这几天看了一篇科普文章，结合近期的人工智能，以及股市的复杂性，感觉很发人深思。系统科学把整体才具有而孤立部分及其总合不具有的性质称为整体涌现性（whole Emergence）。涌现性是组成成分按照系统结构方式相互作用、相互补充相互制约而激发出来的结构效应。

20世纪的哲学潮流普遍认为，通过观察组成部分的个体行动为去理解上层的整体模式，是唯一可行的方法。蚂蚁研究的先驱者惠勒及其团队就是其中之一，但其在研究过程中，发现了蚂蚁群体的涌现特征。通俗说，我们在理解群体时，一般都是在做二元选择，比如要么是部分，要么是整体，部分是2的话，两个部分合起来成一个整体的话，就是2+2=4。但是涌现这个现象是，当一个群体的整体行为涌现时，整体与部分的二元性就消失了，2＋2不一定等于4，可能等于5，也可能等于一个苹果，我们认为的逻辑没了，量变发生了一种质变。自然界里这种表现很多，比如蚂蚁、蜂群、水流漩涡、雪崩等等。

最有趣的是，这样一个整体系统有一个普遍规律，就是低层级的存在无法推断出高层级的复杂性，从微观到宏观的方法是行不通的，也就是无法预估一个集群形成后会出现的涌现特征到底是什么，想知道的话，只能运行一下试试，因为从单独个体甚至小群体上都无法发现，必须达到质变才知道是什么。一个蜂窝，一只蜜蜂做不了什么，但把工蜂、雄蜂以及花粉和蜂窝统一到一个整体上，蜂巢就出现奇怪的特性了，没有哪个蜜蜂控制哪个，但自动运行成一个有机整体。

讲到这里，就明白人工智能的问题了。人工智能开始也就是所谓神经网络，一直在优化数学模型算法，优化神经元的连接方式，但大模型的成功说明，只要神经元足够，神经元的连接方式足够，质变就产生了。那么，当集群集中在一起，会出现什么特征？