系统化思维（一）：为什么科学要简化世界？从牛顿力学、大数定律到中数系统
已发表于知乎：系统化思维（一）：为什么科学要简化世界？从牛顿力学、大数定律到中数系统（2026-10-08）
面对复杂问题，科学为何能解释部分世界，却常对另一部分束手无策？读完《系统化思维导论》第一章，我意识到科学成功的关键，或许在于找到一种合适的简化。
前言
最近在读温伯格的《系统化思维导论》。第一章“问题”给我的感觉是，它并没有急着介绍一套解决复杂问题的万能方法，而是先问了一个更基础的问题：科学为什么能解释一部分世界，却常常难以处理另一部分？
读到这些牛顿力学、统计力学和“中数定律”的阐述时，我一边觉得很有启发，一边也对书里的论证留了个问号：有些内容是严格的数学定理，有些更像经验性的估算和提醒。笔者把它们区分开，能更容易看清这一章真正想说什么。
一、科学的成功，常常从缩小问题开始
太阳系里并不只有太阳和几颗行星。还有卫星、小行星、彗星以及其他天体。如果目标是预测某颗行星的轨道，把所有东西都放进模型，未必会让答案更好；相反，模型可能复杂到无法计算。
牛顿力学之所以能处理行星运动，一个重要原因是研究者做了许多简化：忽略影响较小的天体，把天体近似为质点，主要考虑万有引力，并在一定精度下把太阳和单颗行星近似成一个两体系统。
这些假设的意思是：针对当前问题和所需精度，相关影响可以暂时不计。模型的边界、假设和精度要求，决定了一个科学结论究竟适用于哪里。
这让我想到，科学的力量未必只是“算得更多”，更重要的是判断哪些因素值得算、哪些关系可以先简化。简化做得好，普通的计算能力也能抓住关键；简化做错了，计算得再精细也可能答非所问。
二、系统一复杂，可能的相互作用会迅速增加
书中在“计算的平方律”一节，先用物体组合说明相互作用可能有多复杂。假设系统里有 (n) 个物体，并把“任意一组物体都可能构成一种独立作用”作为模型，那么所有可能的组合数就是：
2ⁿ = Σₖ₌₀ⁿ C(n, k)
这是因为每个物体对某个组合来说只有“在里面”或“不在里面”两种选择。若排除空集和单个物体，真正的多体组合数为 2ⁿ − n − 1。
但这里有一个重要前提：任意组合都可能产生独立作用。它不是说每个现实系统都一定需要 2ⁿ 个方程。如果只考虑两两作用，组合数就是：
C(n, 2) = n(n − 1) / 2
例如，十个物体的任意组合有 2¹⁰ = 1024 种；若只考虑两两作用，则有 C(10, 2) = 45 对。牛顿力学的重要简化之一，就是把复杂的整体作用写成两两引力作用的叠加。
示意：简化怎样减少计算负担
图一：将六方程系统拆成两个三方程系统，再拆成六个独立方程。
图中用六个方程作例子，展示整体拆分后，按平方规模估算的计算量如何变化。这个拆分只有在子系统确实互不影响时才成立。
这里的关键不单单指“数字一定从某个固定值降到另一个固定值”，而是模型结构发生了变化：先限定哪些作用需要纳入，再判断系统能不能拆开。
三、“计算的平方律”很有启发，但不宜当成普遍定理
作者把“计算的平方律”概括为：对一般方程组，如果不进行简化，计算量至少会随着方程数的平方增长。这个判断传达了一个重要直觉：规模翻倍，计算负担可能不只是翻倍。
不过，严格来说，复杂度不能只由“有多少个方程”决定。还要说明方程是什么类型、输入如何表示、要求精确解还是近似解，以及系统有没有稀疏性、对称性或分块结构。因此，笔者更愿意把书中的平方律读成对一般复杂系统的经验性估算，而不是已经对所有方程组证明过的定理（因为它可以被证伪，并非一般性结论）。
两个例子可以看出结构的影响：
- 如果方程彼此独立，例如每个方程只含自己的变量，求解时间可以随方程数近似线性增长。
- 对稠密线性方程组，经典高斯消元的计算量是 Θ(M³)，高于平方级；但这说明的是这种算法的复杂度，并不自动证明所有算法都必须这么慢。
所以，平方级可以提醒我们“规模会成为问题”，却不能单独告诉我们某个具体系统到底需要多少计算量。具体答案还得看结构。
四、大数系统：不追踪每个个体，转而研究平均量
太阳系里，研究者可以只关心少数天体；气体分子却多到无法逐个追踪。统计力学采取了另一条路：不预测每个分子的运动，而是研究温度、压力、密度等整体性质。
大数定律的核心对象是样本平均值。设 X₁, …, Xₙ 是独立同分布的观测，期望为 μ，则样本平均值：
X̄ₙ = (X₁ + X₂ + ⋯ + Xₙ) / n
在合适条件下会随着样本数增加而趋近 μ。这不等于说每个观测值都接近总体均值，而是说总体均值通常会越来越稳定。
若观测之间相互独立且方差有限，样本平均值的标准差为：
σ / √n
所以样本量增加时，相对波动常按 1 / √n 的量级下降。需要注意的是，独立性等条件很重要。如果个体之间有强关联，或者系统存在稳定的结构性偏差，简单求平均未必能给出可靠预测。
例如预测流感传播：如果每个人接触他人的机会大致相同，整体感染人数可能适合用统计方法估算；如果人群按学校、家庭或地域紧密聚集，传播机会就不一样。此时只看“平均接触率”，可能漏掉网络结构带来的影响。
五、中数系统：既不能逐个算，也不能只求平均
作者把系统粗略分成三类：
| 系统类型 | 主要特点 | 常用思路 |
|---|---|---|
| 小数系统 | 规模较小，关系能逐项追踪 | 解析分析、精确计算 |
| 大数系统 | 个体极多，平均规律相对稳定 | 统计和概率方法 |
| 中数系统 | 规模让逐项计算变难，内部结构又不能轻易平均掉 | 研究关系、边界和整体结构 |
图二：复杂程度与随机性共同影响系统的分析方法。这张图参考了书中图 1-9 的分类思路，位置只表示概念关系，不代表存在统一、精确的分界线。
作者把第三类称为“中数系统”，并提出“中数定律”：对这类系统，理论预测可能伴随显著波动、不规则性或偏差。
我觉得这个提醒很有价值，但它不是由前面两个定律严格推导出来的数学结论。系统规模处于中间，并不自动意味着它不可解。比如一百个相同的小球首尾相连、每个只和左右邻居相互作用，虽然方程不少，却有重复、规则的结构，可以利用这种结构简化分析。相反，如果每个小球的参数和连接关系都各不相同，求解就会困难得多。
因此，“中数”不只是一个数量区间。系统是否好解，还取决于相互作用的方式、结构能否重复、个体差异是否能被平均，以及我们要求多高的预测精度。
六、笔者的理解
第一章真正启发我的地方，是它把“科学怎么成功”重新表述成了“科学如何选择一种合适的简化”。
牛顿力学通过理想化和分解来处理小数系统；统计力学通过平均来理解大数系统；而中数系统提醒我们：复杂系统中，部件之间的关系可能恰恰是整体行为的来源。把系统拆开或求平均当然有用，但也要检查这样做有没有丢掉关键联系。
笔者也给自己留了一个问题：面对一个现实问题，怎样判断它更适合逐项计算、统计平均，还是必须保留系统结构来分析？也许接下来读这本书时，我需要特别留意作者如何回答这个问题。
结语
复杂问题不一定要靠更大的计算能力解决。有时，最有效的一步是先找到合适的边界和近似；有时，应该从个体转向总体平均；也有时，平均和分解会抹去真正重要的关系。
先看系统的规模和结构，再决定用什么方式理解它；每一种简化，都要连同它的适用范围一起记住。
原书：Gerald M. Weinberg，《系统化思维导论》，第一章“问题”。