之前被经济学理论骗了几年，然后又被哲学的后现代主义骗了几年，接下来是演化心理学和演化生物学，于是为了谨防自己再次受骗，学习复杂性理论过程中，时刻提醒自己：谨防再次上当。
有些人看了个《三体》就觉得“三体问题”是解决所有问题的钥匙（其实不过是复杂性系统的一支），有些人看了个《巨婴国》就天天骂人“巨婴”（其实不过是生物发育幼态化的一个特殊情况），所以当使用“复杂性”、“涌现”和“自组织”等词语时，就需要让自己不能落入到这种“理论幼稚病”中。
梅拉妮·米歇尔的《复杂》是一本介绍复杂系统科学的有用“向导”，在对前十八章所介绍的知识全盘接受之前，一定要谨记结尾部分的提醒。
《复杂性是不是骗局？》是1995年一位科普记者撰写的批评文章，无论其批评的是否恰当和到位，但这个提醒还是得有人警告，研究和学习复杂性理论应该避免的陷阱。
陷阱一：复杂性理论尚未有统一理论
认为所有复杂系统都可以用这个理论解释，把其当作天气、经济、生物和遗传学的基础理论，还需要更多的经验和实验数据支撑。
如《复杂》的作者说到：“大部分复杂系统研究者可能都会说寻求复杂性的统一理论现在还为时尚早。”复杂系统出现的共性，或许只是一些巧合。冯·诺伊曼的自动细胞机和代谢系统的自动催化以及经济系统的自组织具有共性，但是否能够用统一的复杂性理论统一解释，还有待进一步研究。
书中还引用了生态和昆虫学家戈登的观点，对于这样的一般性规律提出了质疑：
继控制隐喻之后，关于复杂性、自组织和涌现的思想——整体大于部分之和——也开始流行起来。但这些解释都只是障眼法，仅仅给出了一些我们无法解释的名词；它们给我的感觉就好比物理学家用等式中两项相等解释粒子的行为，无法让人满意。也许存在复杂系统的一般性理论，但是很明显目前还没有。关注具体系统的细节是理解自组织系统动力学更好的途径。这样可以发现是否存在一般性规律……希望用一般性原理来解释自然界中发现的各式各样复杂系统的规律，这会让我们忽视与模型不符的现象。多了解这类系统的具体特性，就能发现在各系统之间哪些类推有效，哪些类推又无效。
陷阱二：模型的有效度
复杂性理论大部分是基于计算机仿真和模型，遗传算法也好，混沌系统的临界状态，还是幂律，当经验数据与之不符合的时候，看看数据是不是出了问题，还是理论本身的简单化。
例如相当有名的重复博弈比赛提出者罗伯特·阿克塞尔罗德，通过模拟所进行的比赛，从而提出的合作可以通过“以牙还牙”的策略演化，这让很多坚信自私可以导致公利的经济学家和演化生物学家兴奋不已。
然而，20多年中很多独立研究（仿真和实验室）结果与其相符合，但还有些也相当不同。而且这毕竟是在电脑里进行的演算，永远不要忘记现实生活中的情况。
以哈丁所提出的“公地悲剧”（多人重复博弈），现实生活中确实有，但也并不是说没有成功的。奥斯特罗姆所提出来的自组织社会中，对于公地问题的解决方案里，既可以支持“自私的基因”，也可以支持群体选择理论（见我的文章《公地悲剧、自组织社会与道德的涌现》）。
还有通过演化算法所得出来的最优解决之道，也可能得出的结果并非全局最优，当复杂性增长时面临着指数级的搜索空间，而且对于解决特定问题时，也可以用其他方式进行代替，甚至效果更好。
陷阱三：大而化之=什么都没说
研究复杂性理论的只是各个学科间一个松散的集合，除了圣塔菲研究所是其发源中心，其他人在各个领域里有着独自的研究。他们对于何为复杂系统、如何度量，都没法达成共识，更别说有着统一的框架和研究的指导方向了。
正是因为复杂性理论家们试图通过其研究来为天气、经济、生物等这样的复杂系统找出一个普适的解释时，也让复杂性变得大而化之，笼统含糊。也是那位批评复杂性记者所指出的那样，有可能变成一种“公关价值”，比如当经济系统出现问题时，就有人说，这个太复杂了，不是能解释的清楚的。
例如你使用马克思辩证法，听起来的确很有道理，但实际解决问题的时候却没什么用处。
有了以上三点作为预先的预防，接下来我们才能慎重地接受复杂性理论。对于这个理论，我认为有如下好处：
其一：引入新方法
当一个学科里的研究遇到了死胡同，通过其他学科所借鉴而来的方法，则极有可能拓展该领域研究者的视野。复杂性理论的一些自组织、NK模型、网络、非线性等研究方法和模型已经大大地拓展到了其他研究领域里。
这样跨学科引入研究思路和方法的案例实在太多。例如Alex Mesoudi等人一篇关于统一文化演化科学的文章（Towards a unified science of cultural evolution）中，就试图沟通生物学和社会科学。他们指出，在宏观和微观进化层次里，两者之间有很多共性，因此可以考虑彼此借鉴研究方法。比如，种群遗传学和文化人类学之间，彼此就有很多共同语言。
其二：批评性审视
除了提供方法和工具，也能够为其他学科带来不同角度审视自身问题的可能，复杂性科学可以为演化生物学提供一个不错的研究框架，占据主流的自然选择渐进累积突变的观点，就可以使用复杂性科学中的一些理论予以批评性的审视。
米歇尔在《复杂》一书最后说：
到目前为止复杂系统研究最有意义的贡献也许是对许多长期持有的科学假设提出了质疑，并且发展出了将复杂问题概念化的新方法。
再举一个“黑天鹅”的例子，塔勒布将复杂性理论中一些非线性研究方法带入了对经济学和金融系统的批判中，是最为知名的案例。
其三：整合性统一
复杂性理论能够将原本很多不同领域里的内容，整合在一起，使用一种更为广阔的视角来看待问题。
之前阅读侯世达的《哥德尔、艾舍尔、巴赫 : 集异璧之大成》（米歇尔正是跟随的侯世达做的博士）、塔勒布的“不确定”系列时，不知道把他们这种思想放入到何种知识体系中，进化发育生物学、分子遗传、大脑科学和社会科学等最新的研究，也都可以放入到复杂性的框架中，但要谨记上述缺陷。
理清了这些，再读丹尼尔·丹内特的哲学书籍时，也就能够从整体上把握为何研究心智和意识的时候，要提到冯·诺依曼的自动细胞机、康威的“生命游戏”。
在该书附录的访谈中，米歇尔被问及复杂性研究以及计算机科学的总体目标时，她说道：
其一是复杂系统之间的共同原理，其二是一个能够解决复杂问题的数学方法（例如微积分之于牛顿的力学问题）
或许通过复杂性理论解释，复杂性理论本身正处于各个学科不同研究人员随机探索的过程，当出现更加有效地理论和方法后，才会逐渐“凝结”为一个科学的基础学科。
更多文章见微信订阅号：伯爵书单（Comtebooks）