复杂性科学是一个跨学科的研究领域,从物理学、生物学到经济学,再到社会世界。该领域旨在分析复杂系统:不能简化为其本构组成部分的系统,并包含许多非线性和动态的相互作用。鉴于世界日益紧密的联系(例如,由于数字化和全球化),以及许多世界上最大的挑战可以被视为“邪恶的问题”的事实,复杂性理论将日益成为21世纪研究者工具箱的一部分。

我们的观察

  • 物理学家Albert-LaszloBarabásihas通过他的工作设置了下一代复杂科学学生的研究议程无标度网络。在他的工作中,他为“优惠附件机制”提供了一个理论模型:一个描述集线器(即重连接点数)如何找到新连接的过程。在万维网中发现了一个例子,其中从一个页面到另一个页面到另一个页面的HTML文档遵循幂律分布,并且经验证明,最相关的网站是第二个最多链接的网站的两倍再次。
  • 社会学中的系统传统追溯到Niklas Luhmann.他将“系统”描述为一个降低复杂性的领域,与它混乱的环境分离。社会系统是由一个信息选择的内部交流过程构成的,意义是通过给无限大和混沌的外部带来某种秩序的过程创造出来的。重要的是,卢曼所描述的系统是“自创生的”:它们通过自我参照的交流来构成自己。现代官僚机构就是这种降低复杂性系统的一个例子:通过将一套具有约束力的标准强加给公民,他们创建了自己的内部信息交流规则。贴上标签和分类的行为不仅是描述性的,而且是公民身份本身的组成部分。
  • 从19世纪开始,越来越复杂的统计方法和模型旨在发现人类行为的模式,以便对其进行调控。法国统计学家阿道夫·奎特莱(Adolphe Quetelet)表示,年龄、阶级和地位等因素可以预测婚姻决定。现代的约会应用程序基本上是通过使用算法来利用这些机制的。
  • ARMIN NASSEHI继续系统思维的社会学传统。在他最近的书中模式:数字社会理论,他认为,数字革命并没有创造新的社会、政治和经济结构,而只是揭示了现有的结构。数字技术被认为嵌入了这些现有的行为结构中,只有通过观察社会组织中长期建立的经济、政治和科学形式,才能正确理解其成功。
  • 两年前,我们已经写过了威尔士瑞典预测经济复杂性以及新的经济指标和经济理论如何从复杂性研究和其他学科中借鉴,为思考经济发展和经济关系创造了新的范式。威尔士瑞典预测

连接这些点

经济体的概念作为复杂的自适应系统的历史可以追溯到英国 - 奥地利哲学家和经济学家F.A.Von Hayek,他描述了先进经济体如何被视为在没有中央协调的情况下出现的自发订单,从而从追求自身利益的个人出现。Hayekian方法的一个关键特征是将(经济)系统视为不能仅从各个部件(突发主义)中无法理解的鞋子。同样,这些系统在进化的自适应过程中遵循自己的规则,这既不能理解也不会在关于各个元素的知识的基础上预测。威尔士瑞典预测自发订单是无比例的网络,而组织是分层网络。自发订单的早期工作仍然是理论,而研究人员现在正在越来越越来越开发用于计算分析的系统框架复杂经济社会制度
类似的模式可以在不同的上下文中找到,例如在定量语言学领域:Zipf定律描述语言中最常用的单词的最常用单词大约是第二个最常用字的两倍。对科学领域最着名作者的引用相同的持有。这也可以应用于社交网络分析并解释,例如,为什么大多数人都比平均Facebook朋友更少的Facebook好友。
系统思维的先驱Scott Page给出了一个如何将复杂性思维应用于组织理论的例子。他2017年的书多样性奖金:伟大的球队如何在知识经济中得到偿还展示系统视角如何有助于解释团队的成功表演:一个人不仅应该以还原器和机械方式查看各个部件的结构设置和相互作用。页面指​​出所以的

called diversity bonus of teams is the result of various types of cognitive diversity, that is, differences in how people perceive, encode, analyze and organize the same information and experiences (and how these differences are in turn correlated with identity diversity, i.e. racial or gender differences). Often, we still lack the vocabulary to make sense of the dynamic interactions observed in complex adaptive systems, but this might be essential in addressing challenges of an ever-more complex and uncertain world. Complexity thinking allows for the discovery of previously hidden structures. In many cases, it provides the link在统计和定性调查之间。复杂性科学家发现的模式可以在跨越上下文的系统和网络中找到。因此,它至少是理论上 - 用于综合自然和社会科学的空间。鉴于今天我们面临的巨大数据,复杂性科学承诺为多学科的做法提供了一个有用的概念框架。
复杂性经济学进一步承担充分将计算机革命带到经济学的潜力。例如,它可能会缩小经济学和行为经济学之间的差距,使我们能够解释一个结构和机构的角度来解释消费者行为。基于代理模型允许模拟,例如,应用于城市规划或供应链管理,但也用于预测流行病的传播或预测医疗保健系统的未来需求。然而,进化或复杂性的观点通常是基于与主流经济学基本原理相悖的假设,即理性的主体面临约束优化问题。这种理论假设的分歧使得整合新方法与旧方法变得困难,需要更深层次的范式转换。

含义

  • 鉴于复杂性科学或系统理论的大部分工作在本质上仍然是理论性的,它还没有潜力与新古典主义方法竞争。大多数研究仍然围绕着抽象的数学模型,而实际情况往往更微妙。然而,对社会和经济建模的更多计算方法正在制定中,建议跟踪该领域的发展。

  • 经济学家可能越来越多地借用自然科学以及社会学和心理学的概念来允许更多的动态视角。我们已经看到了一些经济学家采用进化视角例如,在制度发展方面。从概念上讲,这可以追溯到奥地利经济学家J.熊彼特,他强调观点“资本主义只能被理解为持续创新和”创造性破坏“的进化过程。进化经济学和进化博弈论的杂交领域具有普及概念,如有界合理性,扩散和路径依赖性。

  • 复杂性经济学至今未能充分发挥其潜力,一方面是因为它解决了新古典主义经济学的基本假设,另一方面,实际应用仍然相对较少。然而,计算模型正在形成中,因此,复杂性经济学可能很快就会帮助将计算机革命完全带入经济学。随着知识在经济中变得越来越重要,产生的数据量也在不断增长,研究人员被建议寻找新的概念框架,以及将新的见解转化为实际应用的方法。