导言：在大多数人心中，复杂系统的核心究竟应该如何定义，可能困惑了很长时间。

大多数人可能会首先想到，在一般情况下，当某个具体的模式被证明了具有这样的特征一一里面的组成部分产生了之前并不存在的属性，这在科学上称作是涌现。

涌现对于大多数的复杂系统其实是非常基本的一个新特性。不过你可能想不到，相互作用虽然在我们的身边极其普遍，但是关于涌现现象我们却很难感受到其出现，然而事实上，这种现象可以说是无处不在。

比如说我们很容易忽略的蚁群其实就属于复杂系统。

不过这个概念容易导致阅读者产生认识上的混淆，这确实具有一定抽象性，看起来似乎没有根据，术语越是具有高的复杂性，就越容易引起一个核心问题难以被人们注意到。

比如看下面这张随机抽取的图，虽然路线其实存在一些不妥当的描述，但是从图上能够体会到复杂性以及建模对于这个问题的帮助。而建模这方面，最近新兴的就是计算建模这种全新方式。

科学家布莱恩大概五年之前曾经描绘过“复杂性指南”（这里需要关注的是，这是十分具有进步意义的，将来可能会影响我们的生活）。

当你在进行网页浏览中，单击无数个被安插的超文本链接时，你可能就更加理解这样的概念一一获取了相关的详细信息。

然而，对于这个问题，也有人提出了不一样的理解一一核心观点是复杂性科学本身其实拥有者核心。

其实从本质上来看的话，如果讨论复杂性这个问题，我们可能会首先选择那些有生命的系统，因为在这样的前提条件下，生命肯定是核心问题。

对于这样的假设，科学家们反映，这好像是属于生物学里面所探索的内容。但如果单单看系统科学的角度，人类确实能通过具体的生物体来得到具有研究意义的抽象模式。

但是整个过程必须注意保持生物的理论基础，但举这个例子的真正目的，其实是希望提炼出一组可以代表体系中所有生命的核心问题。

针对这样的理论，我们可以看下面这张图一一里面涵盖了物理，以及一些信息与计算的知识，而生命的位置就在这张图正中央的位置。这张图就能让我们对这个概念有更加详细的了解。

冯·诺依曼之前对于复杂系统的问题也发表过见解，核心观点是这个问题会被分水岭分成两侧一一人造系统，比如如今，我们看到的汽车以及修建的房等。

另一部分其实是自然产生的一些系统。在分水岭一侧的系统，有的会因为某些原因出现降级，像是人类不得不定期去维修店保养汽车，否则容易导致严重的的问题。

然而，恰恰相反的是，在分水岭另一边的这些系统中，往往不会慢慢出现自发的降级，甚至有的会出现进化，尤其是从生态系统出发来观察的话，确实是随着时间推移变得高级。

从这个方面来看，我们可以总结出复杂度阈值，如果复杂度还达不到这个指定的阈值，那么系统便遵循人类现在已知的物理规律不断降级。

结语：

如果碰到和上面相反的情况，如果高于这个阈值，系统可能就无法继续遵循热力学第二定律，这时候宏观上就好像升级而且发生了快速的进化。

在这种情况下，冯·诺依曼之前所研究的阈值到底具有什么物理意义？我们现在也不得而知。