聖塔菲研究所系列：複雜適應系統 CAS 的概念框架

從跨學科起源、Holland 的七項基礎、Gell-Mann 的資訊視角，到代理人模型、經濟演化與方法論爭議

系列：聖塔菲研究所 主題：Complex Adaptive Systems 語言：繁體中文 版本日期：2026-07-03

重點摘要

  • 複雜適應系統（Complex Adaptive Systems, CAS）不是單一方程或單一理論，而是一組研究框架：用以理解由大量異質行動者、局部互動、回饋、學習、選擇與共同演化所生成的整體秩序。
  • 聖塔菲研究所（Santa Fe Institute, SFI）於 1984 年成立，常被視為將複雜性研究制度化、跨學科化的重要節點。SFI 官方自述其為第一個專門研究複雜適應系統的研究機構。
  • John H. Holland 是 CAS 概念框架的核心人物。他將 CAS 視為由會使用規則、模型與回饋進行適應的代理人所構成，並在 1995 年《Hidden Order》中提出四項性質與三項機制：聚合、標籤、非線性、流、歧異性、內部模型、積木塊。
  • CAS 的方法論焦點從「均衡解」轉向「生成過程」：研究者常問的是哪些微觀規則足以生成宏觀型態，而不是只用宏觀變數擬合宏觀結果。
  • 它的強項是提供跨領域共同語言與可運算模型；弱點是容易滑向比喻、術語膨脹、不可證偽敘事，以及模型校準與外部效度不足。

1. 問題意識：為何需要 CAS

「複雜適應系統」這個概念出現的背景，是二十世紀後半科學研究面對一類傳統工具難以處理的對象：免疫系統、腦、金融市場、城市、技術標準、生態系、公司組織、語言、網際網路、供應鏈。這些對象不是沒有規律，卻也不是可以用少數穩定變數和線性因果鏈完整刻畫的機器。它們通常由許多單元組成，單元之間互相影響；每個單元可能只掌握局部資訊，卻能透過互動產生整體模式；整體模式一旦形成，又會反過來改變個體的選擇空間。

CAS 的核心主張可以濃縮成一句話：在許多自然與社會現象中，關鍵不是中央控制者如何設計秩序，而是局部規則、回饋、選擇與學習如何生成秩序。這句話看似簡單，實際上牽涉到科學方法的轉向。古典力學與許多工程模型偏好將系統分解為可處理的部件，再由部件性質推出整體；CAS 則強調某些整體性質不能只由部件靜態性質推得，而必須理解部件之間的互動網路、時間序列、適應機制與環境變化。

這並不表示 CAS 反對還原論。更精確地說，CAS 反對的是「只要知道部件，就等於知道整體」的簡化版本。許多 CAS 研究仍然非常還原：它會把代理人、規則、資源、網路連結、選擇函數明確寫成模型。但它要求研究者把「互動」本身當作一級對象，而不是把互動視為可以平均掉的雜訊。

2. 歷史脈絡與聖塔菲研究所

SFI 的成立與冷戰後期美國科學體制、洛斯阿拉莫斯國家實驗室的計算傳統、非線性動力學、統計物理、生物演化與經濟學轉向都有關。官方歷史與多個回顧均指出，SFI 在 1984 年由 George Cowan 等人推動成立，創始群體包括 Murray Gell-Mann、David Pines、Stirling Colgate、Nick Metropolis、Herbert Anderson、Peter Carruthers、Richard Slansky 等與洛斯阿拉莫斯或理論物理密切相關的人物。其制度目標不是再建立一個單一學科系所，而是創造一個能讓物理學家、經濟學家、生物學家、電腦科學家、人類學家與社會科學家共同工作的跨學科場所。

這個制度設計非常重要。CAS 不是在一篇論文中一次完成的理論，而是在一群研究者彼此借用方法、比喻與模型的過程中逐漸穩定下來的研究語彙。SFI 的早期討論將幾條原本分散的線索接在一起：混沌與非線性動力學提供對敏感依賴與吸引子的理解；統計物理提供多體系統與相變概念；演化生物學提供變異、選擇、適應與共同演化；計算科學提供模擬平台；經濟學則提供市場、技術選擇、遞增報酬與制度演化問題。

在這個意義上，SFI 不是 CAS 的唯一源頭，卻是 CAS 成為一種明確研究綱領的制度中心之一。SFI Press 的《Foundational Papers in Complexity Science》將 1922 至 2000 年間多篇基礎論文納入複雜性科學譜系，這也反映了 CAS 的多源性：它不是一條直線傳承，而是一張由演化、資訊、控制、計算、網路、經濟與生態研究交織成的知識網。

3. 概念定義：複雜、適應、系統

3.1 複雜不等於雜亂

在 CAS 脈絡中，「複雜」通常不只是「很多」或「難懂」。一堆彼此不互動的粒子可以很多，但不一定是 CAS；一個高度隨機的白噪音序列很難壓縮，但也不一定有組織性。CAS 所說的複雜，通常介於完全秩序與完全隨機之間：系統具有可辨識的宏觀型態，但這些型態會隨互動與時間演化。

因此，CAS 研究會關注「中間層次」：細胞與器官之間、個體與群體之間、交易者與市場價格之間、城市居民與城市規模法則之間。這些層次既不能只靠微觀細節枚舉，也不能只靠宏觀平均處理。

3.2 適應是關鍵差異

所有 CAS 都是複雜系統，但不是所有複雜系統都是 CAS。天氣系統具有非線性、回饋與難以預測等特徵，但其中的空氣分子通常不被視為會學習、形成策略或改變規則的代理人。相對地，市場、免疫系統、生態系與組織更接近 CAS，因為其中的組成單元會根據回饋改變行為、繁殖、死亡、學習或被選擇。

「適應」可以發生在不同層次：個體調整策略，群體組成改變，制度規則演化，甚至環境本身被代理人的行為改造。這也是 CAS 與傳統控制系統不同之處：在 CAS 中，控制者與被控制者、環境與行動者之間的界線常常會移動。

3.3 系統邊界是研究設計，不是自然給定

CAS 的邊界通常不容易劃定。研究一個市場，是否包括監管機構、媒體敘事、技術基礎設施與國際資本流？研究免疫系統，是否包括微生物群、生活環境與醫療介入？CAS 方法要求研究者明確說明邊界、尺度與觀察變數，因為不同邊界會導致不同的因果敘事。

4. Holland 的概念框架

John H. Holland 是 CAS 研究最關鍵的人物之一。他早年發展遺傳演算法，將演化、搜尋與學習形式化為可運算程序；1992 年在《Daedalus》發表〈Complex Adaptive Systems〉，後來在 1995 年《Hidden Order: How Adaptation Builds Complexity》中提出更完整的 CAS 框架。Holland 的重要性不在於他給出一個封閉的萬能公式，而在於他把跨領域的共同結構整理成可建模的語言。

4.1 代理人與規則

Holland 的 CAS 通常由大量代理人構成。代理人不必是人，也可以是抗體、公司、細胞、策略、程式片段或物種。代理人依據規則行動，規則可以被啟動、組合、強化或淘汰。這使 CAS 與傳統宏觀模型不同：研究者不必一開始就假設整體方程，而可以從代理人的局部規則出發，觀察宏觀模式如何生成。

在 1992 年論文中，Holland 強調平行性、競爭與重組等機制。大量規則可以同時被測試；不同規則之間競爭信用；成功的規則片段可以重組成新的規則。這套思想與遺傳演算法密切相連，也解釋了為什麼 CAS 與電腦模擬天然契合。

4.2 四項性質與三項機制

《Hidden Order》常被引用的框架，是 CAS 的「四項性質」與「三項機制」。不同二手文獻排列順序略有差異，但核心通常如下：

類別 項目 意義
性質 聚合（aggregation） 個體可形成較高層次單元，例如細胞形成組織、公司形成產業、交易者形成市場群體。聚合讓系統具有階層結構，也讓研究者能在不同尺度切換。
機制 標籤（tagging） 標籤使代理人能識別彼此、形成邊界、建立選擇性互動，例如免疫辨識、品牌、身份、價格訊號、網路協定。
性質 非線性（nonlinearity） 整體效果不是局部效果的簡單加總。小事件可能被放大，大干預也可能被吸收；正回饋、負回饋與臨界點讓預測變得困難。
性質 流（flows） 資源、資訊、能量、資金、病原體或注意力在網路中流動。節點與連結的結構會影響流量，流量又會改變結構。
性質 歧異性（diversity） 系統包含多樣型態、策略與角色。歧異性不是裝飾，而是適應與創新的材料；但過度歧異也可能提高協調成本。
機制 內部模型（internal models） 代理人依據對環境的壓縮表示行動。內部模型可以是基因調控、免疫記憶、企業預測、投資者信念或機器學習模型。
機制 積木塊（building blocks） 系統透過可重組的模組探索龐大可能空間。演化、技術創新與語言組合都依賴可保留、可變異、可重組的基本單元。

這七項不是嚴格公理，而是建模提示。它們提醒研究者在描述 CAS 時，不只要問「有哪些元素」，還要問：元素如何被標記與分群？什麼在流動？哪些回饋是非線性的？系統如何保存多樣性？代理人如何形成世界模型？哪些模組能被重組？

4.3 適應、信用分配與搜索空間

Holland 的另一個核心問題是「信用分配」：當整體結果由許多規則共同產生時，系統如何知道哪個規則值得保留？這個問題在免疫系統、機器學習、組織決策與市場演化中都存在。若信用分配太粗糙，系統會強化錯誤規則；若選擇壓力太強，系統可能過早收斂，喪失探索能力；若選擇壓力太弱，系統又無法累積有效適應。

因此，CAS 的適應不是單純「越快越好」。有效的 CAS 往往需要探索與利用之間的張力：保留足夠變異以應對新環境，同時又能累積已知有效的積木塊。這也是 CAS 與現代機器學習、演化計算、強化學習、組織學習之間的深層關聯。

5. Gell-Mann 的資訊與有效複雜度視角

Murray Gell-Mann 在物理學之外，長期關注「簡單基本定律如何產生複雜世界」。在 1994 年《The Quark and the Jaguar》以及同年收錄於 SFI 系列的〈Complex Adaptive Systems〉中，他將 CAS 與資訊處理、規則性、隨機性、壓縮與「有效複雜度」連結起來。

Gell-Mann 的切入點與 Holland 略有不同。Holland 更重視代理人、規則與適應機制；Gell-Mann 則常問：系統如何從資料流中分離規律與偶然？一個 CAS 如何把世界壓縮成可操作的「圖式」（schema），並用這些圖式預測與行動？如果一串資料完全規則，例如重複的 010101，它的描述很短；如果完全隨機，雖然不可壓縮，但也缺乏可利用結構。真正有科學意義的複雜性往往在兩者之間：有足夠規律可被模型捕捉，也有足夠變異使模型需要更新。

這使 CAS 與資訊理論、演算法複雜度、統計推斷和機器學習產生連結。所謂適應，可被理解為系統不斷建構、修正與選擇內部模型的過程。免疫系統建立對抗原的記憶；科學共同體建立與修正理論；企業建立市場預測；個人學習語言與社會規則。這些都是把外界資料壓縮成可行動結構的過程。

6. 時間線

1922 A. J. Lotka 討論演化能量學；後來被複雜性科學史視為早期系統與演化思想之一。
1932 Sewall Wright 提出適應地景相關思想，為後來 Kauffman 的 NK 模型與 rugged fitness landscape 提供重要背景。
1948 Norbert Wiener《Cybernetics》與 Claude Shannon〈A Mathematical Theory of Communication〉出版，控制、回饋與資訊成為跨領域共同語言。
1950s-1960s 電腦模擬、細胞自動機、一般系統論、控制論與早期人工智慧發展，為 CAS 的可運算建模鋪路。
1962/1975 John H. Holland 早期適應系統研究逐漸發展為遺傳演算法與學習分類器系統，1975 年出版《Adaptation in Natural and Artificial Systems》。
1971 Thomas Schelling 的隔離模型顯示簡單個體偏好可生成強烈宏觀隔離，是代理人模型與生成式社會科學的重要前史。
1973 C. S. Holling 發表生態韌性論文；Herbert Simon 發表複雜系統組織論文，階層、近可分解性與韌性成為後來 CAS 的核心議題。
1984 聖塔菲研究所成立，將複雜系統與複雜適應系統研究制度化。
1987 Per Bak、Chao Tang、Kurt Wiesenfeld 提出自組織臨界性，說明局部互動系統可能自發接近臨界狀態並產生冪律事件。
1989 W. Brian Arthur 發表遞增報酬與技術鎖定相關代表作，挑戰經濟學中單一均衡與遞減報酬的主導想像。
1990 Christopher Langton 發表「混沌邊緣」相關細胞自動機研究，將計算、相變與 emergent computation 連結。
1992 Holland 在《Daedalus》發表〈Complex Adaptive Systems〉，CAS 作為明確概念框架進一步穩定。
1993 Stuart Kauffman 出版《The Origins of Order》，以自組織、選擇與 NK 模型推進生物複雜性研究。
1994 Gell-Mann 出版《The Quark and the Jaguar》，並在 SFI 論文集中討論 CAS、資訊與圖式。
1995 Holland 出版《Hidden Order》，提出廣為引用的七項 CAS 基礎。
1996 Epstein 與 Axtell 出版《Growing Artificial Societies》，Sugarscape 成為代理人基社會科學的經典案例。
1998 Watts 與 Strogatz 發表小世界網路模型，網路科學成為 CAS 分析的重要工具。
1999 Axelrod 與 Cohen 出版《Harnessing Complexity》，將 CAS 概念轉化為組織、政策與管理分析語言。
2007 Miller 與 Page 出版《Complex Adaptive Systems》，系統化介紹計算社會科學中的 CAS 模型。

7. 方法與技術細節

7.1 代理人基模型：從微觀規則到宏觀型態

代理人基模型（agent-based model, ABM）是 CAS 最具代表性的方法之一。ABM 的基本做法是定義代理人、環境、互動規則、更新順序與觀察指標，然後透過模擬檢查宏觀型態是否出現。它與傳統方程模型的差異在於：ABM 不要求代理人同質，也不必假設全局資訊或連續可微；它可以自然處理空間、網路、異質性、局部資訊與歷史路徑。

Schelling 隔離模型是簡明例子：即使個體只具有溫和的鄰里偏好，整體仍可能出現強烈隔離。Epstein 與 Axtell 的 Sugarscape 則更複雜，代理人在網格上尋找資源，具有視野、代謝、移動、交易、繁殖、死亡、疾病或文化傳播等規則。這類模型的重點不是宣稱模擬世界「等於」真實社會，而是展示一組微觀規則是否足以生成特定宏觀現象。

7.2 網路、流與拓撲

CAS 中的互動不是均勻發生的。誰與誰互動、互動頻率多高、連結是否可重組，會大幅改變系統行為。小世界網路解釋高聚集與短路徑如何並存；尺度自由網路研究高度連結節點對傳染、韌性與失效擴散的影響；多層網路則處理人流、資訊流、資金流與基礎設施之間的相互依賴。

在 CAS 中，流不是被動通過固定管道。流量會改變連結權重，連結權重又會改變未來流量。例如城市交通擁塞改變通勤路徑，通勤路徑影響商業聚集；金融市場資金流影響價格，價格又改變資金流；社群媒體注意力流改變可見性，可見性又吸引更多注意力。

7.3 非線性、臨界性與相變

CAS 研究經常借用統計物理中的相變與臨界概念。系統在某些參數區間可能維持穩定；當互動強度、密度、選擇壓力或連結結構跨過門檻，宏觀行為可能突然改變。Bak、Tang、Wiesenfeld 的自組織臨界性提出一種想法：某些遠離平衡的開放系統可能不需外部精細調參，就自發進入臨界狀態，產生雪崩式事件分布。

不過，臨界性在 CAS 中不能被濫用。不是所有冪律都表示自組織臨界，不是所有突然崩潰都有同一機制。嚴格做法需要比較替代分布、測試模型生成機制、檢查資料尺度與抽樣偏誤。

7.4 適應地景與 NK 模型

Kauffman 的 NK 模型用 N 個組成元素與 K 個相互依賴關係描述適應地景。當 K 低，地景較平滑，局部搜索較容易找到高適應度；當 K 高，地景崎嶇，局部最佳點增多，系統容易陷入次佳解。這個框架被用於生物演化、技術設計、組織策略與創新研究。

NK 模型的重要啟示是：複雜相互依賴不只增加計算難度，也改變適應的政治與組織含義。在高度耦合系統中，改善一個部件可能降低另一部件表現；局部最佳解可能阻礙全局改善；模組化可降低搜索難度，但也可能造成協調斷裂。

7.5 遞增報酬、路徑依賴與鎖定

W. Brian Arthur 將 CAS 思維帶入經濟學的重要議題，是遞增報酬與路徑依賴。傳統經濟模型常偏好遞減報酬、負回饋與均衡收斂；但在技術標準、市場平台、學習曲線與網路效應中，成功本身會提高繼續成功的機率。早期偶然事件可能被正回饋放大，導致技術或制度鎖定，即使被鎖定的方案不一定全局最優。

這使經濟系統被重新理解為演化過程，而不是只是在既定偏好與技術下求解均衡。市場價格不只是訊號，也會改變投資、學習與預期；預期不只是反映未來，也會共同製造未來。

8. 關鍵人物與貢獻

人物 主要貢獻 與 CAS 的關係
George Cowan SFI 創立推動者與首任總裁之一；來自洛斯阿拉莫斯科學傳統。 為跨學科研究提供制度場所，使 CAS 從分散概念變成共同研究議程。
Murray Gell-Mann 諾貝爾物理學家，SFI 共同創辦人；討論簡單定律、複雜現象、資訊與有效複雜度。 將 CAS 與圖式、資訊壓縮、規律和隨機性的區分連結。
John H. Holland 遺傳演算法、學習分類器系統、CAS 概念框架。 提供 CAS 最具代表性的代理人、規則、適應與七項基礎框架。
W. Brian Arthur 遞增報酬、路徑依賴、技術鎖定、經濟作為演化系統。 把 CAS 帶入經濟學，挑戰單一均衡與代表性代理人模型。
Stuart Kauffman 自組織、NK 模型、演化地景、生命起源與秩序形成。 說明選擇之外的自發秩序與相互依賴如何影響適應。
Per Bak 自組織臨界性與沙堆模型。 提供局部互動生成尺度不變事件的代表機制，但其普遍性仍有爭議。
Christopher Langton 人工生命、細胞自動機、混沌邊緣。 將計算能力、相變與生命樣行為連結，推動人工生命與 CAS 交會。
Robert Axelrod 與 Michael D. Cohen 《Harnessing Complexity》提出變異、互動、選擇的應用框架。 將 CAS 轉譯為組織、政策與管理上的可操作語言。
Joshua Epstein 與 Robert Axtell Sugarscape 與「由下而上」生成式社會科學。 展示代理人基模型如何生成財富分布、交易、文化、疾病等宏觀型態。

9. 影響、延伸與關聯

9.1 與控制論、系統論的關係

CAS 與控制論、一般系統論共享對回饋、層級與跨領域語言的重視。但 CAS 更強調適應、異質代理人、演化與電腦模擬。控制論常研究控制與通訊；CAS 則常研究沒有中央控制時秩序如何形成，以及控制介入如何被適應性代理人改寫。

9.2 與混沌理論的關係

混沌理論說明低維決定性系統也可能因敏感依賴而難以長期預測。CAS 接受這個洞見，但研究對象通常更多體、更異質、可學習、可演化。簡單說，混沌理論強調非線性動力學中的不可預測；CAS 進一步問：在不可預測與適應中，秩序如何被生成、維持與改造？

9.3 與人工生命、機器學習和 AI

人工生命研究試圖用細胞自動機、演化演算法、人工生態與機器人模擬生命樣特徵。CAS 為人工生命提供概念語言：代理人、環境、適應、突現、共同演化。現代 AI 則讓 CAS 問題重新活躍：多代理人強化學習、群體智慧、演化搜尋、神經網路訓練動力學、AI 生態中的平台競爭，都具有 CAS 特徵。

但這裡要避免過度類比。大型神經網路內部具有複雜動力學，不等於它自然就是完整 CAS；若沒有明確的代理人、適應層次、選擇機制與環境回饋，稱之為 CAS 只是一種寬鬆比喻。

9.4 與政策、管理和社會科學

CAS 對政策研究的最大影響，是提醒決策者不要把社會當作靜態機器。干預會改變行動者預期；行動者會規避、利用或重組規則；局部成功可能在其他地方製造副作用；看似低效率的冗餘與多樣性可能是韌性的來源。

在管理上，CAS 支持一種「設計條件而非命令結果」的思路：調整互動結構、資訊流、選擇壓力、模組邊界與回饋速度，而不是只下達目標。這並不意味放棄管理，而是承認在高度適應性系統中，過度精細的中央計畫往往會被現場行為改寫。

10. 爭議與局限

10.1 概念過寬與比喻風險

CAS 的最大優點也是最大風險：它能跨領域，因而容易太跨領域。若「很多東西互動、會變、很難預測」就被稱為 CAS，概念會失去鑑別力。嚴格使用 CAS 時，至少應說明代理人是什麼、適應機制是什麼、互動網路如何定義、資料如何驗證、宏觀型態如何衡量。

10.2 「統一理論」的懷疑

John Horgan 在 1995 年《Scientific American》〈From Complexity to Perplexity〉中質疑複雜性科學是否能產生真正統一的複雜系統理論。這個批評至今仍有價值。CAS 的許多模型非常有啟發性，但從模型啟發到普遍定律之間距離很大。SFI 內部與外部研究者也常承認，複雜性科學更像一組方法、問題意識與模型家族，而非像牛頓力學那樣的單一理論。

10.3 模型驗證與外部效度

代理人模型可以生成漂亮的宏觀型態，但「能生成」不等於「真實世界就是這樣生成」。同一個宏觀分布可能由多種微觀機制產生，這是模型不可識別性問題。若缺乏微觀資料、參數校準、敏感度分析與替代模型比較，ABM 很容易成為精緻故事機器。

10.4 預測能力有限

CAS 研究常被期待用來預測崩盤、疫情、戰爭、創新或社會變遷。但 CAS 本身告訴我們，適應性代理人會回應預測，且系統可能對初始條件和回饋結構高度敏感。因此，CAS 更適合用於情境探索、機制理解、韌性設計與早期警訊，而不是承諾精確長期預測。

10.5 規範結論不能直接由複雜性推出

承認系統複雜，不自動導出「少干預」或「多干預」。有些 CAS 需要保留多樣性與分散試錯，有些則需要強力公共規則防止負外部性與系統性風險。CAS 提供的是診斷語言與模型工具，不是固定政治立場。

11. 結論：CAS 作為一種研究框架

複雜適應系統的真正價值，不在於把所有現象都冠上「複雜」之名，而在於迫使研究者具體回答一組問題：系統由哪些代理人構成？代理人如何取得資訊、形成內部模型並行動？互動結構如何限制或放大行動？回饋如何改變未來規則？多樣性如何被產生、保留或淘汰？宏觀秩序是如何從微觀過程生成的？

聖塔菲研究所的歷史意義，是它把這些問題從個別學科邊緣拉到共同討論桌上。Holland 給出了代理人、規則與適應的操作框架；Gell-Mann 提供資訊、圖式與有效複雜度的視角；Arthur、Kauffman、Bak、Langton、Epstein、Axtell、Axelrod 等人則在經濟、生物、物理、人工生命與社會模擬中展示不同機制。CAS 因此不是完成的教條，而是一套仍需嚴格建模、資料驗證與概念節制的研究綱領。

對今日 AI、平台經濟、氣候風險、城市治理、供應鏈與生物安全而言，CAS 的提醒仍然直接：最重要的風險與機會，常不在單一元件，而在互動、回饋、適應與尺度轉換之中。

參考來源清單

  1. Holland, John H. 1975. Adaptation in Natural and Artificial Systems. University of Michigan Press；MIT Press later edition. 遺傳演算法與適應系統的基礎著作。
  2. Holland, John H. 1992. “Complex Adaptive Systems.” Daedalus 121(1): 17-30. CAS 明確概念化的重要論文。JSTOR 條目：https://www.jstor.org/stable/20025416
  3. Holland, John H. 1995. Hidden Order: How Adaptation Builds Complexity. Addison-Wesley. 提出 CAS 七項基礎：聚合、標籤、非線性、流、歧異性、內部模型、積木塊。
  4. Holland, John H. “Complex Adaptive Systems: A Primer.” 收錄於 SFI Press Worlds Hidden in Plain Sight，頁 1-7。SFI Press 摘錄：https://www.sfipress.org/1-complex-adaptive-systems-a-primer
  5. Gell-Mann, Murray. 1994. “Complex Adaptive Systems.” 收錄於 Cowan, Pines, Meltzer 編，Complexity: Metaphors, Models, and Reality, SFI Studies in the Sciences of Complexity, Vol. XIX, Addison-Wesley, 17-45。CaltechAUTHORS 條目：https://authors.library.caltech.edu/records/9bg5g-pw326
  6. Gell-Mann, Murray. 1994. The Quark and the Jaguar: Adventures in the Simple and the Complex. W. H. Freeman. 論簡單定律、複雜現象、圖式與有效複雜度。SFI Press 版本：https://www.sfipress.org/books/the-quark-and-the-jaguar
  7. Santa Fe Institute. “About” 與 “History.” SFI 官方簡介指出其 1984 年成立與 CAS 研究定位。https://www.santafe.edu/about；https://www.santafe.edu/about/history
  8. Cowan, George A. 1995. “The Emergence of the Santa Fe Institute: A Complex, Adaptive System.” Complexity 1(3): 9-13. SFI 創立歷史回顧。
  9. Arthur, W. Brian. 1989. “Competing Technologies, Increasing Returns, and Lock-In by Historical Events.” The Economic Journal 99(394): 116-131. 技術鎖定與路徑依賴代表作。JSTOR：https://www.jstor.org/stable/2234208
  10. Arthur, W. Brian. 1994. Increasing Returns and Path Dependence in the Economy. University of Michigan Press. SFI 作者頁：https://sites.santafe.edu/~wbarthur/increasingreturnsbook.html
  11. Kauffman, Stuart A. 1993. The Origins of Order: Self-Organization and Selection in Evolution. Oxford University Press. 自組織、選擇與 NK 模型的重要著作。
  12. Bak, Per; Tang, Chao; Wiesenfeld, Kurt. 1987. “Self-Organized Criticality: An Explanation of 1/f Noise.” Physical Review Letters 59(4): 381-384. DOI: 10.1103/PhysRevLett.59.381
  13. Langton, Christopher G. 1990. “Computation at the Edge of Chaos: Phase Transitions and Emergent Computation.” Physica D 42(1-3): 12-37. ScienceDirect 條目：https://www.sciencedirect.com/science/article/pii/016727899090064V
  14. Epstein, Joshua M.; Axtell, Robert. 1996. Growing Artificial Societies: Social Science from the Bottom Up. Brookings Institution Press / MIT Press. Sugarscape 與生成式社會科學。MIT Press：https://mitpress.mit.edu/9780262550253/growing-artificial-societies/
  15. Axelrod, Robert; Cohen, Michael D. 1999. Harnessing Complexity: Organizational Implications of a Scientific Frontier. Free Press / Basic Books. 以變異、互動、選擇分析組織與政策。出版社頁：https://www.basicbooks.com/titles/robert-axelrod/harnessing-complexity/9780786723447/
  16. Watts, Duncan J.; Strogatz, Steven H. 1998. “Collective Dynamics of ‘Small-World’ Networks.” Nature 393: 440-442. 小世界網路與複雜網路科學代表作。
  17. Miller, John H.; Page, Scott E. 2007. Complex Adaptive Systems: An Introduction to Computational Models of Social Life. Princeton University Press. 計算社會科學中的 CAS 教科書。University of Michigan 條目：https://lsa.umich.edu/cscs/people/core-faculty/spage/Complex-Adaptive-Systems-An-Introduction-to-Computational-Models-of-Social-Life.html
  18. Horgan, John. 1995. “From Complexity to Perplexity.” Scientific American 272: 74-79. 對複雜性科學統一理論企圖的代表性批評。https://www.scientificamerican.com/article/from-complexity-to-perplexity/
  19. Santa Fe Institute / SFI Press. 2024. Foundational Papers in Complexity Science. 收錄 1922-2000 年間複雜性科學基礎文獻，反映此領域的多源譜系。https://www.sfipress.org/books/foundational-papers-in-complexity-science

說明：本文將 CAS 視為概念框架與模型家族，而非單一封閉理論。涉及「混沌邊緣」、「自組織臨界性」與「有效複雜度」等主張時，均以其在複雜性研究中的歷史角色與啟發意義呈現；其普遍性與可驗證性在學界仍有不同意見。