聖塔菲學派的批評與局限

一、問題設定：為何要批評聖塔菲學派？

聖塔菲研究所（Santa Fe Institute, SFI）成立於 1984 年。它不是傳統大學系所，而是一個跨學科理論研究機構，早期由 George Cowan、David Pines、Murray Gell-Mann、Philip Anderson、Nick Metropolis、Stirling Colgate 等物理學家、數學家與洛斯阿拉莫斯國家實驗室背景的科學家推動。SFI 的核心野心，是研究那些無法只靠單一還原論部件解釋的系統：生命、演化、免疫、經濟、城市、語言、文化、金融市場、資訊網路與人工生命。

這個野心在 1980 至 1990 年代非常有吸引力。混沌理論、非線性動力學、元胞自動機、遺傳演算法、人工生命、神經網路與早期 agent-based model 同時興起；大型電腦讓科學家可以模擬過去只能用語言描述的集體行為。SFI 於是成為一個象徵：它代表一種「反學科藩籬」的研究倫理，也代表一種相信不同領域之間存在共同組織原理的科學想像。

但是，正因為聖塔菲學派曾提出接近「新科學」的承諾，它也特別容易遭遇嚴厲批評。批評者問：複雜性到底是什麼？湧現是否只是無知的代名詞？模型是否真的預測了新現象，還是只是把已知故事翻譯成漂亮的電腦圖像？如果一個框架可以同時解釋免疫系統、股市、螞蟻、城市與文化演化，它是否也因過度寬泛而失去可反駁性？

本報告的主旨不是否定 SFI，而是梳理其批評與局限。嚴格來說，「聖塔菲學派」並沒有一套統一教義；它更像一個鬆散網絡，包含 Gell-Mann 的複雜適應系統觀、Anderson 的湧現與層級觀、Kauffman 的自組織生物學、Holland 的適應性 agent 與分類器系統、Arthur 的路徑依賴與複雜經濟學、Langton 的人工生命、Farmer 的非線性預測與市場模型等。批評也必須分層處理：有些批評針對口號，有些針對方法，有些針對制度，有些針對特定領域的實證失敗。

二、背景脈絡：聖塔菲學派的形成條件

1. 從還原論不滿到跨學科綜合

20 世紀中葉以後，科學高度專業化。粒子物理、分子生物學、控制論、資訊理論、統計力學、計算機科學各自快速發展，但也產生一個張力：許多重要現象不是單一尺度可以解釋的。Philip Anderson 在 1972 年〈More Is Different〉中提出的關鍵命題，是多數量級與組織層次的變化會帶來新的規律；高層次定律不能簡單從低層次定律直接推出。這篇文章後來常被視為複雜系統思想的重要前史。

SFI 的早期定位正是對這種張力的制度回應。它不是要廢除還原論，而是要補足傳統還原論對「組織、尺度、互動、歷史」的忽略。這也是為何 SFI 早期成員多來自物理、數學、計算與生物邊界地帶：他們相信統計力學處理大量微觀粒子到宏觀規律的方式，或許可以啟發對經濟、生命與社會系統的研究。

2. 關鍵人物與典型貢獻

三、時間線：承諾、擴張與反思

四、核心批評之一：概念過寬與定義不穩

「複雜性」是 SFI 最有力量也最危險的詞。它可以指大量組成單元、非線性交互作用、適應性、開放系統、回饋、歷史依賴、不可預測、階層結構、資訊壓縮難度、演化能力、臨界性、網路拓撲，或宏觀秩序的湧現。這些概念彼此相關，但不是同一件事。

例如，天氣系統有非線性與混沌敏感性，但它不一定具有像市場或免疫系統那樣的策略性適應。晶體有宏觀秩序，但通常不是複雜適應系統。金融市場具有適應性與反身性，但不一定呈現可穩定估計的普遍尺度律。生物演化有歷史依賴，但它的單位、適應函數與選擇環境遠比玩具模型複雜。

因此，當研究者說「X 是複雜系統」時，這句話本身資訊量很低。真正的科學問題應該是：X 的哪些交互作用可形式化？哪些變數可以觀測？是否存在可比較的基準模型？模型錯了時會在哪裡錯？它能否預測未用於校準的資料？如果沒有這些條件，「複雜性」容易變成一種描述性標籤，而非可累積的理論。

這也是 John Horgan 等批評者的基本攻擊點：複雜性科學似乎有宏大語彙，卻缺少像能量、熵、基因、選擇係數、價格、效用那樣可穩定操作的核心變數。SFI 的支持者會回應：複雜系統本來就跨尺度、跨領域，不能期待一個單一變數支配全部現象。這個回應有道理，但也暴露問題：如果沒有共同可操作定義，複雜性科學究竟是理論、方法論、研究社群，還是隱喻集合？

五、核心批評之二：「統一理論」的承諾過大

SFI 早期最具傳播力的想像，是存在一套「複雜系統的一般原理」。這種想像有物理學背景：統計力學能從大量微觀粒子的隨機運動導出宏觀熱力學，臨界現象有普適類，重整化群能解釋不同物理系統共享相同指數。若物理學可以在不同材料中找到共同結構，生命、經濟、文化是否也可能共享某些跨領域規律？

問題在於，許多 SFI 研究對象並不像物理臨界系統那樣具備清楚的微觀單位、可重複實驗條件與穩定不變的交互作用。細胞會演化，市場參與者會學習，政策會改變制度，文化符號會被重新詮釋。這些系統不只是「很多部件互動」，而是部件本身會因模型、預測與干預而改變。

在這個意義上，SFI 的統一理論夢想遇到三種障礙：

1. 本體差異：物理粒子不會讀論文後改變行為；金融交易者、城市規劃者與政治行動者會。
2. 尺度差異：從蛋白質折疊到城市成長再到文明演化，尺度與資料型態差異太大，很難共享同一套可檢驗方程。
3. 規範差異：社會系統模型常牽涉價值判斷與政策後果，不能只用自然科學的預測成功來評價。

這不表示一般理論完全不可能。網路科學的中心性、群聚、度分布，臨界轉變的早期警訊，演化博弈中的穩定策略，資訊理論中的壓縮與預測，確實提供跨領域工具。但這些是局部可遷移的「中層理論」，不是一把打開所有複雜現象的總鑰匙。

六、核心批評之三：模型漂亮，但可驗證性不足

SFI 學派高度依賴模型，尤其是 agent-based model、元胞自動機、NK 景觀、網路模型、演化模擬與非線性動力系統。這些模型的優點，是能把傳統語言無法處理的交互作用動態化。例如 Schelling segregation model 可以顯示：即使個體偏好不極端，宏觀隔離也可能出現。Arthur 的 El Farol Bar Problem 則顯示：在有限理性與互相預期的條件下，群體行為可能呈現波動與自我調整。

但模型越靈活，越容易面對「太多旋鈕」問題。只要調整 agent 規則、網路結構、初始條件、學習率、噪音、更新順序與邊界條件，就能產生許多看似有趣的結果。若沒有獨立資料驗證與明確反事實預測，模型可能只是把研究者的直覺編成程式。

這裡有一個常見陷阱：模型重現某種宏觀圖樣，不等於證明真實世界也是透過同一機制產生該圖樣。許多不同微觀機制都可能導致相似的冪律、群聚、波動、長尾或鎖定。這是「多重可實現性」問題，也是複雜系統模型比傳統線性統計模型更難驗證的原因。

比較嚴格的做法應包括：模型預註冊、外部樣本預測、敏感度分析、參數可識別性檢查、與簡單基準模型比較、資料生成過程的透明描述、以及對失敗案例的報告。SFI 傳統中確實有嚴謹工作，但大眾化的複雜性敘事常忽略這些限制，只展示「簡單規則產生複雜圖案」的震撼效果。

七、核心批評之四：湧現、自組織與「免費秩序」的模糊性

湧現是聖塔菲學派最吸引人的概念之一。它指出宏觀層次會出現微觀部件本身不具備的性質：螞蟻個體不理解蟻群路徑，神經元個體不具有意識，市場參與者個體不控制價格體系。然而，湧現也容易變成一個過於舒適的詞：當我們不知道如何從微觀推導宏觀時，就稱之為湧現。

Kauffman 的自組織理論尤其具有代表性。他主張自然選擇不是秩序的唯一來源；某些複雜網路在適當連結度下會自發形成有序結構，生命與演化也許部分依賴這種「免費秩序」。這個觀點重要，因為它提醒生物學不要把所有形態與功能都解釋成適應選擇的結果。

但批評者指出，從抽象布林網路或 NK 模型到真實基因調控、發育系統與生態演化，中間隔著大量未驗證假設。自組織可以是有力補充，但若被說成生命出現的必然機制，就會超出證據。Horgan 對 Kauffman 的批評正集中在這裡：電腦模擬能展示可能性，不等於能把生命起源或宇宙中生命普遍性的爭議變成已解問題。

更精確地說，湧現概念有三種層級：

• 弱湧現：宏觀現象可由微觀規則模擬產生，但難以用簡短解析式預測。
• 認識論湧現：我們暫時無法推導，需要新的描述層級與概念。
• 強湧現：宏觀層次擁有不可由低層次原理推出的因果力量。

SFI 多數嚴謹研究其實停留在弱湧現或認識論湧現；流行版敘事卻常滑向強湧現，甚至暗示複雜系統需要全新的自然法則。這種滑動，是造成外界反感的重要原因。

八、核心批評之五：從自然科學外推到社會世界的風險

聖塔菲學派最有影響力也最具爭議的方向，是把物理與生物模型帶入經濟、金融、城市與社會科學。這種跨域移植有實質成果。Arthur 的遞增報酬與路徑依賴挑戰了「市場自然選出最佳技術」的簡化說法；複雜經濟學強調非平衡、有限理性、制度演化與內生創新，對新古典經濟學的穩態想像形成修正。

然而，社會世界的困難不只是變數多，而是意義、制度與權力會改變模型對象。把人類行動者視為類似螞蟻、細胞或粒子的 agent，可以揭示集體模式，但也可能刪除語言、規範、目的、衝突與制度歷史。模型中的 agent 規則通常是研究者設定的；真實社會中的規則則會被行動者爭議、改寫、逃避與利用。

政策應用尤其危險。若一個模型顯示系統可能發生臨界轉變，不代表政策制定者知道如何干預；若模型顯示某制度有鎖定效應，不代表任何外部衝擊都能打破鎖定；若模擬顯示簡單規則產生不平等，不代表現實不平等可以忽略法律、殖民、資本與政治暴力的歷史。複雜性語言有時會把責任稀釋成「系統湧現」，反而降低對具體制度與權力關係的分析。

因此，對社會科學而言，SFI 的工具最好被視為「補充性形式化工具」，而非取代歷史、民族誌、制度分析、政治經濟學與因果推論的總框架。當複雜性模型與領域知識結合時，它能產生洞見；當它只把社會現象轉成抽象 agent 互動時，容易變成精緻但貧血的寓言。

九、核心批評之六：制度化困境與學術身份問題

SFI 的制度創新，是建立一個沒有傳統系所邊界、重視訪問學者與短期合作的研究環境。這種制度對激發新問題很有效，卻不一定利於建立標準化訓練、可複製方法與長期累積的共同範式。科學史與 STS 研究者因此關注：複雜性科學究竟是否成功制度化為一門學科？

Fabrizio Li Vigni 等人的研究把焦點放在 SFI 的合法化策略與「承諾政治」：新興跨學科領域常需要用宏大願景吸引資金、人才與媒體注意，但這些承諾若不能轉化為穩定課程、期刊、職位、評鑑標準與核心問題，就會形成聲望很高、邊界卻不穩的狀態。從這個角度看，SFI 的成功與失敗同時存在：它成功創造了網絡與品牌，卻沒有把「複雜性科學」變成像分子生物學或計算機科學那樣清楚的學科。

這未必是缺點。SFI 可能本來就不該變成傳統學科；它的價值在於扮演問題孵化器、概念交換所與高風險理論實驗室。但若用它早期「新科學」的語氣衡量，制度化不足就是明顯局限。許多原本掛在複雜性旗幟下的成功成果，後來被吸收進網路科學、系統生物學、計算社會科學、機器學習、行為經濟學或統計物理各自的專門領域；「聖塔菲學派」作為總稱反而變得模糊。

十、與其他發展的關聯：不是孤島，也不是唯一源頭

批評聖塔菲學派時，還要避免另一種誤解：把所有複雜系統思想都歸功或歸咎於 SFI。事實上，SFI 是匯流點，不是唯一源頭。

• 控制論與一般系統論：早在 1940 至 1960 年代，Norbert Wiener、W. Ross Ashby、Ludwig von Bertalanffy 等人已提出回饋、調節、系統層級與跨學科語言。
• 混沌與非線性動力學：Lorenz、Ruelle、May、Feigenbaum 等人的工作為不可預測性、吸引子與非線性轉變提供數學基礎。
• 統計物理與臨界現象：重整化群、相變、普適性為跨系統共同結構提供典範，也成為 SFI 想像的物理學背景。
• 演化生物學：群體遺傳、發育生物學、生態學與演化博弈早已處理適應、選擇、漂變與多層次互動。
• 經濟學內部傳統：Schumpeter、Hayek、Veblen、Keynesian uncertainty、bounded rationality 與制度經濟學都早已質疑靜態均衡與完美理性。
• AI 與機器學習：遺傳演算法、神經網路、強化學習與多 agent 系統與 SFI 有交集，但各自也有獨立工程與數學傳統。

因此，SFI 的真實角色更像「整合與放大器」。它把分散於不同領域的問題放在一起，讓物理學家、經濟學家、生物學家、電腦科學家與人類學家互相借用模型。這帶來新視角，也帶來誤借風險：某領域中嚴格定義的概念，移到另一領域後可能只剩比喻。

十一、哪些批評最有力？哪些批評過度？

最有力的批評

第一，對「統一理論」的懷疑是有力的。迄今複雜性科學沒有產生一套可普遍預測生命、經濟、社會與文化系統的總理論。成功成果多是中層工具與領域模型，而非單一框架。

第二，對模型驗證的批評也很有力。複雜系統模型常能重現現象，卻難以排除替代機制。尤其在社會與金融系統中，資料非平穩、行動者反身、制度變動，使模型預測比物理系統困難得多。

第三，對語彙膨脹的批評成立。湧現、自組織、適應性、臨界性、網路、資訊等詞若沒有操作定義，很容易被商業顧問、管理學流行語與科技媒體濫用。這種濫用會反過來傷害嚴肅研究的可信度。

可能過度的批評

然而，把 SFI 貶為純粹炒作也不公平。Arthur 的遞增報酬與路徑依賴、Holland 的遺傳演算法與複雜適應系統、Kauffman 的 NK 模型、人工生命與 agent-based modeling 的早期推動、網路與城市研究中的尺度觀，都對後續研究產生實際影響。即便某些宏大承諾落空，並不表示工具與問題意識沒有價值。

另一個過度批評，是要求所有複雜系統研究都達到物理學式精確預測。許多複雜系統，特別是社會系統與演化系統，本來就可能只允許情境式、機率式、機制式或反事實式理解。若一個模型能揭示「在什麼條件下某種宏觀模式可能產生」，即使不能精準預測明年某事件，也可能有科學價值。

十二、今日回看：SFI 的遺產與未解問題

今天，聖塔菲學派最重要的遺產，不是找到一條通往萬物理論的道路，而是改變了許多領域問問題的方式。經濟學更願意討論非平衡、異質 agent、路徑依賴與制度形成；生物學更重視網路、調控與多尺度組織；社會科學更常使用模擬與複雜網路；AI 研究重新面對多 agent、演化搜尋、自組織與集體智慧。

但其未解問題仍在：

• 理論層面：是否存在比「一組工具箱」更強的複雜性理論？若有，其核心變數與定律是什麼？
• 方法層面：如何讓 agent-based model 與複雜網路模型具備更嚴格的識別、預測與可重現標準？
• 制度層面：跨學科研究如何避免只停留在會議與隱喻，而能訓練下一代研究者掌握足夠深的領域知識？
• 倫理層面：當複雜性模型用於政策、金融、城市治理與 AI 系統時，如何處理不確定性、責任歸屬與權力後果？

AI 時代使這些問題重新變得急迫。大型模型、推薦系統、多 agent 模擬、平台經濟與社會資訊傳播，都是真正的複雜適應系統。SFI 的語彙看似比以往更適用，但過去的局限也同樣會重演：模型越大，不代表理解越深；模擬越逼真，不代表因果越清楚；跨域語言越流行，不代表理論越嚴格。

參考來源清單

1. Anderson, Philip W.（1972）〈More Is Different〉，《Science》。湧現、層級與反粗糙還原論的核心文本。
2. Santa Fe Institute（官方歷史頁）“History: An institution without fiefdoms”。說明 SFI 於 1984 年創立及其跨學科制度定位。https://www.santafe.edu/about/history
3. Anderson, Philip W.; Arrow, Kenneth J.; Pines, David, eds.（1988）《The Economy as an Evolving Complex System》。SFI 早期經濟學研究綱領的重要出版物。
4. Arthur, W. Brian（1989）〈Competing Technologies, Increasing Returns, and Lock-In by Historical Events〉，《Economic Journal》99(394): 116-131。路徑依賴與技術鎖定的經典論文。
5. SFI Press（Arthur 1989 文獻導讀）“Competing Technologies, Increasing Returns, and Lock-In”。概述該文對遞增報酬、正回饋與複雜性科學的影響。https://www.sfipress.org/67-arthur-1989
6. Kauffman, Stuart A.（1993）《The Origins of Order: Self-Organization and Selection in Evolution》。自組織、NK 模型與演化秩序討論的代表作。
7. Gell-Mann, Murray（1994）《The Quark and the Jaguar: Adventures in the Simple and the Complex》。複雜適應系統、資訊與基本物理之間的綜合性論述。
8. Horgan, John（1995）〈From Complexity to Perplexity〉，《Scientific American》。對 SFI 與複雜性統一理論承諾的著名批評。可參見 Iowa State University 存檔摘錄：https://faculty.sites.iastate.edu/tesfatsi/archive/tesfatsi/Hogan.ComplexPerplex.htm
9. Holland, John H.（1995）《Hidden Order: How Adaptation Builds Complexity》。複雜適應系統與 agent 思維的重要普及與理論文本。
10. Langton, Christopher G., ed.（1989, 1991）《Artificial Life》會議與論文集。人工生命研究綱領的重要來源。
11. Mitchell, Melanie（2009）《Complexity: A Guided Tour》。對複雜系統科學的清楚導論，也呈現該領域仍未完成統一理論的狀態。
12. Arthur, W. Brian（2015）《Complexity and the Economy》。收錄複雜經濟學、El Farol Bar Problem、技術演化與非平衡經濟觀點。
13. Arthur, W. Brian（2021）〈Foundations of Complexity Economics〉，《Nature Reviews Physics》。回顧複雜經濟學從 SFI 早期計畫到當代研究的基礎。https://sites.santafe.edu/~wbarthur/Papers/Nature_Phys_Revs.pdf
14. SFI Press（2022）《Foundational Papers in Complexity Science》。由 David C. Krakauer 策劃，整理 1922 至 2000 年間複雜性科學基礎文獻。https://www.sfipress.org/books/foundational-papers-in-complexity-science
15. Li Vigni, Fabrizio（2023）〈The Promises of Complexity Sciences: A Critique〉，《Perspectives on Science》31(4): 465-497。從科學史與 STS 角度分析複雜性科學的承諾、制度化與合法化策略。
16. Santa Fe Institute（官方介紹）“What is complex systems science?” 作為 SFI 對複雜系統科學定位與基礎文獻脈絡的官方說明。https://www.santafe.edu/what-is-complex-systems-science