张江
   很多人认为前沿学科一般都有很高的门槛。实际上，复杂性科学对一个普通的入门者来说要求并不算很高。总结起来，我认为复杂系统理论对入门者的要求无非这两方面：
1、对计算机模型的掌握
    在我看来，复杂性科学对入门者唯一一个过硬的要求就是计算机建模的掌握。可以说，如果失去了计算机模型也就失去了研究复杂性科学的工具。因此，初学者至少要懂一些计算机编程的知识，这样才能真正达到很好的理解、应用复杂系统理论的前提。幸好，现在已经有不少机构开发了软件平台方便计算机不算精通的人士。
2、对事物没有偏见
    因为复杂系统的思维方法往往是新颖的，而且复杂性科学不再关心传统科学关心的问题。比如最优化、控制等问题，所以这会让很多受过良好的传统教育的人感觉很难理解，但同时也为那些本来就没有偏见的人提供了机会。复杂系统强调尽量减少人为的干预，让系统自然的发生、发展，这实际上非常符合东方古老的“无为”的哲学观。然而近代西方科学却一直强调“有为”的主动干预，我们跟着西方走自然不免掉入“最优化”的陷阱。而事实上，西方最新的科学思想已经转会到了古老的东方思想上来了。
3、什么不是必需的？
    近代科学虽然一直在强调数学工具，然而在复杂系统里面，完全严格的、高深的数学却不一定是必需的。这倒不是说掌握了高深、严密的数学不好，而是说对于普通的欠缺这方面的知识的普通人，复杂系统是一个很好的机会。因为复杂系统理论还仍然是起步阶段，人们还没能找到一个特别好的严格数学描述方法。
    另外，有人认为学习复杂系统就必须要理解之前的关于系统论、混沌学、控制论、人工智能等知识。但实际上，这些知识不是必需的。因为复杂性科学很多研究方法和基础来源于直接对客观世界的洞察。
如何应用复杂性科学？
一般人可能更加关心复杂系统理论的应用问题。实际上，复杂性科学最直接简单的三个应用途径是：
1、计算机模拟真实系统
    目前，复杂系统理论已经广泛的应用于经济、社会、认知、生命等系统中。实际上，无论是什么专业，我们都可以用复杂系统的理论手段来建立计算机模拟模型。比如交通系统，我们可以对每个车辆的运动建立模型，看看一个路网系统如何导致各个车辆整体行为的涌现。再比如针对多个人参与的买卖市场，我们也可以对买卖者进行建模，然后观察他们的整体涌现属性。还有的人运用计算机模型解决地缘政治、人口迁移等等问题。《虚实世界》一书为我们打开了思路，其实很多领域都可以用计算机模拟的方法来解决实际问题。
    另外，需要人们注意的是，复杂系统的计算机模拟模型可能根本就不复杂。要知道，复杂系统中的细胞自动机模型完全是一些依照简单规则不断变化的方格，这里完全不需要深奥的建模技巧。你只要敢于用简单的01串或者几个数字来对世界进行类比就能够建造出复杂系统中的计算机模型。举个简单例子，Axelrod在研究世界上大国的产生和消亡中采用了一个异常简单的模型，用一个方格来表示一个大国，它的国力则用一个数字来表示。各个国家的斗争就是简单的方格之间的数字变换。按照一般人的思路，可能认为模拟一个国家出来是不可能的事情，但我们完全没必要那么费劲。事实上，正如Axelrod说过的，社会学领域的计算机模型应该在保证能够抽象出问题本质的前提下把模型做的尽量简单。可以说，这对大部分社会学者来说是一个好消息。
2、适应性计算
    很多时候，人们觉得复杂性科学不是一门“实用”的科学并不是因为复杂性科学本身真的不实用，而是因为人们没有学会在复杂系统科学里面问对问题。因为复杂性科学强调的是适应性而不是正确性，所以把适应性引入很多领域将会带来广阔前景。比如机器人的设计就可以采用借鉴复杂系统中的适应、涌现的思路。解决人工智能中的缺乏鲁棒性问题也可以用复杂系统理论方法来解决。目前把人工生命模型用到了传统的优化问题、数据挖掘等等领域就是一个特别好的示范。在这类应用中，最关键的问题在于如何采用合适的比喻。如果比喻正确并且巧妙，那么应用价值将非常广泛。蚂蚁群算法就是一个非常成功的应用。
3、复杂性思维
    这种应用方法跟计算机关系不大，而是取决于操作者对复杂系统的深刻洞察力。这样的应用一般可以直接用到管理科学中。因为复杂系统理论强调的是一种适应性的自组织方法，如果能把这种能力直接赋予人类的组者，那么管理者将能达到无为而治的高境界。当然这样的应用可能更多的在于操作者个人的体会和顿悟，几乎不可能总结出实在的方法。然而，我相信如果对混沌边缘、自组织、自创生等等概念具有了深刻理解，进行这种高层次的应用是不成问题的。