22.6預測的多樣性
如果矽晶片足以起到水晶球的作用，引導一場超級軍事戰爭，如果那些在小型電腦裡快速執行的演算法足以提供預測技術看透股票市場，那麼，我們為什麼不改裝一臺超級計算機，用它來預測世界其他國家呢？如果人類社會只是一個由各種人和機器組成的大型分散式系統，為什麼不裝配一個能夠預測其未來的裝置呢？
即使對過去的預測做一點浮皮潦草的研究，也能看出這到底是為什麼。總的來說，過去那些傳統的預測還不如隨機的猜測。那些陳年的典籍如墳場一樣，埋葬著各種對未來的預言----從來沒有實現過的預言。雖然也有些預言擊中了靶心，但是，我們沒有辦法預先把罕有的正確預言和大量的錯誤預言區分開來。由於預測如此頻繁地出錯，而相信錯誤的預測又如此誘人，如此令人迷惑，所以有些未來學家原則上完全迴避作出任何預測。為了強除錯圖預言無可救藥的不可靠性，這些未來學家寧願蓄意誇張地陳述他們的偏見："所有的預測都是錯誤的。"
他們說得也有一定的道理。被證實為正確的長期預測顯得如此之少，因此以統計的眼光看來，滿眼都是錯。而根據同樣的統計計量，正確的短期預測是如此之多，因此所有的短期預測都是對的。
對於複雜系統最有把握的說法，莫過於說它下一刻跟這一刻完全一樣。這個觀察接近於真理。系統是持之以恆的東西；因此，它只是從此刻到彼刻不斷重複的過程。一個系統，甚至一個有生命的東西，都少有變化。一棵橡樹，一個郵局，還有我的蘋果電腦，從某一天執行到第二天，幾乎沒有絲毫變化。我可以輕鬆地保證對複雜系統作出一個短期的預測：它們明天會跟今天差不多。
還有一個老生常談的說法同樣正確：從某一天到第二天，事情偶爾也會發生一點變化。可是，能預測到這些即刻發生的變化嗎？如果能的話，我們是否可以把這一系列可預測的短期變化積攢起來，勾勒出一種可能的中期趨勢？
可以。儘管基本上長期預測還是不可能，但是對於複雜系統來說，短期預測不僅可能，而且必要。而且，有些型別的中期預測完全可行，並且越來越可行。儘管對當下的行為做一些可靠的預測，會有愛麗絲漫遊奇境式的離奇感覺，但是人類在社會、經濟和技術各種方面的預測能力，會有穩步的增長。至於為什麼，我在下面會說。
我們現在擁有預測許多社會現象的技術，前提是我們能夠在合適的時機抓住它們。我奉行席奧多·莫迪斯1992年的著作《預測》（predictions）對預測的功用和可信性情況的精確總結。莫迪斯提出了在人類互動的更大網路中建立有序性的三種型別。每一種都在特定的時間構成了一個可預測性範圍。他把這一研究應用到經濟學、社會基礎設施和技術領域之中，而我相信，他的發現同樣適用於有機系統。莫迪斯的三個範圍是：不變數、成長曲線和迴圈波。
不變數。對所有最佳化其行為的有機體來說，自然的、無意識的趨勢逐漸向其行為中注入了隨時間推移極少變化的"不變數"。尤其人類，是最有資格的最佳化者。一天有24個小時是一個絕對的不變數，那麼一般而言，
人生幾十年，雖然其間隔、所完成的事業不盡相同，但是很明顯，人類都趨向把一定量的時間用來幹這些瑣事：烹飪、旅行、打掃衛生。如果把新的行為（比如，乘坐0201483408航班，而不是步行）納入基本維度（比如，每天奔波要花多長時間），就會看到，這種新行為的模式持續展現的是原有行為的模式，同樣可以預測（或預言）它的未來。換句話說，你以前是每天走半個小時路去上班，現在則是開半個小時車去上班。而在未來，也許你會飛半個小時去上班。市場苛求效率的壓力如此冷酷，如此無情，致使它必然將各種人造系統推向最最佳化這單一的（可預測）方向。追蹤一個不變數的最佳化點，往往會提醒我們注意到一個規則的可預測性範圍。比如說，機械效率的提高是非常緩慢的。到現在為止，還沒有一種機械系統的效率能夠超過50%。設計一個執行效率達到45%的系統是可能的，而要設計一個效率達到55%的系統，就不可能。因此，我們可以對燃料效率做一個可靠的短期預測。
成長曲線。一個系統越大、層次越多、越是去中心化，那麼它在有機成長方面取得的進展也就越多。所有成長的東西，都擁有幾個共同的特點。其中一個，就是形狀為s形曲線的生命週期：緩慢地誕生、迅速地成長、緩慢地衰敗。全球範圍內每年的汽車產量，或者莫札特一生中創作的交響樂，都相當精確地符合這種s形曲線。"s形曲線所具有的預測能力，既非魔法，也非無用，"莫迪斯寫道，"在s形曲線那優雅的形狀下面，隱藏著一個事實，即自然的生長過程遵循著一種嚴格的定律。"這個定律說明，結局的形態與開端的形態相對稱。這個定律以數千生物學的歷史，以及形成制度的生命歷史的經驗觀測值為基礎。這個定律還與以鐘形曲線表述的複雜事物的自然分佈有著密切的聯絡。成長對初始條件極度敏感；然而成長曲線上的初始資料點幾乎毫無意義。不過，一旦某個現象在曲線上形成不可遏止的趨勢，有關它的歷史的數字快照就會形成，並在預測這個現象的最終的極限和消亡方面起顛覆性的作用。人們可以從這條曲線中抽取它與競爭系統的一個交界點，或者一個"上限"，以及這個上限必然水平拉開的資料。並不是每個系統的生命週期都呈現光滑的s形曲線；但是，符合這個曲線的系統無論種類或者數量都相當可觀。莫迪斯認為，服從這一生長定律的東西比我們設想的要多。如果我們在恰當的時機（其生長過程的中期）檢驗此類生長系統，這種由s形曲線定律概括的區域性有序狀態的出現，就為我們提供了另外一個可預測性範圍。
迴圈波。系統明顯的複雜行為，部分地反映了系統環境的複雜結構，這是赫伯特·西蒙在大約30年前指出的。當時，他利用一隻螞蟻在地面的運動軌跡作為例證。一隻螞蟻歪來扭去地穿過土地的線路，反映出的並不是螞蟻自己複雜的移動，而是它所處環境的複雜結構。按照莫迪斯的說法，自然界的迴圈現象能給執行其間的系統注入迴圈偏好。莫迪斯曾經為經濟學家康德拉基耶夫所發現的56年經濟週期所吸引。而且，除了康德拉基耶夫發現的這個經濟波，莫迪斯還補充了兩個類似的週期，一個是他自己提出的科學發展中的56年週期，另一個是阿諾夫·古儒柏研究的基礎設施更換的56年週期。其他作者已經提出了各種假說來說明這些明顯波動原因，有人認為它來自於56年的月亮運動週期，或者是第5個以11年為週期的太陽黑子週期，甚至還有人將其歸結為人類隔代週期----因為每個28年期的代群都會偏離其父輩的工作成果。莫迪斯辯稱，本初的環境週期引發了許多尾隨而來的次生和再生的內部迴圈。研究者只要發現了這些迴圈的任何片段，就可以利用它們來預測行為的範圍。
上述三種預測模式表明，在系統提高了能見度的某些特定時刻，秩序的無形模式對關注者來說會變得清晰起來。這就好像下一個鼓點，幾乎可以預先聽到它將要發出的聲音。不一會兒，干擾把它攪渾覆蓋了，那種模式就消逝了。可預測性範圍也有大驚喜。不過，區域性的可預測性確實指向一些可改進、可深化，也可延長為更大東西的方法。
儘管成功進行大型預測的機率非常之小，但是，試圖從過去的股票市場價格中析取長波模式的業餘和專職的金融圖表分析師並不因此氣餒。對於圖表分析師來說，任何一種外在的週期性行為都是可以獵取的獵物：裙裾的長度，總統的年齡、雞蛋的價格。圖表分析師永遠都在追逐神話般預測股價趨勢的"領先指標"，用來作為下注的數值。多年來，圖表分析師一直因為採用這種說不清道不明的數字邏輯方法而受到嘲笑。不過，最近一些年來，一些專業學者，比如理查德·斯威尼和布萊克·勒巴朗卻說明圖表分析師的方法往往切實可行。圖表分析師的技術準則可以簡單到令人乍舌："如果市場保持上漲趨勢有一段時間了，就賭它還會繼續上漲。如果它處在一個下跌的趨勢，就賭它還會繼續下跌。"這樣的一種準則，就把一個複雜市場的高維度簡化為這樣簡單的兩部式規則的低維度。一般來說，這種進行模式尋找的辦法行之有效。這種"漲就一直漲，跌就一直跌"的模式，要比隨機的碰運氣運作得好，因此也比普通投資者的炒作要強得多。既然對於一個系統來說，最可預測的事情就是它的停滯，那麼，這種有序模式的出現並不是出乎意外----儘管它真的令人驚訝。
和圖表分析主義相反，另外一些金融預測人員依靠市場的"基本面"預測市場。這些被稱為基本面分析師的人們試圖理解複雜現象中的驅動力量、潛在動力以及基本條件。簡單來說，他們要找的是一個理論：f=ma。
另一方面，圖表分析師是從資料中尋找模式，並不關心自己是否明白這個模式存在的理由。如果宇宙中確實存在著有序，那麼所有的複雜性的有序，其未來路徑都會（至少是暫時地）在某處以某種方式揭示出來。人們僅僅需要了解可以把什麼訊號當作噪音而忽視。圖表分析師按照多恩·法默的方式進行組織歸納。法默自己也承認，他和他那些預測公司的同事是"統計意義上的嚴格的圖表分析師"。
再過50年，計算機化的歸納法、基於演算法的圖表分析以及可預測性範圍，將會成為值得尊敬的人類事業。股票市場的預測則仍然是一件古怪的事情，因為與其他系統相比，股票市場更多的是建立在預期之上的。在一個靠預期取勝的遊戲中，如果所有人都分享這個預測的話，準確的預測就不會提供賺錢的機會。預測公司真正能夠擁有的，只不過是時間上的領先。只要法默的團隊開發某個預測性範圍掙到了大錢，那麼其他人都會衝進來，多少模糊了模式，大多數情況下，會把掙錢的機會拉平。在一個股票市場中，成功會激發起強烈的、自我取消的反饋流。在其他系統中，比如說成長性網路，或者一家正在擴張的公司，預測反饋不會自我取消。通常來說，反饋是自我管理型的。
22.7以萬變求不變
最早的控制論學者，諾伯特·維納，曾經殫精竭慮地要說明反饋控制的巨大力量。他當時腦子裡想的就是簡單的沖水馬桶型的反饋。他注意到，不斷地一點點地把系統剛剛實現的微弱的資訊（"水平面還在下降"）注入系統，在某種意義上引領了整個系統。維納總結說，這種力量，是時間平移的一項功能。在1954年，他這樣寫道："反饋是控制系統的一種方式，它把系統過去的執行結果重新輸入系統，從而完成對系統的控制。"
感知現實的感測器裡沒有懸念。除了此時此地，還需要知道什麼與現在有關的別的東西嗎？顯然，關注當前對系統來說是值得的，因為它幾乎沒有什麼別的選擇。可是，為什麼還要在已經過去的和無法改變的東西上消耗資源呢？為什麼要為了當下的控制而襲擾過去呢？
一個系統----不管是有機體、企業、公司、還是計算機程式，之所以花費精力把過去發生的事情反饋到現在，是因為這是系統在應對未來時比較經濟的做法。因為，要想預見未來，你就必須瞭解過去。沿著反饋迴路不斷衝擊的過去，給未來提供資訊，並控制著未來。
不過，對於一個系統來說，時間平移還有另一條通往未來的途徑。身體中的感覺器官，那些能夠拾得幾英里之外的聲波和光波資訊的感覺器官，其功能有如對當下進行衡量的儀表，而且更像是對未來進行衡量的量具。地理位置遙遠的事件，從實用的角度來說，是來自未來的事件。一個正在靠近的捕獵者的影像，現在就變成了關於未來的資訊。而遠處的一聲咆哮，則很快就變成一隻撲到跟前的動物；聞到一股鹽味，表明潮汐馬上要變化。所以說，一個動物的眼睛就是把發生在時/空遠處的資訊"前饋"到位於此處/現在的身體中。
有些哲學家認為，生命能夠起源於一個籠罩著空氣和水這兩種介質的行星上並不是一件偶然的事情，因為水和空氣，在絕大多數光譜下都具有令人驚訝的透明度。清潔、透明的環境，使得器官能夠接收來自"遠處"（未來）的含有豐富資料的訊號，並對來自有機體的訊號進行預處理。因此，眼睛、耳朵和鼻子都是能夠窺視時間的預測機制。
根據這個概念，完全渾濁的水和空氣可能會通過阻止遠處事件的資訊傳至現在而抑制預測機制的發展。生存在渾濁世界中的有機體，無論是在空間上還是在時間上，都會受到束縛；它們會缺乏空間去發展適應性反應。而適應，就其核心而言，要求對未來感知。在一個變化的環境中，不管這環境是渾濁還是清澈，能夠預測未來的系統都更可能存續下去。邁克爾·康拉德寫道："歸根結底，適應性，就是利用資訊來應付環境的不確定性。"格雷戈裡·貝特森則用電報文體簡潔地說："適應就是以萬變求不變。"一個系統（根據定義是不變的）適應（變化）的目的就是為了存續（不變）。火烈鳥改變自己就是為了繼續生存。
如此來說，那些被卡在當下動彈不得的系統，更常受到變化的奇襲而死去。因此，一個透明的環境，會獎勵預測機制的進化，因為預測機制把生命力賦予複雜性。複雜系統之所以能夠存活下來，因為它們具有進行預測的能力，而一種透明的介質，則能夠幫助它們進行預測。相反，渾濁卻會完全阻礙複雜的活系統的預測、適應以及進化。
22.8系統存在的目的就是揭示未來
後現代人類在成形的第三種透明介質中暢遊。即每一種現實都能夠數字化；即人類每一次叢集活動的測量都可以通過網路傳輸；即每個個體生命的生活軌跡都可以變形為數字，並且通過線路傳送。這個聯網的行星，已經變成了位元的洪流，在玻璃纖維、資料庫和各種輸入裝置組成的清澈殼體裡流動。
資料一旦流動，就創造出透明。社會一旦聯網，就可以瞭解自己。預測公司的那些火箭科學家，能夠比老派的圖表分析師獲利更多，那是因為他們工作在一個更為透明的介質裡。網路化金融機構丟擲的數以十億計的數字資訊凝結為一種透明的氛圍，預測公司據此偵測出那些正在演變中的模式。流經他們工作站的資料之雲，形成了一種清澈的資料世界供他們仔細探查。從這清新空氣的某些片段他們能夠預見未來。
與此同時，各種工廠大批生產攝像機、錄音機、硬碟、文本掃描器、電子表格、資料機和衛星電視天線訊號接收器。這些東西分別是眼睛、耳朵或者神經元。它們連線起來，就形成了一個由數十億個裂片組成的感覺器官，漂浮在飛速執行的數字組成的清澈介質之中。這個組織的作用是把那些來自遠處肢體的資訊"前饋"到這個電子身體中。美國中央司令部那些戰爭博弈者可以利用科威特的數字化地形、即時傳輸的衛星影像以及通過全球定位資訊進行定位的（無論在地球的哪個位置，誤差範圍在50英尺之內）手持傳送器分段傳送過來的報告預測----通過集體心智的眼睛去了解----即將到來的戰鬥過程。
歸根結底，揭示未來不僅僅是人類的嚮往，也是任何有機體，也許還是任何複雜系統所擁有的基本性質。有機體存在的目的就是揭示未來。
我給複雜系統的工作定義是一個"跟自己對話的東西"。也許有人會問，那麼：複雜系統跟自己說些什麼呢？我的回答是：它們給自己講未來的故事，講接下來也許會發生的故事----無論這個"接下來"是以納秒還是以年計算。
22.9全球模型的諸多問題
20世紀70年代，在講述了數千年關於地球的過去、關於天地萬物的傳說故事之後，地球行星上的居民開始講述第一個關於未來可能發生的故事。當時的高速通訊，第一次為他們展示了自己家園全面的即時檢視。來自太空的影像非常迷人----黑色的遠景裡優美地著懸掛一個雲蒸霞蔚的蔚藍色球體。而地面上正在發生的故事就沒那麼可愛了。地球每一個象限發回來的報告，都在說地球正在分解。
太空中的微型照相機帶回了地球的全貌照片，驚豔絕倫，用老式的辭意表達，是既令人振奮又令人恐懼。這些照相機，連同由每個國家湧出的大量的地面資料，組成了一面分散式的鏡子，反映了整個地球系統的畫面。整個生物圈越來越透明。地球系統開始預測未來----像所有系統都會做的那樣，希望知道接下來（比如說，在下一個20年裡）可能發生什麼事情。
從環球外膜收集的資料中，我們獲得了第一印象----我們的地球受傷了。沒有一種靜態的世界地圖能查證（或者反駁）這個景象。也沒有一個地球儀能夠列示隨著時間推移而起落的汙染和人口圖表，或者破譯出一個因素與另一個因素之間的那種相互關聯的影響。也沒有任何一種來自太空的影片能夠詮釋這個問題，繼續下去會怎樣？我們需要一種全球預測裝置，一個全球假設分析的資料表。
在麻省理工學院的計算機實驗室裡，一位謙遜的工程師拼湊了第一份全球電子資料表。傑伊·福瑞斯特從1939年開始就涉獵反饋迴路，改良轉向裝置的伺服機制。福瑞斯特和他在麻省理工學院的同事諾伯特·維納一起，沿著伺服機制的邏輯路徑直到計算機的誕生。在為發明數字計算機提供幫助的同時，他還把第一臺具有計算能力的機器應用於典型工程技術理念之外的領域。他建立了各種能夠輔助公司管理和製造流程的計算機模型。這些公司模型的有效性，激發了福瑞斯特新的靈感。他在波士頓一位前市長的幫助下，建立了一個城市模型，模擬整個城市。他憑藉自己的直覺，非常正確地意識到級聯反饋迴路----雖然用紙筆不可能進行追蹤，但是計算機卻能輕而易舉地追蹤----是接近財富、人口和資源之間互相影響的網路的唯一途徑。那麼為什麼不能模擬整個世界呢？
1970年，在瑞士參加了有關"人類處境"的會議之後，福瑞斯特坐在返程的飛機上，開始草擬第一個公式，一個將會形成他稱之為"世界動態"模型的公式。
粗糙不說，而且是份草圖。福瑞斯特的粗糙模型反映出明顯的迴路和力量，他的直覺感到是它們統治著大型經濟體。至於資料，只要現成，他都抓過來用來做快速估計。羅馬俱樂部，資助了那次會議的集團，來到麻省理工學院，對福瑞斯特拼湊起來的這個原型進行評估。他們受到眼前所看到東西的鼓勵。於是，他們從大眾汽車基金會籌到資金聘請福瑞斯特的夥伴丹尼斯·梅多斯對這個模型做下一步的工作，繼續完善它。在1970年剩下的時間裡，福瑞斯特和梅多斯共同改進"世界動態"模型，設計更為周密的流程迴路，並滿世界地淘選最近的資料。
丹尼斯·梅多斯和他的妻子丹娜，還有另外兩個合著者，一起釋出了一個功力增強了的模型，裡面存滿了真實的資料，名為"增長的極限"。作為第一個全球電子資料表，這一模擬獲得了巨大的成功。有史以來第一次，整個地球的生命系統、地球資源，以及人類文化，都被提煉出來，形成一個模擬系統，並任其漫遊至未來。"增長的極限"模擬系統作為全球警報器，也是非常成功的。它的作者們用這樣的結論提醒全世界：人類現有路徑的每一次擴張，幾乎都會導致文明的崩潰。
"增長的極限"模型得出的結果發表後的許多年裡，在全世界範圍內激發的社論、政策辨論和報紙文章成千上萬。一幅大字標題驚呼："計算機預測未來令人不寒而慄。"這個模型的發現要點是："如果當前的世界在人口、工業化、汙染、食品生產以及資源消耗方面的增長趨勢保持不變的話，那麼這個星球將會在接下來的100年之內的某個時刻達到其增長極限。"模型的製造者們曾經以數百種差別細微的情景進行了數百次的模擬。但是，無論他們如何進行權衡，幾乎所有的模擬都預測到人口和生活水平要麼逐漸萎縮，要麼迅速膨脹然後立刻破滅。
這個模型極具爭議性，而且受到極大的關注，主要是因為其中蘊含著顯著清晰又令人討厭的政策意義。不過，它永久性地把有關資源和人類活動的討論提升到了必要的全球範圍。"增長的極限"模型的並沒有成功的孕育出其他更好的預測模型，而這恰恰是它的作者們希望做到的。相反，在其間的20年裡，世界模型都受到懷疑，主要是因為"增長的極限"引發的種種爭議。具有反諷意味的是，在（20年後的）今天，公眾唯一看得見的世界模型，仍然是"增長的極限"。在模型釋出20週年紀念日的時候，作者們只略做改動又重新發布了這個模型。
重新發布的"增長的極限"模型，執行在一個被稱為stella的軟體程式上。stella採用由傑伊·福瑞斯特在大型計算機上制訂出的動態系統方法，再把它移植到蘋果電腦的視覺化介面上。"增長的極限"模型是一張用各種"庫存"與"流"編結而成、給人深刻印象的網。庫存（貨幣、石油、食物、資本諸如此類）流入某些特定的節點（代表一般程式，比如說耕種），在那裡引發其他庫存的流出。舉例來說，貨幣、土地、肥料以及勞動力流入農場之後，就會引流出未加工的食物。而食物、石油和其他一些庫存流入工廠則生產出肥料，從而完成一個反饋迴路。由迴路、次級迴路和交叉迴路組成的義大利麵似的迷宮構成了完整的世界。每個迴路對其他迴路的影響都是可以調整的，而且視現實世界中的資料比率而定。比如，每公斤肥料、每公斤水，能在一公頃的田裡生產出多少糧食，又會產生多少汙染和廢料。確實，在所有的複雜系統裡，單一調整所產生的影響都無法事先估量；必須讓它在整個系統中展現出來之後，才能進行測度。
活系統必須為存活而預期。可是，預測機制的複雜性絕不能蓋過活系統本身。我們可以詳細地考查"增長的極限"模型，以此作為預測機制固有困難的例項。選擇這個特殊的模型有四個理由。首先，它的重新發布要求把它（重新）看做人類的預測努力可以依賴的預測裝置。其次，這個模型提供了方便的20年期進行評估。它20年前偵測到的那些模式是否仍佔有優勢？第三，"增長的極限"模型的優點之一在於它是可以評論的。它生成的是可以量化的結果，而不是含糊其辭的描述。也就是說，它是可以檢驗的。第四，為地球上人類生活的未來建立模型是最野心勃勃的目標。無論成功還是失敗，如此傑出的嘗試都會教給我們如何運用模型預測極其複雜的適應系統。人確實要反躬自問：到底有沒有信心模擬或預測像世界這樣一種看起來完全不可預測的程式？反饋驅動的模型能夠成為複雜現象的可靠預報器嗎？
"增長的極限"模型有很多可抨擊的地方。其中包括：它並非極度複雜；它塞滿了反饋迴路；它演練情景。但是，我從模型裡還發現有如下弱點：
有限的總體情景。"增長的極限"與其說是在探索各種真實存在的多樣性的可能的未來，倒不如說它不過是在一組頗為有限的假設上演繹大量微小的變化。它所探查的那些"可能的未來"，絕大多數似乎都只是在它那些作者們那裡才說得通。20年前建立模型的時候，作者們覺得有限的資源會枯竭是個合理的假設，他們就把那些沒有建立在這個假設基礎上的情景忽略掉了。但是，資源（比如稀有金屬、石油或者肥料）並沒有減少。任何一種真正的預測模型，都必須具備能夠產生"想象不到"的情景的能力。一個系統在可能性的空間要有充分的活動餘地，可以遊蕩到出乎我們意料之外的地方，這很重要。說它是一門藝術，是因為模型擁有了太多的自由度，就變得不可駕馭了，而把它拘束得太緊，它就變得不可靠了。
錯誤的假設。甚至最好的模型，也會因為錯誤的前提而誤入歧途。就"增長的極限"來說，它的一個關鍵性的原始假設，就是認為世界只容納了可供250年使用的不可再生資源，而且對於這種資源的需求在迅猛發展。20年過後，我們已經知道這兩個假設全都是錯誤的。石油和礦物的儲量增加了，而它們的價格卻沒有增加；同時，對某些原材料的需求，比如銅，並未呈指數增長。1992年重新發布這一模型的時候，作者對這些假設做了修改。現在的基礎假設是汙染必然會隨著發展而增加。如果以過去的20年作為指南的話，我能想象，這樣的一條假設，在未來的20年中，也需要修正。這種基本性的"調整"必須要做，因為"增長的極限"模型需要它......
沒有為學習留下餘地。一批早期的批評者曾經開玩笑說，他們用"增長的極限"模型模擬1800～1900年這段時間，結果發現"街上堆了一層有20英尺高的馬糞"。因為當時的社會，使用馬來進行運輸的比例正在增長，所以這是一個邏輯外推。那些半開玩笑半當真的批評者認為，"增長的極限"模型沒有提供技術學習、效率提高，以及人類行為自律能力、改革發明能力的規則。
這個模型內裡連線著某種型別的適應。當危機發生的時候（比如汙染增加了），資本資產就會轉過來處理危機（於是汙染的生成係數就降低了）。可是，這種學習既非分散的，也不是終端開放的。事實上，這兩種型別建模都不容易。本書其他地方提到的很多研究都是有關在人造環境或自然環境中實現分散式學習和終端開放式增長的開拓性努力。而如果沒有這種分散的、終端開放的學習，要不了多少日子，真實的世界就可以勝過模型。
現實生活中，印度、非洲、中國以及南美的人口並沒有按照"增長的極限"模型的假設性規劃來改變他們的行為。而他們之所以適應，是因為他們自有的即時的學習週期。比如，全球出生率的下降速度快得超過了任何人的預測，使得"增長的極限"這個模型（和絕大多數其他預測一樣）措手不及。這是否歸因於"增長的極限"之類的世界末日的預言的影響呢？更為合情理的機制是，受過教育的婦女生育的子女少，過得也越好，而人們會仿效過得好的人。而她們並不知道，也不關心全球的增長極限。政府的種種激勵促進了這些本來就已經出現的區域性動態的發展。無論什麼地方的人總是為了自己的直接利益而行動和學習。這也適用於其他方面的功能，比如作物的生產力、耕地、交通等。在"增長的極限"模型中，這些波動數值的假設都是固定的，但是在現實生活中，這些假設本身就擁有共同進化的機制，會隨著時間的變化而變化。關鍵在於，必須把學習作為一種內在的迴路植入模型。除了這些數值，模擬中或者說想要預測活系統的任何模擬中，假設的確切構造必須具備很強的適應性。
世界平均化。"增長的極限"模型把世界上的汙染、人口構成以及資源的佔有統統看作是劃一的。這種均質化的處理方式簡化了世界，使足以穩妥地給它建模。但是，因為地球的區域性性和區域劃分是它最顯著和最重要的特性，這樣做的結果最終破壞了模型存在的目的。還有，源自各不相同的區域性動態的動態層級，形成了地球的一些重要現象。建立"增長的極限"模型的人，意識到了次級迴路的力量----事實上，這正是福瑞斯特支撐這個軟體的系統動力學的主要優點。可是，這個模型卻完全忽略了對於世界來說極為重要的次級迴路：地理。一個沒有地理的全球模型.......根本不是這個世界。在整個模擬中，不僅學習必須是分散式的，而且所有的功能都必須是分散式的。這個模型最大的失敗，就在於它沒有反映出地球生命所具有的這種分散式的本性----群集本性。
任何終端開放的增長都不能模仿。我曾經問過丹娜·梅多斯，當他們在以1600年，甚至1800年為起點執行這個模型的時候，得到了什麼結果，她回答道，他們從來沒有這樣執行過這個模型。我當時非常吃驚，因為返溯實際上是對各種預測模型進行實際檢驗的標準方法。"增長的極限"這個模型的建造者們懷疑，如果進行這樣的模擬的話，這個模型會產生出與事實不符的結果。這應該成為一種警報。從1600年開始，這個世界就已經進入了長期的增長。而如果一個世界模型是可靠的，那麼它就應該能夠模擬出4個世紀以來的增長狀況----至少作為歷史來進行模擬。說到底，如果我們要相信"增長的極限"這個模型對於未來的增長確實是有話可說，那麼，這個模擬就必須，至少從原則上說，能夠通過對幾個過渡期的模擬生成長期的增長。而就它現在的情況而言，"增長的極限"所能夠證明的，充其量也就是模擬出一個崩潰的世紀而已。
"我們的模型異常'強健'，"梅多斯告訴我，"你得千方百計來阻止它的崩潰.......總是有相同的行為和基本動態出現：過火和崩潰。"依靠這種模型來對社會的未來進行預測，是相當危險的。系統的所有初始引數迅速向著終點匯聚，可歷史卻告訴我們，人類社會是一種顯示出非凡的持續膨脹的系統。
兩年前，我曾經用了一個晚上的時間，跟肯·卡拉科迪西烏斯聊天。他是一個程式設計師，正在建造一個生態和進化的微型世界。這個微型世界（最後變成了simlife這款遊戲）為那些扮演神的角色的玩家提供了工具，他們用這些工具可以創造出32種虛擬動物和32種虛擬植物。這些虛擬的動植物相互影響、相互競爭、相互捕食，然後進化。"你讓你的世界最長執行了多長時間？"我問他。"唉，"他感嘆道，"只有一天。你知道，要保證這種複雜的世界不斷執行下去確實是一件困難的事情。它們確實喜歡崩潰。"
"增長的極限"裡面的那些情景之所以會崩潰，是因為"增長的極限"這個模擬模型善於崩潰。在這個模型裡，幾乎每一個初始條件都要麼會導致大災難，要麼導致某種（極少情況下）穩定狀態----但是從來不會產生任何新的結構，因為這個模型天生不能產生某種終端開放的增長。"增長的極限"沒有能力模擬出農耕時代進入工業社會的自然發展過程。梅多斯承認："它也不可能把這個世界從工業革命帶向任何一種接下來會出現的、超越工業革命的階段。"她解釋說："這個模型所展示出來的，是工業革命的邏輯撞到了無可避免的限制牆。這個模型有兩件事情好做，要麼開始崩潰，要麼，由我們作為模型的建立者對它進行干預、做出改變來挽救它。"
我："不能搞一個更好的擁有自身轉換能力、可以自動轉換到另一個層級的世界模型嗎？"
丹娜·梅多斯："當我想到，這種結局是系統設計好讓它發生的，而我們只是這麼往後一靠然後作壁上觀，就覺得有點宿命的感覺。但相反，我們在建立模型的時候，實際上把自己也放在裡面。人類的智慧進入到這個模型之中，去感知整個形勢，然後在人類的社會結構裡做出改變。這就反映了在我們腦中出現的系統如何昇華到下一個階段的圖景----利用智慧介入並重建系統。"
這是拯救世界的模型，可是，它對一個不斷複雜化的世界如何運轉的建模不適當。梅多斯是對的，走了一條採用智慧來插手把它人文化並改變它的結構的路子。不過，這個工作不只是由模型的建立者來完成，也不只是發生在文化的起始點。這個結構的重建發生在全球60億個大腦裡，是每天發生、每個時代都發生的事情。如果說確實存在著去中心化的進化系統的話，那麼人類的文化就是這樣一種系統。任何不能包容這種每日在數十億頭腦中進行的分散式微型進化的預測模型，都註定會崩潰，如果沒有這樣的進化，文化本身也會崩潰。
20年後，"增長的極限"模擬模型所需要的就不僅僅是更新換代了，它需要完全重做。利用它的最好方式，是把它看成一個挑戰，是建立更好的模型的一個新起點。一個真正的全球社會的預測模型，應該滿足下面這些條件：
◎能夠大量執行各式各樣的情景，
◎從一些更靈活、更有根據的假設開始，
◎實施分散式學習，
◎包含區域性性和地區性的差異，
◎如果可能的話，展現不斷增長的複雜性。
我之所以不把焦點放在"增長的極限"世界模型上，是因為我想指摘它那些強有力的政治內涵（畢竟，它的第一個版本激發了一代反增長的激進主義分子）。確切地說，這個模型所具有的種種不充分性，恰好跟我想在本書提出的幾個核心論點相對應。為了把這個系統的某段情景"前饋"到未來，福瑞斯特和梅多斯勇敢地嘗試模擬一個極端複雜的、具有適應性的系統（在地球上生活的人類的基礎結構）。這個福瑞斯特/梅多斯模型所突出的，不是增長的極限，而是某些特定的模擬的極限。
梅多斯的夢想，同樣是福瑞斯特的夢想，是美國中央司令部那些戰爭博弈者的夢想，是法默和他的預測公司的夢想，也是我的夢想。而這個夢想就是：創造出一個系統。這個系統要能夠充分反映出真實的、進化著的世界，使得這個微型模型能夠以比真實世界跑得更快的速度進行運轉，從而把它的結果投射到未來。我們想要預測機制，不是出於預知命運的使命感，而是為了獲得指引。理念上，只有考夫曼或者馮·諾伊曼的機器，才能自行創造出更為複雜的東西。
為了做到這一點，模型就必須擁有"必要的複雜性"。這個術語，是20世紀50年代由控制論專家羅斯·艾希比創造出來的，他最早製作出了一些電子自適應模型。每一個模型，都必須一點一滴地提取出無數現實的細節，匯聚起來壓縮成像；它必須濃縮的最重要的特質之一，就是現實的複雜性。艾希比總結了自己那些用真空管造出迷你模型的試驗，得出了這樣的結論：如果一個模型過於急切地簡化了複雜現象，它就會錯失目標。模擬的複雜程度，不得超出它所模擬的複雜性的活動領域，否則，模型就跟不上它所模擬的東西的曲折路線。另外一位控制論專家，傑拉爾德·溫伯格，在他的著作《論穩定系統的設計》中給這個"必要的複雜性"提供了一個非常貼切的比喻。溫伯格提示說，想象一下，一枚制導導彈瞄準了一架敵機。導彈自己並非一定也是一架飛機，但是它必須具備與飛機的飛行行為複雜性旗鼓相當的飛行復雜性。如果這枚導彈不具備至少與目標飛機一樣的速度，而且在空氣動力學方面的敏捷程度也不如那架目標敵機，那它肯定打不中目標。
22.10舵手是大家
那些以stella為基礎的模型，比如說"增長的極限"模型，顯而易見過量擁有反饋電路。正如諾伯特·維納在1952年所指出的，具備各類組合變化的反饋電路，是控制和自我管理的根源。不過，在反饋引發最初的興奮激情的40年之後，我們現在已經知道，僅有反饋迴路是不足以培育出那些我們最感興趣的活系統行為的。本書提及的研究者們已經發現，要想生成功能齊備的活系統，還必須擁有另外兩種型別的複雜性（也許還有別的型別）：分散式存在，以及無止境的進化。
近年來，通過研究複雜系統得出的主要洞見就是：一個系統要想進化成某種新的東西，唯一的途徑就是要有一個柔性結構。小蝌蚪可以變成青蛙，而一架747噴氣式飛機即使只增加六英寸的長度，也會把它變成殘廢。這就是為什麼分散式存在對具有學習、進化能力的系統如此重要的原因。一個分散化、冗餘的組織能夠在功能不受影響的前提下收放自如，因此它能夠適應。它能夠控制變化。我們稱之為"成長"。
直接反饋的模型，比如"增長的極限"，能夠獲得系統穩定----這是生態系統的一個特徵，但是它們不能學習，不能成長，也不能變化。而這三個複雜性，是變化中的文化或者生命模型必備的。沒有這些能力，世界模型就會遠遠落在不斷運動的現實的後面。學習能力缺位的模型，可以用來預估不遠的未來，那時進化的變化很小；但是，要想預測一個進化系統----如果能作口袋式預測的話，就需要這種模擬的人工進化模型包含"必要的複雜性"。
但是，要引入進化和學習，不抽離這個系統的控制是不行的。丹娜·梅多斯在談及人類集體智慧先行退後去理解全球問題，然後又"插手並改造"人類活動的體系的時候，她指出的是"增長的極限"這個模型最大的錯誤所在：它那線性、機械、不可行的控制意念。
自我製造系統之外不存在控制。活系統，比如經濟、生態和人類文化，無論從哪個位置下手都難加以控制。它們可以被刺激，可以被幹擾、可以被哄騙、可以被驅動，充其量也就是可以從內部進行協調。地球上不存在任何一個平臺，從那裡可以伸出自由之手進入活系統，而且，在活系統的內部也沒有理由存在等待撥動的控制撥號盤。大型、群集狀態下的系統，比如人類社會的導向，是由一大堆相互聯結、自相矛盾的成員控制的。而這些成員，在任何一個時刻，對於整體也就只有那麼一丁點的意識。不僅如此，在這個群集系統中，很多活躍的成員根本就不是個體人類智慧；它們是公司實體、集團、體制、技術系統，甚至還包括地球本身的那些非生物系統。
有歌雲：沒人來當家。未來不可測。
現在來聽唱片的背面：舵手是大家。而且，我們能夠學會預測即將發生的事情。學習就意味著生存。
席奧多·莫迪斯（theodoremodis，1943～）：務分析師、未來學家、物理學家、國際顧問。
0201483408航班：0201483408為《失控》（1994年英文版）的國際標準書號（isbn）。
尼古拉·康德拉基耶夫（nikolaid.kondratieff，1892～1938）：俄羅斯經濟學家及統計學家，因提出康德拉季耶夫長波聞名於西方經濟學界。
阿諾夫·古儒柏（arnulfgrubler）：英國科學家，國際應用系統分析學會的一名研究員。他在奧地利維也納理工大學獲得博士學位後，先後在義大利里亞斯特（trieste）理論物理國際研究中心等機構任職。
理查德·斯威尼（richardj.sweeney）：博爾頓蘇利文/托馬斯a.國際金融組織主席。斯威尼教授專長於國內國際金融貨幣經濟學以及國家政策。其當前研究重點在美聯儲對外匯市場的影響，財政交叉截面分析辦法，以及歐盟、美國的立憲提案等。
布萊克·勒巴朗（blakelebaron）：芝加哥大學經濟學哲學博士，布蘭代斯大學金融學教授，金融理論家。
丹尼斯·梅多斯（dennismeadows，1942～）：美國科學家，美國麻省理工學院斯隆管理學院教授，福瑞斯特的副手。
丹娜·梅多斯（danameadows，1941～2001）：美國開拓型環境科學家、教師和作家，丹尼斯·梅多斯的妻子。與丹尼斯及另外兩位合作者共同釋出了"增長的極限"。