生物学思维~技术领域的“生物学家”~37

    作者在本节讲解了生物学思维是如何应用在各个技术领域的，特别是非生物学领域的例子，其中IT领域算是特别经典的应用，另外金融系统领域也值得深入应用。

  技术系统变得越来越复杂了，我们对它们的理解也走向了两个极端：要么，只能得到关于系统运行的一般性概念，但对其内部细节印象模糊，甚至一无所知；要么，对系统的若干组成部分有零碎的了解，但并不知道这些组成部分是如何融合在一起的，也不知道该对系统行为作何预期。前者趋于物理学思维，而后者则趋于生物学思维。（二者结合才是最佳呀）

面对越来越强的复杂性，许多人选择通过物理学方法，抽象掉细节来获得对系统的一般性认知。例如，在考察一个复杂的社会系统，比如一家大公司或一个城市时，如果用物理学思维来解释，那么我们所采取的方法可能是：将它的其中一个属性绘制成图表，然后看图表能否很好地拟合为一条特定的数学曲线。这种方法能让我们清楚地看到系统内部所发生的事情，至少可以提供相关的线索。但是，这个系统及其行为之所以能很好地与某条曲线相拟合，原因可能有很多。在这种情况下，你得到的只会是更多的问题，而不是答案。（经典点评呀，传统物理思维往往容易束缚自己）理解复杂系统通常不适合采用直接的、大规模的抽象化方法，因为这些系统实在太混乱、太庞杂了。（尊重事实）

因此，注重细节、强调多样性的生物学思维，为理解杂乱的进化系统提供了一个至关重要的视角。只有通过大量的刺激和检验，复杂的进化系统才有可能被完全理解。因此，生物学家，特别是野外生物学家，在研究生命体的复杂性和多样性时，都必定会考虑它们的进化轨迹。这种方法特别适合用来理解技术系统。野外生物学家经常要扮演博物学家的角色，非常注意收集和记录在各地发现的各种事物，并加以分类和编目。除此之外，在面对一个极其复杂的生态系统时，野外生物学家也不会即刻就想要彻底理解它。（理解片段，然后拼凑）他们很清楚，一次只能研究这个系统的一小部分，而且即使是针对某一部分的研究，也未必会完美无缺。例如，他们只研究少数物种之间的相互作用，鲜少会去考察某个地区的完整的物种网络。野外生物学家对自己的判断非常坚定，而且明白，在任何时刻都只能观察周遭复杂情况的一个片段。

与此类似，在面对一团乱麻般的技术系统，譬如一个软件、某个国家的法律体系，或是整个互联网时，如果我们硬要将物理学思维中的优雅和简洁附加在其整体性之上，那么我们就不可能走太远。要想从真正意义上理解技术系统，并对其行为做出有效的预测，我们就需要成为技术领域的野外生物学家。（不能盲目追求优雅简洁，不然适得其反）

这对我们意味着什么？在思考一个系统的不同交互层级时，我们要记住，那些看上去毫不起眼的底层细节有可能会升至顶层，从而变得对整个系统至关重要。我们需要技术领域的野外生物学家，需要他们来对复杂系统的细节和各个组成部分及其失败和错误进行编目和研究。这种生物学思维不仅可以带来新的思想，而且完全有可能成为我们探索互联性越来越强，而可理解性越来越弱的技术世界的主要路径。（未来的生物学思维确实越来越重要）

如前所述，我们可以在技术系统的错误中学习，就像生物学家在遗传错误中进步一样。但是，生物学家所做的并不仅限于此。为了更好地向生物学家靠拢，我们必须更加深入地了解生物学的一般研究方法。

近年来，遗传学领域的一项重大突破是核糖核酸干扰技术。核糖核酸是脱氧核糖核酸的“表亲”，在细胞中生成，并服务于多种目的。这项技术的核心是，利用核糖核酸的小片段终止某些蛋白质的合成。这就是说，在构建出正确的核糖核酸文本之后，你就可以有效地关闭某些基因了。

那么，这个机制是怎么被发现的呢？最初，一家初创的生物技术公司的遗传学家们，试图用基因工程方法培育颜色更深的紫色矮牵牛花。他们在识别出了矮牵牛花中负责显示紫色的基因后，便设想再加入另一个基因拷贝，以使花朵颜色更浓艳。然而，当他们真的这样做了之后，得到的却是一朵白花，这与他们的设想背道而驰。新加入的遗传信息不但未能让紫色矮牵牛花变得更浓艳，反而使它完全失去了紫色。不过，研究者们既没有因这个意想不到的结果而感到气馁，也没有忽视这个结果，他们敏感地意识到，研究需要继续。最终，核糖核酸干扰技术诞生了。（幸好没有陷入思维死胡同，而是积极探索）

事实上，这种事情不仅常见于生物领域，在其他科学领域也经常发生。美国著名作家、生化学家艾萨克·阿西莫夫曾指出：“在科学研究中最激动人心的短语，也是预示着新发现的短语，并不是‘Eureka！’（有了！找到了！），而是‘That's funny…’（有趣的是……）。”生物化学家亚历山大·弗莱明在培养皿中看到了一些预料之外的奇怪东西，他没有放过它们，于是发现了青霉素。原子核也是科学家们在检验一个实验的意外结果时发现的，他们原本是想用一片薄薄的金箔映射放射性粒子。科学家们没有对意外结果视而不见，反而通过仔细观察，得出了对原子结构的全新理解。如果借鉴博物学思维，对那些看似不合理的少数特例进行收集和编目，并养成习惯，我们就能对正在研究的事物拥有全新的认识。（就像组装拼图一样哈，很有趣）

当然，仅仅被动等待意外发生，然后加以观察，是远远不够的。生物学家还会积极地采取行动，主动将意外事件注入系统，然后观察系统的反应。在试图培养某种特定类型的细菌，例如某个可能会生成特定化学物质的细菌变体时，他们会采用一种通常被称为“诱变”的方法。顾名思义，诱变就是通过积极的尝试来诱导产生突变。例如，对生命体进行辐射，或让它们接触有毒的化学物质等。

虽然这种做法听起来会令人稍感不适，但它绝不是无的放矢。当我们预测不出某个复杂系统可能会产生何种反应时，或者无法确定基因组中的哪些变化可能会产生预期的效果时，我们通常需要利用一定的随机性来找出系统的行为倾向。（在随机世界中用好随机测试，妙啊）从根本上说，这些系统都是非常复杂的高度非线性系统，所以我们不得不“借用”自然进化进程中的修补措施，来探索它们的运行方式。

在制药公司研发新药的过程中，也可以总结出类似的工作原理。在研制新药时，有一种方法是：对一种化学物质的多种变体进行筛选和试验，以找到符合疗效的化合物。虽然还无法完全理解化学机制的“真相”，但这样的试验确实帮助我们找到了一些不可多得又行之有效的药物，并让我们对人体有了更深刻的理解，尽管这种理解有时候是间接的、模糊的。为了能更多地了解并筛选出可以合成有效药物的分子结构，我们必须不停地“拨弄”系统。制药业的经验已经证明，这种方法不仅有效，而且是科学发现所需要的修补方法之一。（人类对未知的探索走在了物理束缚的前面）

因此，要将生物学思维应用到对技术系统的研究中，我们就必须认识到，“修修补补”是构建系统和理解系统的一种重要方法。正如斯图尔特·布兰德在讨论遗留系统时所指出的那样：“要从遗留系统中汲取新功能，不是简单地下一个命令就能实现的，而要通过一系列谨慎的实验，在‘运气’的帮助下，才有可能得到我们想要的结果。”（经典语录呀，科学方法其实并不神秘，就是这样接地气）这就是技术领域的生物学方法。上一章中提到过奈飞公司的“混沌猴”，本质上即是一种诱变软件，旨在通过引入故障来更深刻地理解系统，并提高其稳定性。对于所有故障和问题，包括人为引入的，我们都必须记录下来，并进行仔细分析，以更好地理解大型系统的运行情况。

这种生物学思维还可以帮助我们更好地理解天灾人祸。比如说，我们需要借鉴生物学家对癌症的观点：在某些细胞长成肿瘤后，不能简单地说，这是某件事情出了问题。癌症其实是诸多因素和多种生物反应累积所致，而且在这些因素和反应之间还存在复杂的相互作用。癌症是身体出现的大规模故障，这种故障足以致命。（难怪癌症最难攻克）与此类似，对于技术系统，我们也要认识到，问题以及系统对问题所做出的各种反应，在积累到一定程度时，可能会导致同样的级联式失败。这就意味着，我们必须像生物学家那样思考问题。在一座核电站中，不断累积的细小问题最终会引发严重问题。例如，在三哩岛核电站事故中，其实有多个独立因素都与该核电站的部分熔毁有关联。同样，我们可以用这种方法将导致金融市场崩溃的各种因素之间的相互作用识别出来。（蝴蝶效应也是逐渐形成的）

令人高兴的是，我们为理解技术系统而做出的努力，已经得到技术系统自身的帮助了。在今天，有很多计算工具都可以帮助我们发现系统中的意外结果。这些计算工具皆来自“新颖性检测”领域。也就是说，现在的机器已经可以与技术领域的野外生物学家和博物学家合作了，它们可以帮助我们更好地理解，至少是部分理解技术系统。（思维+机器，解决我们自身的局限性）