病毒是如何传播的？

　　病毒是怎么传播的？
　　这不仅需要专业人士搭建精密的模型，投入大量的数据，模拟出疾病传播的可能态势，更需要病理学、道路交通、物资管理、气候气温、社会心理等方方面面的内容， 将错综复杂的因素考虑进去，因为研究病毒的传播，是为了遏制。
　　这是探索复杂科学的时代。复杂性科学是一门新兴的边缘、交叉学科，被誉为科学史上＂继相对论和量子力学之后的又一次革命＂。
　　复杂性科学与以往的科学有何不同？
　　如何用复杂性科学研究疾病的传播？
　　在我们的工作和生活当中如何应用复杂性思维？
　　它对于企业、组织和个人有着怎样的价值？
　　北京师范大学系统科学学院前院长、教授、博士生导师，国际系统与控制科学学院院士，狄增如教授做客混沌，用诸多有趣的模型分析了现实生活中的复杂性问题，将复杂性科学的本质逻辑展现出来。
　　在复杂系统的研究中，我们面对未知的恐惧感，也随着老师清晰简洁的分析逐渐消散，即使世界复杂多变，但是系统思维下，人们的视角、解决问题的实践，都会有一个全新的认知。
　　一、人类为什么需要复杂性科学？
　　我们回过头去看一看科学发展，从宏观尺度看，20世纪的100年是整个人类文明、科技进步飞速发展的100年，现在的美好生活实际上大部分都来源于这100年的科技进步，这100年加深了我们对宇宙和自然的方方面面的认识。
　　再看看微观视角，经过20世纪100年的科学认识，除了暗物质、暗能量，已知的宇宙当中的物质，都是由六种轻子和六种夸克构成的。而宇宙当中稳定的物质都是由电子、中微子和上夸克、下夸克这四块砖垒成的。
　　20世纪的科学认识解决了最宏观的宇宙的问题，也解决了最微观的基本粒子结构的问题。现在科学研究发现，基本粒子的结构和相互作用与宇宙的宏观的性质紧密地联系在一起，基本粒子和相互作用的性质决定了宇宙的时空结构和尺度。
　　但是在我们日常生活的这个尺度中，也就是时间的分、秒，空间的厘米、米，这个领域缺乏科学认识， 而这个领域最典型的对象和问题就来自于生命。
　　生命是怎么来的？微观粒子如何形成我们的生命？而这些问题的解决就需要复杂性科学的介入。
　　另外一方面，为什么21世纪必须要复杂性科学？
　　信息时代计算机、信息和网络技术带来的新一次的科技革命，科技革命同时也带来了产业革命。现在所面临的科技革命的特点是什么？它改变了关系，改变了人与人之间的关系、人与物之间的关系和物与物之间的关系，方方面面的关系得到了前所未有的强化。系统性、复杂性的挑战成为今天必须要应对的一个主题。 实际上强关联、高维度、多层次、开放性、非线性这样一些概念和特点，通通都是复杂性科学的基本概念。
　　所以，从学术的科学认识的角度和解决社会实践问题的角度，复杂性科学都是必不可少的。
　　二、复杂科学VS还原科学
　　什么叫复杂性科学？其实它研究的对象是复杂系统。
　　复杂系统有四大特点：
　　1.由大量个体组成
　　复杂系统是由大量个体组成的，由人构成的复杂系统跟社会联系在一起。
　　2.个体能学习、具有适应性
　　个体本身也是一个复杂系统，本身就能学习、适应，表现行为更复杂。
　　3.个体之间存在相互影响、相互作用
　　同时，个体之间有非常强的相互影响和相互关联。
　　4.系统在宏观上展现出整体行为
　　系统往往在宏观上能够产生新的整体行为，这也是复杂性科学关心的最核心问题。对这一科学问题的认识，需要超越20世纪科学研究线路。
　　1972年，诺贝尔物理学奖颁发给了物理学家安德森。他提出， 简单的基本结构单元构成一个整体的时候，会产生新的性质。
　　科学界大吃一惊， 因为20世纪的科学成功完全依赖于还原论。 而复杂性研究并没有死磕还原，而是通过每一个我们想了解的系统的基本结构单元的行为和它们的相互作用，去重新认识系统在整体上所产生的功能。
　　在社会生活中， 人和人之间的关联，是造成我们社会和金融市场复杂性的一个非常重要的因素。
　　复杂性科学的几个核心概念：
　　1）系统
　　复杂性科学研究涉及到的最核心的基本概念就是系统。系统就是大量的结构单元形成的一个整体。
　　2）非线性
　　理想实验中，往往是简单的线性关系。但是在现实世界中，大部分事物都是多因素非线性关联的，非线性给我们的世界带来的是丰富多彩和纷繁复杂。
　　3）网络
　　系统的重要特点是关联性，个体关联到一起形成网络，关联使1+1之和大于2。
　　4）适应性
　　构成复杂系统的单元多是有生命的个体，它们是活的，能学习，有适应性。所以，生命所带来的系统具有复杂性。
　　5）自组织
　　大部分的实际系统当中的对象都是没有中心控制的，是通过各个单元的平权地演化和互动产生出来的整体结构。
　　三、复杂系统的5大特征
　　1. 复杂系统：多主体与相互作用
　　一个复杂系统一定涉及两个因素，一是构成系统的单元的个数，二是这些单元之间的相互作用的强度。
　　少数几个元素，当其中存在着非线性相互作用的时候，也可以使行为很复杂。
　　仅仅是单元数多，单元之间没有相互作用，那这个系统也是可把握、能理解的，不是复杂系统。
　　同理，即便个体具备学习和适应性，能够针对外来的变化随时进行调整，也不是复杂性科学所关心的复杂系统。
　　复杂系统关注个体的学习、适应性， 它们之间的局域关联，能够让整体表现出非常丰富的行为，而这些行为往往都是通过自组织实现，不是设计出来的。
　　2. 自组织：从无序涌现出有序
　　在现实世界当中，我们所关心的复杂性的问题都是自组织的。而自组织是宇宙当中能够产生生命的基本过程， 它们的秩序不是通过命令，而是通过自发地演化产生的。
　　我们的生命以及细胞分裂全都具有这样的特点，通过自组织，从无序自动产生有序。当系统是开放的，包含大量的单元，内部有非常强的相互作用时，系统能自发地涌现出有结构、有规律、有功能的整体，这是自组织理论的一个基本结论。
　　3. 非线性：从有序到混沌
　　线性关系是自然界最简单、最容易把握的关系。前面输入，后面输出，输入和输出之间的关系可以用线性函数来描述。
　　线性关系有什么特点呢？两个输出合在一起的时候跟这两个输出单独存在所产生的结果一样。比如一匹马拉一车煤，两匹马加一块儿就能拉两车。线性系统是很多实际系统的抽象和简化，但在实际生活当中，非线性的相互关联更多，对于系统的演化特别重要。
　　关注复杂系统的时候，有两个最核心的问题： 一是结构和功能的关系， 到底是什么样的结构决定了什么样的功能； 二是复杂系统的演化和调控规律， 结构和功能到底是怎么随时间变化的？变化规律是什么？在这样一个系统功能演化的过程当中，如何改变它，让它更符合我们的要求。
　　研究系统变化时，通常会建立数学模型，比如研究社会人口与财富时，有一个线性关系的模型理论：马尔萨斯人口理论。这个理论认为：生活资料按算术级数增加，而人口是按几何级数增长，因此生活资料的增加赶不上人口的增长是自然的、永恒的规律，只有通过饥饿、繁重的劳动、限制结婚以及战争等手段来消灭部分人口，才能削弱这个规律的作用。这个模型中的变化就是数量的线性关系。
　　而另一个理论则加入更多的影响因素，环境制约会带来个体之间的关联和影响，个体之间的关联会影响到整个系统的变化，这就是非线性的模型——逻辑斯蒂模型，非线性的因素的引入，尤其是引入了相互关联， 就使得人口数量演化曲线完全不一样，会演化到一个均值。
　　人口快速增长后会稳定在一定值，再增长周期就会非常长，再增加一点投入，很有可能就变到混沌区，这就是非线性。混沌区是指人口数量一定会处于某个区间，但是没有办法再做准确的长期预测。
　　混沌的典型表现还有天气预报。
　　美国麻省理工学院教授洛伦兹（Lorenz）建了一个公式，想做天气预报。那时候计算机特别慢，而洛伦兹基本上是从一开始一个位置开始算的，算了两遍，但是过了一段时间，结果就完全不一样。重复了几次以后，还是这样。经过细致分析，他才发现，他以为之前给的初始位置是一样的，其实不一样，小数点后几位被他忽略了， 一点点初始位置的差别带来了非常大的影响，而这个影响就是初值的敏感依赖性。
　　初始的一点点的差别，让变化当中产生了大的分别，而这个分别在随后的变化当中越来越大，这就是非常典型的初值的敏感依赖性，最著名的例子就是蝴蝶效应。
　　这为研究复杂性带来了非常大的挑战。认识科学规律其实很大的一个目标就是要寻找调控系统演化的工具和手段，但是现在对气候这样的复杂系统，人类想准确地长期预测是不可能的。于是各个国家的天气预报改变方向，集中于局域的、短时的、细致的、精确的天气预报。
　　原来科学认识上追求精确，然而随着研究的突破，认识也从精确走到随机。 但是复杂的表现背后底层的规则有可能是简单的。 我们所观察到的纷繁复杂的世界，应该有简单的内在规律，挖掘这个内在规律就是复杂性科学的根本目标。
　　4. 适应性：生命与社会中的主体
　　适应性指的是主体的适应性。构成复杂系统的主体是自主的， 自己能够通过跟环境的交互、通过跟个体之间的关联来改变自己的行为。 所以自主性、相互作用与通讯，以及自适应和学习，是主体适应性的根本表现，带来非常丰富的系统演化。适应性和相互作用在历史上有一个很典型的例子：谢林的种族分隔模型。
　　谢林是美国经济学家，曾获得过诺贝尔经济学奖，他为研究种族分隔到底是怎么产生的，建立过一个模型。
　　他在一个二维的棋盘上放两种棋子，代表两个人种，一种是金色的，一种是银色的。棋子分布规则很简单：某个棋子附近应有8个邻居，然而这8个邻居未必住满，这8个邻居里边有1/3跟棋子是同类的，棋子就不必移动，如果比例低于1/3，棋子随机移动。把这样的模型放入计算机推演之后，人们惊奇地发现： 在一个简单的机制之下，最后真的形成了＂种族分隔＂。 不是强求的，要求也不高，仍然出现了隔离的状况。所以种族分隔并不是严重种族歧视带来的，更是物以类聚，人以群分。
　　在这样一个适应性主体里边， 典型的还有鸟群的模型。
　　鸟到底是怎么飞的？
　　可以设计一个简单的模型：每只鸟都有两只眼睛，这两只眼睛能观察一定的范围。 根据这个范围，鸟儿能控制与其他鸟儿的距离，不至于太近撞上，也不会太远离鸟群。
　　在计算机里模拟飞鸟时，这群假鸟很近似地出现了鸟群的形态。
　　像鸟群这样通过适应性的主体所展现出来的整体行为，是复杂性研究的一个非常重要的问题。因为整体行为实际上是整体结构和功能的典型表现，比如通过研究鸟群飞行这样的生物群体行为，人们进而可以对蝴蝶、水母、蜜蜂、蚂蚁的认识更加深刻，理解它们形成整体行为的原因。
　　5. 复杂网络：相互作用结构的刻画
　　群体行为是通过个体适应性、主体的相互作用产生的。那为什么要研究复杂网络呢？ 因为对于系统来说，结构决定功能， 碳元素就是典型的例子。
　　碳是构成生命的重要元素，通常情况之下，碳元素形成石墨，会特别软，是铅笔的基本材料，但是当它按照另一种结构形成金刚石时，会变成世界上最硬的物质。当60个碳原子构成一个球的时候，又具有完全不一样的性质，成为材料领域中用处颇多的石墨烯。
　　同样是碳元素，不一样的结构带来了不一样的整体表现，而网络就是描写这个结构的最基本的工具，网络一定是无处不在的，比如交通就是一个复杂系统， 最典型的描述就是交通网。
　　例如航运网，大量船舰每天在地球的表面上来来去去，在世界各大港口之间穿梭不停。而舰船的沟通，实际上变成了连接不同港口之间的航运网。这样的网络实际上变成了联通整个世界的一个基本结构性质。
　　生态系统中常常提到的食物链，就是物种之间相互作用的网络，有些是捕食关系，有些是互利共生的关系。 而社会网络更加错综复杂。
　　现在，人们发展了很多手段去刻画网络结构性质，比如在社会生活中，说到一个人朋友多不多，叫做顶点度；有的人虽然朋友不多，但是本身有很高的能力水平，是连接不同群体的核心，中介度高。
　　在社会关系网络研究当中，有强连接和弱连接，社会网络研究表明，强连接给大家带来资源，弱连接带来机会。有的人有很多关系很好的朋友，那些朋友带来资源，但是这些资源是已知的， 反而是弱连接的泛泛之交，更有可能带来丰富的可能。
　　所以网络结构是实现整个功能的最重要的基础，也是刻画相互作用结构性质的最重要的数学工具。
　　四、复杂科学的研究方法
　　那么到底怎么研究复杂系统，这样的研究能够给我们提供什么样的新知识呢？
　　复杂性科学的核心目标， 是挖掘各种各样复杂现象背后的一般性规律， 通常有自上而下和自下而上两种研究线路。
　　1. 自上而下：宏观层次的动力学方法
　　所有的复杂系统的宏观性质都是通过微观的相互作用产生的，但是研究一个系统的时候，有可能没有办法，或者是暂时还 不能够深入到它的微观的细节，那么就得先看它的宏观表现。
　　举一个简单的例子：有一箱未知气体，其中的气体分子到底是怎么运动的，不清楚，就先观察体积、压强、温度，这些都是宏观性质，然后去看这些宏观现象之间的关系和规律，虽然简单，却是研究复杂系统的基本途径。
　　研究复杂系统，更需要关注的是现象和状态的变化，把握状态变化的规律。而状态变化的规律就是宏观层次上的动力学规律，基础正是牛顿力学。全球的气候变化、世界人口增长、深市与沪市的大盘走向、生物群体等等，都可以用动力学的方法来研究。
　　疾病到底是怎么传播的，也可以采用这个方法， 比如2009年的甲型H1N1传播情况。
　　2009年的2月份，H1N1从墨西哥，北美，散播到全世界，传播过程是重点研究内容，了解传播规律，才能够从整体上考虑疾病传播和防控的影响。
　　关于疾病传播的模型，最简单的叫做 SI模型 。
　　比如有一个村子，这个村子里有N个人，意外地有一个人得了传染病，病人就是I。病人随机地传染给村子任何一个健康的人，有被传染可能的健康村民就是S， I加S一定是等于总人口数N。β则是传播概率。得病的人碰上了健康的人才会有疾病传染，相互作用。于是疾病传播就转化为了数学模型，这也是非线性的逻辑斯蒂模型。
　　对于一个区域，一个特定的传染病来说，这个模型所需要的参数可以通过历史数据拟合。 比如这个模型，呈现S型增长曲线。5天以后，村子里边会进入到传染病的最高峰，然后每天会有20个人得病。在现实社会中，医院就可以提前准备，5天以后，每天会有20个病人进入医院，一个简单的模型能让管理水平大大提高。
　　逻辑斯蒂增长模式应用场景非常广泛，种群增长、疾病传播，城市整个区域的演化等等，为了让模型更加符合实际需要，也会加入各种参数不断完善。
　　接下来介绍的模型叫SIS，还是村子传染病的例子，这次村子里有了大夫。病人是I，可能被传染的健康村民是S，β是疾病传播的能力。病人和健康人的接触让病例数增加， 但是病人会通过医疗减少， 所以，有了疾病和治疗的竞争。而在这个模型里，最核心的是β，疾病扩散的能力，γ是区域医疗卫生的条件， 这个参数，就叫做有效扩散速率，决定了这个疾病能不能在这个区域里边发展起来。 在一定的医疗条件之下，能够把疾病控制在某个程度。
　　假如一种病毒治疗好以后能免疫。第一，病人恢复健康，不再传播，第二，不再被传播，所以就有了SIR模型。
　　还是在村子里，I是病人，S是健康人，有了医疗条件γ，病人治好了不再变成S了，而是变成第三类人，健康的但是带有免疫力，不再接触传播。在目前的社会网络结构中，要想阻断传染病的传播，仅仅通过提高医疗卫生条件是不够的。再改进一下，考虑人群的相互作用结构，于是，可以设计人们都待在这个村子里边的一个方格上，每个病人都可以与棋盘上下左右四个人接触，传染疾病，病人偶尔串个门，传染得更远一点。这就相当于人们的社会关系结构，有亲疏远近。
　　先研究宏观，观察宏观的变化，变化跟哪些因素有关系，这些因素的调整到底会怎么影响系统的演化，这就是由上到下的研究线路。
　　2. 自下而上：微观层次的多主体建模方法
　　另一种研究路线就是自底向上的，从微观到宏观。
　　自底向上的研究线路也是复杂性科学最基础的研究方法之一。或许宏观很难把控， 但是可以观察个体，每一个个体自己是怎么行动的，个体和个体之间是怎么关联的。 把个体集中在一起，观察整个系统，这就是基于个体的建模方法。
　　在研究城市演化时，就经常基于个体构建模型， 利用简单的规则，让这个城市＂自由生长＂，观察这个城市是不是跟我们了解的城市一样。那这种简单的规则是什么呢？
　　复杂城市背后的简单空间标度规则：
　　（1）空间的吸引力
　　这个因素可以由参数C来代表，它是这个城市整体环境的刻画，包括人口数量、公共设施、交通状况等等。
　　（2）城市增长匹配规则
　　城市的生存和发展遵循匹配规则： 需要已有城市配套的支持， 城市本身有一个服务范围，其他城市配套也有一个服务范围，当这两个之间有交集的时候，城市才能够生存和发展起来。
　　比如兰州大学要建新校区，没靠近城市，而是设置到了50多公里外的榆林。孤零零的一个校区很难建设起来，兰州将榆林区规划成为未来的高新技术区，未来设置产业的支持，兰州大学新校区这才有发展的可能。
　　（3）路网的形成
　　具备以上两个因素以后，就需要铺路架桥。有趣的是，修路是把一个一个的居民区围起来就好了，因为这是用最短的路径把每一个的居民区连起来，整体的结果是一样的，常用的就是泰森多边形，我们据此来设计城市道路。
　　（4）社会经济产出假设
　　有了人，有了道路，一个城市某区域的经济活力到底跟什么有关系？跟这个区域的人口的密度以及道路密度有关系。任何经济活动第一要靠人，第二要靠人和人之间的关联。 人和人之间的关联是所有经济活动的基础， 所以我们就有了一个基本的城市演化的规则。
　　按照这四条规则＂生长＂出来的城市，实际上和伦敦、北京目前的状态很相近， 当然是宏观上定性状态近似。建设模型的时候，需要考虑是人陆陆续续到这个城市里边，如何把城市发展起来，是自底向上的建模，但考察的则是这个城市的人口的分布，道路交通的密度等问题，这就是所谓自底向上的建模方法的一个基本的研究线路。
　　这种模型用于研究北京非常合适，因为北京有清晰的环：一环、二环、三环，现在四环、五环、六环，每一道环里到底有多少人，很容易有基本的统计。
　　将横坐标设置为到天安门广场的距离，纵座标＂每一环＂GDP的总量，到底有多少人，道路的总量到底有多少，都可以在这个坐标图中有所呈现，这就是基本的统计指标。很容易看出，伦敦和北京整个的函数曲线的形式都是一样的，这意味着不一样的城市，不一样的背景，不一样的文化，不一样的环境，但是某些基本的东西是定性一致并且可把握的。
　　当然，定性上一样并不代表定量上一样，这三个函数非常重要的指数是不一样的，比如伦敦是1.85、1.7、1.56，北京是1.91、1.91和1.74， 所以这既有定性上的一致，还有定量上的差别。
　　另一个核心问题是： 一个城市的规模到底跟城市人口的总量有什么关系？
　　有一本书，叫做《规模》，专门研究了这个问题。一个城市的规模，可以用人口数来代表，那么城市总体道路长度、GDP和建筑面积等等，都和城市人口规模之间存在着一个函数关系，
　　这是幂函数的关系，这是《规模》那本书里边特别强调的的一个普适函数关系，在许许多多的生物系统当中存在，城市系统中也有。
　　按照这个函数，估计人口密度的时候，城市的道路的总量是跟人口总量的5/6次方有关系，它的GDP是跟7/6次方有关系，前者叫亚线性，后者叫超线性，超线性代表什么？ 每一个人的人均GDP的总量一定是增加的，城市化所带来的规模效应，让每一个人的人均GDP更高，这就是超线性的一个表现。
　　城市＂生长＂模型就是这样从微观到宏观，通过个体研究系统，以此来揭示跟真实的系统内在规律。
　　五、必须要具备的5种复杂性思维
　　虽然了解了这些概念和方法，但是如何从复杂的视角看世界，怎么在我们的日常生活和工作管理当中，能够应用系统思维去观察、理解和解决问题呢？
　　在还原论的基础之上，通常挖掘的关系和规律都是简单因果，但是当我们面对一个系统的时候，不是简单的关联，可能有N多的回路反馈。当我们从简单关联到回路反馈的时候，就会让你的思考的问题更全面、更深刻，然后从线性到非线性。同时， 要通过全局的思考解决局域的问题，通过长远的思考解决眼前的问题，通过深层次的结构的变革解决表面的问题。
　　1. 从简单因果到回路反馈
　　比如说我们渴了，打水。你看到的就是水龙头灌水，但是当你用回路思考来考量一下的时候，灌水这事儿绝对不简单是手在拧水龙头，并且水龙头灌水这么简单。
　　它包含了你的大脑对于水杯预期水位的一个预期目标，包括了眼睛观察水位的变化，以及这个水位的变化通过你的大脑和预期目标的一个考量，反馈给手，指挥你的动作。
　　当你把这个回路考虑进去的时候，会发现水龙头和手和这个水杯不是核心，你对整个问题的环节有一个更全面的认识。
　　在企业的成长中，如何突破成长的壁垒，让它进入到一个良性的正反馈阶段是非常重要的。
　　除了正反馈以外， 日常生活当中还有许许多多的负反馈， 如果仅仅是正反馈，系统是不稳定的，包括我们的企业成长，一定会碰到一个天花板，就像逻辑斯蒂模型有一个环境的制约因素，它是负反馈的一个来源。当了解到这一点时，你一定会意识到，仅仅通过原来基础上的正反馈循环是不够的，如果想让企业进一步地成长，就要改变天花板。
　　如同我们在不同的气温的情况之下来调节衣服，有37度的预期，根据室外的温度和我预期的37度的差异来做调整。
　　2. 从线性到非线性
　　谈到反馈的时候，必须从线性到非线性，因为有些因果关系是简单外推，但是更多的因果关系是非线性的。比如一个企业的某个环节滞后，增派人员是最简单直接的考量，但是真的马上就能提高工作效率吗？简单的这种线性的考量不一定真能解决问题。
　　同时， 反馈回路之中存在的另一个问题是时间延迟。 采用了一个操作方案，立竿见影，马上见效，这在复杂系统中极其少见，通常都会有一个时间延迟。没有意识到这一点的话，通常会碰到一些问题。例如疾病的传播、污染的发生、整个的社会形态和人口的改变。
　　以人口政策为例，现在确实调整了人口政策，但是现在放开，要真正产生实质影响，影响人们头脑当中关于人口发展的思维，需要经过更长的时间。时间延迟在各种方针政策上带来的影响，必须纳入到考量当中。
　　3. 从局域到全局
　　站在全局解决局域的问题，几乎是所有人的共识。优秀的领导者总会得到一个评价：大局观。什么是大局观？ 有大局观就是能够看到发展的势，而不是被眼前的现象所迷惑，这跟物理学中的势函数是类似的。
　　当我们看到一个小球往下滚的时候，会担心它滚到什么时候，要不要拦呢？但是有一个全局视角的时候，你发现前方有个坑，让小球停了下来，这和光看小球往下滚是完全不一样的感受，也让你更从容地来处理眼前的问题。那么眼光再放远一点的时候，前方不光这一个坑，原来它未来的发展途径有选择，那么当它往下走的时候，可以在什么地方施加一点扰动，能让它跑到期望的位置呢？真正有大局观的时候，会发现整个的势的趋势，把未来发展的所有图景全都纳入囊，这就是胸中有丘壑。
　　所以有大局观，真的会带来完全不一样的眼光和完全不一样的解决方案。
　　一个著名的例子，来自社会学家卡斯特。
　　信息技术刚发展的时候，大部分人会有一个预期说世界大同就要来了，人和人之间非常容易沟通和交流，大家的思想更能够互通有无，同情共感。
　　但卡斯特说，别仅仅从个体之间的关联这样一个局域的角度去看问题。当用上帝视角站在地球上边的时候，你会发现我们70多亿人其实是生活在一个社会网络里。这样一个社会网络分成了各种不同的社团和集群。 信息技术所带来的每个人的沟通和交流确实加强了，但是在集群之间的沟通和交流，它的强度的增加，远远大于不同族群之间的强度增加。 所以信息技术的发展不仅不会带来世界大同，反而会带来族群的分割。
　　不一样的视角，完全不一样的结论。
　　而现在我们看，卡斯特系统性的视角的结论是对的，这个世界，种族的割裂比原来要严重，还有信息茧房的效应。而这样一个强化怎么可能实现大同呢，越来越极化，这就是不一样的系统视角。
　　4. 从现象到本质
　　在我们处理日常问题的时候，能不能够从现象看到本质也是非常重要的一个问题。往往我们看到的表面现象，其实底层都隐含着非常核心、更加重要的规律，它的运行模式，它的底层结构，我们往往看到的仅仅是冰山一角，如果只从现象到现象，而不进行更加本质、结构性的深刻思考的时候，往往不能解决问题。
　　有一个著名的啤酒游戏，它是一个供应链，大家可以做零售商、批发商、厂商，然后让你做决策，到底买多少啤酒，卖出去多少，大家这个各司其职，各尽所能努力去挣钱。
　　但是这个游戏最后会演化成为啤酒产销波动， 一有波动一定不是最优的，不是多了卖不出去了，就是大家想买买不到了。真正的问题是底层的供应链结构的问题，是供应链它的信息需求的时间延迟，以及决策之间的问题，不改变供应链结构不可能改变这个现象，仅靠使用更好的方法，仅靠更有聪明才智的领导没意义，这就是系统思维给大家带来的。
　　5. 从静态到动态演化
　　最后一个问题：我们能不能从静态到动态演化，通过长远的发展解决眼前的问题，这里有两个问题值得关注。第一是蝴蝶效应，小的事儿会带来大的影响，这是我们研究混沌现象给大家的最重要的一个启示。
　　比如2003年8月的美加大停电，就是一根电线下雨的时候断了，掉在了树上，造成短路。 电力网是一个庞大的系统，它的级联失效造成了美国和加拿大部分区域的大停电。 所以，在系统性的问题当中，一定要关注小的细节它可能带来的蝴蝶效应。
　　第二是尖点突变， 这样的例子也很多。
　　一个企业乃至一个行业，当它慢慢变坏的时候，一开始可能没有感觉， 当一不留神越过这个临界点的边界，变成萧条以后，就无法复原。 要经过更多的努力，越过另外一个发展的壁垒，才可能跳到繁荣，这就是非线性带来最直观的影响。
　　就像滇池的湖水，污染是一点点不经意之间积累的，但是到达一定的污染状态以后，你再想让它好，要花费巨大的资源。所以这样的非线性的时间演化，不知不觉，但是成本巨大。人的成长也是如此，公安大学的李玫瑾教授经常提到，孩子六岁之前一定要管好，形成良好的行为方式和品质。一个行为习惯养成了，再想更正，要经过十倍、百倍的努力才有可能。
　　我们如何在实际工作当中，应用这五个方面的系统思维，对于我们面对的问题，有很高的价值。