​《如何解决复杂问题》

《如何解决复杂问题》

类比思维对于解决现代复杂问题极其重要。

继上次介绍了“把人的智能和人工智能进行类比”的佳作《认知》后，今天，再为大家推荐一本“将自然的创造力和人的创造力进行类比”的力作——《如何解决复杂问题》。

当今时代，我们面临太多复杂问题。按照系统论观点，复杂问题具有突出的非线性特征，它们绝不是由一种或几种明确的原因所导致的，同时，我们也很难准确地预见其会带来一种或几种明确的结果。比如，黑天鹅、灰犀牛事件就是典型的复杂问题。从问题解决的视角看，复杂问题的本质是它需要最具创造性的解决方案。也就是说，一个问题之所以复杂，一方面在于它有很多可能的解决方案，另一方面由于人类自身的局限性，我们只能从众多可能方案里择取“较为满意”的那一种。

可见，解决复杂问题，考验的是人的创造力。

如此一来，如何提升我们创造力就变得最关重要。当我们思考人的自由意志如何提升创造力时，不妨先审视一下这个司空见惯的大自然，其鬼斧神工的存在无不体现创造力本身。这就是《如何解决复杂问题》一切讲述的逻辑起点！！！！

《如何解决复杂问题》的作者，是奥地利著名复杂科学领域专家——安德烈亚斯·瓦格纳，他是圣塔菲研究所外聘教授，苏黎世大学化生物学及环境研究专业的教授及负责人，耶鲁大学生物学博士，奥地利维也纳大学分子遗传学学士，曾在德国、美国、法国等国展学术交流活动，出版过《适者降临》等畅销作品。

《自上而下》的作者马特·里德利这样评价瓦格纳的《如何解决复杂问题》，他一针见血指出，该书切入了复杂问题的核心：“基因组的进化是生物在试错中探索，跨越适合度景观，到达新的高峰的过程。这给我们提供了一种全新的观念。瓦格纳对人类社会中的创新方式与生物进化进行了引人入胜的对比。通过在生物进化与人类创造力之间进行对比，作者发现了两者间的惊人相似性，提出了借助生物进化的智慧提升人类创造性的独创性观点！”

的确，《如何解决复杂问题》这本书，主要围绕如何理解和培养人的创造力展开。瓦格纳作为一名科学家、教育家，始终在探索，如何更好地养育孩子、如何培养下一代科学家、如何雇用最有创造力的研究人员，以及如何建立和运营一支创新团队。正是在这样的探索过程中，他发现大自然和人类有着惊人的相似之处，两者在创造力上如出一辙。

如果说创造力是解决复杂问题的关键路径，那么从这个角度讲，我们目前这个世界就是自然界自我创造过程中最令人满意结果。瓦格纳认为，早在类似人类的大脑，抑或任何类型的大脑出现之前，生命就需要解决各式各样的复杂问题。

比如，1.能够破坏富含能量分子化学键的酶，就是解决能量获取问题的一个方法。2.眼睛，一个令人赞叹的光学奇迹，也不过是捕食与反捕食问题的一个解决方案。3.抗冻蛋白（antifreeze proteins），则是冷血动物对“如何在零度以下生存”这个问题的一个解决方案。同样的思路甚至可以引申到生命诞生之前。例如，4.晶体本身就是宇宙用来解决“原子或分子如何以稳定的结构进行排列”这个问题的办法。

于是，作者总结到：现存的无数物种，每一个都是一系列几近无穷的、由各种创造性成就所组成的链条中最新的一环。每一个生物体，无论是其细胞内的分子机制，还是其身体的物理结构，都是无数创新的产物。

作者从生物进化的角度，解释了驱动生物进化的三大决定性力量：自然选择、遗传变异和DNA重组。在这三大力量综合作用下，生命得以用极具创造性的方式解决进化历程中遇到的各种问题。作者认为，也许自由意志在解决复杂问题时也要借助这三种力量。因此，作者详细解释了生物进化与解决现实复杂问题的相似性是如何帮助我们解决问题的。当今人类面临着诸多麻烦，而借助这些相似性，我们可以让孩子过上更加充实的生活，还可以增强商业创新能力，并在一个创新驱动全球领导力的世界里，提升整个国家的创造力水平。

作者举例，无机的钻石和有机的蝴蝶，尽管一个没有生命一个有生命，但二者形成过程却如出一辙。也许，这个源头的机理比大自然本身重要多了。几十年来，一些科学家和工程师一直对这种机理孜孜以求，并且找到了证据。这些证据不仅帮助他们找到了解决复杂问题的完美方案，还推进了一些更重要的事情：人类可以将寻找解决方案的任务委托出去。不是委托给别人，而是委托给计算机——有创造力的计算机。

也就是说，他们发现了解决复杂问题的重要手段——计算机，人的创造力需要计算机辅助，这就需要有一个人和计算机的衔接点——算法。

从计算机视角看，生物进化的三种力量可以被理解为有机界的算法。作者进一步总结为三种算法：1.贪婪算法：只接受更优的结果。2.模拟退火算法：即使结果变差，也暂时接受它。3.遗传算法：模拟物种进化，找到最佳方案。

这三种算法均可以被计算机模拟。

比如贪婪算法。举例：在车辆路径规划中，任意选择一条路径——不管它有多长、多么低效，然后随机交换两个客户。如果交换的结果是路径变短了，就留下这条路径，反之则回到原点。然后随机交换其他两个客户，如果路径变短了，就再把它留下。重复这些步骤。每一次成功的交换都会改变路径在景观中的位置。一步接一步，一次成功的交换接着一次成功的交换，最终你将得到一条不能再通过交换而缩短的路径。这种算法在景观中保持着下降的趋势，目的是寻找最低点。这和自然选择在适合度景观中一路向上的趋势是一致的。自然选择只允许适合度提升，这种算法则只允许路径长度缩短。

因此，解决复杂问题手段就转变为：计算机+算法。人的创造力则集中体现在如何发明更为精妙的算法。而这些算法的设计不能唾手可得，需要多样化知识相互组合发酵才能获取，而且像生物进化一样不可能一蹴而就，是一个起起伏伏、逐步趋向更为适合的过程。

瓦格纳告诉我们：1.创造力的产生是各类想法持续“进化”的结果。人类的创造力是达尔文进化论的一个缩影，只不过这种进化不是在大自然中，而是在人类的思维当中源源不断地逐渐推进的。2.创造的过程不是一马平川，也不是一路向上。辉煌的成功创造了历史，但成功的背后往往意味着许多次失败。其实，从任何一本奠定一位创造者不朽地位的著作上，我们都可以看到屡次失败的影子和曾经付出的努力。3.保护个人或群体的多样性。人类的知识领域如此广博，即使接受长达20年的教育，一个人也只能吸收其中的一小部分，也就是能够拿来重组的那一小部分。多样性的教育将不同的技能赋予了不同的人，一些人可能就借此获得了解决某个复杂问题所需的正确组合。多样性越突出，这种可能性就越大。

2022.04.05