。当基本机制的数量大大增加的时候，整个系统的复杂性就会迅速增大，情况就像在蚁群和神经网络中所看到的那样。

3，利用转换函数

表示由一些带约束条件的、相互作用着的机制连成的网络的所有可能性的集合，可以定义总的受限生成过程的状态，这个状态将由组成这个受限生成过程的所有机制的状态决定。然后，再用转换函数来精确地描述各种从一种状态合法地转换到另一种状态的方式。

4，用积木块搭出层次结构

像搭积木似的，为了简化描写和建立更复杂的机制，我们分离出一些基本机制使受限生成过程成为有层次的结构过程。正如西蒙在1969年所指出的，这将更便于对系统加以描述，并且绝大多数表现出涌现行为的系统都具有层次结构。

《涌现》用受限生成过程对跳棋和神经网络建立了计算机模型。运行结果得到了，带有自学习功能的西洋跳棋程序涌现出赢得对手的棋势，甚至战胜了设计程序的人。神经网络模型也涌现出记忆等现象。

3.3 《复杂性》简介

霍兰写于2013年的《复杂性》一书介绍了复杂系统，包括复杂物理系统 (CPX)和复杂适应系统 (CAS)，主体，网络，度，和再循环，专业性和多样性，涌现，协同进化和小生境的形成，最后霍兰把他对复杂性研究的成果融为一体，再次努力，力图获得理论。

《复杂性》这本小册子是总结，在认识上也有提高。例如，讲到缸模型，带有随机因素考虑的马尔科夫链的应用，更多地谈到半透明的膜（边界）和标识的作用，对网络，度和再循环的研究加深了。强调了专业性和多样性，用复杂系统的方法研究了斯密的分工模型。

最后给出了结论：强调要把系统看成是复杂的，其动因是为了解决除此方法外无法解决的问题。他还说：“毫无疑问，我们还要走很长的路，才能找到关于复杂系统的无所不包的理论，不过有很强的迹象表明，这样的理论是可以找到的！”[2]

到目前为止，该理论的研究尚在初级阶段。不过已经可见一些普适的规律。所有的CAS的共同特征是：CAS 的行为总是由其组成元素的适应性交互行为所产生。成为其特征的层级结构也是由此生成的，主体在一个层次上的特定的联合变成它的上层的主体。生物机体的组织结构就是人们最熟悉的例子，它是这样一层一层地形成的。

利用基础概率论的‘缸’模型，加些限制条件，给每个缸一个出和入的阀门，只有特定的颜色的球可以进或出，随机取出的球不能放回缸。这样，每个缸就有半透明的膜（边界），某些信号可以穿过，另一些信号则不能穿过。霍兰用一种重要的概率理论----马尔可夫过程研究这种有门的缸层叠成的系统的情况。简单地说，马尔可夫过程认为：系统从一个状态到另一个状态的转变是随机的，不是确定的，可以用概率表示其中随机性。马尔可夫过程的理论已经很成熟，它是研究带门的缸模型的有力工具，因而也是CAS的有力工具。特别地，马尔可夫理论可以清楚地描述在一些具有特殊行为的领域的信号分布。这就为进一步搞清楚适应的机制提供了可能性。虽然在CAS 中引用马尔可夫理论还不能建立一个无所不包的理论，但它的确是非常有用的。门缸和马尔柯夫过程模型可以演示奶牛身体上的花纹是如何产生的过程，即所谓的图灵形态发生反应，图灵在他的一篇有名的论文中曾详细地讲解了这一过程。

当生物细胞中的成员，由膜分开后再进行串联合作的时候，也可观察到类似的产出的增加。半透的膜对某些蛋白质关闭细胞器，而对另外一些蛋白质则不关闭该细胞器。直接的结果是在该细胞器中，集中增加了允许通过的蛋白质。按基本的化学定律，较高的集中度，将增强允许通过的蛋白质的相互作用。合作圈内的其他细胞器，将可以利用这些相互作用的产物，获得亚当﹒斯密所指出的如生产线专业人员似的合作效果。其结果就是实质地增加了有效的产出，包括细胞的成活率和更新效率，这就产生了达尔文所指的细胞的适应性。

所有的CAS都常常表现出专业化成员增加的趋势。越高层的专业人员越脱离下层的实际操作，运用符号系统从事着信息处理。例如，从早期城市里的市场，到当今的商业市场的进展就是如此。在早期的市场里，个人只是交换着他们自己生产的产品；渐渐地，有人专门记录什么时候，什么货物受欢迎，生产多少合适，买多少钱能挣得多，进行专门咨询，专门指导，。。。后来又产生了设计和管理信息系统的职位。在当今的社会中里，还有大量的专家，他们处理期货，对冲和衍生物等等，而不涉及实际的商品。在其他的CAS中也可以看到同样的变化和发展，比如在当今自动生产线或管理架构中到处正在出现的专业化。类似的情况，还可以在互联网，气象局和作战控制室等等里面见到。

在各种情况下，有着多样的专业化的主体，他们关注，处理，选择各种信号。正像在生物细胞中，由边界（细胞的半可穿透的膜），信号（蛋白质），和信号处理（蛋白质间的相互作用）持续地带来的多样性。在‘生产线’上各相互作用串联时，标识对于协调规则的顺序是非常重要的。当标识协调‘生产线’时，很容易产生并检测到在产出和有效性方面的实质上的差别。由于多种多样的生产线可能是串联的，为了生存，CAS主体甚至还能够发展出更复杂的策略。这同时也是每一类新的主体相互作用继续扩张的新的机会。在这些可能的新增加的相互作用中，CAS中普遍存在的多样性又可以开始增长。而这又为新的专业化的进一步发展，展示了更广泛的多样性。

在生产线的例子中，自然规律确定了分工后专业工作者效率的提高，系统科学认识到当一串专业人员完成工作以后，总的生产效率得到提高（意味着更适应），这条生产线就固定下来，成为成功固定的新模式，出现了新层次，整体的效率得到了提高。

受限生成过程（CGP）是协同进化的关键，这个概念是霍兰在1994年首次提出来的。它是在霍兰提出的遗传算法（GA）的基础上提出来的。在《涌现》中详细讲述了。简单地说，CGP就是个体在与环境反复交流的过程中，不断改变自身的形态和行为方式的过程，它既是个体的进化机制，又是整个环境（即整体）的演化机制，所以，称为“协同进化”。霍兰在2013年的《复杂性》一书中进一步发挥了这个概念。协同进化和CGP 把赫伯特西蒙的观念落实为具体的机制。研究一个复杂系统，就是要抓隐藏在其进化过程中的CGP。

在《复杂性》中霍兰还细化了半透明的膜和价值链的形成。在生境概念的基础上，霍兰进一步关注它的边界特点——有选择地单向传递信息和物质，他形象化地称之为“半透明的膜”，并进而把一系列相互连接的生境称为“缸”，从而形成了我们熟知的价值链或分工链。这一进展，继续丰富了层次结构的内容，对层次概念的进一步细化，也和我们希望考察的经济系统更加接近。

四小结

根据西蒙和霍兰的这四本书经典著作，及其他相关的书籍，选出以下十个复杂性研究的关键概念。这十个概念分为两组：前四个是基本的观点，或者说理念；后六个是对于复杂系统的若干普遍规律的理解和认识；两部分之间承上启下的、衔接点和核心点是第五点——“准可分解的层次结构”。这十点是：

1.世界是无限的，这是复杂性的根本来源。而且，质的无限性重于量的无限性。

2.不存在统一的、放之四海而皆准的、终极的理论体系。

3.确定性和不确定性都是真实的客观存在。

4.个体和整体是相对的，它们之间既冲突、又相互依存，其利益取向和行为规律是不同的。

5.复杂系统一般都具有准可分解的层级结构。

6.存在着两种具有不同规律的复杂系统：CPS 和 CAS。

7.CAS的基本特点是：个体的适应行为导致整个系统的复杂性。

8.协同进化的关键在于受限生成过程（CGP）。

9.生境（niche）可以说是个体到整体的一个“中间环节”。

10.半透明的膜和价值链（或分工链、信息链）的形成，是层次概念的进一步细化的关键。