直視全貌：穿越過度簡化的迷障，從複雜理論探索科學、商業與社會文化的新視角
A CRUDE LOOK AT THE WHOLE :The Science of
Complex Systems in Business, Life, and Society
複雜性科學(Complexity
Science)=>科學的典範轉移，一種另類的因果關係解釋與說明理論
理性之夢
微觀動機/宏觀行為
規模的規律與秘密
呵呵，難以一窺全貌
緒論
「今日的人類有如剛睡醒困在睡夢的幻境與現實世界的渾沌當中，我們帶著石器時代情緒、中世紀的體制與神一般的科技創造出星際大戰式的文明，茫然不知該如何理解現實與事實，還有我們對於自身與其他生命的危害。」
社會如何征服地球
傳統科學的思考依賴化約論(Reductionism)-
透過各種定律與定理來表現，給我們一種清楚知道自己在做什麼的幻覺(在工程的世界)
然而在真實世界的運作，連最單純的部份也已種種複雜的方式相互作用，世界頓時變得神奇、危險，顯露出各種不可思議的結果與怵目驚心的災難。
嘗試預期+建立種種機制預防失靈或災難的發生，往往提高了系統的複雜度，創造出導致失靈與意外災難的新路徑
Normal Accident Theory
認識世界的複雜性，人類才能生存下去。
一、引言：真正的地點
科學關乎定位，把複雜的世界簡化成地圖上的各種標記(=各種化約的理論與公式)
與其問地圖上有什麼，更應該注意：地圖上所忽略與沒有畫進去的是什麼？
科學的進步=開發描繪出越來越精細的地圖
而很多意外往往打臉各種科學的理論與定律- 問題不在於我們的知識不夠完善，而在於化約論背後的科學哲學誤謬- 化約論之所以失敗，在於就算你對構成系統各部位的零件無所不知，但是當這些零件形成整體時，彼此究竟如何相互作用，我們幾乎一無所知。對單一小片玻璃的細部知識，無法幫你看出或欣賞整扇彩色玻璃花窗的光景。就算熟知某項事物，好比引擎的各個零件、每根螺栓、每個活塞與凸輪等等，我們依然難以得知，當這些零件組合在一起而彼此作用時，會發生什麼事？
簡單規則會生成複雜性(難以預料的發展)，複雜規則則會生成簡單的規律。
任何全球性的社會挑戰為例，好比金融危機、氣候變遷、恐怖主義、流行病、革命或社會變遷等以上任何一項都無法任何跟特定學術領域的研究方向完全吻合。
有關複雜系統的學術討論，最早可以追溯至一七七六年，亞當．斯密（Adam Smith）在《國富論》（Wealth of Nations）書中簡短論及，他以「看不見的手」形容一種力量，此力量可以促使盤算自我利益的商人在非本意的情況下得到有益社會的結果。當然，以「看不見的手」為本提出的科學命題，其實還比較像是向神明祝禱，而不似科學理論，而且這類命題對於經濟學家的用途，也大概像是生物學家試著使用英國作家魯德亞德．吉卜林（Rudyard Kipling）的原來如此故事集中的短篇，解釋花豹如何長出斑點一般。
過去幾十年來，相互作用系統的相關研究已經為複雜系統開啟了新疆界：相互作用系統發展出各個因子間的回饋迴路，接著這些迴路開始驅動系統。這種回饋有可能經調節而紓緩或變本加厲，取決於各因子間的異質程度。相互作用系統往往也是先天充滿雜訊，這種隨機性也可能帶有料想不到的整體後果。當然，誰和誰相互作用也是這類系統的一項根本性質，這樣的相互作用網絡，則是複雜系統中的必要元素之一。
回饋、異質性、雜訊與網絡等核心原則，可以用來認識複雜性的種種層次。
相互作用的其中一個關鍵是回饋（feedback）。有時回饋能穩定系統，例如當我們為暖氣爐安裝一件不太靈敏的控溫裝置。有時，回饋會導致系統失控，像是當我們把麥克風擺得太靠近揚聲器時會發出一陣刺耳尖嘯。晚近由於市場的相互關聯程度上揚，隨之誕生了一種回饋效應無所不在的系統。起因包括新的通訊連結、衍生性證券以及高頻電腦自動交易程序等。甚至，這些改變已經遠遠凌駕我們的理解能力，讓我們看不透箇中牽連，於是金融市場也就成為一種無心插柳的普羅米修斯式實驗。最驚人的是，我們的經濟生活卻是以此為依託。二○一○年五月六日 的閃電崩盤就是個實例，當時美國堪薩斯州堪薩斯市郊區一臺交易電腦程式的一項單純疏失，造成全球市場一次臨時性崩潰。緊接發生的動盪，誘發重要市場指數出現大幅價格變動，也導致原本很有價值的主要公司之股票售價跌到只剩幾分錢（提醒各位，不是指花美元幾分就可以買到值一塊錢的股票，而是整個售價只剩幾分錢）。所幸（也令人稱奇）十五分鐘之後，暫停交易措施啟動了五秒鐘，但已足夠開始讓系統復元，於是市場也回到原先的模式。
二○○八年經濟崩潰代表經濟專業學門的一次重大挫敗。經濟學家不只是沒有看出衝擊瀕臨眼前，連事發之後依然毫無頭緒，不知道該如何應付。這次失敗的起因，部分可以追溯至化約論者想把事物拆解成簡單的部件。依現代經濟學理論的說法，這讓我們開始仰賴「代表性因子」（representative agent），也就是試圖使用單一巨大消費者來代表所有消費者行為的架構。就某種程度而言，這種抉擇出自十四世紀修道士奧卡姆的威廉（William
of Ockham）神父所述，他喜歡比較簡單的解釋，勝過較為複雜的。當然，奧卡姆仍須借助模型（不論複雜與否）來解釋我們所希望了解的事項。就實際而言，「代表性因子」概念的使用也受到（一般都由經濟學者使用）模型工具的限制所左右，因為這類工具唯有在系統具高度同質性的情況才能派上用場。
同質性是種實用的假定（不論基於哲學或實務理由都是），即便如此，複雜系統相關研究依然隱指，異質系統的行為恐怕不是那麼容易就能平均而得。不論我們探究的是蜂巢室溫控制，或暴亂爆發的可能性，異質系統的作用方式通常有別於同質系統。認清異質性，不只會改變我們的預測，並且能進而改動我們的政策制定方式。同質系統往往會經歷快速變化和振盪，而異質系統的反應速率則通常都比較緩慢。所以啟動或平息一場社會運動的能力，和牽涉其中民眾的異質程度息息相關。同樣的道理，市場要維持安定，或許投資人之間就必須存有若干異質性才行。
複雜系統往往先天帶有某個程度的隨機性(雜訊)，這種隨機性又經常與其中因子的行為或互動結構相關。不過，或許令人吃驚，這種隨機性也可能很實用。一般來說，系統含有隨機性是令人擔心的事。現代企業管理的主要使命之一就是根絕任何製程中的隨機源頭，並以此追求生產品質。既然如此，也就不難以想像為何視隨機性為仇敵，而非可以擁抱的機會。複雜系統的研究結果卻非如此。達爾文演化理論的根本要素便是隨機，這項理論根植於：生殖過程的錯誤（變異）能為磨坊提供穀物，創造出「數不盡的最美又最奇妙的組成方式。」
達爾文的理論以及隨機性在當中扮演的角色，其實談的是走在崎嶇地貌間的發現。不論是發現新的生命物種或新技術，我們發現新機會的能力不僅與我們的搜尋技巧，也與地貌的險峻程度息息相關。一旦地貌變單純，僅是簡單搜尋就能有良好結果。但以這樣的搜尋程度要在崎嶇地貌做搜尋怕是要落空。
隨著構成地貌的元素相互作用愈深，地貌也變得更加崎嶇。例如，假定我們正研發新的雞尾酒藥物以對抗某種疾病。每一種添入的藥物各自都有獨立於其他藥物的效用，那麼只需要單純地逐一加入各種藥物，並且只保留能改善整體療效的藥物，我們就能迅速地找出藥效最好的雞尾酒藥劑。然而，如果藥物會相互作用，這樣的單純搜尋策略就會失效，因為在種種相互作用之下，最佳路線的軌跡變得不再清晰。(隨機搜尋反而才有助於找出最佳解)
（網絡與去中心化）接受系統具有隨機性，也迫使我們放棄部分控制的企圖。當我們遇到難題並期望改善時，或許放棄控制才是正確的做法。更廣泛地說，真實情況中的精心控制、中央系統，更像是某種受了化約論觀念左右的現代人為現象，而非某種普適準則。眾多實例再再顯示，回饋、異質性和隨機性等原則，共同促成了不具中央控制，但仍然相當有效益的複雜系統。有效的分散式決策可能就是萌生自複雜系統的最佳新式舊思想之一。
這種「明智決定毋須大腦」的觀點令人咋舌。從單獨一隻細菌乃至於蜂巢和金融市場等大規模的社會體系，我們身邊滿是決策後的結果。一群蜜蜂怎麼能做出良好決定？蜂后其實並非領導者。牠的日子過得非常孤立，扮演受到精心照料的生蛋機角色，牠只能釋出自身健康和存活等相關信號，卻不能向蜂巢其餘成員下達行動指令。奧地利動物行為學家卡爾．馮．弗里希（Karl von Frisch）一九四○年代晚期的蜜蜂溝通相關發現，促使往後的科學家仔細觀察與分析蜜蜂的行為。經此我們才開始了解，一個群體如何在沒有中央領導機制的情況下，梳理種種選項，做出良好的決策。
一群蜜蜂光是用幾個簡單的規則和資訊回饋機制，便解決了尋覓新地點的難題。
偵察蜂在確認一處有機會的新位置之後，便向其他偵察蜂廣為宣揚。地點愈好，偵察蜂就推廣得愈熱烈。這種分散式處理方式讓蜂群得以先挑出幾處位置並做妥善調查，最後在沒有任何中央指揮情況下，也往往能迅速地選定最佳地點。
了解這種分散處理有多項好處。它不僅解答了蜜蜂史上關乎生存的有趣案例，也驗證了分散式機制如何解決艱困難題。說不定，我們還可以盜用這個方式，好比用來整合電腦網絡或大型人類組織。最後，也或許是影響最深遠的，這種分散式機制能帶來新的洞見，讓我們深入認識相關現象。例如，或許可以把蜜蜂比擬為神經元，而蜂巢如同大腦，而蜂群的決定就是否仿如人類意識？
複雜性出自相互作用因子所構成的系統。以特定方式將表現出簡單行為的因子連結一起，結果就會產生整體行為。當連結方式改變了，通常就會產生新的整體行為。基於這點，了解相互作用模式——也就是互動網絡——如何影響行為，就是認識複雜系統的基本功夫。
複雜性所催生的眾多驚人原則之一就是比例定律（scaling law）。比例定律最早可以追溯至一八○○年代晚期，生物學家開始注意到，只要依比例排列，各種生物形形色色的軀體與生理特徵等全都會依循某種簡單的序列方式。只要透過某條簡單的規則，就能知道單細胞生物與藍鯨的代謝作用的關聯性。例如，只須知道一隻老鼠的心律和體重，我們就能據此預測一隻體重千磅的牛的心律。這種預測能力與支配複雜系統的基本限制息息相關。就這個例子而言，我們能密集打包生物生理反應所需的資料到何種程度，便是取決於比例定律。
認識掌控我們生活的比例定律，能為我們提供一道通往認識未來的門。例如，上個世紀以來，我們見識到都市化發展的趨勢。如今，世界過半數人口都住在都市地帶。這種趨勢對人類來說是好是壞？這道問題的答案與各座都市比例定律的係數相關。它能告訴我們，加深都市化的程度是否能以較少資源或更多創意等等因素就能達成。相同地，戰爭的比例定律也或許能暗示我們，未來可能還會見到多少衝突、釀出多少死難。
我們經常能在複雜社會系統中看到合作的突現。系統內部的各個因子會彼此競爭或合作。競爭可以稍微改善因子的處境，但合作則能大幅增進。不幸的是，社會系統多半偏向競爭，其誘因勝過合作，起碼就個人層級而言是如此。(競爭或合作要看在哪個階層或位階)
最後一項原則是自組織臨界性(Self-organized criticality)
安定與不安穩狀態的交互影響(合久必分、分久必合)，大小規模的動盪與變異：小規模的動盪與變異比大規模的動盪和變異更常發生，小事件也可能引發文明與帝國的崩潰。
複雜適應系統的核心觀念是：一群因子尋找更好的結果，可謂是一種宇宙的演算法則，各因子的適應表現受到機率的支配，然而機率較低或較差 (非最佳解) 的狀況始終都有出現的可能=預測準確度也不會是100%，不過能夠提供一種認識這個世界的洞見。
二、從這麼簡單的起點：相互作用
生命與生物遵循幾個簡單法則，產生與演化出各種型態
音節=>文字=>句子=>段落=>文章=>文體=>文學
ACGT=>DNA=>
馮紐曼 細胞自動機cellular automata
簡單的規則產生複雜的花樣與圖案
演化發生學Evolutionary
Developmental Biology
一開始的演化沒有目的性、方向性或進步性，之後搭配天擇，讓殘餘的演化結果似乎有功能性(利於吸引伴侶、躲避天敵)
看不見的手，由供給和需求相互作用
這圖(微觀)比剪刀圖(宏觀)更清晰，不會讓人誤解一定有均衡、均衡一定穩定(難怪經濟學入門的剪刀圖可以搞混一堆人)
可以有競爭的均衡解，總效用40元
高價需求者(A)付出20元買下他認為價值40元的物品(消費者剩餘效用20元)
兩位成本10元的供應商以20元賣出價格20元的物品(供應者利潤效用20元)
非競爭的均衡解，總效用30元
高價需求者(A)跟高成本者交易付出30元買下他認為價值40元的物品(消費者剩餘效用10元)
兩位成本10元的供應商分別和三位20元需求者交易(供應者利潤效用20元)，
非競爭所促成的交易總利潤，低於競爭所促成的利潤=>這反而不好(同樣只有促成三件交易的狀況下，總校用降低)，所以市場供需雙方會追求總效用最大化=>以價制量或降降求售，供需價量調節至均衡。這是傳統經濟學市場價格機制的基礎
真實市場中的交易機制是這樣嗎？
傳統市集的實驗：
雙方任意喊價，合則成交，不合則待下一回合與另一位買主或賣家
結果：
大約只有1/3的交易會接近競爭均衡價格(20元)
2/3結果非常不同(有35元的，也有15元的)
市場真實的均衡會比較像哪一個？
是經濟學競爭均衡的那一個？ 還是 傳統市集實驗(不均衡)的那一個？
Hint:
兩個模型可能都是真實的(也存在某些預測偏誤)
Anything that exits is possible.
公開報價、買賣雙方多、重複交易：會比較接近經濟學的市場競爭均衡，可預測性高
反之偏向傳統市集的那種(非競爭均衡)，可預測性低。
市場均衡有其規律pattern與演化。
三、從閃電崩盤到經濟崩解：回饋
Findings regarding the Market Events of May
6, 2010
事件的背後
自動化交易演算法
電腦技術提升與高頻交易
混合機器思維的演算法+人類思維交易員的市場會發生什麼？
交易演算法只在意成交量，反應速度遠比人類快，導致價量遽烈波動=>融斷與暫停機制
市場價量波動導致套利機會，讓不同連動的金融商品價格共振與波動（火燒連環船，退休基金投資衍生性金融商品，衍生性金融商品提供期貨避險機會）
市場不見得公平有序：擁有更快速度與更佳演算法的交易商可以獲利
崩盤的直接原因是貪婪，而間接原因是無知而非惡意
但惡意的造假(1995霸菱銀行倒閉)或駭客攻擊也可以造成倒閉與市場崩潰
貪婪導致的2008金融海嘯
追求高一點固定收益資產的買家，樂意買進高收益率的債務擔保收益券
不知節制的購屋人，期待房價上漲之後能夠再融資，導致房貸金額高漲超過人們的財力
貪婪的房屋經紀人，只要能把房貸債權轉售出去，連有疑慮的物件也照收(鼓勵購屋)
金融公司以房貸債權為商品，廉價售出(買空賣空)，於是購屋人只要申請房貸，幾乎都核可。
其他投資銀行眼紅，也開始經手販售債務擔保收益券(可疑的衍生性金融商品)
怠惰的信評公司，聽信金融機構片面之詞，收取佣金給予(可疑的衍生性金融商品)高的離譜的評等
傲慢的政府機構，一方面放任不受管制的市場，二方面樂見住宅自有率提高
Inside job
後見之明：事前真的很難想像到局勢會這樣發展、難以一窺全貌
回饋的機制
正向回饋會把小事放大
房貸變得容易申請，買房需求就會變大
買房需求增加，房價上升增長
高漲的房價讓銀行更願意批准房貸(擔保品價值高/風險低)
高房價吸引來更多買主與投資客
低貸標準與低風險的衍生性金融商品+寬鬆的金融管制強化了以上回饋機制
可惜的是
系統種種的回饋與強化，在下坡時也會同樣施加力道使事情快速惡化
欠缺融斷與煞車停看的機制
金融體系運作有如森林經營
一則希望密集種樹以增加林木產出(增加收益與獲利)
二則需要在林間保持空地與控制森林火災(控制風險)
增加獲利與控制風險，兩者不可兼顧，必須取捨
當森林屬於私人土地時，每位地主都希望增加數目產出，不肯挪出空地作為防火林道
共有地的悲劇：防火林道對每個人都好(有助於降低風險)，但沒有地主希望防火林道闢建在自家土地上(=閒置喪失效益)
預期與自我應驗
個體的預期能使總體系統保持運作與因應各種意外
市場更是如此，然而集體的預期往往造成自我應驗(集體看好造成豬飛上天與泡沫，集體看壞造成崩盤)
銀行擔心呆帳雨天收傘造成狀況更嚴重
對於複雜系統的管控，我們需要的知識與建置機制遠遠落後於實際需求
失了一顆馬釘，丟了一個馬蹄鐵，折了一匹戰馬，損了一位國王，輸了一場戰爭，亡了一個帝國。
四、從一到眾多：異質性
經濟學家喜歡用代表性因子Representative Agent來進行簡化(用一個均質的東西來proxy許許多多異質與偏好迥異個體的組成)
能不能用代表性因子來架構經濟模型？
背後的大哉問是：
個體間的差異或者異質性 重不重要？
大家覺得粒子物理學的研究與實驗很昂貴，然而跟為了測試總體經濟理論的投資相比，其實微不足道。然而，觀察事實，向來不是經濟學發展理論的強項。
蜜蜂如何調節蜂巢的溫度？
提昇溫控的準確度有助蜂蛹孵化與繁殖
太熱大家聚攏發熱
太冷散開搧風
然而每隻蜜蜂對於溫度的感知有所差異=異質
一開始變熱或變冷都只有少數蜜蜂反應，越熱或越冷才有越多的蜜蜂反應=>這讓蜂巢得以維持溫度的穩定(=變頻)而非忽冷忽熱
而蜂巢該如何產生異質性的蜜蜂？
Hint
女王蜂每次和8-12隻的雄蜂交配，確保產生出來的蜜蜂是親姐妹或同母異父的姐妹(有所差異)
異質性提供市場與蜂巢安定
異質性是市場與社會安定的必要條件
不同與多元的投資人對於變動的敏感程度不同
可以有效讓市場的波動產生負回饋(變動幅度越來越小)
然而不見得所有的系統都是如此
一場革命的發生可能是幾個異議極端份子的搧風點火，越來越多人加入，最後導致政變，正向回饋(讓變動幅度越來越大)
社會學家 Mark
Granovetter 的簡單抗爭模型為例，說明社會的運作模式。假設每一個人加入抗爭活動的門檻值都不相同，門檻值為 0 代表面對不公不義的事情時會率先發難，門檻值為 1 代表需要看到一個人投入，自己才有勇氣加入，依此類推。
涵義：
均質往往是錯誤假設與沒有實務上的意義，平均值不能提供關於總體的資訊決策或天擇(與背後的演化機制)決定系統的異質程度，而異質程度又決定系統的整體行為模式
助長多樣性有助於某些系統(e.g., 市場交易、生態體系)穩定
不過如果希望社會穩定或組織運作順暢，反而需要高閾值(堅定信念或高水準)的同質性族群。
如果希望煽動革命或社會運動，那麼得鼓勵種種不同的意見與盡量讓越多人參與和相互激盪。
再次腦洞大開，以前就覺得經濟學當中的一堆聯立方程式怪怪der，但是因為看不懂，所以無法妄議是非對錯，看了更聰明作者的洞見與批判，恍然大悟(以後不會再自卑或被這些數學傲慢控嚇到)
真實世界比理論更加多彩多姿與存在更各種可能與不同的詮釋或解釋，要心存謙卑與心胸開闊。
沒有留言:
張貼留言