現在橫亙在人類面前的新技術台階，其高複雜度既有理論上的，也有技術本身上的。前面提到過，科學的意義在於為技術試錯指明可能的方向，減少試錯的次數和成本。但科學發展到今天的龐大規模，一方面，已有科技道路的分工之細，子領域之複雜，已經遠遠超出前輩科學家的想像。另一方面，傳統的線性分析手段在新領域遭遇了困境。
科學體系的構建之初，很多科學家往往是全才，一人精通數個領域，比如牛頓在數學，力學和光學方面都成就斐然。即使在愛因斯坦的年代，也存在費米這樣的物理學全才，但科學大爆炸後，分工越來越細，現在這樣的人物已經不可能存在，絕大部分科研工作者都是關注於一個極小的領域。
舉一個例子：南方週末的報導：拯救宇宙中最宏偉的定理 http://www.infzm.com/content/110925大致內容是四位數學家——史密斯、邁克爾?阿施巴赫（Michael Aschbacher）、理查德?萊昂斯（Richard Lyons）、羅納德?所羅門（Ronald Solomon）——他們剛出版了一本書，延續著180多年來的工作，全面概述了數學史上最大的分類問題。這本書叫《有限單群分類》（The classification of Finite Simple Groups）。但對於代數學家而言，這本350頁的巨著是一座里程碑。它是一般分類證明的摘要，或者說是導讀。完整的證明多達15000頁——有些人說接近10000頁——而且散落在由上百名作者發表的數百篇期刊論文中。它是數學史上最龐大的證明。
為了保存「宏偉定理」長達15000頁的證明，幾位年老的數學家正在與死神賽跑。全世界能夠理解這些證明的人所剩無幾，他們害怕在年輕一代數學家接班之前就會離開人世。2011年的這本 著作只是勾勒出了證明的梗概。實際文獻無與倫比的篇幅將這個證明置於人類理解能力的危險邊沿。「我不知道有沒有人將所有東西都讀過了。」所羅門說，他現在66歲，整個職業生涯都在研 究這個證明。（他兩年前剛從俄亥俄州立大學退休。）在慶功會上接受慶祝的所羅門以及其餘三位數學家，可能是當世僅有的理解這個證明的人，而他們的年歲令每個人擔憂。史密斯67歲，阿 施巴赫71歲，萊昂斯也已經70歲了。「我們現在都老了，我們想在為時已晚之前，將這些想法傳遞下去，」史密斯說，「我們可能會死，或者退休，或者把東西忘掉。
換句話說，全世界已經沒有接班人來從事這項群論（廣泛應用於粒子物理學）中的基本工作。這種情況不單發生在群論領域，其它很多領域也發生過。在一個科研工作者數量幾十倍於愛因斯坦時代的世界，由於分工過細和高複雜度，很多子領域竟然後繼乏人！儘管人類做出了很大努力，簡化前沿成就，讓後來者能更容易上手（舉一個例子，赫茲讓電磁場方程的數學表達形式更清晰簡單），但正如一位教育學者說過的，大部分人永遠學不會微積分，必須承認個人的智慧能力如金字塔般分層次，即使對於頂尖的那一部分人，再牛的輔助手段和先進教學方法，也無法讓他們在初中年齡之前掌握微積分。而微積分只是前沿的一個基本工具，後續的很多知識，其難度遠遠超過微積分。現今年代，真正能明白某個子領域前沿的人是少數。在這種情況下，很難指望該子領域繼續取得革命性突破，並帶動整個科技前沿的發展。
體量快要壓垮自身的同時，在很多領域，非線性這個魔鬼開始來騷擾了。從牛頓時代開始，絕大部分科學家都厭惡非線性，往往採用各種疊加手段和理想模型來避開非線性。而大部分教科書（研究生階段之前），都是重點討論線性情況，對於非線性都是一筆帶過。原因很簡單，前輩的大部分理論成就，都是採用線性方程描述的! 絕大部分非線性情況是找不出解析解的，只能採用各種複雜手段去逼近。理論儲備如此，自然希望處理問題也採用線性手段。
但真實的世界是非線性的。舉幾個例子。
第一個例子是孤立波，1834年秋，英國科學家羅素在河流中觀察到這個現象，羅素認為孤立波絕對不同於普通的水波，應是流體力學的一個解，並試圖找到這種解，但沒有成功。因為傳統的線性分析手段無法給出解釋。後來在非線性電磁學、固體物理、流體動力學、神經動力學等學科中，相繼提出了一些與孤立波有關的問題。在100多年的歷史中，孤立波與孤立子是推動非線性科學發展的重要概念之一。大家可以去搜索一下相關方程，其複雜度遠遠超過大部分人的想像。 http://blog.sciencenet.cn/blog-205890-215194.html
同樣，湍流等現象也是傳統流體力學所無法解釋。
第二個是等離子體的非線性。人類對於托卡馬克裝置寄予了極大的期望，期盼「人造太陽」能一勞永逸地解決能源問題。但幾十年的研究下來，發現磁約束遠不是想像中那樣簡單，近年來相繼在托卡馬克實驗上發現了多種等離子體的約束模式，不同模式之間的轉換具有典型的非線性動力學特徵，外部控制參數的小的變化會導致等離子體約束特徵突然的、大的變化，是為約束分岔（其實可以理解為蝴蝶效應的變種）。
第三個是生物體。為什麼一堆大分子結合在一起，就能自我行動，自我覓食和自我繁殖？為什麼一個受精卵可以成長為一個胎兒？線性手段根本無能無力。生物體這種自組織現象找不到合適的數學描述手段。
過去的幾百年，可以用各種線性手段來逼近非線性，但科學發展到今天，前沿顯然再也不能這樣做「縮頭烏龜」，而非線性天生就具有高複雜度！
1972年，諾貝爾獎獲得者，著名物理學家菲律普?安德森在國際上最著名的《科學》雜誌上發表了一篇論文 「More Is Different: Broken Symmetry and the Nature of the Hierarchical Structure of Science」 （Science, 177 (4047): 393－396）。文中指出，過去數百年取得輝煌成功的還原論思想不能無限擴展使用，打一個比方。按照還原論的思想，分子物理受基本粒子物理支配，化學受分子物理支配，生物學受化學，心理學受生理學支配，社會科學受心理學支配。如果按照這種理論，那麼，應用關於基本粒子物理的幾條規律就能推導人類複雜的行為，但人類直覺會發現不是這樣。Anderson指出，大型和複雜的基本粒子集合體的行為，並不能按照少數基本粒子性質的簡單外推來理解。事實上，在複雜性的每一個層次，都會有嶄新的性質出現。簡單一點，就是整體絕對不是部分的疊加，複雜度會改變一切，或者說：more is different。
過去數百年中，人類發明了多種多樣的手段來處理技術複雜度，如模塊化和流水線化。但技術複雜度發展到如今這個地步，很有可能迎來了一個」more is different」的時代。
6.4.1 吾知也有涯和生死競賽
當代科學體系、技術體系和工業體系的複雜度和規模性已經大大超出了二戰前的水平，這對於人類科學創造設定了悖論陷阱。前面已經指出，鑑於現代科學技術的龐大體系，像牛頓和費米那樣的全才已經不可能出現。就是對於一個狹小的領域，高複雜度帶來的一個很明顯的事實：人類大腦的學習速度跟不上複雜度的擴張，人類肉體的衰老速度超過了大腦的思考速度。
大量的心理學研究表明，絕大部分人在50歲以後，都會變得日趨保守，查閱一下歷史書就知道，絕大部分突破性的科研成果，都是在科技工作者中青年時代取得的。正如一位網友指出的，現代科學和技術的龐大積累已經成為人類創造力的巨大負擔，在十八世紀、十九世紀和二十世紀前期，大多數科學家在很年輕的時候就做出了偉大的科學成就，而現在個人做出偉大成就的年齡已經越來越推遲。
對於科技而言，人類的個人創造力的黃金期是在十八歲到三十五歲之間，因為這段時期最具思想奔放力，思想束縛也最少，許多最偉大的天才都是在這個年齡段奠定基礎的。牛頓和愛因斯坦的黃金創造就在這個年齡段，楊振寧獲得諾貝爾獎時是36歲，李政道是31歲，他們所獲獎的成就是在獲獎之前2年的發表成 果。數學群論天才伽羅華在極其短暫的生命中做出了偉大的數學貢獻，他死亡時年僅21歲。與牛頓齊名的麥克斯韋在34歲時完成電磁場理論的經典巨著《論電和磁》，將電與磁，電與光進行理論統一。而麥克斯韋從24歲開始就確定了自己的學術目標，為只能停留在實驗層面的法拉第進行理論層面的闡述。
除了科學領域，技術領域也一樣，愛迪生，比爾蓋茨和喬布斯都是在很年輕的時候就嶄露頭角，做出巨大貢獻。
二戰後，高複雜度使得科學家和技術創造人員在人生創造力的黃金期仍然在學習而不是創造，很多人到30歲時才剛剛摸清楚本學科領域的框架，然後才開始起步進行科學研究，而這已經錯失了人生創造的黃金期，讓革命性的思想激盪越來越難產。
儘管人類社會做出了種種努力來加速個體的學習速度（包括知識整理，路徑規劃，計算機輔助和模塊化處理），但不幸的是，學習的時間越來越長。30歲出頭才博士畢業已經是標配，真正弄懂前沿還要花上一段時間。學科必需的知識積累下去，總有一天，即使那些傳說中的天才，也要窮盡大半輩子功夫用於對舊有知識的學習。
高複雜度讓現在的博士對不起「博」這個字，為了應付知識上的深度，很大程度上犧牲了知識的廣度。人類歷史上，許多科技突破都是觸類旁通，借用其它領域的進展來打破本領域的困境，最典型的就是愛因斯坦把黎曼幾何引入到廣義相對論中。現代研發工作者常常糾結於某個問題而不得其解，可能其它某個領域的方法或思想完全可以借鑑過來，但人性往往很容易陷入局部極值點這樣的困境而不得脫身，而高複雜度，把坑挖的比任何時候都深。
知識積累轉變成負擔，目前看來沒有什麼好的解決辦法。至少到現在為止，人類大腦的思維能力還沒有表現出加速進化的苗頭，換句話說，人類大腦和500年前相比，沒有什麼變化。也許有人會提出異議，認為天才的學習速度和思考能力遠超常人，但技術的一大特點是，技術是人和社會互動的產物，要把想法變成現實，需要大量相關人員來配合工作，光有天才是遠遠不夠的。
有不少人把希望寄託在人工智能上，甚至是具備創新能力的人工智能上，也有人認為人類大腦還可以進一步開發，說不定生物學方面的進展會讓大腦革命成為可能。但這是一場軍備競賽，可以預見，無論超級人工智能，還是大腦革命，所涉及的理論和技術複雜度都會奇高無比，那麼，人類在垂垂老矣之前，能夠克服這個高複雜度，造出「克服複雜度的工具」嗎？
莊子說，吾生也有涯，而知也無涯，以有涯隨無涯，殆已！對於人類來說，目前是「生也有涯，而知也有涯，累矣！"。
前文提到過，可以把技術元素看成是生命體。生物需要定時進食和休息，技術元素一樣需要維護。低級生物可能一點渣滓也能活下去，高等生物，如人類，需要耗費巨額負熵流；早期的技術不需要人類付出過多精力，現今的複雜技術需要整個人類建立一個龐大的制度來維護。
人類的技術演進流程好比在蘋果樹上摘蘋果，最容易發現，最好摘的蘋果一定率先被人們收入囊中，同樣，首先開發出來的技術都是低複雜度。以能源技術為例，木柴的能源密集度最低，但很容易獲取，動動手就可，無需太多的技巧。其它領域的技術也一樣，在工業化到來之前的古典社會，絕大部分技術產品的使用和維護都比較簡單，即使一個生手，目不識丁，經過簡單培訓後，很快就能上崗操作。
但低垂的果實摘完之後，複雜度開始升高。煤礦的開採難度就遠大於木柴，需要一系列的配套設備和技巧。雖然煤炭提供的能源遠大於薪柴，但相關操作已經開始職業化。而石油開採難度進一步上升，具體需要進行勘測定位、方案設計、鑽井開採等一整套工作，這都需要人力與物力成本的投入，而且不是簡單的人力，是需要接受過一定教育程度的人力。
這種趨勢一直未見減緩，二戰後，不少技術產品的複雜度到了一個驚人的高度，比如核電站。不經過長時間的專業學習，根本不能明白其中原理，要熟練的使用技術產品，也必須經過長時間的培訓。
與技術產品複雜度同步，社會其它方面也變得逐漸複雜起來，最典型的就是財務稅收體系，現代財務體系的複雜度也不是過往歷史所能想像的。
即使不謀求技術的進一步發展，要維護現有的體系，人類社會也必須付出大量的成本。
義務教育就是一個典型例子：資本的牟利建立在大眾的專業技能上，工業化帶來的技術複雜度是義務教育被推行的最大動力。反應在社會層面上，就是大眾受教育時間的延長（包括學校教育和職業培訓），工業革命前，人均受教育的時間可能還不到1年，後來變成3年，6年，9年， 到了現在，大部分國家都基本普及了12年教育，很多國家高等教育都進入了大眾化階段。
另一方面，不少機構必須專業僱傭大量的人員來維護現有的設施，一個複雜產品涉及到方方面面的專業技術，並不是隨便拉一個人來就能幹活。比如筆者在公司幹活的時候，大部分時間竟然並不是在編新代碼，而是在維護前人留下的代碼，和系統其它方面的人進行聯調！ 一個公司，尤其是大公司，真正展開探索性工作的微乎其微，公司的開銷大部分耗費在維護現有產品上。而對於使用這些產品的機構而言，不少開銷也來自對技術產品的維護上，最典型的，飛機發動機的壽命期維修保養費用竟然是購買費用的3倍以上。
進入新世紀，NASA的年度經費雖然和高峰期不能相比，但絕對數目仍然嚇人，但為什麼NASA在前沿技術上似乎沉寂了？除了複雜度本身的原因，NASA的大部分經費都用來維護和養人！所以，很多時候看上去嚇人的研發技術費用，真正用到刀刃上的只佔一小部分。
如果考慮到全世界都流行的經費挪用問題，比例會更小。
想知道為什麼你需要花一輩子時間學習可以看看這一樓
「科技大蕭條」美股泡沫即將發生，康波週期低谷即將到來？
內文搜尋
從 APP 打開
X