什么是涌现 | 集智百科

“集智百科精选”是一个长期专栏，持续为大家推送复杂性科学相关的基本概念和资源信息。作为集智俱乐部的开源科学项目，集智百科希望打造复杂性科学领域最全面的百科全书，欢迎对复杂性科学感兴趣、热爱知识整理和分享的朋友加入！

本文是对集智百科中“涌现”词条的摘录，参考资料及相关词条请参阅百科词条原文。

本词条由集智俱乐部众包生产，难免存在纰漏和问题，欢迎大家留言反馈或者前往对应的百科词条页面进行修改，一经修改，可以获得对应的积分奖励噢！

一、在哲学上

二、在宗教、艺术和人文学科

三、涌现的特性和过程

四、自然界中的涌现结构

五、在人类学中

六、编者推荐

七、百科项目志愿者招募

复杂对称的形成以及科赫雪花中的分形图案说明了物理系统的涌现

一个由[白蚁聚居地制造的白蚁“大教堂”建筑高地为我们提供了一个涌现的经典例子

在哲学、系统论、科学和艺术中，当一个实体被观察到具有其所有组成部分本身没有的属性时，涌现 emergence 就出现了。这些属性或行为只有当各个部分在一个更广泛的整体中相互作用时才会涌现。例如，当一辆自行车和骑手互动时，平稳的向前运动就出现了，但是两个部分都不能独自产生这种行为。

涌现的概念在整合层次理论 theories of integrative levels 和复杂系统 theories of complex systems 理论中扮处于核心地位。例如，生物学所研究的生命现象是化学的一个涌现特性，而心理现象是从生物的神经生物学现象中涌现出的。

在哲学中，强调涌现特性的理论被称为涌现论/涌现主义 emergentism。几乎所有涌现主义的叙述都包括一种认识论意义或本体论意义的不可化约性 irreducibility。

在哲学上

哲学家通常把涌现理解为一种对系统特性的发生学主张。在这个语境里，系统的涌现特性不是系统的任何组件的属性，但仍然是整个系统的一个特征。尼古拉·哈特曼 Nicolai Hartmann（1882-1950），首批写出涌现论的现代哲学家之一，把这种现象称为新的范畴 categorial novum。

定义

涌现的概念至少在亚里士多德时代就已经存在了。许多科学家和哲学家写过关于这个概念的文章，其中包括约翰·斯图尔特·密尔 John Stuart Mill和朱利安 · 赫胥黎 Julian Huxley 。

哲学家 g· h·刘易斯 g.h.Lewes在1875年创造了“涌现 emergent”一词：每个合力要么是共同作用力的和，要么是共同作用力的差; 当它们的方向相同时，是它们的和——当它们的方向相反时，则是它们的差。此外，每个成果在其组成部分中都可以清楚地朔源，因为这些组成部分是同质的和可公度的。涌现的情况与此不同，它们既不是在动量中再增加动量，也不是在同类个体中增加一种个体，而是在不同种类的事物之间进行合作。涌现不同于其组成部分，因为这些部分是不可通约的，不能被还原为它们的总和或差。

1999年，经济学家杰弗里•戈尔茨坦 Jeffrey Goldstein在《涌现 Emergence》杂志上提出了现有的对“涌现”的定义。戈尔茨坦最初将涌现定义为:“在复杂系统自组织过程中产生的新颖而连贯的结构、模式和性质”。

2002年，系统科学家彼得·康宁 Peter Corning更详细地描述了戈尔茨坦的定义:

共同的特征有: （1）根本的新颖性（以前在系统中没有观察到的特征）; （2）连贯性或相关性（意味着在一段时间内维持自身的完整） ; （3）全局或宏观的“层次”（即：它是一个整体的特性）;（4）它是动力学过程的产物（它可以演进）; （5）它是一个明显的（可以被感知）。

康宁提出了一个狭义的定义，要求组分不同于实体（传承了刘易斯的观点），并且它们涉及这些组分之间的分工。他还表示，涌现的系统不能简化为底层的基本规律:

这些规则，或者说定律，没有有效的因果关系，它们实际上并不‘产生’任何东西。它们只是用来描述自然界中的规律性和一致性关系。国际象棋游戏说明了为什么任何关于出现和进化的法则和规则都是不充分的。即使在国际象棋游戏中，你也不能用这些规则来预测“历史”——也就是说，任何给定游戏进程都不能被预测。事实上，你甚至无法可靠地预测下一步棋的走法。为什么？因为“系统”涉及的不仅仅是游戏规则。它还包括玩家及其在每个选择点对大量可用选项做出决策。国际象棋是不可避免地具有历史性，尽管它也受到一系列规则的约束和塑造，在此之上更不用说物理定律了。更重要的是，国际象棋的游戏还受到目的性，控制论，反馈驱动的影响。它不仅仅是一个自我有序的过程，它还包括一个有组织的、“有目的的”活动。

强涌现和弱涌现

“涌现”概念可以分为“弱涌现”和“强涌现”两种观点。一篇来源于哲学家马克·贝道 Mark Bedau的《弱涌现》的论述文章区分了这种概念的。就物理系统而言，弱涌现是一种适合进行计算机模拟或类似形式的事后分析的涌现类型（例如，交通堵塞的形成，椋鸟飞行结构或鱼群结构，又或星系的形成）。在这些模拟中至关重要的是相互作用的成员保持他们的独立性。如果没有保持独立性，则会形成具有新颖的、涌现的特性的新实体（例如在化学反应）：这就是所谓的强涌现，它被认为是不能被模拟或分析的。

这两个概念之间的一些共同点是，涌现与随着系统发展过程中产生的新特性有关，也就是说，这些新特性不包含在其系统组成部分或先前系统状态中。另外，它假设这些属性是伴生属性，而不是形而上学上的原始属性。

弱涌现描述了由于元素层次上的相互作用而在系统中产生的新特性。然而，贝道规定，只有通过观察或模拟系统才能确定系统的涌现性质，而不能通过任何还原论分析过程来确定。因此，新出现的属性是与规模相关的：它们只有在系统足够大，能够展现这种现象时才能观察到。混乱、不可预知的行为可以看作是一种涌现现象，而在微观尺度上，组成部分的行为可以是完全确定的。

贝道指出，弱涌现不是一种普遍的形而上学的万金油概念，因为意识是弱涌现的假设不能解决关于意识的物质性的传统哲学问题。然而，贝道的结论是，采用这种观点将提供一个精确的概念，即涌现是包含在意识中的，其次，弱涌现的概念在形而上学上是良性的。

强涌现描述了一个高层次系统对其组成部分的直接因果作用：由强涌现产生的特性不能还原为系统的组成部分。整体不是各部分的总和。出现这种现象的物理学例子是：即使对水的组成原子氢和氧的性质进行了详尽的研究，水的形成也显得不可预测。因此，不可能存在任何对系统的仿真，能把系统还原成其组成部分。

拒绝区分

然而，生物学家彼得·康宁断言，“关于是否可以从组成部分的特性来预测整体特性的争论并没有抓住要点。整体可以产生独特的组合效应，但其中许多效应可能由整体及其环境之间的相互作用共同决定”。根据他的协同论假说，康宁还指出: “正是整体产生的协同效应才是自然界复杂性进化的根本原因。小说家亚瑟·凯斯特勒用“两面神 Janus”隐喻（两面神是开/关、和平/战争等潜在互补统一的象征）来说明两种观点（强涌现与弱涌现、整体论与还原论）应该如何被视不独立存在的，并且应该一起解决涌现的问题。理论物理学家P.W.安德森是这样说的:

把一切都简化为简单的基本定律的能力并不意味着从这些定律出发并重建宇宙的能力。当面对规模和复杂性的双重困难时，建构主义的假设就失败了。在复杂性的每个层级上，都会出现全新的属性。心理学不是应用生物学，生物学也不是应用化学。我们现在可以看到，整体不仅变得更多，而且与各部分的总和大不相同。

强涌现的可能性

一些思想家质疑强涌现的合理性，认为它违背了我们对物理学的通常理解。马克·贝道观察到:

尽管强涌现在逻辑上是可能的，但它就像魔术一样令人难以信服。既然从定义上看，它不可能是由于微观层面可能性的聚集而成，那么一种不可还原却又伴随着向下的因果律是如何产生的呢？这种因果与我们科学知识范围内的任何事物都完全不同。这不仅将使得唯物主义者感到不适，它们的神秘特性也会加剧一种传统的担忧，即涌现会引发无中生有的想法。

强涌现因为过度决定 overdetermined而被批评（过度决定就是一个事物背后有多个相互矛盾的决定因素的情况。拿超定方程组举例：一个方程组只有一个未知量，却有两个方程，每个方程都能单独解出这个未知量，但两个方程的解却不一样，导致这个方程组无解。）。有一个典型的例子：现有涌现出来的两个心理状态（M 和 M），它们分别在物理状态（P和 P*）上涌现出来的。则当 M 导致 M* 时会发生什么？

Jaegwon Kim 表示:在我们上面的例子中，我们得出结论，心理状态 M 引起的另一个心理状态 M * 对应着微观的物理状态 P* ，所以我们可以说 M 引起 P∗。现在，M 作为一个涌现现象，本身必须有一个底层的基本性质，比如 P。现在我们面临一个关键的问题: 如果一个涌现现象M出现在基础条件 P下，为什么P不能作为M的任何假定影响的原因？为什么 P 不能充分解释 M 引发的其他效应呢？如果因果关系被理解为法理上（基于规则）的充分性，那么 P，作为 M 的涌现基础，同样是法理充分的。而M作为 P* 的原因，对于P*也是法理上充分的。于是出现了P对于P*也是法理有效的，并因此能成为 P* 的理由。如果 M 以某种方式作为原因被保留下来，我们就会面临一个非常难以置信的结果，那就是每一个向下的因果关系都牵涉到过度决定（因为 P 也是 P * 的原因）。此外，这在任何情况下都与涌现主义的精神背道而驰: 涌现主义者应该做出独特而新颖的因果贡献。

如果 M 是 M * 的原因，那么 M * 就被过分决定了，因为 M * 也可以被认为是由 P 决定的。一个强涌现论者可能采取的逃避途径是否认向下的因果关系。然而，这将消除涌现的精神状态必须附加在物理状态上的理由，这反过来会使唯物主义受到质疑，因此对于一些哲学家和物理学家来说是难以接受的。

与此同时，其他人则致力于发掘强涌现的分析学证据。2009年，Gu等人提出了一类具有不可计算的宏观属性的物理系统。更准确地说，如果一个人能够从这些系统的微观描述计算出这些系统的某些宏观性质，那么他就能够解决计算机科学中已知的一些无法判定的计算问题。Gu等人得出结论：尽管宏观概念对于理解我们的世界来说是必不可少的，大部分的基础物理学致力于寻找一个“万物理论”，一个完美描述所有基本粒子行为的方程组。有观点认为，这就是科学的目标，因为“万物理论”可以让我们推导出所有宏观事物的行为，至少在原则上是这样的。但我们的证据表明，这种观点可能过于乐观。“万有理论”是完全理解宇宙所必需的许多要素之一，但不一定是唯一的要素。从第一原理出发推导宏观定律可能不仅仅涉及系统的逻辑，而且可能需要实验、模拟或洞察力的推测。

涌现和相互作用

涌现结构是通过许多单个实体的集体行动而出现的模式。为了解释这种模式，人们提出了一些假说。按照亚里士多德的说法，每个部分与其周围环境的相互作用导致了一系列复杂的过程，这些过程可以导致某种形式的秩序。事实上，我们观察到自然界中的一些系统是基于其部分的相互作用而呈现出涌现的，而另一些系统则呈现出了，至少目前不能以进行简化的涌现现象。特别是理论物理学中的重整化方法使得科学家们能够研究那些不能作为各部分组合来处理的系统。

客观或主观的品质

克拉奇菲尔德认为任何系统的复杂性和组织性都是由观察者主观所决定的。

尽管是必要的科学活动，定义结构和探测自然界复杂性的涌现本质上是主观的。尽管存在这些困难，这些问题可以从建模观察者如何从测量中推断出在非线性过程中蕴含的计算的角度进行分析。观察者对于什么是有序的，什么是随机的，什么是复杂的环境的概念直接取决于它的计算资源: 原始测量数据的数量，存储空间，以及可用于计算的时间。更关键和微妙的一点是，环境中结构的发现取决于这些计算资源是如何被使用的。例如，观察者选择的（或隐含的）计算模型的描述能力，是能否在数据中找到规律性的一个极端重要的决定因素。

另一方面，彼得·康宁认为: “难道协同作用必须被感知/观察，才能像某些理论家所说的那样，被称为涌现效应吗？很明显不是。与涌现相关的协同效应是真实的、可衡量的，即使没有人在那里观察它们。”

有序系统的低熵值可以看作是主观涌现的一个例子: 观察者通过忽略基本的微观结构（例如分子或基本粒子的运动），并得出结论，该系统有低的熵值。

另一方面，混乱、不可预知的行为也可以被视为主观涌现，而在微观尺度上，组成部分的运动可以是完全确定的。

在宗教、艺术和人文学科

在宗教中，涌现是宗教自然主义和综合主义的表现形式，给人一种神圣的感觉，通常认为在完全自然主义的过程中，复杂形式是从更简单形式中产生或演化出来的。例如，2006年出版的 Ursula Goodenough 和 Terrence Deacon的《自然的神圣涌现》和 Stuart Kauffman的《超越还原论的:重塑神圣》，以及2014年出版的Alexander Bard和Jan Söderqvist的《综合主义: 在互联网时代创造上帝》，这个也被拍成电影：Futurica Trilogy 未来三部曲。关于社会形态出现的早期论证（1904-05），部分源于宗教，可以在 Max Weber最著名的作品《新教伦理与资本主义精神》找到。到近代以来，一个新的社会系统的涌现与多个相互作用的部分之间的非线性关系所导致的秩序的涌现是联系在一起的，其中多个相互作用的单元可以是个人的思想、意识和行动。

在艺术中，涌现被用来探索创新、创造和作品创作。一些艺术/文学理论家（Wheeler，2006;Alexande，2011）利用复杂性科学和涌现理论提出了替代后现代理解的“作品创作”。他们认为艺术的自我和意义是涌现出来的、相对客观的现象。Michael J. Pearce用涌现现象来描述与当代神经科学相关艺术作品的经验。实践艺术家Leonel Moura则认为他的“机器人艺术”具有真正的、基于涌现原理的创造力，尽管这种创造力还很初级。在文学和语言学中，涌现的概念被应用于文体学领域，以解释文本的句法结构和作者风格之间的相互关系（Slautina，Marusenko，2014）。

在国际发展中，涌现的概念被用于一种称为 SEED-SCALE 的社会变革理论中，以显示基本的原则是如何相互作用，从而推动符合文化价值观、社区经济和自然环境的社会经济发展。这些原则可以利用一系列标准化的任务来实现，利用递归的执行方式以各自特定的方式进行自组装。

在20世纪90年代后殖民主义理论，“Emerging Literature”通常翻译为“新兴文学”，指的是在全球文学景观中获得势头的当代文本主体。而“emergent literature”通常翻译为“涌现文学”，是文学理论中使用的一个概念。

涌现的过程和特性

当一些简单的个体（主体）在一个环境中运动时，可能会出现涌现的行为或涌现特性，形成整体层面更复杂的行为。如果涌现发生在不同的尺度上，那么原因通常是不同尺度之间的因果关系。换句话说，涌现特性通常意味着在系统中存在一种自上而下的反馈形式。出现涌现特性的过程可能发生在观察系统之后或观察时，并且通常可以通过变化累积所形成的模式来识别，这个过程一般称为“增长”。涌现行为之所以会出现，是因为不同尺度之间存在复杂的因果关系和反馈，这种关系被称为互联性 Interconnectivity。涌现特性本身既不是完全可预测的，也不是完全不可预测和前所未有的，而是代表系统进化的新层次。复杂的行为或者特性不是任何一类实体的特性，也不能轻易地从较低级别个体行为中预测或推断出来，事实上复杂行为不能简化为个体层面的行为。鸟群或鱼群的集体行为展现出的整体形状就可以看成是涌现特性的很好例子。

涌现行为难以预测的一个原因是，系统个体之间相互作用的数量随个体的数量呈指数增长，从而允许许多新的微妙行为类型涌现出来。涌现通常是特定交互模式的产物。负反馈引入了有助于修复结构或行为的约束。相比之下，正反馈促进改变，允许局部变化发展成为全局模式。相互作用产生涌现特性的另一种方式是双相演化,这发生在相互作用是间歇出现的时候，引发两个阶段: 一个是模式的形成或增长，另一个是他们被提炼或移除。

另一方面，个体之间仅仅有大量的相互作用本身并不足以保证出现涌现行为。许多相互作用可能是微不足道或无关紧要的，或者可能相互抵消。在某些情况下，大量的相互作用实际上可能阻碍有趣行为的涌现，因为它们制造了大量的”噪音”来干扰新涌现出现的”信号”。在达到临界点以能维持自身以前，这种涌现行为可能需要暂时与其他相互作用隔离。因此，促进涌现的不仅仅是个体之间连接的绝对数量，还有连接的方式。分层组织就是能够产生涌现行为的例子（政府机构的行为方式可能与政府机构的单个部门大不相同）。但涌现行为也可能产生于更为分散的组织结构，如市场。在某些情况下，在涌现行为出现之前，系统必须达到多样性、组织性和连通性的组合阈值。

无意识的后果和副作用都与涌现特性密切相关。Luc Steels写道: “一个组件有一个特定的功能，但这不能识别为全局功能的子功能。相反，一个组件实现了一种行为，其副作用有助于实现全局功能[ … ]每种行为都有副作用，副作用的总和就是整体的功能”。换句话说，具有“涌现功能”系统的全局或宏观功能是所有“副作用”的总和，即所有涌现特性和功能的总和。

具有涌现特性或涌现结构的系统可能看起来有悖熵原理和热力学第二定律，因为尽管缺乏中央的指挥和控制，但他们形成并增加秩序。然而实际上并没有违反，因为开放系统可以从环境中获取信息和秩序。

自然界中的涌现结构

由风或水形成的沙丘的波纹模式是自然界涌现结构的一个例子。

北爱尔兰的巨人堤道是复杂涌现结构的一个例子。

涌现结构可以在从物理到生物的许多自然现象中找到。例如，气象（比如飓风）的形状就是涌现结构。在有利的自然的环境中，由水分子的随机运动驱动复杂有序晶体的发展和生长，是涌现过程的另一个例子，在这种涌现过程中，随机性可以产生复杂而具吸引力的有序结构。

在玻璃上形成的水的晶体是一个涌现现象，这是一个在适当的温度和湿度条件下发生的分形过程。不过，晶体结构和飓风都有一个自组织的阶段。

涌现结构可以被区分为的三种形式。一级涌现结构是空间相互作用的结果（例如，水分子中的氢键导致表面张力）。二级涌现结构涉及随时间变化的空间的相互作用（例如，当雪花落到地面时，大气环境的变化，会影响雪花的形态）。三级涌现结构是空间、时间和可继承指令的结果。例如，有机体的遗传密码影响着有机体系统在空间和时间上的形式。

无生命的物理系统

在物理学中，涌现被用来描述在宏观尺度（空间或时间）上的性质、规律或现象，尽管一个宏观系统可以被看作是一个非常庞大的微观系统的集合。

涌现属性不必比生成它的底层非涌现属性更复杂。例如，热力学定律是非常简单的，即使粒子之间相互作用的法则是复杂的。因此，物理学中的涌现一词不是用来表示复杂性，而是用来区分哪些定律和概念适用于宏观尺度，哪些定律和概念适用于微观尺度。

还有另一种关于涌现的设想，它也许更广泛适用，但这种方法涉及到一定程度的复杂性：从微观到宏观上的计算可行性可以告诉我们涌现的“强度”。如果考虑到以下来自物理学的涌现的定义，可以更好地理解:

“物理系统的涌现行为是一种定性性质，只有在微观成分的数量趋于无穷大的情况下才能发生。”

因为在现实世界中不存在无限的系统，所以一个系统的组成部分的属性和涌现的整体的属性之间，并不存在自然产生的明显的区分。正如下面所讨论的，经典力学被认为是从量子力学中涌现出来的，尽管在原则上，量子力学完全描述了在经典水平上发生的一切。然而，需要一台比宇宙更大的计算机，计算比宇宙的生命时间更长的时间，才能根据电子的位置来描述一个下落的苹果的运动，因此我们可以把这看作一个“强”涌现在宏观和微观世界的区分。

一些例子包括:

经典力学 : 可以说经典力学的定律是从量子力学定律中涌现的，适用于足够大物质。这一点特别奇怪，因为人们通常认为量子力学比经典力学更复杂。

摩擦力: 基本粒子之间的力是保守力。然而，当考虑到物质更复杂的结构时，摩擦就涌现了。物质表面相互摩擦时，机械能转化为热能。类似的涌现现象也适用于连续介质力学中的概念，如粘度、弹性、抗拉强度等。

花样表面 Patterned Ground: 花样表面是在冰缘地区由地面材料形成的明显的，通常是对称的几何图形。

统计力学最初是用一个足够大的统计学集合概念推导出来的，其中概率分布的各种波动可以忽略不计。然而，小的团簇并不会表现出明显的一级相变，例如熔化，而且在边界上不可能完全将团簇归类为液体或固体，因为这些概念（再没有额外的定义的情况下）只适用于宏观系统。使用统计力学方法描述一个系统要比使用低层次的原子论方法简单得多。
电气网络: 具有随机排列的二元电网的体传导响应 bulk conductive response of binary （RC），称为通用介电响应 Universal Dielectric Response （UDR），可以看作是这种物理系统的涌现特性。这样的排列可以被用作简单的物理原型系统，用于推导复杂系统涌现现象的数学公式。
温度有时被用来作为一个涌现的宏观行为的例子。在经典动力学中，测量到处于平衡状态的大量粒子的瞬时动量就可以求出每个自由度的平均动能，而平均动能与温度成正比。对于少数粒子，在给定时间的瞬时动量不足以计算出系统的温度。然而，使用遍历假设 Ergodic Hypothesis，任意精度的温度仍然可以通过在足够长的时间内对这少量例子动量的平均而得到。

液体或气体中的对流 Convection是另一个涌现宏观行为的例子，只有在考虑温差时才有意义。对流单体 Convection Cells，特别是 Bénard 单体，是一个自组织系统（更具体地说，是一个耗散系统 Dissipative System的例子，其结构由系统的约束和随机扰动共同决定：细胞的形状和大小可能取决于温度梯度以及流体的性质和容器的形状，但实际上实现的配置是由于随机扰动（因此这些系统呈现一种对称破缺 Symmetry Breaking形式）。

在一些粒子物理学理论中，甚至是质量、空间和时间这样的基本结构都被视为来自于更基本的概念（比如希格斯玻色子 Higgs Boson或者弦 Strings）的涌现现象。在某些量子力学诠释中，对所有物体都具有确定的位置、动量等等的确定性感知，实际上是一种涌现现象，因为物质的真实状态是被波函数所描述的，而这这些波函数不需要单一位置或动量的。

我们今天所经历的大多数物理定律，似乎都是在时间的推移中出现的，这使得涌现成为宇宙中最基本的定律，同时出现了一个问题：什么可能是物理学中最基本的定律，而其他所有定律都是从这个定律中涌现而来的？化学可以被看作是物理定律的一种涌现。生物学（包括生物进化）可以看作是化学定律的涌现。同样，心理学也可以被理解为神经生物学定律的一种涌现。最后，经济学中的自由市场理论是心理学的一个涌现。

Laughlin（2005）认为，对于许多粒子系统来说，从微观方程中无法精确地计算出任何东西，宏观系统是通过破缺的对称性来刻画: 由于相变的存在，微观方程中存在的对称性无法在宏观系统中存在。因此，这些宏观系统需要用它们自己的术语来描述，并且具有许多不依赖微观细节的性质。这并不意味着宏观性质和微观的相互作用无关，只是你不再看到它们了，你只看到它们的重整化效应 Renormalized Effect。Laughlin是一个务实的理论物理学家：如果你不能从微观尺度的方程中计算出对称性破缺的宏观性质，那么谈论还原性 Reducibility还有什么意义？

生命，生物系统

涌现与演化

生命是复杂性的主要来源，进化是不同生命形式背后的主要过程。这种观点认为，进化是描述自然界中复杂性增长的过程。在谈到复杂生物和生命形式的涌现时，这种观点是指进化中的突变就是复杂性的主要来源。

生命被认为是在早期的 RNA 世界中出现的。那时 RNA 链展示出了达尔文所构想的自然选择运作的基本条件: 遗传、变异、和对有限资源的竞争。RNA 复制器 RNA Replicators的固有的适应能力（亦即RNA的平均增长率，在某种意义上说，它们是由核酸序列决定的）和可用资源的函数。其中三种主要的适应能力可能是: （1）具有中等保真度的复制能力（同时具有遗传和变异的能力） ; （2）避免衰变的能力; （3）获取和加工资源的能力。这些能力最初是由 RNA 复制器的折叠结构决定的，而这些结构又反过来编码在各自的核酸序列中。不同复制器之间的竞争成败将取决于这些适应能力的相对值。

关于进化中的因果关系，彼得·康宁观察到:

一般来说，各种协同作用在进化过程中，特别是在合作和复杂性的进化中起着重要的因果作用，自然选择通常被描述为一种“机制”，或者被人格化为一种因果代理。实际上，对某一特性或适应性的差异化“选择”，是这些特性所产生的功能性效应使得特定环境中特定生物体生存和繁殖的成功。正是这些功能性效应最终导致了跨代连续性 Trans-generational Continuities和自然界的变化。

根据其对涌现的定义，康宁还提到了“涌现”和“进化” :

在进化过程中，因果关系是迭代的，结果同时也是原因。这同样适用于由涌现系统产生的协同效应 Synergistic Effects。换句话说，涌现本身是生物进化中涌现现象的根本原因。有组织的系统产生的协同增效作用才是进化的关键。

集群 Swarming在许多动物物种中是一种普遍的行为，从蝗虫群到鱼群，再到鸟群。涌现结构是许多动物群体中常见的策略: 例如蚁群，白蚁筑成的蚁丘、蜜蜂群、浅滩或鱼群、鸟群和哺乳动物群落。

需要详细考虑的一个例子是蚁群。蚁后不会直接下达命令，也不会告诉蚂蚁该做什么。相反，每只蚂蚁对来自幼虫、其他蚂蚁、入侵者、食物和排泄物的化学气味的刺激作出反应，并留下化学痕迹，这反过来刺激其他蚂蚁。在这里，每只蚂蚁都是一个自主的单元，它们的反应仅仅取决于它们所处的局部环境和它们的蚂蚁种类的遗传编码规则。尽管缺乏集中化的决策，蚁群仍能表现出复杂的行为，甚至被证明具有解决几何问题的能力。例如，蚁群会按照一定的例行规则找到距离所有蚁群入口的最大距离来处理尸体。

似乎环境因素也可能在影响涌现方面发挥作用，比如大翅目 Macrotera Portalis的蜜蜂。在这个物种中，蜜蜂以与降雨量一致的模式出现。具体来说，出现的模式与西南部沙漠春季和夏末的降雨情况相一致。

生命的组织

从生命的生物组织，从亚原子水平到整个生物圈，我们可以看到生物涌现特性的一个更广泛的例子。例如，单个原子可以结合形成多肽链之类的分子，多肽链再折叠形成蛋白质，而蛋白质又形成更复杂的结构。这些蛋白质，从它们的空间结构中获得它们的功能状态，并与其他分子相互作用，实现更高的生物功能，最终创造出一个生物体。另一个例子是级联表现型反应 Cascade Phenotype Reactions，如混沌理论中详细描述的，级联表现型反应产生于个体基因在特定位置的变异。在最高层次上，世界上所有的生物群落形成了生物圈，其中，人类形成了人类社会，并形成了诸如股票市场等元社会系统的复杂相互作用。

心灵的涌现

生命的进化描述是一段连续的历史，以出现根本性新形式的阶段为标志——人类智力的是其中的一个标志。心智的涌现及其演化被认为是特殊系统知识中的一个独立的现象，被称为心智演化 Noogenesis。

在人类学中

自发秩序

人类群体如果能够自由地调节自己，往往会产生一种自发的秩序，而不是人们常常害怕的那种毫无意义的混乱。至少从中国古代的庄子以来，这种现象就已经存在于社会中了。人是社会系统的基本要素，它们不断地相互作用，创造、维持或割断相互之间的社会联系。社会系统中的社会纽带随着其结构的重构而不断变化。一个经典的环形交叉路口也是一个很好的例子，十分有效的组织汽车进进出出，以至于一些现代城市已经开始用环形交叉路口的红绿灯取代经常出现问题的十字路口的红绿灯，并取得了更好的结果。开源软件和 Wiki 项目提供了一个更加引人注目的例子。

涌现过程或行为可以在许多其他地方看到，如城市、经济学中的垄断现象、计算机模拟和元胞自动机中的组织现象。无论何时，只要有大量的个体相互作用，一种秩序就会从混乱中产生（无序就会产生秩序;）一种模式、一种决定、一种结构或方向的改变就会发生。

经济学

股票市场（或任何市场）就是一个大规模涌现的例子。作为一个整体，它精确地调节着世界上各地公司的相对安全价格，然而它没有领导者。当没有中央计划的时候，就没有一个实体控制着整个市场的运作。经纪人或投资者只了解其投资组合中有限的几家公司，他们必须遵守市场的监管规则，对交易进行单独或大规模的分析。趋势和模式的出现则是由技术分析师深入研究的。

万维网与互联网

万维网是一个分散系统展示涌现属性的常见例子。没有中央组织限制链接的数量，但是指向每个页面的链接数量遵循幂律分布，即少数页面被多次链接，而大多数页面很少被链接。万维网链接网络的一个相关特性是，几乎任何一对页面都可以通过相对较短的链接相互连通。虽然这个特性现在已经被大众所熟悉，但是这个特性最初在不受控制的网络中是意想不到的。它与许多其他类型的网络共享，称为小世界网络。

互联网流量也可以表现出一些看似涌现的特性。在拥塞控制机制中，TCP 流可以在瓶颈处实现全局同步，在协调中同时增加和减少吞吐量拥塞，这被广泛认为是一种滋扰，可能是一个涌现的特性，在高流量的网络中传播的瓶颈可以被认为是一个相变（见相关研究的评论）。

另一个出现在基于web系统中的重要例子是社会化书签（也称为协作标签）。社会化书签 Social Bookmark是指用户可以将网站随时加入自己的网络书签中；用多个关键词标示和整理书签，并与人共享。在社会化书签系统中，用户为与其他用户共享的资源分配标签，这就产生了一种从众包过程中产生的信息组织。最近对这种系统的复杂动力学进行实证分析的研究表明，即使在缺乏中央控制的情术语况下，也确实可以出现一套简单的共享术语。一些人认为，这可能是因为提供标签的用户都使用同一种语言，而且他们在选择术语时具有相似的语义结构。因此，社交标签的趋同可以解释为具有相似语义解释的人协同索引在线信息的结构涌现，这一过程称为语义模仿。

建筑与城市

城市的交通模式可以看作是自发秩序的一个例子

涌现结构在许多不同层次的组织或自发秩序中出现。涌现性自组织经常出现在非规划的、或分区没有被预先决定的城市布局中。对于涌现行为的跨学科研究通常不被认为是一个单一的领域，而是被划分到跨学科应用或问题领域中。

建筑师可能不会设计一个建筑群的所有通道。相反，他们可能会让“通路”自发涌现：让人们自由选择走出道路，然后在道路已经磨损的地方铺设路面，比如“心选小路”。心选小路 Desire Path，也叫牛道 Cow Path 或者羊道 Goat Track ，指行人或自行车频繁经过而形成的一条小路。这种小路通常是往返于两地之间距离最短且最易找到的路。一般情况下，当正式修建的道路绕远、路中间有沟，或者压根没有正式道路的地方就会出现“心选小路”。

“2007年城市挑战 2007 Urban Challenge”的航线方向和运载路径，可以被视为控制论出现的一个例子。道路使用模式，不确定的障碍物清除时间等，将共同工作形成一个复杂的涌现模式，它不能事先确切地计划。

克里斯托佛·亚历山大建筑学派对涌现采取了更深入的方法，试图重写城市发展本身的发展过程，以建立一个与传统实践相联系的规划和设计的新方法论：一个涌现的城市主义。城市的涌现也与城市复杂性和城市演化的理论联系在一起。

建筑生态学是一种概念框架，用于理解建筑和建筑环境之间动态相互依存的要素，包括建筑、居住者和更大的环境。建筑生态学家哈尔·莱文 Hal Levin并没有把建筑看作是无生命的或静态的物体，而是把它们看作是有生命和无生命系统的交界或交叉领域。室内环境的微生物生态学强烈依赖于建筑材料、居住者、内容、环境背景和室内外气候。大气化学与室内空气质量及室内发生的化学反应密切相关。这些化学物质可能是微生物的营养物质、中性物质或生物杀灭剂。这些微生物产生的化学物质会影响建筑材料与居民健康。人类操纵通风、温度和湿度以达到舒适的环境，同时对居住和进化的微生物产生影响。

Eric Bonabeau试图通过交通来定义涌现现象: “交通堵塞实际上是非常复杂和神秘的。在个人层面上，每个司机都试图到达某个地方，并遵守（或打破）某些规则。这些规则中一些是法律上的（限速），另一些是社会的或个人的（减速让另一个司机进入你的车道）。但是，交通堵塞是从这些个人行为中涌现出来的一个独立的、不同的事物。例如，高速公路上的交通堵塞可能无缘无故地向后延伸，即使车辆在向前行驶。”他还把涌现现象比作对市场趋势和员工行为的分析。

计算涌现现象也被应用于建筑设计过程中，例如在数字物质性方面的正式探索和实验。

计算机人工智能

一些人工智能（AI）计算机应用程序利用涌现行为进行动画制作。一个例子是Boids模型，它模仿鸟类的群体行为。

语言

语言语法的结构和规律，或者至少是语言变化，被认为是一种涌现现象。虽然每个说话人只是试图达到自己的交际目的，但他或她使用语言的方式是特定的。如果有足够多的人这样做，语言就会改变。从更广泛的意义上讲，语言规范，即语言社会的语言习惯，可以看作是在各种社会环境下长期参与交际性解决问题的过程中涌现出来的一个系统。

涌现的变化过程

在群体引导和组织发展的领域内，已经有提出了一些新的群体过程，意在通过提供一组最小化的初始条件去最大限度地实现涌现和自组织。这些过程的例子包括 SEED-SCALE、赏识调查、未来探索、世界咖啡馆或知识咖啡馆、开放空间技术等（Holman, 2010）。

编者推荐

集智视频

论文解读：随机网络中标度的涌现

本课程中，将讲解经典论文随机网络中标度的涌现。

课程推荐：论文解读：随机网络中标度的涌现

https://campus.swarma.org/course/1963

集智文章传递

机器人涌现行为的连续学习|复杂性科学顶刊精选7篇

科技知识网络中高阶结构的涌现 | arXiv论文速递

科学研究中，低垂的果实越来越少，该如何应对？作为研究科学发展内在规律的科学学，明尼苏达大学的Thomas Gebhart 和 Russell J. Funk，使用网络科学作为工具，对不同年代的科研活动背后的网络结构进行了研究。区别了高阶和低阶网络对应的研究，并指出两者存在显著不同。

从规则到涌现：探索游戏世界中的复杂性

微观个体遵循基本规则，在宏观上涌现出复杂行为，这是复杂世界的常态，也是复杂性科学的洞察，如今更成为游戏世界的设计原则。从生命游戏到侠盗猎车，从简单个体到集体智慧，游戏也越来越智能、逼真。万物皆可交互的未来世界，有望通过复杂系统与涌现设计实现。

无标度网络模型开山之作：随机网络中标度的涌现

度分布满足幂律分布的网络即为无标度网络，互联网、基因网络、社会网络等网络都具有无标度性或满足幂律分布。1999 年 10 月 15 日的Science 杂志，刊登了 Albert-László Barabási 和 Réka Albert 的文章，提出通过网络生长和偏好依附的模型，可以获得无标度网络，后被称为 B-A 模型。这一模型的提出，是网络科学里程碑式的工作。这项研究之后，关于复杂网络的研究如雨后春笋，层出不穷。B-A 网络模型与1998 年 Duncan Watts 等提出的小世界网络模型，共同宣告网络科学领域的正式形成。