320.「如果心理学家可以考虑将两两作用叠加，那就开心死了。这种简化意味着，要想了解一个三口之家的行为，他只需研究夫妻行为、父子行为和母子行为，然后把三种相互行为加起来，就能预测全家的行为了。遗憾的是，只有在力学和其他少数学科中，这样的两两作用叠加才能成功。」
书籍名称：《系统化思维导论》
基础信息：[美] 杰拉尔德·温伯格 / 2015 / 人民邮电出版社
豆瓣评分：8.1/10
豆瓣链接：https://book.douban.com/subject/26298694/
读完时间：2021-07-15 20:30:24
我的评分：4.0/5.0
我的标签：#2021,微信读书
免责声明：本页面所发布的笔记仅用于分享我在阅读过程中的摘录、总结和反思。内容大多为书中原文或书中观点的简要提炼，并不代表我个人的立场、意见或价值观。书中观点仅供参考，如需深入了解或采纳，请参考书籍的原始内容。
阅读笔记：
系统化思维导论
温伯格
27个笔记
1.3 计算的平方律
在牛顿时代，力学对哲学思想的影响是普遍而深入的。很多哲学家赞同拉普拉斯的观点：只要精确地观测到物质中每个粒子的位置和速度，就可以计算出整个宇宙的未来。虽然他们意识到需要一个巨型计算机，但那时他们连最小的计算机都没有。他们如何度量所需的计算量呢？
1.4 科学的简化和简化的科学
牛顿在万有引力定律中提供了一种重要的简化方式，这一定律被誉为“迄今为止人类最了不起的归纳”。
它说明两个物体之间的作用力在任何时候都与第三者无关，所以只需要考虑两两之间的作用力，然后所有这些效果可以叠加
可是，如果心理学家可以考虑将两两作用叠加，那就开心死了。这种简化意味着，要想了解一个三口之家的行为，他只需研究夫妻行为、父子行为和母子行为，然后把三种相互行为加起来，就能预测全家的行为了。遗憾的是，只有在力学和其他少数学科中，这样的两两作用叠加才能成功。
牛顿的研究甚至更进了一步。他注意到，由于太阳独一无二的巨大质量，可以将每个行星和太阳看成一个系统，与其他系统分离开来。这样分离的系统只剩下两个物体。将一个系统分解成没有相互作用的若干子系统，这种技术对于所有成熟的学科都十分重要，当然对于系统理论学家也一样重要。要理解这种分解的重要性，只需想想“计算的平方律”：若求解一个含n个方程的系统需要n2次计算，则计算n个仅含1个方程的独立系统共需要进行n次计算
直到这时，牛顿才停止简化，开始求解方程。事实上，他还做了许多其他假设，比如把太阳系中的每个天体看成一个质点。在这些简化中，牛顿及其同时代的人通常更容易意识到简化假定，也更关心简化假定。今天讲授牛顿计算的物理学教授们则不然。所以，现在的学生很难理解牛顿关于行星轨道的计算为什么能跻身人类最伟大的成就之列。
为什么一般系统思想家对科学的简化以及简化的科学这么感兴趣？理由与牛顿完全一样。系统科学家知道，“计算的平方律”决定了任何计算设备都有计算能力的极限。而且他们认为，人的大脑在某种意义上也是一种计算设备。所以，如果我们想在如此复杂的世界中生存，就必须获得所有可能得到的帮助。牛顿是一个天才，不是因为他的大脑具有超级计算能力，而是因为他会简化和理想化，使得普通人的大脑能在一定程度上认知这个世界。通过研究过去成功和失败的简化方法，我们希望人类知识的进步不要过分依赖天才。
1.5 统计力学与大数定律
大数定律实际上是说：观测样本的数量越多，观测值越接近于预测的平均值。
图中，我们用横坐标表示人口数量，纵坐标表示个体差异。左下角（区域I）表示一个具有很多结构的小规模人群，它可以用精确计算的方法来求解。在顶部，即横线以上的区域II，具有足够的差异性或随机性，可以得到某种期望的预测精度。两者之间的区域III，因为个体差异很大所以不能进行精确计算，又因为具有结构性（可能因为数量太少）所以不能用统计方法。
图1-9 按思维方法区分的系统类型
区域I可称为“有序的简单”，属于机械力学或机械论的范畴。区域II是“无序的复杂”，属于种群或集合的范畴。两者之间张着大嘴的区域III是“有序的复杂”，这一区域复杂得不适合精确计算，又有序得不适合统计。这正是系统的研究领域。
1.6 中数定律
虽然技术常常带来科学发现，但是技术背后的哲理常常源于同时代的科学理念。当今社会，机械技术得益于机械力学的启发，通过减少相互关联的部件而降低复杂性。另一方面，管理技术得益于统计力学的成果，将人群仅仅看成无结构的群体之中可互换的单元，通过取平均值来简化。正如贝塔朗菲指出的，这些哲理的产生可能正是由于缺乏科学手段来处理那些位于两极之间的系统，即位于广阔无人区的中数系统。
像一般系统的大多数定律一样，我们在民间传说中也发现了中数定律的一种形式。转换成我们的日常经验（我们既熟悉这样的系统，又对它们的表现无奈），中数定律就变成了墨菲定律：
凡是可能发生的，都会发生。
生物学和社会科学不像物理学那样“成功”，它们不能随意将眼前的世界切割成小块，因为它们拿到的东西是不可分割的。解剖学家取得了一些成功，但我们对某人被分解后的行为不感兴趣。社会学家的成功更小，因为他们的主要兴趣是具有中数系统特性的“人性”，如果系统被分解、抽象或平均化，它的特性就不复存在。如果行为科学家试图通过平均化来理解“个体”，个体的特性就会被分摊殆尽。如果试图分离出个体进行研究，他们又割断了研究对象与其他人或世界其他部分的联系，个体仅仅成为实验室的人造物，而不再是人。
2.1 有机体、类比与活力论
万物有灵论者将每个物体的行为归结为它的独特精神：树倒了，那是树的精神使然；岩石没有移动，也是岩石的精神使然。在西方宗教中，这样的解释不能令人满意。
2.2 科学家及其分类
托马斯·库恩（Thomas Kuhn）在《科学革命的结构》（Structure of Scientific Revolutions）一书中，开始研究新的思维模式如何取代旧的模式，思维模式如何代代相传，以及思维模式如何促进和阻碍科学进步。特别值得一提的是，他区分了“常规科学”（在当前的模式下工作）和“科学革命”（模式本身受到冲击）。
如果把思维类型模式的观察推广到科学领域，那么“科学带头人”就是那些最不可能取得科学突破的人。库恩得出的这个结论与马克斯·普朗克（Max Plunck）在Scientific Autobiography中的所述不谋而合：
新的科学真理获胜，往往不是因为说服对手，让他们看到光明，而是因为对手最终死去，熟悉新真理的一代新人逐渐成长起来。
要想成为一个出色的通才，对任何事情都不应该怀有信念。罗素指出，信念就是没有任何证据却相信某事。信念中的任何条条框框都会阻碍思维的自由，从而阻碍通才在各个学科之间自由穿越。
赖欣巴哈（Reichenbach）说：
推理的力量不在于推理如何用规则来指导我们的想象，而在于让我们从经验和传统的规则束缚中解放出来。
2.3 一般系统信念的主旨
经验世界的秩序本身也有秩序，也许可以称为二阶序。
要想成为出色的通才，必须学会忽略数据，只看事物的“概貌”。
看看一个完全相反的例子，也许更能理解这种方法的实质，这就是韦特墨（Wertheimer）笔下的奥地利督学：
故事发生在奥地利帝国时期摩拉维亚的一个小村庄。一天，教育部的督学来检查这里的学校。这种例行检查是他职责之内的事情。快要听完一节课时，他站了起来，说：“看到你们都学得很好，我很高兴。班级很好，我对你们的进步非常满意。所以，在离开之前，我想问大家一个问题——谁知道马有多少根鬃毛？”令督学和老师感到吃惊的是，一个九岁男孩很快举起了手。他站起来回答：“马有3571962根鬃毛。”督学惊讶地问：“你是怎么知道的呢？”孩子答道：“你要是不相信我，就自己去数一数。”督学大笑起来，对孩子的表现非常欣赏。老师沿着走廊送督学出门时，督学还一直笑个不停，他说：“多有趣的故事啊！回到维也纳，我一定要讲给同事听。我甚至想得出他们会有什么反应，他们最喜欢幽默故事。”就这样，督学离开了学校。
一年后，督学又来这所学校进行年度检查。在送督学出门的路上，老师停下来问道：“督学先生，顺便问一下，你的同事听完马鬃毛的故事后反应如何？”督学拍了拍老师的背，“哦，”他说，“你知道我是多么想快点给他们讲这个绝妙的故事，不过我没讲成。回到维也纳之后，我死活也想不起马到底有多少根鬃毛了。”
3.1 一个系统就是对世界的一种看法
普林尼（Pliny）讲述了一段轶事，说的是帕哈修斯（Parrhasios）如何胜过宙克西斯（Zeuxis）。宙克西斯画的葡萄栩栩如生，以至于引来小鸟叮啄。有一天，帕哈修斯邀请他的竞争者来他的画室，向他们展示自己的作品，宙克西斯急切地去拉画板上的盖布，结果却发现那不是真的画布，是画上去的……[插图]
3.2 绝对思维与相对思维
假如把一只玻璃温度计突然插入热水中，温度计的读数会怎样？谁都知道读数将上升，但如果你做这个试验并仔细观察，会发现温度计的读数先下降再上升。很少有人观察到这个下降过程，不是因为很难看到，而是因为他们没有期待这个过程。
读数测量的不是水银的膨胀，而是水银和玻璃的膨胀之差。也就是说，它测量的是水银的相对膨胀，而不是绝对膨胀。
第5章 观察结果的分解
本章我们要讨论观察者有限的思考能力如何影响他们所做的观察。这个困难的任务被人们搞得更加困难，因为只要谈到人类有局限（尤其是思维方式上），人们就会产生心理抗拒。多数人勉强接受他们无法扇动胳膊飞翔的事实，但一提到智力的上限，知识分子就会气得脸红脖子粗。
5.3 性质与不变法则
世界上有两类人，即把所有事物分成两类的人和不这么做的人。——肯尼斯·伯丁（Kenneth Boulding）
6.4 开放系统中的行为
在日常谈话中，只要有人说过一次谎话，我们就称其为“骗子”，但我们并没有一个词来称呼总是说实话的人。
7.2 稳定性
我们采用线性模型，不是因为我们发现世界特别线性。就像采用其他近似方法一样，我们很容易相信自己的模型，而不是经验世界，从而深受其害。结果是我们可能“看不到”非线性系统，就像我们“看不到”没有物体的系统一样。
微信读书