湧現 Emergence：定義、案例與哲學爭議

「湧現」是複雜系統科學最有吸引力、也最容易被濫用的詞之一。它指向一種張力：高層次秩序依賴低層次成分與互動，卻又不能只靠逐一列舉成分性質而獲得良好理解。聖塔菲研究所將這種張力轉化為跨學科研究綱領：用非線性動力學、統計物理、演化理論、資訊論、代理人模型與計算模擬，研究「整體如何從部分中出現」。

一、問題背景：為何「整體大於部分之和」不夠

湧現常被簡化為「整體大於部分之和」。這句話有啟發性，卻不足以作為研究定義。第一，它沒有說明「大於」是指新性質、新規律、新因果力、不可預測性，還是只是人類描述上的便利。第二，它沒有區分物理、生命、心智、社會與人工智慧中非常不同的層次關係。第三，它容易暗示某種神祕額外力量，而現代複雜系統研究多半並不需要這種假設。

較嚴格的說法應把湧現拆成四個要件。其一是生成性：高層模式由低層元素及其互動產生，例如自旋、分子、細胞、神經元、交易者或軟體代理人。其二是依賴性：若低層組成或互動規則改變，高層模式也會改變；高層模式不是憑空存在。其三是新穎性：高層模式具有低層單個元素沒有的性質，例如溫度、相變、生命代謝、群體分工、交通壅塞或市場波動。其四是相對自主性：在很多情況下，最佳解釋不是列出每個粒子或個體，而是引入巨觀變數、序參量、資訊流、適應度地形、網路拓撲或制度約束。

聖塔菲研究所興起的脈絡，正是二十世紀後半科學面對「還原論成功但不充分」的情境。量子力學、粒子物理與分子生物學證明微觀基礎的重要性；但凝態物理、演化生物學、生態學、神經科學、經濟學與電腦科學又顯示：知道底層零件，不等於已理解高層組織如何形成、如何穩定、如何崩潰。

二、歷史脈絡：從英國湧現論到複雜系統科學

湧現思想可追溯至十九世紀與二十世紀初。J. S. Mill 在討論化學組合時已指出，化合物的性質不只是成分性質的線性相加。C. D. Broad、Samuel Alexander、C. Lloyd Morgan 等英國湧現論者則試圖在生命與心智問題上抵抗機械還原論：他們接受高層性質依賴低層物質，卻主張某些高層性質不可由低層定律演繹。

這一傳統在二十世紀中期受到邏輯實證論、分子生物學成功與物理主義興起的壓力。若所有生物與心理現象終究由物理過程實現，那麼還有什麼需要「湧現」？答案在 1970 年代以後重新出現，且轉向較操作化的科學問題：不是問高層性質是否神祕地超出物理，而是問何時需要新的層次、變數與模型。

Philip W. Anderson 1972 年〈More Is Different〉是關鍵轉折。他反對把「還原到基本定律」誤認為「由基本定律建構出所有科學」。在多體系統中，尺度與複雜度會使全新規律出現；凝態物理中的對稱性破缺、相變與集體激發，不能只靠粒子清單獲得概念上的理解。Anderson 的論點不否認物理基礎，而是區分還原論與建構論：前者說高層不違反低層定律，後者卻要求能從低層直接重建高層科學。湧現論的現代生命力，多半來自這個區分。

1984 年成立的聖塔菲研究所，把這一問題意識制度化。SFI 的早期人物包括 George Cowan、Murray Gell-Mann、Philip Anderson、Kenneth Arrow、John Holland、Stuart Kauffman、Brian Arthur、Doyne Farmer、Norman Packard、Chris Langton 等。這些研究者來自物理、經濟、電腦、生命科學與數學。他們共享一個問題：在許多互動單元中，如何出現秩序、適應、臨界、創新與崩潰？

三、定義譜系：弱湧現、強湧現與相對自主

1. 弱湧現：可由規則生成，但需模擬或高層描述

Mark Bedau 在 1997 年提出的「弱湧現」定義，是複雜系統科學最實用的哲學整理。弱湧現現象由微觀狀態與微觀動力完全生成，但高層模式通常只能透過執行模型、模擬時間演化、觀察巨觀變數而得到。換言之，它不是形上學上的不可化約，而是推導與理解上的不可壓縮。

Conway 的生命遊戲是典型例子。規則極簡：格子活或死，依鄰居數更新。但滑翔機、振盪器、複雜計算結構會在時間演化中出現。這些模式不違反底層規則，也不需要新物理；然而只看更新規則，很難直接「看出」長期結構。弱湧現的科學價值正在於此：它要求研究者辨認巨觀模式、設計粗粒化描述、測量穩定性與可預測性，而不是只宣稱「底層規則已知」。

2. 強湧現：原則上不可由低層事實推出

David Chalmers 將強湧現與弱湧現清楚分開。強湧現指高層現象雖由低層域產生，但關於高層現象的真理即使在原則上也不能從低層真理推出。若強湧現存在，通常意味自然圖像需要增加新的基本定律或性質。Chalmers 認為意識可能是強湧現的候選案例；但這是哲學上高度爭議的主張，並非複雜系統科學的共識。

強湧現的問題在於向下因果。如果高層性質真的具有不可化約的因果力，它如何影響已由物理定律封閉的低層過程？若低層物理已足以決定事件，高層因果似乎變成多餘；若高層能改變低層事件，則似乎破壞物理因果封閉性。這就是 Jaegwon Kim 等哲學家批評湧現因果的核心。

3. SFI 的務實版本：層次之間的可計算橋接

SFI 傳統中的湧現多半不是強湧現，而是介於物理主義與反還原論之間的研究策略。它承認低層實現，但強調高層變數的必要性。例如市場價格不是單一交易者的心理狀態，生態穩定性不是單一物種性質，免疫系統記憶不是單個抗體特徵，城市尺度律也不是單一居民行為。研究重點是找出可比較的中層原理：回饋、非線性、網路、適應、競爭、合作、臨界、歷史路徑依賴與資訊處理。

四、關鍵人物與貢獻

五、典型案例：從物理到 AI

1. 相變與對稱性破缺

水的冰、液、氣三相是最直觀的湧現案例。單個 H2O 分子沒有「溫度」或「黏滯性」這類巨觀熱力學性質；這些性質只在大量分子統計集合中有意義。鐵磁性同樣如此：局部自旋相互作用在臨界溫度以下形成巨觀磁化。這不是神祕性質，而是統計物理說明的集體秩序。Anderson 特別重視這類案例，因為它們顯示新層次的有效理論不可替代。

2. 細胞自動機與生命遊戲

細胞自動機展示「簡單規則、複雜行為」的最低限度形式。生命遊戲中的滑翔機可被視為高層物件：它有位置、速度、碰撞行為，甚至可用來構造計算。底層只有格子更新，沒有任何「滑翔機規則」。這說明湧現模式的本體地位常是模式實在論問題：若一個高層模式支持穩定預測與干預，把它當成物件並非任意方便說法。

3. Schelling 隔離模型

Schelling 的模型用棋盤、硬幣或格點代理人呈現社會湧現。個體不必具有強烈歧視，只要偏好附近有一定比例同類鄰居，反覆搬遷後就可能形成高度隔離的空間圖樣。此案例的重要性在於，它把道德譴責、制度分析與機制解釋分開：宏觀隔離不必等於每個個體都有極端意圖。反過來，模型也有局限：真實城市包含收入、法律、信貸、歷史歧視、交通與政策等因素，不能用棋盤模型取代實證研究。

4. 生物自組織與演化

Kauffman 的基因調控網路與自催化集合試圖說明生命秩序不只是自然選擇逐步雕刻，也可能源於網路動力學本身。NK 模型以 N 個基因/特徵與 K 個相互依賴關係描述適應度地形；K 越高，地形越崎嶇，局部最適越多，演化搜尋越困難。這給湧現提供了技術語言：全域適應度景觀不是單個基因性質，而是相互作用結構的結果。

5. 經濟與市場

Brian Arthur 與 SFI 經濟學傳統反對完全代表性個體模型，強調異質代理人、遞增報酬、路徑依賴與適應性預期。市場價格、泡沫、技術鎖定與制度演化可被視為湧現結果：它們由個體決策生成，但不能只用單一理性個體的均衡條件完整說明。這一路線後來影響代理人基計算經濟學、複雜金融與網路經濟研究。

6. 神經網路與人工智慧

現代深度學習重新點燃湧現語彙，尤其在大型語言模型中，人們常說能力隨規模「湧現」。這裡必須小心。若能力是評測曲線在某尺度附近快速上升，可能源於模型、資料、評估門檻與度量方式共同造成的非線性表現，不必表示出現不可還原的新心智能力。較穩健的說法是：大規模參數、資料與訓練目標會形成可遷移表徵與行為模式；這些模式在工程上具有高層可描述性，但其哲學地位仍需逐案分析。

六、時間線

• 1843：J. S. Mill 在《邏輯體系》中討論組合後的新性質，提供早期湧現思想背景。
• 1920 年代：Alexander、Morgan、Broad 等英國湧現論者把生命與心智視為不可由低層機械定律完全推出的高層性質。
• 1940-1950 年代：控制論、資訊論、一般系統論興起，為跨層次組織與回饋提供新語言。
• 1971：Schelling 發表動態隔離模型，展示微觀偏好如何導致宏觀社會圖樣。
• 1972：Anderson 發表〈More Is Different〉，以對稱性破缺與科學層級反駁簡單建構論。
• 1984：聖塔菲研究所成立，複雜適應系統成為跨學科研究旗幟。
• 1987-1989：人工生命會議與細胞自動機研究擴散，湧現成為計算模型中的核心詞。
• 1993-1995：Kauffman《The Origins of Order》與 Holland《Hidden Order》出版，複雜適應系統框架成熟。
• 1997：Bedau 發表〈Weak Emergence〉，將科學複雜性中的湧現界定為由微觀規則生成但需模擬掌握。
• 1998：Holland《Emergence: From Chaos to Order》出版，面向較廣讀者整理湧現模型與跨域案例。
• 2006：Chalmers〈Strong and Weak Emergence〉出版，清楚區分哲學強湧現與科學弱湧現。
• 2010 年代以後：網路科學、系統生物學、城市尺度律、集體行為與深度學習使湧現重新成為跨域關鍵詞。

七、理論技術：如何把湧現變成可研究問題

湧現若要成為科學概念，必須離開純口號。第一步是明確層次：低層元素是分子、細胞、個體、節點還是模型參數？高層模式是相、形態、制度、記憶、語義能力還是集體決策？第二步是指定互動規則：局部耦合、網路拓撲、回饋、更新規則、選擇機制與噪音如何作用？第三步是定義巨觀變數：例如序參量、熵、互資訊、聚類係數、適應度、魯棒性、臨界指數或任務表現。第四步是驗證跨尺度關係：改變微觀參數是否穩定改變巨觀模式？巨觀描述是否帶來壓縮、預測或干預優勢？

常用工具包括代理人基模型、細胞自動機、隨機過程、非線性微分方程、重整化群、網路科學、演化賽局、資訊論與機器學習表徵分析。不同工具對湧現有不同理解。重整化群重視尺度轉換下哪些變數保持相關；代理人模型重視局部規則如何形成全域圖樣；資訊論問高層描述是否比低層描述更能捕捉有效因果或預測資訊；演化模型則問選擇、漂變與自組織如何共同塑造可適應秩序。

八、哲學爭議與局限

1. 還原論是否真的被擊敗？

湧現常被拿來反對還原論，但必須區分幾種還原論。若還原論指「高層現象不違反低層物理」，大多數弱湧現支持這種物理主義。若還原論指「所有高層科學都可被低層理論取代」，Anderson 與 SFI 傳統明確反對。弱湧現的重點不是推翻物理，而是說明多層次科學具有不可替代的解釋功能。

2. 向下因果是否成立？

在社會科學中，我們自然會說「制度約束個人」、「市場壓力改變企業」、「文化規範塑造行為」。這些說法看似向下因果。哲學問題是：這是否只是低層互動的簡寫，還是真有高層性質作為獨立因果者？較溫和的回答是干預式或實用式：若操控高層變數能穩定改變低層行為，且比微觀描述更可操作，高層因果語言就有科學正當性；但這不必推出強湧現的不可化約因果力。

3. 湧現是否只是認識論限制？

許多案例的「不可預測」來自計算限制、混沌敏感性、資料不足或模型粗糙，而不是本體上的新性質。這使批評者認為湧現只是無知的名字。支持者則回應：科學解釋本來就依賴壓縮與層次選擇；若某高層變數能提供穩定規律，就不只是心理便利。熱力學、族群遺傳學、經濟學與神經科學都以這種方式工作。

4. 複雜系統的「大理論」風險

SFI 曾被批評過度追求複雜性的一般理論，容易把不同領域的現象用同一組詞包裝：自組織、臨界、適應、湧現。這種批評有其必要性。跨域相似性可以啟發模型，但若缺乏領域資料、機制細節與可檢驗預測，就會滑向比喻科學。成熟的湧現研究應在一般原理與具體機制之間往返，而不是以抽象詞替代實證。

九、影響與後續發展

湧現概念對科學的最大貢獻，不是提供單一定律，而是改變研究問題的形式。它讓研究者問：哪些高層變數值得保留？哪些微觀差異可被粗粒化？哪些互動網路會造成臨界轉換？哪些局部規則會形成全域協調？這些問題推動了系統生物學、人工生命、群體機器人、網路科學、複雜金融、城市科學與多代理人 AI。

對 AI 研究而言，湧現提供兩種提醒。第一，大模型能力不能只由單一神經元或參數理解；需要表徵、資料分布、訓練動力學與任務生態的多層分析。第二，不能把「看起來突然出現」等同於「不可解釋」。真正嚴格的 AI 湧現研究，應該分解尺度律、評測門檻、資料污染、提示敏感性與機制可解釋性，而不是把能力曲線的非線性全部歸入神祕湧現。

十、結論：湧現是一種跨層次研究紀律

湧現的價值在於迫使我們同時承認兩件事：沒有低層元素與互動，高層模式不會存在；但沒有高層概念與模型，我們也無法真正理解許多自然、生命、社會與人工系統。聖塔菲研究所的歷史意義，是把這種哲學直覺轉化為一套跨學科實作：建模、模擬、比較、量化、反事實測試。

因此，最穩健的立場不是把湧現當成反科學的神祕口號，也不是把它貶為無知的代名詞；而是把它當成一種研究規範：當系統由許多互動部分構成，且巨觀模式具有穩定、可測、可干預的規律時，我們就有理由建立新的層次描述。真正困難的工作不是宣稱「湧現了」，而是說清楚：從什麼湧現、如何湧現、湧現出什麼、在哪些條件下消失，以及這個高層描述比低層清單多解釋了什麼。

參考來源清單

1. Anderson, Philip W. 1972. “More Is Different: Broken Symmetry and the Nature of the Hierarchical Structure of Science.” Science 177(4047): 393-396.
2. Bedau, Mark A. 1997. “Weak Emergence.” Philosophical Perspectives 11: 375-399.
3. Chalmers, David J. 2006. “Strong and Weak Emergence.” In Philip Clayton and Paul Davies, eds., The Re-emergence of Emergence. Oxford University Press.
4. Holland, John H. 1995. Hidden Order: How Adaptation Builds Complexity. Addison-Wesley.
5. Holland, John H. 1998. Emergence: From Chaos to Order. Perseus / Helix Books.
6. Kauffman, Stuart A. 1993. The Origins of Order: Self-Organization and Selection in Evolution. Oxford University Press.
7. Gell-Mann, Murray. 1994. The Quark and the Jaguar: Adventures in the Simple and the Complex. W. H. Freeman.
8. Schelling, Thomas C. 1971. “Dynamic Models of Segregation.” Journal of Mathematical Sociology 1(2): 143-186.
9. Schelling, Thomas C. 1978. Micromotives and Macrobehavior. W. W. Norton.
10. Conway, John H. 1970. “The Game of Life.” Popularized by Martin Gardner, “Mathematical Games,” Scientific American.
11. Langton, Christopher G., ed. 1989. Artificial Life. Addison-Wesley.
12. Arthur, W. Brian. 1994. Increasing Returns and Path Dependence in the Economy. University of Michigan Press.
13. Kim, Jaegwon. 1999. “Making Sense of Emergence.” Philosophical Studies 95: 3-36.
14. O'Connor, Timothy, and Hong Yu Wong. 2020. “Emergent Properties.” Stanford Encyclopedia of Philosophy.
15. Santa Fe Institute. “What is complex systems science?” and “History.” 官方網站，查核 SFI 對複雜系統、Anderson、Gell-Mann 與研究傳統的概述。
16. Waldrop, M. Mitchell. 1992. Complexity: The Emerging Science at the Edge of Order and Chaos. Simon & Schuster.

註：本文將「湧現」主要用於弱湧現與跨層次解釋。涉及意識、不可化約向下因果與強湧現之處，均屬哲學爭議範圍，未將其表述為已被科學證成的事實。