一、老三论：系统论、控制论、信息论这是20世纪中叶对复杂性最初的科学抽象，奠定了“复杂系统可以被建模与调控”的基础范式。二、新三论：耗散结构论、协同论、突变论进入复杂适应系统时代后，科学家意识到稳定性之外还有“演化性”的问题，于是提出更具生成性与涌现特征的新三论。三、未来方向：从“控制世界”到“生成世界”的范式飞跃 •控制论的极限：传统控制论关心的是“已知目标的有效实现”，而你研究

#系统论 #控制论 #信息论 #复杂性科学 #复杂系统 #耗散结构论 #协同论 #突变论 #复杂适应系统 #科学抽象 #范式飞跃 #生成世界

相关新闻

ariel reyez romero

6天前

google今天这篇2025年4月的论文居然引发了存储的下跌，那我们就再重读一下： KV cache 一直是大模型推理里的最大内存消耗来源。论文的做法，本质是用信息论最优的方式去压缩这些数据。不是简单地降低精度，而是重新分配信息密度。普通部分用极低比特表示，异常值单独保留更高精度。同时不再逐元素处理，而是以向量为单位编码，因为 attention 本身就是内积结构。关键的是，它的误差已经贴近

Crypto_Painter

6天前

鸡皮疙瘩都起来了，哭笑不得... 简单讲讲这段时间研究市场模式切换的经历，有没有赚钱的策略或者是找到 Alpha 先不说，就说我目前通过这段经历领悟到的一个绝对绝对有帮助的市场真理！那就是越简单的交易策略，反而越好！本以为用 AI 帮我搭建复杂系统，就能找出更好的策略因子了，但这么兜兜转转好几天，烧掉了 Opus 4.6 整整400多美元的 Tokens... 期间用了状态机、动量投

硅谷王川 Chuan

4个月前

意识到一些朋友在分析复杂问题时，总习惯用自己打牌 (封闭系统的规则清晰的博弈) 时计算概率的方法来分析。这大错特错。开放的复杂系统的问题，明面上看到的几个变量，和最终的结果没有简单的因果关系，无法用条件概率 (贝叶斯定理) 来分析预测。这里面几个原因：一，变量太多，甚至很多不知道二，因果链条非线性，各种复杂的反馈循环 (一个例子是长期服用睾酮后，人的睾丸反而变小，内分泌完全混乱；另一个

✧ 𝕀𝔸𝕄𝔸𝕀 ✧

4个月前

为什么我认为一些政府追求绝对稳定的社会是一个巨大的谎言，因为从复杂系统角度出发，一个系统的健康程度不是由稳定程度所决定，而是来自波动之后的适应和重建。投资上也是，你的投资组合应该具备很好的从波动性回撤中迅速恢复的能力，这比涨得多和快更加重要。

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

4个月前

涌现是复杂性科学中的一个概念，描述了多体系统如何展现出新型的高阶特性——这些特性可通过用低维有效变量和理论替代高维机制来描述。这一现象可概括为"更多即不同"的理念。智能作为一种完美的涌现特性，体现为运用涌现能力解决问题时效率的持续提升——成本更低且速度更快。这可概括为"少即是多"的理念。本文首先审视关于大型语言模型展现涌现能力的论断，回顾多种量化涌现现象的方法；其次探讨大型语言模型是否具备